Desenvolvido por grupo interdisciplinar, projeto ModCovid19 auxilia nas tomadas de decisão pelo poder público
Clarice Cudischevitch
O distanciamento social é imprescindível para controlar a propagação do novo coronavírus, mas seus impactos negativos também são relevantes. Nesse cenário, os modelos matemáticos assumem um papel central para otimizar ao máximo medidas que restringem a circulação de pessoas. O ModCovid19, projeto interdisciplinar apoiado pelo Serrapilheira, é um exemplo.
A iniciativa é liderada pelo pesquisador Tiago Pereira da Silva, do Centro de Ciências Matemáticas Aplicadas à Indústria da Universidade de São Paulo (Cemeai/USP-São Carlos), e envolve outros grupos de pesquisa da USP, IMPA, FGV, UFAL e Unicamp. Os cientistas desenvolveram um modelo cujo mecanismo matemático de controle permite simular quando, por quanto tempo e qual o nível de distanciamento deve ser implantado em cada localidade, a fim de evitar o colapso do sistema de saúde.
Isso porque os protocolos adotados inicialmente pelo poder público preveem um distanciamento uniforme para todas as cidades de um estado. No entanto, seus efeitos podem ser potencializados e, ao mesmo tempo, seus impactos sociais e econômicos reduzidos se tais medidas levarem em conta as particularidades das cidades ou regiões. Afinal, cada local se encontra em um estágio diferente da evolução da doença, e suas capacidades hospitalares também variam significativamente entre si.
O sistema desenvolvido não apenas viabiliza a implantação de medidas de distanciamento particularizadas como também sugere o momento em que o nível de distanciamento deve ser alterado para controlar a epidemia. Isso possibilita a adoção de esquemas de revezamento, em que algumas cidades serão “fechadas” enquanto outras permanecerão abertas ou com um controle menos rígido de distanciamento.
“A alternância no tempo faz com que uma cidade ou região não esteja sob restrições fortes permanentemente e, assim, a atividade econômica naquela localidade não fique totalmente paralisada”, explica Tiago Pereira da Silva.
Para isso, o grupo criou o software COMORBUSS, que utiliza a demografia e a dinâmica social básica para simular diferentes comunidades e entender em detalhes como o vírus se propaga em cada uma delas. A partir da regionalização dos dados, é possível simular cenários de controle como: fechamento de serviços e escolas, turnos de trabalho, distanciamento social e localização dos focos de infecção.
A ideia é que os modelos possam embasar as ações conduzidas pelo poder público. Em Alagoas, por exemplo, o sistema desenvolvido por um dos grupos de pesquisa envolvidos no ModCovid19 tem auxiliado prefeitos a monitorar a crise de Covid-19 na região. “O município de Maragogi, no litoral norte, foi o piloto”, explica o coordenador do grupo da UFAL, Krerley Oliveira.”Agora o Ministério Público Federal e o Estadual nos pediram um parecer sobre o plano de reabertura no estado, então estamos tentando entender o impacto dessa medida.”
Saiba mais sobre o ModCovid19.
Os serviços deste site podem conter links para outros sites ou serviços on-line que são operados e mantidos por terceiros e que não estão sob controle ou são mantidos pelo Instituto Serrapilheira.
Os artigos deste site podem incluir conteúdo incorporado de outros sites.
O site armazena as informações pessoais que os usuários registram em nosso site as quais só podem ser acessadas e editadas pelos administradores do site.
O usuário pode solicitar que apaguemos todos os dados pessoais que mantemos sobre ele. Isso não inclui nenhum dado que somos obrigados a manter para fins administrativos, legais ou de segurança.
Nenhum dado sobre os visitantes que se inscrevem no site é negociado pelo Instituto Serrapilheira, sob nenhuma circunstância.
O Instituto Serrapilheira pode decidir alterar a sua política de uso de dados a qualquer momento e por sua exclusiva deliberação.
Cookie | Duração | Descrição |
---|---|---|
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |