Diante da emergência sanitária causada pela Covid-19, um grupo de pesquisadores de modelagem matemática do Centro de Integração de Dados e Conhecimentos para Saúde  (Cidacs/Fiocruz Bahia) desenvolveu modelos matemáticos capazes de prever a infraestrutura hospitalar necessária durante a primeira onda da pandemia de coronavírus.

Os resultados foram publicados no dia 11 de janeiro na revista científica Nature Communications, umas das mais respeitadas pela comunidade científica. O modelo criado na Bahia reúne informações sobre a realidade local da dinâmica de transmissão do vírus e permite avaliar a capacidade de resposta dos serviços de saúde do estado em termos de quantitativo de leitos necessários para atendimento dos casos severos e graves da doença. O estudo foi desenvolvido no âmbito dos esforços conduzidos na Rede CoVida – Ciência, Informação e Solidariedade.

Denominado SEIIHURD, o modelo considera oito estágios da infecção por SARS-CoV-2, o agente causador da Covid-19: 1º indivíduos suscetíveis ao vírus (ou seja, saudáveis), 2º aqueles que serão expostos, 3º os que serão infectados com sintomas, 4º os que serão infectados e serão assintomáticos, 5º hospitalizados requerendo leitos clínicos, 6º os hospitalizados requerendo leitos de Unidade de Tratamento Intensivo (UTI), 7º recuperados e, eventualmente, indivíduos que, acometidos por doença grave, foram ao oitavo estágio: o óbito.

“O que a gente quis foi incorporar o contexto da Bahia, sabendo que não daria para implementar medidas muito rígidas que levassem a um controle da transmissão em nível ‘ótimo’. Mas sim subsidiar os tomadores de decisão com informações que evitassem o colapso dos serviços de saúde no estado”, explica a líder do estudo, a pesquisadora associada do Cidacs, Juliane Oliveira, doutora em matemática. 

“O esforço interdisciplinar do grupo permitiu a obtenção de um modelo que reflete a complexidade da Covid-19, confirmando o papel fundamental que indivíduos assintomáticos têm na cadeia de transmissão do SARS-CoV-2”, ressalta Pablo Ramos, doutor em modelagem computacional, pesquisador do Cidacs/Fiocruz Bahia e co-autor da pesquisa.

Por volta de abril de 2020, as medidas de distanciamento foram reforçadas no estado, e esse mesmo grupo já revelava que, quando a mobilidade de pessoas assintomáticas é relaxada, poderíamos notar um aumento de cerca de 50% no número de casos e 37% no de óbitos. Igualmente, as necessidades clínicas e de leitos de UTI aumentariam em 75% e 87,5%, respectivamente. 

Os resultados revelam estratégias, informadas pelo modelo, sobre como lidar com cenários onde medidas preventivas são aplicadas para diminuir as taxas de transmissão (em vários níveis) antes e após o colapso do sistema de saúde, demonstrando que medidas tardias requerem intervenções mais severas a fim de retomar a capacidade de atendimento do sistema de saúde. A técnica matemática chama atenção pelo seu potencial para ser adaptada em vários contextos, sendo especialmente útil em regiões com recursos econômicos limitados, e que provavelmente terão que coexistir com a circulação do vírus por maior tempo na ausência de uma vacina aplicada em larga escala.

Questionada se diante do recrudescimento de casos de Covid-19 no início de 2021, o estado deveria retomar as medidas mais intensas de controle, Juliane Oliveira lembrou que resultados obtidos pelo grupo (disponíveis em formato pre-print) mostram que, quando as medidas governamentais são tomadas e há um relaxamento, os efeitos, em termos de adesão populacional, são mais baixos que na primeira vez. “E estamos falando de quase um ano nessa situação, para que o estado possa intensificar as medidas, a essa altura teria que dar um suporte maior à população, considerando as fragilidades socioeconômicas, e uma fiscalização nas ruas ainda maior, o que seria muito difícil agora”, comenta a pesquisadora. 

Formado por biólogos, cientistas da computação, estatísticos, epidemiologistas, físicos e matemáticos, o Grupo de Modelagem da Rede CoVida e hoje do Cidacs, integra conhecimentos destes vários campos da Ciência e os aplica ao estudo em tempo real da dinâmica e controle da Covid-19.

Acesse o link do artigo: https://www.nature.com/articles/s41467-020-19798-3

[print-me]