Rede CoVida Ciência, Informação e Solidariedade
Apresentamos aqui um modelo geral de compartimento com taxa de transmissão variável no tempo para descrever a dinâmica da epidemia de COVID-19, parametrizada com a demografia da Bahia, um estado do Nordeste do Brasil. A dinâmica do modelo é influenciada pelo número de casos assintomáticos, necessidade de internação e mortalidade pela doença. Um modelo informado localmente foi determinado usando registros reais de hospitalização. Juntamente com os dados de casos e vítimas, estimativas otimizadas para os parâmetros do modelo foram obtidas dentro de uma estrutura metaheurística baseada na Otimização do Enxame de Partículas. Nossa estratégia está amparada em uma análise estatística de sensibilidade sobre os parâmetros do modelo, adequada para dar conta dos cenários simulados. Em primeiro lugar, avaliamos o efeito de intervenções previamente aplicadas sobre a taxa de transmissão. Em seguida, estudamos seus efeitos sobre o número de óbitos e também sobre as necessidades de internação, considerando o estado como um todo. Atenção especial é dada ao impacto de indivíduos assintomáticos na dinâmica de transmissão do COVID-19, pois estima-se que contribuam para um aumento de 68% no número reprodutivo básico. Finalmente, delineamos cenários que podem definir diretrizes para proteger o sistema de saúde, particularmente mantendo a demanda abaixo da ocupação total de leitos. Nossos resultados ressaltam os desafios relacionados à manutenção de uma infraestrutura de saúde totalmente capaz durante a pandemia de COVID-19 em curso, especialmente em um ambiente de poucos recursos como o enfocado neste trabalho. As evidências produzidas por nossa análise baseada em modelagem mostram que diminuir a taxa de transmissão é fundamental para o sucesso na manutenção da disponibilidade de recursos de saúde, mas que os esforços locais atuais, levando a uma redução de 38% na taxa de transmissão, ainda são insuficientes para prevenir seu colapso em demanda de pico. Intervenções cuidadosamente planejadas e aplicadas em tempo hábil, que resultam em reduções drásticas na taxa de transmissão, foram consideradas as mais eficazes na prevenção da escassez de leitos hospitalares por períodos mais longos.
Here we present a general compartment model with a time-varying transmission rate to describe the dynamics of the COVID-19 epidemic, parameterized with the demographics of Bahia, a state in northeast Brazil. The dynamics of the model are influenced by the number of asymptomatic cases, hospitalization requirements and mortality due to the disease. A locally-informed model was determined using actual hospitalization records. Together with cases and casualty data, optimized estimates for model parameters were obtained within a metaheuristic framework based on Particle Swarm Optimization. Our strategy is supported by a statistical sensitivity analysis on the model parameters, adequate to properly account for the simulated scenarios. First, we evaluated the effect of previously enforced interventions on the transmission rate. Then, we studied its effects on the number of deaths as well as hospitalization requirements, considering the state as a whole. Special attention is given to the impact of asymptomatic individuals on the dynamic of COVID-19 transmission, as these were estimated to contribute to a 68% increase in the basic reproductive number. Finally, we delineated scenarios that can set guides to protect the health care system, particularly by keeping demand below total bed occupancy. Our results underscore the challenges related to maintaining a fully capable health infrastructure during the ongoing COVID-19 pandemic, specially in a low-resource setting such as the one focused in this work. The evidences produced by our modelling-based analysis show that decreasing the transmission rate is paramount to success in maintaining health resources availability, but that current local efforts, leading to a 38% decrease in the transmission rate, are still insufficient to prevent its collapse at peak demand. Carefully planned and timely applied interventions, that result in stark decreases in transmission rate, were found to be the most effective in preventing hospital bed shortages for the longest periods.
, , , , , , , , , , , , , , , ,
