O pico de contaminação do Covid-19 no Amazonas deve ocorrer no dia 2 de setembro, com o Estado devendo chegar a mais de 16,1 mil infectados ativos, excluindo casos de pessoas recuperadas ou que foram a óbito.
É o que projeta um estudo inédito desenvolvido por cientistas de dados e atuários da Funcional Health Tech – plataforma independente de dados do setor de Saúde no País. O resultado dessa análise apresenta um cenário mais alarmante do que o previsto até agora por outras projeções e chegou-se a ele a partir de uma modelagem matemática utilizada nas principais epidemias vividas no mundo nos últimos 100 anos.
Os dados correspondem ao número de pessoas que estarão contaminadas naquela data específica e não o total acumulado de infectados durante todo o período de pandemia.
No Brasil, o levantamento revela ainda que o pico de contaminação será em 6 de julho com 1,780 milhões de contaminados, 0,85% da população brasileira.
O estudo foi produzido a partir do modelo open source (código aberto) disponibilizado em uma plataforma gratuita da Health Tech. O código-fonte está disponível online (https://github.com/funcional-health-analytics/covid19-analytics) e permite que organizações públicas e privadas do segmento da saúde, como operadoras, hospitais, indústrias farmacêuticas, fornecedores de insumos, profissionais de sustentabilidade, gestores públicos, além da comunidade científica, possam consultar e customizar as soluções e fazer novas análises a partir do algoritmos já criados.
“O estudo mostra que cenário atual no Amazonas é de melhora, principalmente devido ao fato de que os dados atualizados mostram uma progressão do contágio no Estado e parece ter sido colocada sob maior controle. Entretanto, um ponto negativo é que o pico da curva foi movido para frente. Anteriormente, observamos um cenário alarmante com um pico em julho, mas agora temos um cenário mais brando, em que deve ocorrer um crescimento até setembro. Ainda assim, até lá, o Estado deve observar um aumento considerável de contaminações ativas, o que é sem dúvida alarmante por conta da infraestrutura de saúde precária em relação a outras regiões do País (como São Paulo, que terá muito mais casos, mas possui mais preparo), não pelo cenário epidemiológico propriamente dito”, afirmou Paulo Salem, gerente de ciência de dados da Funcional Health Tech.
Metodologia
As projeções foram desenvolvidas através da aplicação do modelo matemático de epidemiologia SEIR (Susceptible-Infectious-Recovered), o qual representa uma forma de descrever a dinâmica de transmissão da doença na população, quando ela se dá através de indivíduos. O modelo utilizado é composto pela relação de quatro estados dos indivíduos e supõe que as pessoas já infectadas são imunizadas e, portanto, não são suscetíveis a nova infecção.
Para o desenvolvimento deste estudo, foram necessários informações acerca dos novos casos, mortes e curados por dia, além da quantidade total da população, em cada localidade de interesse. As bases das UF’s foram constituídas através das informações até o dia último dia 29 de maio de casos e óbitos disponibilizados no painel coronavírus do “Ministério da Saúde do Brasil” e das informações de recuperados disponibilizados nos painéis sobre covid-19 das secretarias de saúde de cada estado. Os tamanhos populacionais foram extraídos do Instituto Brasileiro de Geografia e Estatística (IBGE) referentes ao ano de 2019.
“Finalmente, empregamos uma técnica de otimização que procura ajustar os parâmetros desse modelo aos dados de modo ótimo. Isso não significa que o modelo esteja sempre correto, existem uma série de variáveis que podem influenciá-lo. Mas nos ajuda a ter a melhor estimativa que os dados permitem fazer em determinado momento do tempo. Vale dizer também que disponibilizamos essa tecnologia gratuitamente, para outros poderem fazer estudos independentes, se desejarem a partir dos nossos desenvolvimentos”, frisa Paulo Salem.
“Nos próximos dias, as alterações das taxas de contaminação e recuperação podem mudar e por isso o estudo será atualizado regularmente”, explica a executiva Raquel Marimon, diretora-executiva da Funcional Health Tech.
Expertise internacional
A Funcional Health Tech oferece serviços de alta tecnologia para empresas, farmácias, indústria farmacêutica, planos de saúde e hospitais. Fundada em 1999, a companhia está conectada a mais de 70 mil farmácias em todo território nacional, possui mais de 150 clientes corporativos, processa mais de R$ 10 bilhões ao ano em seus sistemas de gestão na rede de farmácias e cerca de R$ 5 bilhões de contas médicas em Health Analytics.
Blog: Raquel Marimon, diretora-executiva da Funcional
Nosso objetivo com essa pesquisa é mostrar para os gestores de saúde de cada município que é possível fazer análises regionais com o suporte da ciência de dados para apoiá-los na definição de protocolos mais assertivos de acordo com o cenário local. Por isso, disponibilizamos no final de março uma plataforma gratuita, no modelo open source (código aberto), para que qualquer profissional no Brasil tenha acesso aos nossos algoritmos e possa gerar suas próprias análises. Foi a forma que encontramos para apoiar o País nesse momento tão crítico”.
Personagem: Paulo Salem, gerente de ciência de dados da F. Health Tech
O gerente Paulo Salem explica que, quanto mais branda for a contaminação, mais para frente o pico se move. Isso ocorre porque a contaminação torna-se mais lenta. “A vantagem, claro, é que temos menos pessoas contaminadas ao mesmo tempo, o que permite ao sistema de saúde lidar melhor com a situação. A desvantagem é que o problema se estende no tempo”, disse. O estudo, explicou ele, foi feito inicialmente como uma ação social da Funcional Health Tech para o bem público. "A ideia surgiu pelo fato da Funcional Health Tech ser especialista tanto em saúde quanto em análise de dados. Usamos essa expertise com finalidade filantrópica. Hoje também somos capazes de executar estudos mais customizados, com base nessa modelagem, caso haja interesse de organismos públicos ou privados. Convém lembrar que a qualidade das previsões depende muito da qualidade dos dados que temos disponíveis, que são bastante variáveis".
Mín. ° Máx. °
