Parte 1: Modelamento da Taxa de Crescimento do quadro de SARS-CoV-2

Parâmetros Normalizados

Gerais

I (Infectados responsáveis por transmissões)

Id (Infectados detectados)

E (Expostos)

R (Total de recuperados)

S (População suscetível)

D (Total de mortes)

P (População protegida)

N (S + E + I + Id + R + D)

Específicos

Ti (Tempo de progressão desde a exposição até a infecção)

Tid (Tempo de transição entre a infecção e a detecção)

K (Taxa de descrição de suscetíveis que foram expostos)

d (Fração dos infectados detectados)

Kps (Taxa de transição de protegidos em suscetíveis)

L (Fração de infectados que morrem)

α (Fator de proteção, passagem suscetíveis para protegidos)

Krp (Taxa de reinfecção característica)

Tr (Tempo de recuperação característico)

Td (Tempo de morte característico)

v (vacinação diária)

Modelagem (PSEIRD(S))

Dentro do modelo, consideramos um número total de pessoas N, o qual todas as variáveis gerais

A partir disso, consideramos que as características específicas ao lado apontam e direcionam o comportamento do quadro epidemiológico quando analisamos um panorama geral, ou seja, quando vamos correlacionar todas as variáveis por meio de equações

População que se protege quando toma consciência da existência do vírus

Relativo a relaxamento do governo e individual quanto a mediadas sanitárias de proteção

Analisando o contato diário

Neste modelo, é assumido que indivíduos que foram detectados não transmitem mais a doença, já que devem ser devidamente tratados e isolados

Também eliminamos o caminho em que indivíduos infectados não viriam a contaminar outros indivíduos suscetíveis

Por outro lado, diferentemente do modelo original de PSEIRD, levamos em consideração a taxa de vacinados

Contexto pandêmico

Medidas gerais consideradas

Importância das medidas restrição, tanto no âmbito individual quanto no âmbito governamental

Taxa de transmissão, período de incubação e testes

Taxa de vacinação em dia

Diferenciação entre indivíduos infectados detectados e não detectados, já que os que ainda não foram detectados apresentam um perigo em larga escala para um aumento significativo dos casos de infecção

Temos que uma parcela da população que foi infectada entrou em quarentena e outra ficou infectada e silenciosamente com a possibilidade de propagar o vírus

Quedas de imunidade e possibilidade de reinfecção

Considerando a imunização completa com apenas uma dose ou duas, a depender do tipo de vacina(usamos uma dose nessa primeira parte)

Discussões e resultados

Taxas de vacinação, transmissão e recorrência

Medidas de distanciamento e proteção

Análise da correlação entre os parâmetros gerais e específicos

Taxa de infecção pro indivíduos assintomáticos ou que não fizeram testagem e continuam a infectar silenciosamente

Os resultados utilizados foram feitos por um sistema de equações abordado de mais alto nível, tanto que o próprio site da nature disponibiliza o link do github com um outro resultado mais verossímil, o qual vamos abordar na próxima parte do projeto

Dentro do nosso modelo, buscamos mostrar por cima como vai ser o comportamento do quadro do covid durante um certo período de tempo, logo na próxima parte adicionaremos as variáveis que faltam para o funcionamento pleno do sistema

Dados acertados

tau_l(tempo de progressão) = 16

tau_ld(tempo de transição) = 7

k(taxa de descrição) = 15 * 0.128

kps(taxa de transição) = 0.3

alfa(fator de proteção) = 0.00000368

d(razão de detectados) = 1- ra

l(razão de morte) = 0.0242

tau_r(tempo de recuperação) = 16

tau_d(tempo de óbito) = 13.8

krp(taxa de reinfecção) = 0.06

v(vacinação diária média) = 1200

O nosso modelo por hora apresenta a taxa de crescimento do covid até seu pico, ainda faltam algumas variáveis para a análise da taxa de decrescimento após o pico, as quais iremos adicionar na próxima parte do projeto