Application of Susceptible - Infected - Recovered epidemiological modeling to the occurrence of COVID-19: a systematic literature review

Authors

DOI:

https://doi.org/10.33448/rsd-v9i11.9499

Keywords:

Epidemiological modeling SIR; COVID-19; New coronavirus

Abstract

The aim of this article is to analyze, through a systematic literature review, the application of the, SIR, Susceptible-Infected-Recovered epidemiological modeling in the pandemic scenario caused by SARS-CoV-2. A bibliographic survey of scientific productions through the PubMed interface, which is linked to the MEDLINE database, and by the Virtual Health Library, emphasizing findings that presented some reference to the SIR epidemiological model with comparisons, application to disease and criticism in the context of COVID-19. 151 documents were found and after reading and defining selection criteria, 7 articles were selected for further systematic and in-depth analysis. As a result of data collection, the following categories of analysis were identified: Target audience, aspects and contributions for the understanding of the disease, models used as references to articles, assessment and presentation of limitations and criticisms when using these models to capture data on COVID-19. It was evaluated that there is no conformity regarding the use of a more adequate mathematical model, and for the SIR model to be used, in this context, adaptations were suggested in order to obtain a more accurate result.

Author Biographies

Alisson dos Anjos Santos, Universidade Federal da Bahia

Graduando do curso de Bacharelado Interdisciplinar em Saúde. Desenvolve atividades de pesquisa na UFBA e atua como extensionista no Complexo Hospitalar Universitário Professor Edgard Santos. Salvador, Bahia, Brasil.

Jamile de Almeida Santos, Universidade Federal da Bahia

Graduanda do curso de Bacharelado Interdisciplinar em Saúde e atua em atividades de pesquisa na UFBA.

Júlia Spínola Ávila, Universidade Federal da Bahia

Graduanda do curso de Bacharelado Interdisciplinar em Saúde e atua em atividades de pesquisa na UFBA.

Maria Carolina Nascimento Carmo, Universidade Federal da Bahia

Graduanda do curso de Bacharelado Interdisciplinar em Saúde.

Nátali de Carvalho Lima, Universidade Federal da Bahia

Graduanda do curso de Bacharelado Interdisciplinar em Saúde.

Helianildes Silva Ferreira, Universidade Federal da Bahia

Doutora em engenharia química pela Universidade Estadual de Campinas e professora do Instituto de Química da Universidade Federal da Bahia.

References

Barlow, N. S, & Weinstein, S. J. (2020). Accurate closed-form solution of the SIR epidemic model. Physica D: Nonlinear Phenomena, 408. Recuperado de https://www.sciencedirect.com/science/article/pii/S0167278920302694?via%3Dihub. doi: https://doi.org/10.1016/j.physd.2020.132540.

Barros, L. C, Leite, M. B. F, Oliveira, R. Z. G, & Bassanezi, R. C. (2007). Sobre incertezas em modelos epidemiológicos do tipo SIS. Biomatemática, 17, 47–54. Recuperado de http://www.ime.unicamp.br/~biomat/bio17_art5.pdf.

Barros, A. S. (2013). Dinâmica Estocástica para Modelar o Efeito da Reinfecção em Doenças de Transmissão Direta. Dissertação (Mestrado). Universidade Federal da Bahia. Instituto de Física. Salvador. Recuperado de https://blog.ufba.br/pgif/files/2016/05/D144-IF-UFBA.pdf.

Bento, A. (2012). Como fazer uma revisão da literatura: considerações teóricas e práticas. Revista JA (Associação Académica da Universidade da Madeira), 65, 42-44, ISSN: 1647-8975. Recuperado de http://www3.uma.pt/bento/Repositorio/Revisaodaliteratura.pdf.

Caetano, M. T. P. (2010). Modelagem Matemática da Influenza A (H1N1). Dissertação (mestrado profissional). Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica - IMECC. Recuperado de http://repositorio.unicamp.br/bitstream/REPOSIP/307205/1/Caetano_MarcoTulioPeres_M.pdf.

Cao, Z., Zhang, Q., Lu, X., Pfeiffer, D., Jia, Z, Song, H., et al. (2020). Estimating the effective reproduction number of the 2019-nCoV in China. medRxiv. Recuperado de https://www.medrxiv.org/content/10.1101/2020.01.27.20018952v1. doi: https://doi.org/10.1101/2020.01.27.20018952.

Cristóvão, R. B. (2015). Modelo SIR: Uma Aplicação à Hepatite A. Universidade de São Paulo - USP. Recuperado de https://www.ime.usp.br/~map/tcc/2015/Rafael%20Belmiro.pdf.

Echer, I. C. A. (2001). Revisão de literatura na construção do trabalho científico. Porto Alegre: Revista Gaúcha de Enfermagem, 22(2), 5-20. Recuperado de https://seer.ufrgs.br/RevistaGauchadeEnfermagem/article/view/4365.

Ibarra-Vega, D. (2020). Lockdown, one, two, none, or smart. Modeling containing COVID-19 infection. A conceptual model. Science of The Total Environment, 730(15). Recuperado de https://www.sciencedirect.com/science/article/pii/S0048969720324347?via%3Dihub. doi: https://doi.org/10.1016/j.scitotenv.2020.138917.

InfoGripe. (2020). Situação da gripe. Recuperado de http://info.gripe.fiocruz.br/.

Ivorra, B., Ferrández, M. R., Vela-Pérez, M., & Ramo, A. M. (2020). Mathematical modeling of the spread of the coronavirus disease 2019 (COVID-19) taking into account the undetected infections. The case of China. Communications in Nonlinear Science and Numerical Simulation, 88. Recuperado de https://www.sciencedirect.com/science/article/pii/S1007570420301350?via%3Dihub. doi: https://doi.org/10.1016/j.cnsns.2020.105303.

Ivorra, B., Ngom, D., & Ramos, A. M. (2018). Be-CoDiS (Between-COuntries Disease Spread) epidemiological model. Recuperado de http://www.mat.ucm.es/~ivorra/softbecodis.htm.

Karako, K., Song, P., Chen, Y., & Tang, W. (2020). Analysis of COVID-19 infection spread in Japan based on stochastic transition model. BioScience Trends, 14(2), 134-138. Recuperado de https://pubmed.ncbi.nlm.nih.gov/32188819/. doi: https://doi.org/10.5582/bst.2020.01482.

Kermack, W. O. &, McKendrick, A. G. (1932). A contribution to the mathematical theory of epidemics. II. The problem of endemicity. Proceeding of the Royal Society A, 138, 55-83. Recuperado de https://royalsocietypublishing.org/doi/pdf/10.1098/rspa.1932.0171. doi: https://doi.org/10.1098/rspa.1932.0171.

Lana, R. M., Coelho, F. C., Gomes, M. F. C., Cruz, O. G., Villela, D. A. M., & Codeço, C. T. (2020). Emergência do novo coronavírus (SARS-CoV-2) e o papel de uma vigilância nacional em saúde oportuna e efetiva. Cadernos de Saúde Pública, [S.l.], 36(3). Recuperado de https://www.scielo.br/pdf/csp/v36n3/1678-4464-csp-36-03-e00019620.pdf. doi: https://doi.org/10.1590/0102-311x00019620.

Liu, F., Li, X., & Zhu, G. (2020). Using the contact network model and Metropolis-Hastings sampling to reconstruct the COVID-19 spread on the “Diamond Princess”. Science Bulletin, 65, 1297-1305, 2020. Recuperado de https://www.sciencedirect.com/science/article/pii/S2095927320302814?via%3Dihub. doi: https://doi.org/10.1016/j.scib.2020.04.043.

Moher, D., Liberati, A., Tetzlaff J., Altman, D. G., & The Prisma Group. (2009). Preferred Reporting Items for Systematic Reviews and Meta-Analyses: The Prisma Statement. PLoS Med 6(7): e1000097. Recuperado de https://journals.plos.org/plosmedicine/article/file?id=10.1371/journal.pmed.1000097&type=printable. doi: https://doi.org/10.1371/journal.pmed.1000097.

Organização Pan-Americana de Saúde. (2010). Módulo de Princípios de Epidemiologia para o Controle de Enfermidades (MOPECE): Controle de doenças na população. Brasília (DF). Recuperado de http://bvsms.saude.gov.br/bvs/publicacoes/modulo_principios_epidemiologia_1.pdf.

Praciano, J. B. A., & Feitosa, R. A. (2020). Science in the final years of elementary school: a systematic literature review. Research, Society and Development, 9(6), e121963489. Recuperado de https://rsdjournal.org/index.php/rsd/article/view/3489/3846Research. doi: https://doi.org/10.33448/rsd-v9i6.3489.

Proetti, S. (2017). As pesquisas qualitativa e quantitativa como métodos de investigação científica: um estudo comparativo e objetivo. São Paulo: Revista Lumen, 2(4). Recuperado de http://www.periodicos.unifai.edu.br/index.php/lumen/article/view/60. doi: http://dx.doi.org/10.32459/revistalumen.v2i4.60.

Read, M. J., Bridgen, J. R. E., Cummings, D. A. T., Ho, A., & Aewell, C. P. (2020). Novel coronavirus 2019-nCoV: early estimation of epidemiological parameters and epidemic predictions. medRxiv. Recuperado de https://www.medrxiv.org/content/10.1101/2020.01.23.20018549v2.article-metrics. doi: https://doi.org/10.1101/2020.01.23.20018549.

Rocchi, E., Peluso, S., Sisti, D., & Carlleti, M. A. (2020). Possible Scenario for the COVID-19 Epidemic, Based on the SI(R) Model. SN Comprehensive Clinical Medicine, 2, 501–503. Recuperado de https://link.springer.com/article/10.1007/s42399-020-00306-z. doi: https://doi.org/10.1007/s42399-020-00306-z.

Roda, W. C., Varughese, M. B., Han, D., & Li, M. Y. (2020). Why is it difficult to accurately predict the COVID-19 epidemic? Infectious Disease Modelling, 5, 271-281. Recuperado de https://pubmed.ncbi.nlm.nih.gov/32289100/. doi: https://doi.org/10.1016/j.idm.2020.03.001.

Selvati, F. de S., Teixeira, L. G. F., Loureiro, L. H., & Pereira, R. M. da S. (2020). Covid-19 control strategies in Brazil: what does the pandemic teach us?. Research, Society and Development, 9(8), e664986293. Recuperado de https://rsdjournal.org/index.php/rsd/article/view/6293/5843. doi: https://doi.org/10.33448/rsd-v9i8.6293.

Silva, A. A. M. (2020). Sobre a possibilidade de interrupção da epidemia pelo coronavírus (COVID-19) com base nas melhores evidências científicas disponíveis. Rio de Janeiro: Revista brasileira de epidemiologia, 23, e200021. Recuperado de https://www.scielo.br/pdf/rbepid/v23/1980-5497-rbepid-23-e200021.pdf. doi: https://doi.org/10.1590/1980-549720200021.

Silva, E. de S. M. e, Ono, B. H. V. S., Souza, J. C., & Menin, I. B. F. (2020). Media and health promotion in times of COVID-19. Research, Society and Development, 9(8), e842986252. Recuperado de https://rsdjournal.org/index.php/rsd/article/view/6252. doi: https://doi.org/10.33448/rsd-v9i8.6252.

Tang, Y., & Wang, S. (2020). Mathematic modeling of COVID-19 in the United States. Emerging Microbes & Infections, 9, 827-829. Recuperado de https://www.sciencedirect.com/science/article/pii/S246804272030018X. doi: https://doi.org/10.1080/22221751.2020.1760146.

Tavares, J. N. (2017). Modelo sir em epidemiologia. Revista de Ciência Elementar, 5, rce2017–020. Recuperado de https://rce.casadasciencias.org/rceapp/art/2017/020/. doi: http://doi.org/10.24927/rce2017.020.

Troyo, G. A. (2013). Modelo SIR em rede e com parâmetro de infecção que depende periodicamente do tempo. Dissertação (mestrado) – UFRJ/COPPE/Programa de Engenharia de Sistemas e Computação. Rio de Janeiro: UFRJ/COPPE. Recuperado de https://www.cos.ufrj.br/uploadfile/1372347694.pdf.

Word Health Organization. (2020). Archived: WHO Timeline - COVID-19. Recuperado de https://www.who.int/news-room/detail/27-04-2020-who-timeline---covid-19.

Published

12/11/2020

How to Cite

Santos, A. dos A. ., Santos, J. de A. . ., Ávila, J. S. ., Carmo, M. C. N. ., Lima, N. de C. ., & Ferreira, H. S. (2020). Application of Susceptible - Infected - Recovered epidemiological modeling to the occurrence of COVID-19: a systematic literature review. Research, Society and Development, 9(11), e2139119499. https://doi.org/10.33448/rsd-v9i11.9499

Issue

Section

Health Sciences