Aplicação da modelagem epidemiológica Suscetível - Infectado - Recuperado frente à ocorrência da COVID-19: uma revisão sistemática de literatura
DOI:
https://doi.org/10.33448/rsd-v9i11.9499Palavras-chave:
Modelagem epidemiológica SIR; COVID-19; Novo coronavírusResumo
O objetivo deste artigo é analisar, através de uma revisão sistemática de literatura, a aplicação da modelagem epidemiológica Suscetível-Infectado-Recuperado, SIR, no cenário da pandemia causada pelo SARS-CoV-2. Para isso, foi realizado um levantamento bibliográfico de produções científicas por meio da interface PubMed, a qual possui vínculo com a base de dados MEDLINE, e Biblioteca Virtual de Saúde, enfatizando achados que apresentassem alguma referência ao modelo epidemiológico SIR com comparações, aplicação à doença e críticas no contexto da COVID-19. Foram encontrados 151 documentos e após a leitura e critérios de seleção definidos, 7 artigos foram selecionados para a análise mais aprofundada da aplicação do modelo. Como resultado da coleta de dados identificou-se as seguintes categorias de análise: Público alvo, aspectos e contribuições para o entendimento da doença, modelos utilizados como referência aos artigos, avaliação e apresentação de limitações e críticas identificadas no uso desses modelos frente à COVID-19. Foi observado que não existe uma conformidade com relação ao uso de um modelo matemático mais adequado, sendo que para o modelo SIR ser utilizado, nesse contexto, foram sugeridas adaptações com a finalidade de obter um resultado mais preciso.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Alisson dos Anjos Santos; Jamile de Almeida Santos; Júlia Spínola Ávila; Maria Carolina Nascimento Carmo; Nátali de Carvalho Lima; Helianildes Silva Ferreira
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
