1 Introdução

COMORBUSS é um modelo computacional para propagação de doenças por contatos produzidos pela dinâmica social geral de qualquer comunidade.

O objetivo fundamental de qualquer medida de contenção de uma doença como a SARS-COVID-19 é suprimir (e finalmente quebrar) a cadeia de contatos que sustenta a propagação viral. Infelizmente, as mesmas medidas tomadas em comunidades distintas muitas vezes não possuem a mesma efetividade devido a diferentes densidades populacionais, estruturas de serviço e comportamento social. Portanto, embora políticas extremas de contenção possam ser necessárias em algumas cidades, os mesmos resultados podem ser alcançados através de medidas menos restritivas e prejudiciais em comunidades menores.

A chave para navegar com segurança a presente pandemia é avaliar a eficácia de cada decisão sobre a reprodução viral no contexto de específico de cada cidade, para que atividades essenciais não sejam interrompidas mais do que o necessário (dentro das margens de segurança). Para este fim, a colaboração ModCovid19 está desenvolvendo um conjunto de modelos matemáticos e ferramentas computacionais que se interligarão para formar um sistema ativo de alerta às cidades envolvidas, apontando quão rigorosas devem ser suas medidas de contenção para preservar seus respectivos sistemas de saúde e como cada decisão tomada pode contribuir para atingir o nível necessário de contenção.

O COMORBUSS (Communitary Malady Observer of Reproduction and Behavior via Universal Stochastic Simulations) surge como um componente desse sistema, com o objetivo de analisar o efeito do comportamento social e das políticas de contenção na reprodução de viral. Embora a taxa de propagação de uma doença dependa do tamanho absoluto de uma comunidade, o número de reprodução (o número médio de infecções secundárias realizadas pelos vetores da doença) depende essencialmente da frequência de contatos entre membros da população e parâmetros biológicos que caracterizam a disseminação da doença.

Argumentamos que o comportamento social em torno das rotinas e utilização de serviço é o fator principal que gera contatos dentro de uma comunidade. Levamos em conta as diferentes densidades que caracterizam uma comunidade e seus padrões de comportamento para gerar um modelo estocástico universal (isto é, abstrato) para qualquer comunidade, descrevendo individualmente os seus agentes e os respectivos ciclos completos da doença por um modelo compartimental SEIR. O modelo final é estocástico, com cada simulação individual apresentando um possível cenário de evolução viral na comunidade. Todas estas realizações de alimentam uma simulação Monte Carlo para quantificar os efeitos nos padrões comportamentais na reprodução viral e a efetividade das medidas de contenção escolhidas.

Embora o modelo ainda não esteja completamente calibrado para a epidemia de SARS-Covid-19, já vemos sua capacidade em avaliar a eficácia de mudanças nos padrões sociais para reduzir a disseminação da doença. Como exemplo, apresentamos uma única realização de uma comunidade modelada a partir de São Carlos (SP/Brasil):

• 2.500 cidadãos por km²;
• distribuição etária real;
• 1 hospital, 3 mercados, 2 escolas ad 7 restaurantes (funcionando à noite) por km²;

Como controle, apresentamos a comunidade utilizando seus serviços sem restrições (Figura 1, esquerda). Em seguida, repetimos a simulação com fechamento de escolas e restaurantes quando 3% da população se torna infecciosa e reabertura quando esse número cai para 1% (Figura 1, direita). Mesmo neste teste simples e preliminar, observamos que esta decisão é relativamente eficaz para “achatamentar” da curva de infectados: embora a prevalência final da doença após dois meses não mude drasticamente, a reprodução viral é reduzida para um nível significativo, reduzindo a carga no sistema de saúde e protegendo vidas.