O que aconteceria se houvesse uma vacina para a COVID-19? Ou se fosse adotada uma estratégia intermitente, de tempos de isolamento social intercalados com períodos de normalidade? Para responder essas e outras questões, um grupo de pesquisadores da Universidade Federal do Rio Grande do Sul (UFRGS) desenvolveu um programa de computador – um site, na verdade (www.ufrgs.br/simcovid19) –, que simula, em vários cenários possíveis, a progressão da pandemia desencadeada pelo novo coronavírus.
Ele permite que o usuário escolha diferentes estratégias de intervenção e verifique como cada uma delas influencia as projeções. “Com ele, podemos entender como funciona um modelo epidemiológico, que visa descrever a propagação de um vírus em uma população”, explica o pesquisador Marcio Valk, do Instituto de Matemática e Estatística (IME) da UFRGS, que faz parte da equipe que desenvolveu o aplicativo. “Em particular, estamos explorando o modelo SEIR. Nele, a população total é dividida em quatro compartimentos: suscetíveis, expostos, infeciosos e removidos, daí o nome SEIR”.
Os suscetíveis (S) são as pessoas que ainda não têm o vírus, mas podem virar infectadas, se entrarem em contato com alguém contaminado. Os expostos (E) estão num estágio intermediário entre suscetível e infectado. Corresponde ao período de latência, no qual alguém já adquiriu a infecção, mas ainda não é capaz de contaminar novas pessoas, e tem sobreposição imperfeita com o período anterior ao desenvolvimento dos sintomas.
Depois do período de latência, os expostos se tornam infecciosos (I), ou seja, podem contaminar os suscetíveis. Por fim, há os removidos (R), que são aqueles que não podem mais ser infectados, ou por já terem pego o vírus e se tornado imunes ou por terem morrido por causa da doença. A atual versão do modelo não distingue entre esses dois grupos. Devido à baixa disponibilidade de testes, apenas uma fração dos contaminados é detectada. Por isso, para possibilitar a comparação das projeções do aplicativo com os dados oficiais, os pesquisadores criaram mais um compartimento, o de infecciosos detectados (ID) nas contagens oficiais.
A partir disso, é possível explorar no simulador os diferentes parâmetros (as taxas de migração das pessoas entre os compartimentos do modelo) que governam a progressão de uma epidemia viral em uma população inicialmente 100% suscetível (vírus novo). “Podemos identificar como esses parâmetros afetam o número de infectados ao longo do tempo”, explica Valk. “Também pode-se experimentar como diferentes medidas de contenção da epidemia afetam a propagação do vírus. Os gráficos são interativos, possibilitando aumentar o zoom para ver as dinâmicas em detalhe. Valores iniciais dos parâmetros são compatíveis com a Covid-19 e as projeções iniciam com o aparecimento do primeiro indivíduo infectado”.
Foram definidos parâmetros iniciais compatíveis com alguns estudos divulgados. Eles podem variar bastante ao longo do tempo, no entanto, e são difíceis de serem estimados. Um deles, por exemplo, é a taxa reprodutiva básica (R0). “Esse parâmetro é de fundamental importância e especifica para quantos indivíduos, em média, um infectado transmite o vírus”, diz Valk. “R0 acima de ‘1’ significa que a propagação está crescendo e menor do que um que está diminuindo”.
Estimativas iniciais de R0 para COVID-19 apontavam valores entre 2 e 2,5, entretanto dados mais recentes indicam taxas mais altas. De acordo com os pesquisadores, fatores como conectividade social podem afetar os valores da taxa reprodutiva básica, de modo que eles podem variar de um lugar para outro. “Ela é dinâmica, ou seja, muda com o passar do tempo”, diz Valk. “Quanto maior o isolamento, espera-se um R0 menor”.
Outro parâmetro, dizem os pesquisadores no texto de apresentação do trabalho, que pode ser levado em conta para fazer a simulação é o período de latência, que é o tempo médio, contado a partir do momento em que o indivíduo é contaminado (mas ainda não transmite o vírus) até aquele em que ele passa a infectar outras pessoas. Valores comuns para COVID-19 na literatura científica variam entre 3 e 5,1 dias. Há também o chamado período infeccioso, tempo durante o qual uma pessoa permanece infecciosa.
A fração dos infectados detectados pelo sistema de saúde é outro parâmetro que pode ser usado nas simulações. Um conceito também importante é o de intervalo serial, que representa o tempo médio entre o momento em que uma pessoa é infectada e aquele que a infectou foi contaminada. Corresponde à soma do tempo de latência e o tempo de infecção. De acordo com os pesquisadores, esse valor pode ser estimado independentemente, acompanhando casos individuais da doença. As primeiras estimativas colocavam o intervalo serial entre 7 e 8 dias (valores próximos ao SARS), mas estudos mais recentes calculam entre 5 e 6 dias.
Como parâmetros também podem ser usadas as intervenções sociais, determinadas pelos governos, que foram divididas em quatros classes. “Elas ocorrem quando um gestor (presidente, governador ou prefeito) decreta quais atividades devem parar e quais podem continuar”, explica Valk. “Medimos por porcentagens da população que deixa de circular”. Essas são chamadas intervenções “contínuas”. Quando ocorrem, a taxa de contágio é reduzida de modo constante. O governo determina a data de início e término da intervenção.
Quando o gestor estipula que algumas atividades podem voltar, como, por exemplo shoppings, restaurantes e, como está acontecendo em algumas cidades, resolve rever a decisão e suspender essas atividades, ele está intervindo de forma intermitente. Ou seja, é uma intervenção social na qual períodos de redução de contágio são intercalados com períodos de atividade normal. O governo define a data de início, número, duração dos períodos de intervenção e seus intervalos.
Há ainda a modalidade intermitente adaptativa, na qual o início e o fim dos períodos de restrição são determinados pelo número de casos. Estipula-se acima de quantos infectados inicia-se a restrição, e abaixo de quantos começa um período de liberação. Por fim, usa-se parâmetro da vacina – caso seja desenvolvida. “Nesse caso, a parcela da população já imunizada não teria a capacidade de transmitir o vírus, afetando diretamente as taxas e parâmetros do modelo”, diz Valk. “Para cada conjunto de parâmetros escolhidos é possível projetar um cenário, com quantidade de casos, data do pico, com número de indivíduos suscetíveis, expostos, infeciosas e removidos ao longo do tempo”.
Os próprios pesquisadores admitem, no entanto, que o aplicativo tem limitações. Entre elas, o fato de que o número de casos oficiais observados de COVID-19 é muito influenciado pelas políticas de teste adotadas em cada local. Além disso, dizem eles no texto de apresentação do aplicativo, limitações na capacidade de realizar testes podem gerar dinâmicas muito mais complexas do que a simples identificação de uma fração fixa dos casos, afetando o formato da curva epidemiológica. Assim, dizem, “é necessário muito cuidado com projeções realizadas com base nesses dados, pois estas podem ser afetadas pela dinâmica desconhecida de testes”.
De acordo eles, o modelo só é adequado para capturar o comportamento médio do processo em grandes populações. “Entretanto, ele é limitado quando se trata de pequeno número de casos, em que importações e efeitos aleatórios são importantes para a dinâmica da epidemia. Além disso, ele não é indicado para representar intervenções que não atuam de forma homogênea na sociedade”.
Apesar dessas limitações, os pesquisadores asseguram que o simulador que desenvolveram pode ter utilidade no entendimento e controle da pandemia no Brasil. “Devido à dificuldade de fazer projeções confiáveis, o simulador serve para testar cenários”, diz Valk. “A cada novo estudo sobre a R0, a cada nova informação sobre número de casos, a cada mudança na taxa de distanciamento social é possível projetar um novo cenário. Com esse dinamismo, ele pode ser usado pelos gestores no auxílio da tomada das decisões. Além disso, caso alguém queira entender um pouco a complexidade da modelagem epidemiológica, poderá usá-lo para ver a sensibilidade. Também é possível ajustá-lo aos dados reais e assim fazer projeções”.
Evanildo da Silveira é jornalista