O modelo de dispersão do coronavírus (MDCorona) simula no ambiente Netlogo a dispersão do coronavírus numa localidade determinada pelo usuário, considerando diversos períodos de imunidade gerados pela vacinação. Esta é a versão 6.0, modificada para incluir agentes vacinados e a percentagem de imunes iniciais.
O período da imunidade vacinal e a imunidade obtida após a doença (configurado pelo usuário) determinam o tempo no qual uma pessoa pode ser vacinada novamente e tornar-se suscetível (tendo ou não sido infectado pelo vírus anteriormente) ao vírus.
A transmissão do vírus depende do encontro de duas pessoas, sendo que elas podem estar suscetíveis a contrair o vírus (verde), infectadas (vermelho), imunes (cinza) e vacinadas (amarelo). Este parâmetro seria análogo ao chamado coeficiente ß nos modelos baseados em equações diferenciais múltiplas S.I.R. ou S.E.I.R.
O uso de máscaras e procedimentos de higiene, as condições de saúde, o saneamento básico e a urbanização da localidade influenciam a velocidade com que o vírus se transmite numa localidade. A quantificação desses fatores é parametrizada no simulador pela probabilidade efetiva de transmissão denominado Índice de proteção contra o coronavírus (IPC). O qual foi desenvolvido pelo nosso coletivo (Ação Covid-19) e inclui indicadores sociais e territoriais, tornando-o mais completo do que o IDH. Através do IPC classificamos os diversos territórios em 5 níveis: muito alto, alto, médio, baixo e muito baixo. Para cada nível do IPC associamos nas simulações uma chance de transmissão do vírus pessoa para pessoa, respectivamente, 36% para o IPC muito alto, 37% para o nível alto, 39% para o nível médio, 41% para o nível baixo e 43% para o nível muito baixo. Assim, quanto menor o IPC maior a chance de se transmitir o vírus num encontro pessoa-a-pessoa.
Para calibrar o modelo testamos diversas taxas de transmissão até atingir a percentagem total de infectados da cidade de São Paulo estabelecida pelas pesquisas de soro prevalência (SoroEpi MSP, 2021) na fase 1, ademais fixamos a taxa de isolamento para este período segundo os dados do Governo do estado de São Paulo (2021). Posteriormente, realizamos o mesmo cálculo para a fase 2, fixando a nova taxa de isolamento neste período. Repetimos este procedimento considerando os resultados de todas as fases da pesquisa até chegar à última pesquisa de soroprevalência (fase 6).
A densidade populacional afeta a frequência de contato entre as pessoas no ambiente e consequentemente a possibilidade de transmissão do vírus. O número de pessoas na grade é variável o que permite investigar diferentes densidades demográficas. A calibragem entre o número de pessoas na grade do modelo e a densidade demográfica real das localidades que aparece no simulador (em habitantes/km²) foi feita usando a cidade de São Paulo. A dinâmica de deslocamento da população no ambiente é aleatória e se dá em pontos de uma grade contendo um total de 41 x 41 pontos (1681 pontos).
Referências:
- SoroEpi MSP [Internet]. Serial soroepidemiological survey to monitor the prevalence of SARS-CoV-2 infection in the Municipality of São Paulo, SP, Brazil. 2021, March. Disponível em: https://www.monitoramentocovid19.org/ (Acessado em: 14/08/2021)
- Governo do estado de São Paulo, Adesão ao isolamento social em SP, (sistema de monitoramento inteligente). Disponível em : https://www.saopaulo.sp.gov.br/coronavirus/isolamento/ (Acessado em: 21/05/20 20)
- Wilensky, U. (1998). NetLogo Virus model. http://ccl.northwestern.edu/netlogo/models/Virus. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.
- Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL.
- Fleury Medicina e Saúde. Resultados da quarta fase do mapeamento da COVID-19 em São Paulo. 4 de Outubro de 2020. Disponível em: https://www.fleury.com.br/noticias/pesquisa-covid19. (Acessado em: 09/08/2021).
- OpenDataSus (2021). Registros de Vacinação COVID19. Rio de Janeiro, Brasil. Disponível em: https://opendatasus.saude.gov.br/en/dataset/covid-19-vacinacao/resource/ef3bd0b8-b605-474b-9ae5-c97390c197a8 (Acessado em: 14/08/2021)
- Magalhaes P, Guedes Pinto JP, Segura-Angel DM (2020). A multiagent coronavirus model with territorial vulnerability parameters. MedArxiv ttps://www.medrxiv.org/content/10.1101/2020.10.25.20218735v2