{"id":222,"date":"2020-04-09T21:47:02","date_gmt":"2020-04-10T00:47:02","guid":{"rendered":"https:\/\/wp.ufpel.edu.br\/fentransporte\/?p=222"},"modified":"2020-08-20T20:19:15","modified_gmt":"2020-08-20T23:19:15","slug":"a-evolucao-epidemica-do-covid-19-modelo-sir","status":"publish","type":"post","link":"https:\/\/wp.ufpel.edu.br\/fentransporte\/2020\/04\/09\/a-evolucao-epidemica-do-covid-19-modelo-sir\/","title":{"rendered":"A evolu\u00e7\u00e3o epid\u00eamica do COVID-19 \u2013 Modelo SIR"},"content":{"rendered":"<p style=\"text-align: justify\">Este documento tem por objetivo explicar o modelo e os par\u00e2metros utilizados pelos pesquisadores do GDISPEN para a modelagem matem\u00e1tica do COVID-19. O documento ser\u00e1 constantemente atualizado e incrementado. A pesquisa <strong>&#8220;A EVOLU\u00c7\u00c3O EPID\u00caMICA DO COVID-19 \u2013 MODELO SIR&#8221; <\/strong>est\u00e1 sob a responsabilidade dos doutores Daniela Buske,\u00a0 Gl\u00eanio Aguiar Gon\u00e7alves e R\u00e9gis Sperotto de Quadros, do Laborat\u00f3rio do Grupo de Dispers\u00e3o de Poluentes &amp; Engenharia Nuclear (GDISPEN). Os pesquisadores do GDISPEN s\u00e3o docentes do DME \/ IFM \/ PPGMMat\u00a0 \/ UFPel\u2013 Pelotas \/ RS \/ Brasil.<\/p>\n<p style=\"text-align: justify\">Este estudo tem finalidade puramente acad\u00eamica e cient\u00edfica, mostrando a grande aplicabilidade da modelagem matem\u00e1tica em problemas reais. As discuss\u00f5es, opini\u00f5es, id\u00e9ias e publica\u00e7\u00f5es geradas a partir dos resultados do modelo utilizado s\u00e3o de autoria dos respectivos autores, e n\u00e3o necessariamente representam aquelas das institui\u00e7\u00f5es a que estes pertencem.<\/p>\n<p style=\"text-align: justify\">Os pesquisadores utilizaram inicialmente o modelo epidemiol\u00f3gico SIR (Suscet\u00edvel-Infectado-Recuperado) (McKendrick e Kermack, 1927, 1932, 1933, republicados em 1991). Este modelo simples, por\u00e9m, considerado robusto para modelar epidemias como o COVID-19, \u00e9 bem conhecido na literatura e mostra a evolu\u00e7\u00e3o de uma popula\u00e7\u00e3o suscet\u00edvel <strong><em>S<\/em><\/strong>, infectada <strong><em>I<\/em><\/strong> e recuperada <strong><em>R<\/em><\/strong>. O modelo SIR tem sido amplamente utilizado para modelar o COVID-19. O conjunto de equa\u00e7\u00f5es mais simples do modelo SIR \u00e9 dada por:<\/p>\n<p style=\"text-align: justify\"><a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/sistema.png\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-224 aligncenter\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/sistema.png\" alt=\"\" width=\"134\" height=\"137\" \/><\/a><a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/modeloSIR.png\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-1654 aligncenter\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/modeloSIR.png\" alt=\"\" width=\"153\" height=\"166\" \/><\/a><\/p>\n<p style=\"text-align: justify\">onde \u03b2 e \u03b3 s\u00e3o positivos, sendo <strong><em><a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-225\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\" alt=\"\" width=\"17\" height=\"23\" \/><\/a><\/em><\/strong> \u03b2 a taxa de infec\u00e7\u00e3o e \u03b3\u00a0 a taxa de recupera\u00e7\u00e3o dos indiv\u00edduos, e <em>N<\/em> =<em> S + I<\/em> +<em> R <\/em>\u00e9 o total da popula\u00e7\u00e3o. O c\u00f3digo computacional foi desenvolvido em linguagem SCILAB.<\/p>\n<ul style=\"text-align: justify\">\n<li><strong>Suscet\u00edveis:<\/strong> indiv\u00edduos ainda n\u00e3o expostos e que podem adquirir a infec\u00e7\u00e3o.<\/li>\n<li><strong>Infectados:<\/strong> indiv\u00edduos infectados, doentes ou n\u00e3o, que podem transmitir para outras pessoas.<\/li>\n<li><strong>Recuperados\/Removidos:<\/strong> indiv\u00edduos que se infectaram e se recuperaram, adquirindo imunidade; ou os que morreram em decorr\u00eancia da doen\u00e7a.<\/li>\n<\/ul>\n<p style=\"text-align: justify\">Um modelo matem\u00e1tico se apoia em premissas e hip\u00f3teses sobre o fen\u00f4meno estudado, no qual s\u00e3o inseridas informa\u00e7\u00f5es de par\u00e2metros. Inicialmente os par\u00e2metros s\u00e3o estimados com base no conhecimento acumulado em epidemias anteriores ou, da pr\u00f3pria epidemia e do seu desenvolvimento em outros locais. No decorrer da epidemia os par\u00e2metros v\u00e3o sendo melhor definidos e os modelos tornam-se mais robustos, uma vez que o conhecimento e a caracter\u00edstica da epidemia ficam mais claros.<\/p>\n<p style=\"text-align: justify\">No modelo SIR temos dois par\u00e2metros importantes: <strong>a taxa de transmiss\u00e3o <\/strong><em><a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-225\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\" alt=\"\" width=\"17\" height=\"23\" \/>\u03b2<\/a><\/em>\u00a0(para quantas pessoas, em m\u00e9dia, um indiv\u00edduo infectado pode transmitir a doen\u00e7a) e a <strong>taxa de recupera\u00e7\u00e3o <a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-226\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\" alt=\"\" width=\"15\" height=\"18\" \/>\u03b3<\/a><\/strong>. Neste modelo, considera-se que indiv\u00edduos j\u00e1 infectados n\u00e3o podem ser infectados novamente.<\/p>\n<p style=\"text-align: justify\">Medidas de distanciamento social e de conscientiza\u00e7\u00e3o da popula\u00e7\u00e3o acerca dos sintomas do Covid-19 aumentam as chances de que as pessoas permane\u00e7am em suas casas, reduzindo a exposi\u00e7\u00e3o, independente de terem sintomas. Tamb\u00e9m aumentam as chances de que pessoas com sintomas respirat\u00f3rios evitem transitar nas ruas, mantendo-se em auto quarentena, evitando a transmiss\u00e3o para outras pessoas. Uma observa\u00e7\u00e3o importante \u00e9 que as medidas de isolamento ou restri\u00e7\u00f5es n\u00e3o s\u00e3o observadas imediatamente no n\u00famero de casos, pois existe uma defasagem entre o momento da infec\u00e7\u00e3o e o aparecimento de sintomas (per\u00edodo de incuba\u00e7\u00e3o). O tempo de incuba\u00e7\u00e3o do COVID-19 \u00e9 de 5 a 14 dias (tendo refer\u00eancias que citam 5 a 18 e 5 a 21 dias).<\/p>\n<p style=\"text-align: justify\">Na literatura encontram-se tr\u00eas cen\u00e1rios, considerando um per\u00edodo distinto em que indiv\u00edduos infectados se mant\u00eam em circula\u00e7\u00e3o, podendo transmitir o v\u00edrus para pessoas suscet\u00edveis, em fun\u00e7\u00e3o das medidas de distanciamento social: 5, 14 e 21 dias. Resultados apontam que as medidas de distanciamento social t\u00eam como consequ\u00eancia n\u00e3o apenas a diminui\u00e7\u00e3o do n\u00famero total de casos, mas, principalmente, do n\u00famero de casos ativos. Isto diminui a press\u00e3o sobre os servi\u00e7os de sa\u00fade e \u00e9 conhecido como fen\u00f4meno de &#8220;achatamento da curva&#8221;.<\/p>\n<p style=\"text-align: justify\">Nas simula\u00e7\u00f5es da expans\u00e3o da Epidemia no Brasil, considerou-se um <strong>per\u00edodo de infec\u00e7\u00e3o de 5.2 dias<\/strong> (<strong>taxa de recupera\u00e7\u00e3o <a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-226\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\" alt=\"\" width=\"15\" height=\"18\" \/><\/a> \u03b3 = 1\/5.2<\/strong>), uma vez que restri\u00e7\u00f5es quanto \u00e0 circula\u00e7\u00e3o, como fechamento de universidades e escolas iniciaram a ser tomadas em torno do dia 16 de mar\u00e7o em diversos Estados.<\/p>\n<p style=\"text-align: justify\">A reprodutibilidade basal \u00e9 medida pelo par\u00e2metro <strong>R<sub>0<\/sub><\/strong> (<strong>taxa de reprodu\u00e7\u00e3o<\/strong>) e significa o n\u00famero m\u00e9dio de pessoas que s\u00e3o infectadas por um \u00fanico indiv\u00edduo, R<sub>0<\/sub>=<a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-225\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\" alt=\"\" width=\"17\" height=\"23\" \/>\u03b2<\/a>\/<a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-226\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\" alt=\"\" width=\"15\" height=\"18\" \/>\u03b3<\/a>. Segundo publica\u00e7\u00e3o recente do <em>Imperial College<\/em> e de outras fontes da literatura, este valor varia entre 2 e 4 (2.6 a 3.5), no caso do COVID-19. <strong>Este valor se modifica ao longo do desenvolvimento da epidemia<\/strong>. Se R<sub>0<\/sub> &lt; 1, ent\u00e3o o n\u00famero de infectados ser\u00e1 decrescente e a epidemia se erradicar\u00e1. No caso em que R<sub>0<\/sub> &gt; 1 a epidemia persistir\u00e1 na popula\u00e7\u00e3o. Conhecendo R<sub>0<\/sub> e <a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-226\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/gama.png\" alt=\"\" width=\"15\" height=\"18\" \/>\u03b3<\/a> podemos encontrar a taxa de infec\u00e7\u00e3o <a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-225\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/beta.png\" alt=\"\" width=\"17\" height=\"23\" \/>\u03b2<\/a>.<\/p>\n<ul>\n<li>Para o Brasil considerou-se R<sub>1 <\/sub>= 3.2 at\u00e9 8 dias depois do caso 50, R<sub>2<\/sub>=2.08 de 9 a 18 dias, R<sub>3 <\/sub>= 1.72 de 19 a 30 dias e R<sub>4 <\/sub>= 1.4 para o restante dos dias.<\/li>\n<li>Para o RS considerou-se R<sub>1<\/sub>= 2.5 at\u00e9 8 dias depois do caso 50, R<sub>2<\/sub>=1.42 de 9 a 21 dias, R<sub>3<\/sub> = 1.18 de 22 a 35 dias e R<sub>4 <\/sub>= 1.30 para o restante dos dias (no gr\u00e1fico temos um exemplo de como seria o crescimento da curva, se fosse mantido o R<sub>0 <\/sub>de cada per\u00edodo)<\/li>\n<li>Para Porto Alegre considerou-se R<sub>1<\/sub>= 1.67 at\u00e9 9 dias depois do caso 50, R<sub>2<\/sub>=1.17 de 10 a 23 dias, R<sub>3<\/sub> = 1.08 para o restante dos dias.<\/li>\n<\/ul>\n<p><a href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4.png\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-1290 aligncenter\" src=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4-400x181.png\" alt=\"\" width=\"634\" height=\"287\" srcset=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4-400x181.png 400w, https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4-1024x463.png 1024w, https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4-768x347.png 768w, https:\/\/wp.ufpel.edu.br\/fentransporte\/files\/2020\/04\/diferentes_R0-4.png 1366w\" sizes=\"auto, (max-width: 634px) 100vw, 634px\" \/><\/a><\/p>\n<p style=\"text-align: justify\">Os dados confirmados da epidemia s\u00e3o disponibilizados online. Neste trabalho s\u00e3o utilizados os dados disponibilizados pela Universidade John Hopkins (EUA), pela Organiza\u00e7\u00e3o Mundial de Sa\u00fade (OMS), secretarias estaduais, a Wikipedia e Minist\u00e9rio da Sa\u00fade do Brasil. Os dados confirmados da epidemia s\u00e3o comparados com o modelo matem\u00e1tico SIR.<\/p>\n<p style=\"text-align: justify\">Em uma entrevista para a rede americana CNN no dia 29 de mar\u00e7o, o infectologista Anthony Fauci, um dos mais respeitados do mundo, declarou que a pandemia \u00e9 um \u201calvo em movimento\u201d. Assim, pequenas mudan\u00e7as nos n\u00fameros divulgados pelas autoridades, ou nos par\u00e2metros utilizados no modelo epidemiol\u00f3gico, ir\u00e3o causar grandes varia\u00e7\u00f5es no n\u00famero de infectados no futuro. Lembrando que a tend\u00eancia estimada da curva pode ser alterada conforme as a\u00e7\u00f5es implementadas pelo governo.<\/p>\n<p style=\"text-align: right\">*<em>arquivo atualizado em 22.05.2020<\/em><\/p>\n<p><strong>Refer\u00eancias bibliogr\u00e1ficas: <\/strong><\/p>\n<p style=\"text-align: justify\">Adam, D., 2020. Special report: The simulations driving the world\u2019s response to COVID-19, How epidemiologists rushed to model the coronavirus pandemic. <em>Nature<\/em>\u00a0580, 316-318. DOI: 10.1038\/d41586-020-01003-6<\/p>\n<p style=\"text-align: justify\">Anastassopoulou, C. Russo, L., Tsakris, A., Siettos, C., 2020. Data-based analysis, modelling and forecasting of the COVID-19 outbreak. <em>Plos One<\/em>. DOI: 10.1371\/journal.pone.0230405<\/p>\n<p style=\"text-align: justify\">Dong, E., Du, H., Gardner, L., 2020. An interactive web-based dashboard to track COVID-19 in real time. <em>The Lancet Infectious Diseases<\/em>. DOI: 10.1016\/S1473-3099(20)30120-1<\/p>\n<p style=\"text-align: justify\">Hethcote, H. W., 2000. The Mathematics of Infectious Diseases. <em>SIAM Review<\/em> 42, 599\u2013653.<\/p>\n<p style=\"text-align: justify\">Imai, N., Cori, A., Dorigatti, I., Baguelin, M., Donnelly, C.A., Riley, S., 2020. Report 3: transmissibility of 2019-nCoV. British Medical Journal Publishing Group.<\/p>\n<p style=\"text-align: justify\">Jia, J., Hu, X., Yang, F., Song, X., Dong, L., Zhang, J., Jiang, F., Gao, R., 2020. Epidemiological Characteristics on the Clustering Nature of COVID-19 in Qingdao City, 2020: A Descriptive Analysis. <em>Society for Disaster Medicine and Public Health Preparedness<\/em>. DOI: 10.1017\/dmp.2020.59<\/p>\n<p style=\"text-align: justify\">Kermack, W., McKendrick, A., 1991. Contributions to the mathematical theory of epidemics-I. 1927. \u00a0<em>Bulletin of Mathematical Biology<\/em> 53\u00a0(1-2), 33-55. DOI:10.1007\/BF02464423.<\/p>\n<p style=\"text-align: justify\">Kermack, W., McKendrick, A., 1991. Contributions to the mathematical theory of epidemics-II. The problem of endemicity.\u00a0<em>Bulletin of Mathematical Biology<\/em> 53\u00a0(1-2), 57-87.\u00a0DOI :10.1007\/BF02464424.<\/p>\n<p style=\"text-align: justify\">Kermack, W., McKendrick, A., 1991. Contributions to the mathematical theory of epidemics-III. Further studies of the problem of endemicity.\u00a0<em>Bulletin of Mathematical Biology<\/em>\u00a053\u00a0(1-2), 89-118.\u00a0DOI:10.1007\/BF02464425.<\/p>\n<p style=\"text-align: justify\">Kissler, S.M., Tedijanto, C., Goldstein, E., Grad, Y.H., Lipsitch, M., 2020, Projecting the transmission dynamics of SARS-CoV-2 through the postpandemic period, Science DOI: 10.1126\/science.abb5793.<\/p>\n<p style=\"text-align: justify\">Kucharski, A.J., Russel, T.W., Diamond, C., Liu, Y., Edmunds, J., Funk, S., Eggo, R.M., 2020. Early dynamics of transmission and control of COVID-19: a mathematical modelling study. <em>The Lancet Infectious Diseases<\/em>. DOI:10.1016\/ S1473-3099(20)30144-4<\/p>\n<p style=\"text-align: justify\">Lauer, S.A., Grantz, K.H., Bi, Q., Jones, F.K., Zheng, Q.; Meredith, H.R., Azman, A.S., Reich, N.G., Lessler, J., 2020. The Incubation Period of Coronavirus Disease 2019 (COVID-19) From Publicly Reported Confirmed Cases: Estimation and Application. <em>Annals of Internal Medicine<\/em>. DOI:\u00a010.7326\/M20-0504<\/p>\n<p style=\"text-align: justify\">Li, R., Pei, S., Chen, B., Song, Y., Zhang, T., Yang, W., Shaman, J., 2020. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV2). <em>Science<\/em>. DOI: 10.1126\/science.abb3221<\/p>\n<p style=\"text-align: justify\">Lin, Q., Zhao, S., Gao, D., Lou, Y., Yang, S., Musa, S.S., Wang, M.H., Weiming Wang, Y.C., Yang, L., He, D. (2020). A conceptual model for the coronavirus disease 2019 (COVID-19) outbreak in Wuhan, China with individual reaction and governmental action. <em>International Journal of Infectious Diseases<\/em> 93, 211\u2013216. DOI: 10.1016\/j.ijid.2020.02.058<\/p>\n<p style=\"text-align: justify\">Linton, N.M., Kobayashi,T., Yang, Y., Hayashi, K., Akhmetzhanov, A.R., Jung, S., Yuan, B., Kinoshita, R., Nishiura, H., 2020. Epidemiological characteristics of novel coronavirus infection: A statistical analysis of publicly available case data. <em>medRxiv<\/em> preprint doi: DOI: 10.1101\/2020.01.26.20018754.<\/p>\n<p style=\"text-align: justify\">Liu, Y., Gavle, A.A., Wilder-Smith, A., Rockl\u00f6v, J., 2020. The reproductive number of COVID-19 is higher compared to SARS coronavirus. <em>Journal of Travel Medicine<\/em> 27 (2), DOI: 10.1093\/jtm\/taaa021<\/p>\n<p style=\"text-align: justify\">Moss, R., Wood, J., Brown, D., Shearer, F., Black, A.J., Cheng, A.C., McCaw, J.M., McVernon, J., Modelling the impact of COVID-19 in Australia to inform transmission reducing measures and health system preparedness. MedRxiv preprint DOI: 10.1101\/2020.04.07.20056184.<\/p>\n<p style=\"text-align: justify\">Piazza, F., Fanelli, D., 2020. Analysis and forecast of COVID-19 spreading. https:\/\/www.researchgate.net\/project\/Analysis-and-forecast-of-COVID-19-spreading<\/p>\n<p style=\"text-align: justify\">Prem, K., Liu, Y., Russell, T.W., Kucharski, A.J., Eggo, R.M., Davies, N., 2020. The effect of control strategies to reduce social mixing on outcomes of the COVID-19 epidemic in Wuhan, China: a modelling study. <em>The Lancet Infectious Diseases<\/em>. DOI:10.1016\/S2468-2667(20)30073-6<\/p>\n<p style=\"text-align: justify\">Riou, J., Althaus, C.L., 2020. Pattern of early human-to-human transmission of Wuhan 2019 novel coronavirus (2019-nCoV), Eurosurveillance 25(4).<\/p>\n<p style=\"text-align: justify\">Sanche, S., Lin, Y.T., Xu, C., Romero-Severson, E., Hengartner, N., Ke, R., 2020. High contagiousness and rapid spread of severe acute respiratory syndrome coronavirus 2. <em>Emerging Infectious Diseases<\/em>. DOI: 10.3201\/eid2607.200282<\/p>\n<p style=\"text-align: justify\">She, J., Liu, L., Liu, W., 2020. COVID-19 epidemic: Disease characteristics in children. <em>Journal of Medical Virology<\/em>. DOI: 10.1002\/jmv.25807<\/p>\n<p style=\"text-align: justify\">Tian, S., Hu, N., Lou, J., Chen, K., Kang, X., Xiang, Z., Chen, H., Wang, D., Liu, N., Chen, G., Zhang, Y., Li, D., Li, J., Lian, H., Niu, S., Zhang, L., Zhang, J., 2020. Characteristics of COVID-19 infection in Beijing. Journal of Infection 80, 401-406. DOI: 10.1016\/j.jinf.2020.02.018<\/p>\n<p style=\"text-align: justify\">Tuite, A.R., Fismann, D.N., Greer, A.L., 2020. Mathematical modelling of COVID-19 transmission and mitigation strategies in the population of Ontario, Canada. <em>CMAJ<\/em>. DOI: 10.1503\/cmaj.200606<\/p>\n<p style=\"text-align: justify\">Walker, P.G.T., Whitaker, C., Watson, O., et al., 2020. Report 12: The global impact of COVID-19 and strategies for mitigation and suppression. https:\/\/www.imperial.ac.uk\/media\/imperial-college\/medicine\/mrc-gida\/2020-03-26-COVID19-Report-12.pdf<\/p>\n<p style=\"text-align: justify\">Wang, H., Wang, Z., Dong, Y., Chang, R., Xu, C., Zhang, S., Tsamlag, L., Shang, M., Huang, J., Wang, Y., Xu, G., Shen, T., Zhang, X., Cai, Y., 2020. Phase-adjusted estimation of the number of Coronavirus Disease 2019 cases in Wuhan, China. Cell Discovery 6. https:\/\/www.nature.com\/articles\/s41421-020-0148-0<\/p>\n<p style=\"text-align: justify\">World Health Organization, Coronavirus disease (COVID-2019) situation reports.<\/p>\n<p style=\"text-align: justify\">Wu, J.T., Leung, K., Leung, G.M., 2020. Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. <em>The Lancet Infectious Diseases<\/em>. DOI:10.1016\/ S0140-6736(20)30260-9<\/p>\n<p style=\"text-align: justify\">Ye, Y., Lagniton, P.N.P., Ye, S., Li, E., Xu,R., 2020. COVID-19: whats has been learned and to be learned novel coronavirus disease. <em>International Journal of Biological Science<\/em> 16 (10), 1753-1766. DOI:10.7150\/ijbs.45134<\/p>\n<p style=\"text-align: justify\">Zhao, S.,\u00a0Lin, Q.,\u00a0Ran, J.,\u00a0Musa, S.S.,\u00a0Yang, G.,\u00a0Wang, W.,\u00a0Lou, Y.,\u00a0Gao, D.,\u00a0Yang, L.,\u00a0He, D.,\u00a0Wang, M.H., 2020. Preliminary estimation of the basic reproduction number of novel coronavirus (2019-nCoV) in China, from 2019 to 2020: A data-driven analysis in the early phase of the outbreak. <em>International Journal of Infectious Diseases<\/em> 92, 214-217. DOI:\u00a010.1016\/j.ijid.2020.01.050<\/p>\n<p style=\"text-align: justify\">Zhao, S., Musa, S.S., Lin, Q., Ran, J., Yang, G., Wang, W., Lou, Y., Yang, L., Gao, D., He, D., Wang, M., 2020. Estimating the unreported number of novel Coronavirus (2019-nCoV) cases in China in the first half of January 2020: a data-driven modelling analysis of the early outbreak. <em>Journal of Clinical Medicine<\/em> 9(2). DOI:10.3390\/jcm9020388<\/p>\n<p>&nbsp;<\/p>\n<p><strong>Sites utilizados para visualiza\u00e7\u00e3o de dados e acompanhamento da epidemia:<\/strong><\/p>\n<ul>\n<li>Universidade John Hopkins (Baltimore, EUA) &#8211; <a href=\"https:\/\/www.arcgis.com\/apps\/opsdashboard\/index.html#\/bda7594740fd40299423467b48e9ecf6\">https:\/\/www.arcgis.com\/apps\/opsdashboard\/index.html#\/bda7594740fd40299423467b48e9ecf6<\/a><\/li>\n<li>Worldometers &#8211; <a href=\"https:\/\/www.worldometers.info\/coronavirus\/\">https:\/\/www.worldometers.info\/coronavirus\/\u00a0<\/a><\/li>\n<li>Mathematical and Statistical Modeling of COVID19 in Brazil, Rede CoVida: <a href=\"http:\/\/covid19br.org\/main-site-covida\/\">http:\/\/covid19br.org\/<\/a><\/li>\n<li>Minist\u00e9rio da Sa\u00fade &#8211; <a href=\"https:\/\/www.saude.gov.br\/boletins-epidemiologicos\">https:\/\/www.saude.gov.br\/boletins-epidemiologicos<\/a> ; <a href=\"https:\/\/covid.saude.gov.br\/\">https:\/\/covid.saude.gov.br\/<\/a><\/li>\n<li>Secretaria da Sa\u00fade do RS &#8211; <a href=\"http:\/\/ti.saude.rs.gov.br\/covid19\/\">http:\/\/ti.saude.rs.gov.br\/covid19\/<\/a><\/li>\n<li>Monitora Covid-19 Fiocruz &#8211; <a href=\"https:\/\/bigdata-covid19.icict.fiocruz.br\/\">https:\/\/bigdata-covid19.icict.fiocruz.br\/<\/a><\/li>\n<li>Plataforma de Leitos UFPel &#8211; <a href=\"https:\/\/dms-p2k.ufpel.edu.br\/corona-leitos\/\">https:\/\/dms-p2k.ufpel.edu.br\/corona-leitos\/\u00a0<\/a><\/li>\n<li>DMS UFPel &#8211; <a href=\"https:\/\/dms-p2k.ufpel.edu.br\/corona\/\">https:\/\/dms-p2k.ufpel.edu.br\/corona\/<\/a><\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Este documento tem por objetivo explicar o modelo e os par\u00e2metros utilizados pelos pesquisadores do GDISPEN para a modelagem matem\u00e1tica do COVID-19. O documento ser\u00e1 constantemente atualizado e incrementado. A pesquisa &#8220;A EVOLU\u00c7\u00c3O EPID\u00caMICA DO COVID-19 \u2013 MODELO SIR&#8221; est\u00e1 sob a responsabilidade dos doutores Daniela Buske,\u00a0 Gl\u00eanio Aguiar Gon\u00e7alves e R\u00e9gis Sperotto de Quadros, &hellip; <\/p>\n<p><a class=\"more-link btn\" href=\"https:\/\/wp.ufpel.edu.br\/fentransporte\/2020\/04\/09\/a-evolucao-epidemica-do-covid-19-modelo-sir\/\">Continue lendo<\/a><\/p>\n","protected":false},"author":516,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-222","post","type-post","status-publish","format-standard","hentry","category-noticias","item-wrap"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/posts\/222","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/users\/516"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/comments?post=222"}],"version-history":[{"count":44,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/posts\/222\/revisions"}],"predecessor-version":[{"id":1655,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/posts\/222\/revisions\/1655"}],"wp:attachment":[{"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/media?parent=222"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/categories?post=222"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.ufpel.edu.br\/fentransporte\/wp-json\/wp\/v2\/tags?post=222"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}