Introdução

COMORBUSS: Simulador viral baseado em agente estocástico, impulsionado pela dinâmica da comunidade

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.

Fig. 1: esquema simplificado da dinâmica comunitária em múltiplos contextos sociais.

Como um exemplo de sua capacidade em avaliar a eficácia de mudanças nos padrões sociais para reduzir a disseminação da doença, 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 2, 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 2, 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.

Fig. 2: Percentual de indivíduos por km² em cada estado da doença: incubação, pré-sintomáticos (estado infeccioso muito precoce para desenvolver sintomas), sintomático e assintomático; com atividades normais (esquerda) e com fechamento de escolas e restaurantes noturnos quando 3% da população é infectada (dias 5 e 51) e com reabertura em 1,5% (dia 41).

2 Funcionalidade

COMORBUSS é um simulador detalhado de agentes para propagação de doenças, fornecendo

avaliação clara de quais serviços/locais mais contribuíram para a disseminação viral;
quais estados representativos (sintomáticos / assintomáticos / pré-sintomáticos) são os vetores mais eficazes para a doença;
o rastreamento completo da rede de contatos;
modelos de diagnóstico e quarentena para pacientes com resultados positivos ou sintomas graves;
modelos de distanciamento social;
modelos para restrições parciais ou totais de atividades e serviços;
liberdade na escolha de critérios para restringir e retomar atividades, permitindo simular e comparar diferentes medidas de contenção.

Ilustramos um pouco desta capacidade analítica na Figura 3, onde resumimos o percentual de infecções causado por cada estado sintomático, bem como os locais onde estas infecções ocorreram. Estes gráficos correspondem à simulação anterior sem restringir atividades. Neste primeiro exemplo, supomos que a quarentena nos hospitais seja realizada perfeitamente (portanto, não há novas infecções neste local).

Já está claro que os trabalhadores de serviços essenciais (como mercados) são prováveis candidatos a super espalhadores, enquanto as infecções intra-domiciliares também desempenham papel central na cadeia de infecções.

Fig. 3: Percentual de infecções causadas por cada estado representação de sintomas (sintomáticos, assintomáticos, pré-sintomáticos), bem como os locais onde estas infecções ocorreram. Descreve a simulação na Figura 2, (a) com atividades normais e (b) com o fechamento de escolas e restaurantes noturnos quando 3% da população é infectada com a reabertura em 1% acoplada à quarentena de indivíduos doentes.