p Atualmente, a COVID-19 está impactando o mundo inteiro e diferentes abordagens para interromper a epidemia são testadas em todo o mundo. Com o passar das semanas, aprendemos mais e mais sobre este pequeno vírus, que afeta tanto nossa vida cotidiana e nosso mundo. Na seção de biocomplexidade do Niels Bohr Institute (NBI), Universidade de Copenhague, os pesquisadores estão ocupados aplicando métodos da física de sistemas complexos para examinar como a epidemia é mais bem tratada. O, por enquanto, forma bem conhecida e mais simples é o "bloqueio, "que passamos durante os meses de março e abril. Também é o mais caro, provou ser eficiente, algo que não sabíamos antes de testá-lo. Mas existem muitas maneiras de calcular e prever o desenvolvimento da epidemia, e os pesquisadores em biocomplexidade e sistemas complexos explicam um deles aqui, bem como alguns dos conceitos mais prevalentes apresentados na mídia. p Modelos matemáticos baseados em agentes

p No Instituto Niels Bohr, trabalhamos com muitos métodos, um deles sendo os chamados modelos baseados em agentes, em que indivíduos são pesquisados, quando encontram outras pessoas e possivelmente contraem a doença. Isso é contrário aos modelos epidêmicos usuais, em que apenas os efeitos no nível da população podem ser examinados. Esses modelos permitem, por meio de dados em redes individuais, para o exame de uma classe mais ampla de estratégias. Especialmente o comportamento de pessoas individuais, como quantos amigos ou familiares eles estão por perto, suas rotinas diárias de movimento e coisas do gênero. Os modelos epidêmicos usuais são muito menos detalhados e não nos permitem captar o efeito de todas as mudanças individuais de comportamento que estamos fazendo atualmente.

p Trabalhamos em estreita colaboração com o efeito de rastreamento de contato e quarentena. Cálculos preliminares do grupo NBI indicam que você pode reduzir o topo da epidemia com app. 50%, se estiver usando rastreamento de contato simples e isolamento de 5 dias de contatos recentes para uma pessoa doente confirmada. Enquanto a pessoa infectada estiver isolada em casa, ele / ela não contribui significativamente para a disseminação do COVID-19.

p O efeito dessa estratégia de "contato e quarentena" é ilustrado na Figura 1.

p A figura compara o número de infectados em uma situação em que a sociedade está completamente aberta a uma situação em que o rastreamento de contato é aplicado simultaneamente com uma abertura completa. É importante notar que o número de infectados pode ser mantido ainda mais baixo, se mantivermos algumas das medidas de redução de infecção que já conhecemos, tais como higiene das mãos e limitação de grandes montagens. O rastreamento de contatos não é uma medida a ser aplicada isoladamente.

p Modelos baseados em agente são ferramentas universais

p Outras estratégias para limitar a propagação da doença também podem ser examinadas com modelos baseados em agentes. Grupos vulneráveis ​​de pessoas podem ser isolados para protegê-los da doença e reduzir significativamente a necessidade de cuidados intensivos. Simulações preliminares indicam que se todas as pessoas acima de 60 anos reduzem seus contatos sociais em 75%, reduz a pressão máxima nas unidades de terapia intensiva para apenas um terço. Se os avós, além disso, decidirem se isolar de seus netos, provavelmente reduz a necessidade de cuidados intensivos em outros 50%.

p O objetivo acima de tudo para qualquer estratégia para limitar a propagação da doença é, claro, para , reduzir a pressão sobre os sistemas de saúde, quando a epidemia atinge o pico. Um fato revelador para a importância desses cálculos da epidemia de COVID-19 é que, se nada foi feito, a necessidade de leitos de terapia intensiva seria aproximada. 10.000, - e nossa capacidade é de apenas aprox. 500

p Os parâmetros incertos para a doença

p Se você quiser entender as muitas previsões incertas da mídia hoje em dia, é uma grande vantagem conhecer os parâmetros mais importantes para a epidemia de COVID-19. Abaixo, os três parâmetros mais importantes são explicados.

p A taxa de crescimento da doença

p A taxa de crescimento está diretamente ligada à probabilidade de infecção quando duas pessoas se encontram. A taxa de crescimento diz simplesmente com quantos por cento a epidemia cresce por dia. Este parâmetro é estimado a partir do número de internações hospitalares na Dinamarca. Globalmente, é mais bem estimado a partir do crescimento do número de mortalidades por dia. Internacionalmente, o nível em cada país era de 20% - 40% no início da epidemia, - mais alto na Itália e na Espanha. Uma porcentagem desse tamanho é característica do crescimento exponencial de uma epidemia fora de controle. O distanciamento físico e o bloqueio têm tudo a ver com limitar a quantidade de contatos, pelo qual essa taxa deve diminuir.

p A pressão de infecção - o famoso R

p R descreve o número médio de pessoas infectadas por cada indivíduo infectado. R é proporcional à probabilidade de infecção quando duas pessoas se encontram. R é calculado a partir da taxa de crescimento e do tempo que leva para uma pessoa ser infectada até que ela se infecte novamente. Este intervalo de tempo ainda é incerto, mas estimado entre 3 e 7 dias. Quanto mais curto o intervalo, o menor será R. Um pequeno número R é bom, pois resulta em um máximo mais baixo para a epidemia, e torna-se mais fácil para uma população atingir a imunidade de rebanho. Com R =2, em princípio, "apenas" precisamos reduzir pela metade nossos contatos sociais para chegar a R =1, onde a epidemia começa a morrer. Com R =4, teríamos que reduzir nossos contatos sociais quatro vezes mais. Nosso comportamento geral teria que mudar significativamente, se R for maior. É por isso que diferentes valores de R significam tanto para como os modelos são calibrados, e como devemos avaliar nosso bloqueio em março. A melhor avaliação agora é que a pressão de infecção R caiu de aprox. 3 para aprox. 0,7 durante nosso bloqueio.

p A figura escura

p The dark figure is an indication of how many more infected individuals there are, than what we know of. It depends on how and how much we test, and will vary from country to country. Serum tests, showing if people have produced antibodies against the disease are very useful, because they will tell us how many have had the disease. The dark figure is not important for predictions in the beginning of an epidemic, but it is extremely important later, in order to assess where we are in the duration of the epidemic. A large dark figure will say that the disease is less dangerous and that we are closer to herd-immunity. The Norwegian authorities estimate that the dark figure is so high that only 3 in 1000 will die when infected.

p These parameters are used in epidemic models of all types, so not only in agent-based models. When we wish to examine strategies depending on networks and social behavior, the agent-based models are particularly useful. As more precise data become available, we hope to be able to produce even better models, yielding more precise predictions of the development of the epidemic.