Informações
Nível de aprovação pela UnB
Aprovado pela UnB
Nome Completo do Proponente
Fábio Macêdo Mendes
Matrícula UnB
1016512
Unidade acadêmica da UnB
fabiomacedomendes@gmail.com
Link Cúrriculo Lattes
Título da Proposta
COVID-19 Scenarios: evolução e adaptação de ferramenta de projeção de cenários de contaminação para a realidade brasileira
Sumário Executivo da Proposta
O Brasil possui no momento mais de 3400 casos confirmados de COVID-19 e um número não conhecido de casos não notificados. Com o rápido crescimento da epidemia observado ao longo do último mês, o país encontra-se próximo de um ponto crítico em que se não oferecer uma resposta rápida e incisiva à crise, não será mais capaz de suprimir a dispersão da doença e deverá proceder com uma fase de mitigação de danos ao custo de muitas vidas. A maneira como o poder público agirá nas próximas semanas e como gerenciará um eventual cenário de mitigação em médio e longo prazo determinará a gravidade da epidemia e seu impacto nos sistemas de saúde.
A rápida velocidade de propagação do COVID-19 impõe uma janela de ação muito curta, que exige um alto grau de coordenação e planejamento dos governos. O presidente brasileiro, se recusa a adotar medidas de mitigação preconizadas pela Organização Mundial de Saúde lançando mão de medidas inicialmente adotadas em outros países cujo o cenário do COVID-19 foi arrasador. Adotou uma política de minimização do problema tão temerária que foi citado em um editorial da prestigiosa revista científica Lancet como exemplo de resposta equivocada à crise (The Lancet. 28 de março de 2020. COVID-19: learning from experience. Vol. 395, issue. 10229, P1011). Existem, no entanto, redes formais e informais que reúnem membros do corpo técnico do Ministério da Saúde, OPAS, equipes estaduais da área da saúde e pesquisadores da área de epidemiologia e saúde pública, em universidades e outros institutos de pesquisa para coordenar as ações e informar os gestores públicos dos potenciais impactos e evolução da epidemia de COVID-19.
O presente projeto propõe aperfeiçoar uma ferramenta já existente que facilitaria a comunicação destes especialistas e que é capaz de predizer alguns impactos da epidemia em comunidades. A aplicação alvo do projeto aqui apresentado (COVID-19 Scenarios - https://neherlab.org/covid19/), desenvolvida pela Universidade da Basiléia, na Suíça, adota o modelo epidemiológico SEIR para modelar matematicamente e traçar possíveis cenários para o desenrolar de uma epidemia e assim, auxiliar no planejamento de resposta aos surtos do SARS-CoV-2. COVID-19 Scenarios é uma aplicação web de fácil implantação e adoção por potenciais interessados.
Os objetivos propostos são (i) alimentar a COVID-19 Scenarios com dados do Brasil em nível de município, estado e região metropolitana; (ii) aperfeiçoar o modelo implementado na aplicação; (iii) criar ferramentas para o compartilhamento e simulação de cenários da epidemia por especialistas; (iv) completar a tradução para o português e produzir textos e interfaces adequados para públicos mais leigos. A metodologia de desenvolvimento é baseada em métodos ágeis e técnicas de desenvolvimento distribuído já estabelecidas em comunidades de código aberto.
Esperamos assim aperfeiçoar esta plataforma existente para melhor servir como interface de apresentação dos cenários previstos para o Brasil para gestores e o público geral de modo que ao final, tenhamos uma interface em português simplificada para a apresentação dos resultados das predições do modelo. Dessa forma, a plataforma poderá servir como base para que (i) governos estaduais e municipais tomem decisões e proponham políticas públicas de contenção e mitigação da epidemia com o amparo de dados científicos e extrapolações plausíveis e que (ii) o público geral possa ser informado sobre o avanço da epidemia e das ações aplicáveis em cada região.
A equipe executora do projeto é composta por programadores, biólogos, designers e epidemiologistas. Do ponto de vista do desenvolvimento de software, a equipe de desenvolvimento possui membros que dominam as tecnologias principais adotadas pelo projeto, que são React/Typescript e Python. Do design, serão aplicadas metodologias técnicas para melhor entendimento e usabilidade de usuário, mapeamento de processos e jornada de usuário e uso de softwares de criação de interface de usuário com comunicação online entre membros da equipe (Figma ou Sketch + Zeplin). Além disto, a equipe possui epidemiologistas que trabalham com política pública e são portanto idealmente capacitados para levantar requisitos e propor modificações úteis para os objetivos da aplicação. Por fim, vários membros possuem experiência e conhecimento simultâneo das áreas de biologia, epidemiologia e engenharia de software, facilitando a comunicação entre estes domínios.
Palavras-chave
COVID-19, modelos epidemiológicos, software livre
Número de Integrantes da Equipe
12
Nome dos Integrantes da UnB
Prof. Dr. Fábio Macêdo Mendes - FGA/LAPPIS, Dra. Carla Rocha Aguiar - Engenheira Mecatrônica - FGA/LAPPIS, Dra. Carolina Carvalho Gontijo - Bióloga geneticista - BIOANI/UnB, M.Sc. Fabiana Sherine Ganem dos Santos - Bióloga epidemiologista - DSC/UnB, M.Sc. Victor Bertollo - Médico infectologista, MFA. Heloise Cullen Sampaio - Designer, Bruna Nayara Moreira Lima - Engenheira de software, Matheus Miranda Lacerda - Engenheiro de Software/FGA, Hugo Carvalho - Estudante de Engenharia de Software/FGA, Rodrigo Oliveira - Estudante de Engenharia de Software/FGA, Ana Beatriz Santos Pontes - Estudante de Ciências da Computação/CIC, Leonardo da Silva Gomes - Estudante de Engenharia de Software/FGA
Há integrantes externos à UnB?
Sim
Possui apoio de Grupo de Pesquisa Certificado pela UnB no CNPq?
Sim
Nome/Link do Grupo de Pesquisa certificado no CNPq pela UnB
LAPPIS / http://fga.unb.br/lappis
Público alvo
Comunidade Acadêmica | Gestores Públicos | População em Geral | Profissionais da Saúde
Análise do Contexto
O desenrolar de uma epidemia depende de fatores específicos de cada população e modulados por fatores culturais, estruturais e de política pública. Por isso, o desenvolvimento de modelos e a determinação de parâmetros adequados para prever e descrever o comportamento esperado em um determinado país (ou unidade menor de população) é vital para guiar os governantes no desenvolvimento de políticas públicas e estratégias eficientes na contenção e mitigação da doença.
Até o momento, a pandemia afeta 201 países em que mais de 630 mil casos e de 29 mil mortes foram reportados (WHO, em 29 de março de 2020). No Brasil, a COVID-19 foi relatada pela primeira vez em 26 de fevereiro de 2020 no Rio de Janeiro. Em 29 de março, mais de 3.400 casos foram confirmados e acredita-se que muitos não tenham sido diagnosticados ou notificados. Foram registradas 92 mortes, número também provavelmente subestimado. O governo federal e vários governos estaduais e municipais adotaram medidas de contenção como o trancamento com fechamento de escolas, universidades e comérico e serviços não essenciais, além da redução da circulação de pessoas e do transporte público. Em São Paulo, Rio de Janeiro, Fortaleza e Brasília, cidades mais afetadas pela epidemia, além de outras localidades, hospitais de campanha estão sendo construídos em antecipação ao colapso dos sistemas de saúde público e privado que pode acontecer.
Estima-se que, na ausência de intervenções, o vírus possua o potencial de contaminar até 90% da população. Cenários de mitigação leve (com cerca de 60% de redução nos contatos pessoais) seriam capazes de reduzir a contaminação a cerca de 55%. Ainda assim, os efeitos previstos são desastrosos, com mortes esperadas na casa dos milhões. Componente importante do espalhamento da pandemia e do elevado número de mortes esperado é a carga suportada pelos sistemas de saúde de todos os países afetados. A velocidade de propagação do vírus é alta e a taxa de assintomáticos é desconhecida. Somados, esses fatores, modulados por fatores biológicos e comportamentais, têm levado a uma sobrecarga dos sistemas de saúde minimizável apenas por políticas públicas (como estratégias de trancamento) e cooperação da população geral (como distanciamento social). Mesmo com a adoção de medidas como as citadas acima, a demanda por leitos de UTI pode superar algumas vezes a capacidade instalada no pico da infecção.
De acordo com a literatura (Ferguson et al 2020 - Imperial College COVID-19 Response Team - Impact of non-pharmaceutical interventions (NPIs) to reduce COVID- 19 mortality and healthcare demand), mesmo com a adoção de estratégias simples de mitigação, a epidemia causaria um grande número de óbitos devido ao esgotamento dos sistemas de saúde. Os autores propuseram uma estratégia baseada na alternância de períodos de trancamento e abertura na contenção da doença dentro de níveis teoricamente suportados pelos sistemas de saúde. O impacto econômico e social, no entanto, foge ao escopo do modelo e por isso, como salientado no próprio texto, cabe ao gestor ponderar os custos e benefícios de iniciar ou suspender cada fase de contenção. Neste sentido, a disponibilização rápida de plataformas de uso fácil e interativo é vital para (i) guiar governos estaduais e municipais que não possuam corpo técnico especializado na tomada de decisão e formulação de políticas públicas de contenção e mitigação da doença baseadas em dados científicos e extrapolações plausíveis do observado em outros lugares, (ii) municiar epidemiologistas e o corpo técnico responsável pelo combate epidêmico de ferramentas para melhor comunicar as predições e recomendações para gestores e para a sociedade e (iii) informar o público geral sobre o desenrolar da epidemia e medidas individuais aplicáveis.
Várias equipes estão trabalhando no desenvolvimento de modelos e determinação de parâmetros adequados para prever e descrever o comportamento esperado da epidemia no Brasil, resultados que deverão ser publicizados tanto na forma de publicação científica, quanto em formato compreensível pelo público geral. Algumas plataformas de divulgação de dados e predições do desenrolar da pandemia, como a aplicação web COVID-19 Scenarios (https://neherlab.org/covid19/), estão em funcionamento e podem ser adaptadas para a realidade do Brasil. Considerando o que vem sendo observado, simulações feitas por essa aplicação e a partir do modelo descrito por Ferguson e colaboradores (2020) prevêem cerca de 1 milhão de óbitos na ausência de estratégias de mitigação ou com a adoção de medidas leves pelo país. O efeito de estratégias de mitigação e contenção ainda não está clara, mas o contraste entre os resultados nos países europeus e asiáticos indica que distanciamento social, testes em massa e trancamento são os mais efetivos.
O modelo utilizado pelo COVID-19 Scenarios se alimenta de dados demográficos e sobre o sistema de saúde para refinar suas previsões, mas não possui valores para estados, regiões metropolitanas e municípios brasileiros em sua base de dados. Neste sentido, a construção de ferramentas para apresentação de dados para gestores e para o público geral ou, de maneira mais célere, a adequação de ferramentas já disponíveis (com a inserção de dados locais, adequação de modelo e tradução para o português) é vital para delinear estratégias eficientes para contextos específicos.
Breve Fundamentação Teórica
Modelos compartimentados formulam o desenvolvimento de doenças infecciosas numa população com equações diferenciais simples. Eles são utilizados para delinear cenários que guiem públicas para contenção e mitigação. A plataforma COVID-19 Scenarios, alvo do presente projeto, utiliza uma variante do SEIR como modelo base e inclui algumas alterações para lidar com o sistema de saúde. O modelo implementado é estratificado por idade de Suscetíveis, Expostos, Infecciosos, Recuperados e adiciona compartimentos para Hospitalizados e não-hospitalizados em estado grave. Com isto, permite simular a resposta diferencial em letalidade para diferentes sistemas de saúde.
A COVID-19 Scenarios é uma aplicação web de código aberto desenvolvida pela Universidade da Basiléia, Bélgica, para simular surtos do SARS-CoV-2 em diferentes cenários de resposta. A plataforma consiste de uma aplicação web em React/Typescript para a visualização dos resultados e uma aplicação Python que reúne e trata os dados consumidos pela simulação.
Objetivos e Metas
O projeto aqui proposto tem como objetivo alimentar a COVID-19 Scenarios com dados do Brasil em níveis locais, aperfeiçoar o modelo implementado na aplicação e completar sua tradução para o português e produzir textos adequados para diferentes públicos para que a plataforma adaptada sirva como interface de apresentação dos cenários previstos para o Brasil para gestores e o público geral.
Para isto, pretende-se acrescentar dados demográficos e epidemiológicos conforme observados no Brasil a fim de que a interpretação deles por parte da população e dos gestores estejam mais próximos da realidade observada na região. Além disso, a equipe desenvolverá uma versão simplificada da interface de usuário e para consumo de leigos e a possibilidade de personalização dos dados inseridos e apresentados utilizando arquivos de configuração por especialistas. No esforço de simplificação, serão mapeadas ações concretas como fechamento de escolas, distanciamento social, etc e em escolhas de parâmetros que alimentam a simulação.
Metodologia
Todo o desenvolvimento e manutenção da plataforma será realizado utilizando práticas das comunidades Open Source, ágeis e DevOps. Todo o código fonte, processo de desenvolvimento e documentação técnica estão disponíveis em repositórios em uma plataforma de codificação social (GitHub), viabilizando o desenvolvimento remoto por parte do time. Estes repositórios contém dois subsistemas que compõe a plataforma, o de projeção da simulação e visualização, e o de processamento dos dados, ambos são abertos e utilizam a licença MIT (Free Software Permissive License), o que facilita a distribuição do código fonte e o ingresso de novos colaboradores no projeto.
Resultados Esperados
O simulador de COVID-19 permite traçar cenários plausíveis para o desenvolvimento da doença que podem informar o cidadão e embasar decisões de gestores públicos sobre os modos de intervenção e estratégias necessárias para controlar o surto epidêmico. O primeiro resultado concreto é o levantamento e integração de bases de dados detalhadas sobre o Brasil no nível de município, região metropolitana e estado (o simulador já possui dados nacionais).
A segunda entrega consiste em simplificar o uso da interface para leigos e criar formas de interação mais focadas em gestão pública do que em predição a partir de parâmetros epidemiológicos. Esta melhoria deve contemplar não só uma versão simplificada da interface para aqueles que não possuam o conhecimento matemático necessário, mas também deve contemplar a possibilidade de especialistas traçarem cenários hipotéticos com a calibração de parâmetros e compartilharem estes resultados com gestores públicos, jornalistas e o público leigo em geral.
A melhoria consiste em aprimorar o modelo matemático de simulação para lidar com especificidades de cada localização na forma de calibração de parâmetros a partir dos dados observados e estimação de outros parâmetros como matrizes de contato e taxa de importação de casos de municípios vizinhos. Uma segunda melhoria consiste no cálculo de barras de erro a partir das incertezas conhecidas nos parâmetros epidemiológicos.
Do ponto de vista do impacto direto na sociedade, teremos como produto uma interface em português de uso fácil e interativo para apresentar as predições do modelo implementado que possa (i) guiar governos estaduais e municipais na tomada de decisão e formulação de políticas públicas de contenção e mitigação da doença baseadas em dados científicos e extrapolações plausíveis do observado em outros lugares, e (ii) informar o público geral sobre o desenrolar da epidemia e medidas individuais aplicáveis.
Área de Conhecimento
Subárea de Conhecimento
Há previsão de Orçamento proveniente na unidade acadêmica?
Não
Cronograma da Execução
- Integração com bases de dados de demografia de estados e municípios. Cronograma: meses 1
- Integração com bases de dados de notificação de casos no Brasil na resolução de estados e municípios. Cronograma: meses 1
- Infraestrutura na nuvem para deploy do projeto. Cronograma: meses 1 e 2
- Imagens dos serviços para facilitar a distribuição da solução e sua documentação. Cronograma: meses 2
- Pipeline de deploy contínuo para atualização dos modelos configurado e documentado. Cronograma: meses 2
- Projeções demográficas para 2020 a partir dos dados censitários de 2010. Cronograma: meses 2 e 3
- Recursos de compartilhamento de cenários a partir de arquivos de configuração externos. Cronograma: meses 2 e 3
- Interface de usuário simplificada baseada em pesquisa técnica aplicada ao longo do projeto para facilitar o entendimento de leigos, focada nos perfis de usuários finais mapeados. Cronograma: meses 2, 3 e 4
- Mapeamento de métodos de mitigação e a possibilidade de permitir configuração de ações ao invés da configuração de valores. Cronograma: meses 3 e 4
- Matrizes de contato e parâmetros epidemiológicos calibrados para todos os municípios e estados do Brasil. Cronograma: meses 3 e 4
- Modelo para nível de simulação mais específico, aplicável ao contexto de estados e municípios. Cronograma: meses 4, 5 e 6
- Modelo de Monte Carlo para atribuir barras de erros aos resultados da simulação. Cronograma: meses 5 e 6
Tempo total de execução previsto
6
