Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Ramos, Gilberto Pereira |
| Orientador(a): |
Coelho, Flávio Codeço |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://hdl.handle.net/10438/33565
|
Resumo: |
Sabemos que a pandemia COVID-19 resultou em consequências sociais e econômicas sem precedentes no Brasil e os números apresentados nas estatísticas oficiais, embora assustadores, sempre deixavam certa dúvida se estavam realmente corretos. Assim, buscar uma melhor compreensão do cenário de incerteza de dados onde ocorrem subnotificações (Assumimos como verdadeira a premissa de que existem subnotificações de casos de COVID-19 no Rio de Janeiro) com registros não-incluídos nas estatísticas oficiais, tornou-se um grande desafio para pesquisadores de todo o mundo, pois o melhor entendimento desse cenário permitirá que o Governo possa estimar e planejar de forma mais assertiva as demandas que envolvem a gestão da pandemia. Portanto partindo dessa motivação esse trabalho propõe um modelo de previsão que busca contribuir para identificação do tamanho dessa incerteza. Para tanto utiliza-se do estado da arte em modelagem matemática de doenças infecciosas, e inclui também o cenário atual de vacinação considerando a população do Estado do Rio de Janeiro estimada atualmente em 17 milhões de habitantes. Esse trabalho apresenta a dinâmica compartimental de doenças infecciosas que utiliza os modelos SIR estendidos. Para simulação e previsão utiliza-se um amostra da população contida em um dataset que compreende o período de 05.03.2020 (primeiro caso registrado de COVID-19 no Estado) a 05.07.2022. O dataset do estudo contém registros de casos de total de infectados, total de recuperados, total de mortos, mortos por dia, infectados por dia, recuperados por dia, vacinados por dia, total pessoas vacinadas e total de pessoas completamente vacinadas. Com isso, o presente trabalho é desenvolvido de forma a pavimentar o caminho até se chegar a um modelo de previsão baseado no histórico de ocorrências dos casos de COVID-19 no Estado do Rio de Janeiro. O modelo proposto é uma extensão do modelo compartimental SIR incluindo o cenário de vacinação e tem como objetivo central prever o grau da incerteza de dados, ou seja, dos registros não incluídos nas estatísticas oficiais. Deste estudo empírico chegou-se a alguns resultados importantes. Em primeiro lugar verificou-se uma importante redução no número básico de reprodução no período observado, consequência do avanço da vacinação no estado. Foi possível concluir também que houve importante diferença na quantidade de subnotificações de casos de mortes no período observado, e também verificou-se um alto percentual de subnotificações para os casos de infectados. O modelo de previsão conseguiu bom êxito com erro percentual de cerca de 4%. Os resultados das simulações são apresentados ao final do trabalho juntamente com as métricas de erro de previsão. |
