Modelo preditivo p-fuzzy para estudo da propagação da Covid-19 frente a cobertura vacinal

• Ano de defesa: 2023
• Autor(a) principal: Grillo, Douglas Rosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Covid-19; Sistema p-fuzzy; Vacinação; Propagação do Sars-Cov2; Modelagem matemática; Cobertura vacinal; Linguagem Python; p-fuzzy system; Vaccination; Spread of Sars-Cov2; Mathematical modeling
• Link de acesso: http://app.uff.br/riuff/handle/1/29296

Em dezembro de 2019 surgiu na China uma doença causada pelo vírus Sars-Cov2 chamada Covid-19, sua capacidade de contágio é tão alta que logo a Organização Mundial de Saúde (OMS) decretou estado pandêmico. Por causa da doença houveram muitos problemas não só de saúde como também sociais e econômicos. Gestores de todas as áreas se viram obrigados a tomarem decisões sem contar com uma ferramenta de apoio a tomada de decisão. Decisões da área de saúde como a compra de medicamentos, insumos médicos e hospitalares, implementação de hospitais de campanha, reforço do efetivo da saúde, foram sendo experimentadas. A presente pesquisa propõe um modelo preditivo da propagação da doença por meio de p-fuzzy, que significa parcialmente fuzzy, quando a população é submetida a vacinação. Para resolver o problema foi utilizado um Sistema Baseado em Regras Fuzzy (SBRF) no lugar das tradicionais Equações Diferencias Ordinárias (EDO) normalmente utilizadas em modelos epidemiológicos clássicos. A solução do modelo contou com um código de programação em linguagem Python. Os resultados obtidos mostram que pode haver a possibilidade de utilização do modelo como apoio a tomada de decisão. Ao entender como se propaga a doença um gestor poderá embasar as suas decisões de modo a causar menor impacto social e econômico, seja no setor da saúde pública ou privada. Outra conclusão é de que a vacinação pode ser uma boa estratégia de combate a propagação da Covid-19.