Artigo

Forecasting the rate of cumulative cases of COVID-19 infection in Northeast Brazil: a Boltzmann function-based modeling study

Carregando...
Imagem de Miniatura

Notas

Data

Orientadores

Editores

Coorientadores

Membros de banca

Título da Revista

ISSN da Revista

Título de Volume

Editor

Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz

Faculdade, Instituto ou Escola

Departamento

Programa de Pós-Graduação

Agência de fomento

Tipo de impacto

Áreas Temáticas da Extenção

Objetivos de Desenvolvimento Sustentável

Dados abertos

Resumo

A Região Nordeste do Brasil tem uma taxa de letalidade muito mais elevada por COVID-19, comparado com a média nacional, o que exige uma investigação do prognóstico da região para o planejamento de medidas de controle e para prevenir o colapso do sistema de saúde. Estimamos o total potencial de casos acumulados de COVID-19 na região nos próximos três meses. O estudo incluiu todos os casos confirmados de COVID-19, desde o primeiro caso confirmado, em 8 de março, até 28 de abril de 2020, coletados no site oficial que relata a situação das infecções por COVID-19 no Brasil. A função de Boltzmann foi aplicada a uma simulação de dados para cada conjunto de dados dos diversos estados do Nordeste. Os dados do modelo mostraram bom ajuste, com valores de R2 próximos a 0,999. Até 28 de abril, haviam sido confirmados 20.665 casos na Região Nordeste. O estado do Ceará apresenta a maior taxa de casos acumulados por 100.000 habitantes (75,75), seguido pelo estado de Pernambuco. Estimamos que Ceará, Sergipe e Paraíba apresentarão um aumento dramático na taxa de casos acumulados até 31 de julho. Maranhão, Pernambuco, Rio Grande do Norte e Piauí mostraram aumentos mais discretos de acordo com o modelo. Para Bahia e Alagoas, foram estimados aumentos de 4,7 e 6,6 vezes nas taxas, respectivamente. Estimamos um aumento substancial na taxa de casos acumulados por 100.000 habitantes na Região Nordeste ao longo dos próximos três meses, especialmente no Ceará, Sergipe e Paraíba. A função de Boltzmann mostrou ser uma ferramenta simples para projeções epidemiológicas, podendo auxiliar no planejamento de medidas para conter a COVID-19.

Abstract

The COVID-19 death rate in Northeast Brazil is much higher when compared to the national average, demanding a study into the prognosis of the region for planning control measures and preventing the collapse of the health care system. We estimated the potential total cumulative cases of COVID-19 in the region for the next three months. Our study included all confirmed cases, from March 8 until April 28, 2020, collected from the official website that reports the situation of COVID-19 infections in Brazil. The Boltzmann function was applied to a data simulation for each set of data regarding different states. The model data were well fitted, with R2 values close to 0.999. Up to April 28, 20,665 cases were confirmed in the region. The state of Ceará has the highest rate of accumulated cases per 100,000 inhabitants (75.75), followed by Pernambuco. We estimated that the states of Ceará, Sergipe and Paraíba will experience a dramatic increase in the rate of cumulative cases until July 31. Maranhão, Pernambuco, Rio Grande do Norte and Piauí showed a more discreet increase in the model. For Bahia and Alagoas, a 4.7 and 6.6-fold increase in the rate was estimated, respectively. We estimate a substantial increase in the rate of cumulative cases per 100,000 inhabitants in the region within three months, especially for Ceará, Sergipe and Paraíba. The Boltzmann function proved to be a simple tool for epidemiological forecasting that can help planning the measures to contain COVID-19.

Descrição

Área de concentração

Agência de desenvolvimento

Palavra chave

Marca

Objetivo

Procedência

Impacto da pesquisa

Resumen

ISBN

DOI

Citação

MELO, G. C. de; ARAÚJO NETO, R. A. de; ARAÚJO, K. C. G. M. de. Forecasting the rate of cumulative cases of COVID-19 infection in Northeast Brazil: a Boltzmann function-based modeling study. Cadernos de Saúde Pública, Rio de Janeiro, v. 36, n. 6, 2020.

Link externo

Avaliação

Revisão

Suplementado Por

Referenciado Por

Licença Creative Commons

Exceto quando indicado de outra forma, a licença deste item é descrita como acesso aberto