Comorbuss
Comorbuss
Simulador viral baseado em agente estocástico, impulsionado pela dinâmica da comunidade
1 Introdução
COMORBUSS é um modelo computacional para propagação de doenças por contatos produzidos pela dinâmica social geral de qualquer comunidade.
O objetivo fundamental de qualquer medida de contenção de uma doença como a SARS-COVID-19 é suprimir (e finalmente quebrar) a cadeia de contatos que sustenta a propagação viral. Infelizmente, as mesmas medidas tomadas em comunidades distintas muitas vezes não possuem a mesma efetividade devido a diferentes densidades populacionais, estruturas de serviço e comportamento social. Portanto, embora políticas extremas de contenção possam ser necessárias em algumas cidades, os mesmos resultados podem ser alcançados através de medidas menos restritivas e prejudiciais em comunidades menores.
A chave para navegar com segurança a presente pandemia é avaliar a eficácia de cada decisão sobre a reprodução viral no contexto de específico de cada cidade, para que atividades essenciais não sejam interrompidas mais do que o necessário (dentro das margens de segurança). Para este fim, a colaboração ModCovid19 está desenvolvendo um conjunto de modelos matemáticos e ferramentas computacionais que se interligarão para formar um sistema ativo de alerta às cidades envolvidas, apontando quão rigorosas devem ser suas medidas de contenção para preservar seus respectivos sistemas de saúde e como cada decisão tomada pode contribuir para atingir o nível necessário de contenção.
O COMORBUSS (Communitary Malady Observer of Reproduction and Behavior via Universal Stochastic Simulations) surge como um componente desse sistema, com o objetivo de analisar o efeito do comportamento social e das políticas de contenção na reprodução de viral. Embora a taxa de propagação de uma doença dependa do tamanho absoluto de uma comunidade, o número de reprodução (o número médio de infecções secundárias realizadas pelos vetores da doença) depende essencialmente da frequência de contatos entre membros da população e parâmetros biológicos que caracterizam a disseminação da doença.
Argumentamos que o comportamento social em torno das rotinas e utilização de serviço é o fator principal que gera contatos dentro de uma comunidade. Levamos em conta as diferentes densidades que caracterizam uma comunidade e seus padrões de comportamento para gerar um modelo estocástico universal (isto é, abstrato) para qualquer comunidade, descrevendo individualmente os seus agentes e os respectivos ciclos completos da doença por um modelo compartimental SEIR. O modelo final é estocástico, com cada simulação individual apresentando um possível cenário de evolução viral na comunidade. Todas estas realizações de alimentam uma simulação Monte Carlo para quantificar os efeitos nos padrões comportamentais na reprodução viral e a efetividade das medidas de contenção escolhidas.
Embora o modelo ainda não esteja completamente calibrado para a epidemia de SARS-Covid-19, já vemos sua capacidade em avaliar a eficácia de mudanças nos padrões sociais para reduzir a disseminação da doença. Como exemplo, apresentamos uma única realização de uma comunidade modelada a partir de São Carlos (SP/Brasil):
- 2.500 cidadãos por km²;
- distribuição etária real;
- 1 hospital, 3 mercados, 2 escolas ad 7 restaurantes (funcionando à noite) por km²;
Como controle, apresentamos a comunidade utilizando seus serviços sem restrições (Figura 1, esquerda). Em seguida, repetimos a simulação com fechamento de escolas e restaurantes quando 3% da população se torna infecciosa e reabertura quando esse número cai para 1% (Figura 1, direita). Mesmo neste teste simples e preliminar, observamos que esta decisão é relativamente eficaz para “achatamentar” da curva de infectados: embora a prevalência final da doença após dois meses não mude drasticamente, a reprodução viral é reduzida para um nível significativo, reduzindo a carga no sistema de saúde e protegendo vidas.

2 Funcionalidade
COMORBUSS é um simulador detalhado de agentes para propagação de doenças, fornecendo
- avaliação clara de quais serviços/locais mais contribuíram para a disseminação viral;
- quais estados representativos (sintomáticos / assintomáticos / pré-sintomáticos) são os vetores mais eficazes para a doença;
- o rastreamento completo da rede de contatos;
- modelos de diagnóstico e quarentena para pacientes com resultados positivos ou sintomas graves;
- modelos de distanciamento social;
- modelos para restrições parciais ou totais de atividades e serviços;
- liberdade na escolha de critérios para restringir e retomar atividades, permitindo simular e comparar diferentes medidas de contenção.
Ilustramos um pouco desta capacidade analítica na Figura 2, onde resumimos o percentual de infecções causado por cada estado sintomático, bem como os locais onde estas infecções ocorreram. Estes gráficos correspondem à simulação anterior sem restringir atividades. Neste primeiro exemplo, supomos que a quarentena nos hospitais seja realizada perfeitamente (portanto, não há novas infecções neste local).
Já está claro que os trabalhadores de serviços essenciais (como mercados) são prováveis candidatos a super espalhadores, enquanto as infecções intra-domiciliares também desempenham papel central na cadeia de infecções.
3 Objetivos
Na presente data, este projeto entregou uma primeira versão totalmente funcional do software COMORBUSS, com modelo completo para progressão da doença e modelos sociais simples baseados nos padrões médios de utilização de serviços essenciais.

Nossos objetivos atuais são:
- calibração e validação do modelo básico usando os melhores dados disponíveis;
- enriquecimento e aprimoramento de modelos para dinâmicas sociais;
- execução e interface em servidor para COMORBUSS, permitindo sua utilização para um número maior de colaboradores em testes de parâmetros e cenários;
- criação de um extenso banco de dados para resultados, utilizada na elaboração de relatórios de recomendação para os gestores de cada envolvida.
4 Histórico e membros do projeto
O COMORBUSS foi criado por Guilherme Tegoni Goedert em colaboração com os professores Dan Marchesin (IMPA), Tiago Pereira (ICMC-USP), Claudio Struchiner e seus grupos, como parte dos esforços para modelar a epidemia do COVID-19 e avaliar os efeitos de diferentes medidas de contenção. Foi concebido como parte da colaboração ModCovid19 para desenvolver um sistema de apoio a nossa sociedade, na esperança de que a ciência nos ensine a navegar esta crise protegendo o máximo de vidas.
A colaboração ModCovid19 recebeu financiamento emergência do Instituto Serrapilheira, que se mostrou inestimável também em seu apoio institucional. Isto permitiu que nossa equipe aumentasse e continuasse com nossos melhores esforços para ajudar nossa comunidade.
Equipe
Marie Curie EJD Fellow: University of Rome “Tor Vergata”, RWTH Aachen Univ. & Cyprus Institute
Projetos: