Pesquisadores criam computador que pode prever como a COVID-19 se espalha
Por Nathan Vieira |
A essa altura, você já deve saber como a COVID-19 tem sido simplesmente um enigma para os especialistas, que protagonizam uma saga em busca de informações sobre a doença e como lidar com ela. E em meio a essa jornada, quem recentemente teve um avanço foi a Universidade de Stanford, nos EUA. Acontece que uma equipe de pesquisadores criou um modelo de computador que previu com precisão a disseminação do COVID-19 em 10 grandes cidades, analisando três fatores que geram o risco de infecção: para onde as pessoas vão no decorrer de um dia, quanto tempo permanecem e quantos outras pessoas estão visitando o mesmo lugar ao mesmo tempo.
- Estudo classifica sete formas menos graves de COVID-19
- COVID-19 | Estudo da UFMG identifica lugares onde há mais chances de infecção
- Estudo da USP busca prever se paciente com COVID-19 precisará ser hospitalizado
“Construímos um modelo de computador para analisar como pessoas de diferentes origens demográficas e de diferentes bairros visitam diferentes tipos de lugares que estão mais ou menos lotados. Com base em tudo isso, podemos prever a probabilidade de novas infecções ocorrerem em qualquer lugar ou hora”, disse Jure Leskovec, cientista de computação de Stanford, em entrevista ao portal de notícias da universidade, Stanford News.
O estudo mescla dados demográficos, estimativas epidemiológicas e informações anônimas de localização de celulares, e parece confirmar que a maioria das transmissões COVID-19 ocorrem em lugares como restaurantes, academias de ginástica e cafés, onde as pessoas permanecem aglomeradas sob o mesmo teto por longos períodos. Os pesquisadores afirmam que a especificidade de seu modelo pode servir como uma ferramenta para que as autoridades ajudem a minimizar a disseminação do COVID-19 à medida que reabrem empresas.
O coautor do estudo, David Grusky, professor de sociologia da Escola de Humanidades e Ciências de Stanford, informou que no passado, presumia-se que essas disparidades eram causadas por condições preexistentes e acesso desigual aos cuidados de saúde, enquanto o modelo sugere que os padrões de mobilidade também ajudam a impulsionar esses riscos desproporcionais.
O modelo mostra como a reabertura de empresas com limites de ocupação mais baixos tende a beneficiar mais os grupos desfavorecidos. “Como os locais que empregam minorias e pessoas de baixa renda costumam ser menores e mais lotados, os limites de ocupação em lojas reabertas podem reduzir os riscos que enfrentam. Temos a responsabilidade de construir planos de reabertura que eliminem, ou pelo menos reduzam, as disparidades que as práticas atuais estão criando", opina o pesquisador.
O estudo de Stanford
O estudo rastreou os movimentos de 98 milhões de americanos em 10 das maiores áreas metropolitanas do país por meio de meio milhão de estabelecimentos diferentes, de restaurantes e academias de ginástica a lojas de animais e concessionárias de carros novos.
Os pesquisadores analisaram os dados de 8 de março a 9 de maio em duas fases distintas. Na fase um, eles alimentaram seu modelo de dados de mobilidade e projetaram seu sistema para calcular uma variável epidemiológica crucial: a taxa de transmissão do vírus em uma variedade de circunstâncias diferentes em dez áreas metropolitanas.
Na vida real, é impossível saber com antecedência quando e onde uma pessoa infecciosa e suscetível entra em contato para criar uma potencial nova infecção. Mas em seu modelo, os pesquisadores desenvolveram e refinaram uma série de equações para calcular a probabilidade de eventos infecciosos em diferentes lugares e horários. As equações foram capazes de resolver as variáveis desconhecidas porque os pesquisadores alimentaram o computador com um fator conhecido importante: quantas infecções por COVID-19 foram relatadas aos funcionários de saúde em cada cidade, a cada dia.
Os pesquisadores refinaram o modelo até conseguir determinar a taxa de transmissão do vírus em cada município. A taxa variava de cidade para cidade dependendo de fatores que vão desde a frequência com que as pessoas se aventuravam fora de casa até os tipos de locais que visitavam. Depois que os responsáveis pelo estudo obtiveram as taxas de transmissão para as dez áreas metropolitanas, eles testaram o modelo durante a fase dois, pedindo para multiplicar a taxa de cada cidade em relação ao seu banco de dados de padrões de mobilidade para prever novas infecções por COVID-19. As previsões tomaram por base os relatórios reais das autoridades de saúde.
Combinando seu modelo com dados demográficos disponíveis em um banco de dados, os pesquisadores mostraram como as pessoas de minorias e de baixa renda saem de casa com mais frequência porque seus empregos exigem, e têm como hábito fazer compras em lojas menores, portanto, mais cheias. Pessoas com rendas mais altas, que podem trabalhar em casa, usam a entrega em domicílio via internet ou telefone para evitar compras em lojas ou mercados.
A equipe tornou suas ferramentas e dados disponíveis publicamente para que outros pesquisadores possam replicar e desenvolver as descobertas. “A princípio, qualquer pessoa pode usar este modelo para compreender as consequências de diferentes decisões de política de fechamento de empresa e estadia em casa”, disse Leskovec, cuja equipe agora está trabalhando para desenvolver o modelo em uma ferramenta amigável para legisladores e funcionários de saúde pública.
Fonte: Stanford News