Inspirado pelas tensões entre saúde e bem-estar financeiro durante a pandemia de COVID-19, um novo modelo pode melhorar significativamente as previsões de como a doença se espalhará, reconhecendo as compensações em uma crise de saúde entre saúde pública e bem-estar pessoal.

O esforço, liderado por economistas e especialistas em doenças da Universidade Johns Hopkins, oferece uma ferramenta poderosa para fortalecer as políticas de saúde, integrando a tomada de decisões pessoais a um modelo de previsão de doenças. O modelo aprimorará a previsão de doenças, permitirá que os tomadores de decisão compreendam melhor as implicações das políticas e esclarecerá como as políticas podem afetar diferentes populações socioeconômicas.

"O interessante do nosso trabalho é que, ao reunir economistas e epidemiologistas, conseguimos captar essa ideia de compensações entre riscos à saúde e vulnerabilidade econômica que tendem a surgir em uma pandemia", disse o autor Nick Papageorge , professor de economia e diretor associado do Laboratório de Pesquisa sobre Pobreza e Desigualdade. "Mais importante ainda, conseguimos demonstrar que, em certos cenários, com a política correta, é possível reduzir as infecções e manter mais pessoas trabalhando. Esses fatores nem sempre precisam ser conflitantes."

O trabalho financiado pelo governo federal foi publicado recentemente na PLOS Computational Biology .

Os modelos epidemiológicos tradicionais previram como a COVID-19 se espalharia durante a pandemia e, em grande parte, informaram e orientaram as políticas adotadas pelos tomadores de decisão para conter a doença — desde lockdowns até o uso de máscaras, vacinas e requisitos de distanciamento social. Mas mesmo os melhores modelos muitas vezes não levavam em conta como indivíduos, com diferentes preocupações financeiras e de saúde, poderiam responder — ou como suas escolhas pessoais poderiam impactar a disseminação da doença. E os modelos que tentaram capturar o comportamento frequentemente faziam suposições simplistas que simplesmente não condiziam com a realidade.

A equipe da Johns Hopkins se perguntou se poderia criar uma estrutura de modelagem mais robusta e cuidadosa incorporando não apenas como a infecção se espalharia, mas também como as pessoas fazem escolhas durante uma crise de saúde e como esses dois conceitos interagem.

"Este trabalho é inovador em sua abordagem verdadeiramente interdisciplinar para resolver um problema complexo centrado no ser humano, que exigiu a integração de ferramentas fundamentais de todas as ciências e humanidades", disse Lauren Gardner , professora de engenharia civil e de sistemas e diretora do Centro de Ciência e Engenharia de Sistemas.

Os arquitetos do novo modelo incluem especialistas em epidemiologia, biologia matemática, engenharia de sistemas, economia e ciência de decisão.

A equipe adotou o modelo epidemiológico tradicional de disseminação de doenças e adicionou a ele um elemento central da modelagem econômica: a tomada de decisões dinâmicas no nível individual. Assim, o modelo, chamado de "modelo epidemiológico baseado em feedback", não considera apenas fatores como taxas de infecção e vacinação, mas também a idade, a saúde e a renda da população, elementos-chave que afetam a disposição e a capacidade das pessoas de ficar em casa, em vez de trabalhar, etc.

A equipe projetou o modelo para aproximar as características da pandemia de COVID-19, quando a escolha das pessoas por trabalhar presencialmente afetou significativamente o risco de infecção. Eles descobriram que, com intervenções políticas estratégicas, como testar todos os trabalhadores para infecção, foi possível reduzir a propagação da doença e manter mais pessoas trabalhando. A ideia é que, se as pessoas infectadas ficassem em casa após serem testadas, seus colegas de trabalho, que de outra forma poderiam ter ficado em casa para evitar a infecção, agora percebem menos risco e decidem ir trabalhar. Este resultado demonstra a importância de uma estrutura de modelagem que capture como as escolhas das pessoas influenciam — e são influenciadas por — a propagação da doença.

A equipe planeja expandir o modelo e continuar testando-o.

"O objetivo não é dizer ao governo quando fechar ou não as portas", disse Papageorge. "Em vez disso, queremos dar aos formuladores de políticas ferramentas que nos permitam refletir sobre as compensações e prever melhor os resultados da pandemia, considerando o que sabemos agora sobre como as pessoas e os patógenos interagem."

Os autores, todos da Johns Hopkins, incluem o ex-aluno de doutorado Hongru Du, o ex-aluno de doutorado Matthew Zahn, a cientista assistente Sara Loo, o bolsista de pós-doutorado Tijs Alleman, o professor associado de pesquisa Shaun Truelove, o professor associado Bryan Patenaude e a professora assistente Alison Hill.

O trabalho foi apoiado pela bolsa 2229996 da National Science Foundation.