Saúde

O modelo matemático OpenABM-Covid19 de Oxford ajuda a controlar a epidemia de coronavírus
Uma equipe de modeladores matemáticos e epidemiologistas do Departamento de Medicina de Nuffield da Universidade de Oxford divulgou o modelo mais recente de uma população em resposta à epidemia de coronavírus.
Por Oxford - 24/09/2020


Imagem composta de ambiente hospitalar e dados digitais - Crédito: Shutterstock

Uma equipe de modeladores matemáticos e epidemiologistas do Departamento de Medicina de Nuffield da Universidade de Oxford divulgou o modelo mais recente de uma população em resposta à epidemia de coronavírus. O modelo - OpenABM-Covid19 - fornece aos tomadores de decisão de saúde pública a capacidade de revisar a progressão potencial e o resultado do coronavírus, incluindo flutuações em indivíduos infectados, hospitalizações, admissões em unidade de terapia intensiva (UTI) e mortes, e avaliar o impacto de teste e rastreie programas.

OpenABM-Covid19 apóia os serviços de saúde pública, incluindo o NHS England e NHS Wales do Reino Unido, para prever a epidemia e decidir sobre o melhor equilíbrio e escala das intervenções de controle da epidemia nos próximos meses. As intervenções modeladas incluem rastreamento de contato digital (sistema de notificação de exposição), testes, distanciamento físico contínuo, auto-isolamento, uso de máscara e outras medidas de bloqueio locais ou nacionais.

Os serviços essenciais do NHS estiveram disponíveis durante a pandemia, e este modelo de código aberto da Universidade de Oxford está fornecendo ao NHS na Inglaterra mais uma ferramenta para ajudar a compreender a demanda potencial de serviços hospitalares em todo o país

Ming Tang, diretor de dados e análises do NHS England and NHS Improvement, afirma: 'Os serviços essenciais do NHS estiveram disponíveis durante toda a pandemia, e este modelo de código aberto da Oxford University está fornecendo ao NHS da Inglaterra mais uma ferramenta para ajudar a entender demanda potencial de serviços hospitalares em todo o país, e garantir que possamos continuar a oferecer atendimento aos pacientes e qualquer pessoa preocupada com sintomas preocupantes. '

Os indivíduos infecciosos não se espalham aleatoriamente por uma população e as redes nas quais eles interagem têm um efeito profundo na dinâmica da epidemia e no número final de pessoas infectadas.

Os dados demográficos e de coronavírus mais recentes do Reino Unido alimentam o modelo, fornecendo uma ferramenta que é rápida, ajustável e escalável e pode ser atualizada com qualquer país ou dados demográficos regionais e redes de contato. Os indivíduos infecciosos não se espalham aleatoriamente por uma população e as redes nas quais eles interagem têm um efeito profundo na dinâmica da epidemia e no número final de pessoas infectadas. Populações de vários tamanhos são modeladas usando interações do mundo real - cada pessoa com encontros rotineiros e aleatórios em ambientes como o local de trabalho, com a família e amigos, na escola ou universidade. A gravidade da doença, incluindo a probabilidade de hospitalização e morte, aumenta com a idade. Níveis mais altos de transmissão dentro das famílias e indivíduos leves ou assintomáticos também são considerados nas simulações.

"O fato de COVID-19 afetar diferentes grupos populacionais, e de vivermos e interagirmos de maneiras distintas, precisa ser integrado à nossa compreensão do efeito potencial de diferentes medidas de saúde pública".


O professor Christophe Fraser, consultor científico do Departamento de Saúde e Assistência Social e Líder de Grupo em Dinâmica de Patógenos no Departamento de Medicina de Nuffield da Universidade de Oxford, afirma: 'O fato de COVID-19 afetar diferentes grupos populacionais e de vivermos e interagirmos de maneira distinta formas, precisa ser integrado em nossa compreensão do efeito potencial de diferentes medidas de saúde pública. O Reino Unido e outros governos nacionais estão ajustando nosso modelo de Oxford aos cenários de políticas em evolução, novas medidas e as mais recentes evidências científicas. Nosso modelo apoia a tomada de decisões conforme os países facilitam ou aumentam as políticas conforme a epidemia continua a evoluir e conforme tentamos retornar ao local de trabalho, escola, visitar amigos e família e considerar como administrar atividades sociais seguras. '

"O Reino Unido e outros governos nacionais estão ajustando nosso modelo de Oxford aos cenários de políticas em evolução, novas medidas e as mais recentes evidências científicas".


A equipe Oxford também está apoiando o desenvolvimento e implantação de rastreamento de contato digital. Conforme os aplicativos e sistemas de notificação de exposição são testados e implementados em diferentes países, o modelo pode ser ajustado para ver o impacto da notificação de contatos com base em diferentes tempos de resultados de teste e configurações de rastreamento de contato digital, como teste em nível de comunidade ou não, ou mudança configurações para responder à orientação ajustada sobre a duração do auto-isolamento. O modelo ajuda a avaliar o número de testes necessários com diferentes abordagens de notificação, permitindo atrasos de teste ou picos na incidência.

"Cientistas do Departamento de Medicina de Nuffield da Universidade de Oxford forneceram aconselhamento científico especializado contínuo, proporcionando impacto significativo no Reino Unido, ajudando a reduzir as consequências negativas para a saúde e implicações sociais do COVID-19"


O professor Mark Briers, diretor do programa do The Alan Turing Institute e conselheiro do Departamento de Saúde e Assistência Social, afirma: 'OpenABM-Covid19 tem sido fundamental para nos ajudar a compreender as implicações potenciais do aplicativo de rastreamento de contato como uma intervenção não farmacêutica, fornecendo uma base científica para a exploração de opções políticas relevantes. Cientistas do Departamento de Medicina de Nuffield da Universidade de Oxford forneceram aconselhamento científico pericial contínuo, proporcionando impacto significativo no Reino Unido, ajudando a reduzir as consequências negativas para a saúde e implicações sociais do COVID-19. '

O Dr. David Bonsall, consultor do Departamento de Saúde e Assistência Social, clínico e pesquisador sênior do Departamento de Medicina de Nuffield da Universidade de Oxford, afirma: 'Precisamos dos melhores dados e das análises mais recentes para manter o controle do COVID-19. Nosso modelo de epidemia pode ser atualizado para garantir a otimização da velocidade e eficácia do rastreamento e teste de contato. Os aplicativos de rastreamento de contato / sistemas de notificação de exposição devem ser introduzidos junto com outras medidas de controle de doenças rápidas e eficazes para ajudar a salvar vidas, proteger as pessoas, reduzir a necessidade de bloqueios generalizados e nos permitir retornar às atividades mais normais. '

"O modelo auxilia os tomadores de decisão em saúde pública em qualquer lugar do mundo a observar a progressão e o resultado da infecção e como diferentes medidas afetam a população".


O modelo auxilia os tomadores de decisão em saúde pública em qualquer lugar do mundo a observar a progressão e o resultado da infecção e como diferentes medidas afetam a população. Também demonstra o impacto das decisões políticas nas vidas das pessoas e nos sistemas de saúde, incluindo o número de pessoas em quarentena. O modelo foi aprimorado ainda mais em parceria com o Google Research, incluindo estudos para avaliar a aceitação necessária para Sistemas de Notificação de Exposição (aplicativos de rastreamento de contato) nos EUA. Graças à interface Python para o modelo, desenvolvido em estreita colaboração com a equipe da IBM do Reino Unido, ele pode ser usado e adaptado por outros.

A Dra. Nicole Mather, Líder de Ciências da Vida da IBM UK Services, afirma: 'A IBM UK desenvolveu a interface Python que permite que o OpenABM-Covid19 seja executado por terceiros. Isso permitiu que as autoridades de saúde pública usassem o modelo não apenas para o desenvolvimento de rastreamento digital de contatos, mas também para apoiar a gestão de recursos e o planejamento de resposta a epidemias para serviços de saúde e outras instituições. Tem sido importante permitir que uma gama mais ampla de colaboradores auxilie na construção do OpenABM-Covid19 - estamos muito satisfeitos em ajudar a ampliar o acesso a este modelo. '

"Com o apoio da equipe da Universidade de Oxford, o governo galês integrou dados galeses e considerou diferentes cenários de políticas com base nas diferentes taxas de contato; incluindo interações aleatórias, no local de trabalho e na escola".


Craiger Solomons, célula de assessoria técnica do governo galês, afirma: “Adaptamos o modelo da Universidade de Oxford para refletir o impacto do COVID-19 no País de Gales. Com o apoio da equipe da Universidade de Oxford, o governo galês integrou dados galeses e considerou diferentes cenários de políticas com base nas diferentes taxas de contato; incluindo interações aleatórias, no local de trabalho e na escola. Esses dados não estavam disponíveis para o País de Gales anteriormente, eles agora estão informando a base de evidências usada pelos ministros galeses para considerar ações políticas nacionais e locais. '

O Dr. Robert Hinch, primeiro coautor do artigo e pesquisador sênior do Departamento de Medicina de Nuffield da Universidade de Oxford, diz: “Nosso modelo de Oxford pode ser ajustado para outras configurações de epidemia de coronavírus. Os sistemas de notificação de exposição digital baseados na API Google-Apple estão sendo desenvolvidos em muitos países da Europa, África e nos Estados Unidos. É fundamental que tenhamos a capacidade de analisar os possíveis efeitos de diferentes intervenções de saúde pública usando dados demográficos e de rede de contato específicos nacionais ou regionais. Esperamos que este modelo continue a contribuir para nossas opções de resposta agora e fortaleça nossos esforços de preparação para futuras pandemias. '

 

.
.

Leia mais a seguir