SP e RJ: Análise de mobilidade indicou cidades do interior com risco aumentado para covid-19

Matemáticos usaram informações sobre deslocamentos intermunicipais para calcular risco de disseminação da covid-19; resultados foram enviados à Secretaria de Estado da Saúde

O estudo indicou ainda que os padrões de mobilidade humana entre cidades não se alteraram nos estados analisados  – Foto: Marcos Santos / USP Imagens

A partir da identificação de padrões de mobilidade nos estados do Rio de Janeiro e São Paulo, pesquisadores do Instituto de Matemática e Estatística (IME) da USP criaram um ranking para avaliar o nível de risco de disseminação do novo coronavírus às cidades do interior. No alto nível de risco em São Paulo estão cidades da região metropolitana, como Guarulhos e Osasco, mas também cidades distantes da capital, como é o caso de Araçatuba. Também aparecem nessa classificação metrópoles regionais como Campinas e Ribeirão Preto. Nas estimativas para o Rio de Janeiro, Niterói e municípios da Baixada Fluminense aparecem no grupo de maior risco. O ranqueamento foi feito a partir dos resultados de um modelo probabilístico que não calculou estimativas de números de casos de covid-19.

Comparando dados anônimos de localização de celulares, o grupo de cientistas observou que a queda na circulação de pessoas causada pelas medidas para combater a covid-19 não mudou a distribuição de deslocamentos entre as cidades dos dois estados, que continuam a seguir os principais eixos rodoviários que ligam as capitais ao interior. Os dados analisados foram coletados entre 1º e 30 de março e comparados com período equivalente de 2019.

+ Mais

Queda de transmissibilidade da covid-19 no fim de março comprova eficácia do isolamento

“Nosso modelo só lida com movimento. Ele praticamente não está preocupado com a questão do isolamento em si. Ele quer ver padrões de movimento das pessoas e tentar ver para onde a doença vai só com base nos padrões de movimento“, explica Pedro Peixoto, professor do IME e coordenador do estudo. “O que a gente fez foi montar uma rede conectando todos os municípios de São Paulo ou do Rio de Janeiro. Essa matriz de movimentação dá uma intensidade de movimento entre cada um desses municípios, e é isso que a gente incorpora ao modelo, para tentar ver se há mais chances de alguém sair de São Paulo e ir para Campinas do que para Marília, por exemplo. Então, existiria mais chance da doença se desenvolver em Campinas do que em Marília”, completa o professor.

Assim como o Sistema de Monitoramento Inteligente de São Paulo (Simi-SP), anunciado pelo governador João Doria na quinta-feira passada (9), o modelo do IME para a covid-19 também usa dados de geolocalização de celulares. A amostra, no entanto, é muito menor do que o universo de dados disponibilizados ao sistema do governo paulista, que usa informações das operadoras de telefonia. Os dados do estudo foram fornecidos pela In Loco, empresa que desenvolve serviços de localização para aplicativos de outras companhias, como bancos e startups de entregas, e vem calculando os índices de isolamento de bairros de diversas capitais brasileiras durante a pandemia do novo coronavírus. A base de dados da empresa já foi utilizada por outra equipe da USP para avaliar a adesão ao isolamento em São Paulo.

Ferramenta de saúde pública

Embora o grupo do IME não tenha avaliado o isolamento, a modelagem dos dados de celulares permitiu identificar uma redução na quantidade de pessoas circulando. “Mas o padrão de movimento continua muito similar. Continua tendo mais gente indo para Campinas do que para Marília”, exemplifica Peixoto. Assim, o ranqueamento dos municípios reflete a probabilidade de a doença chegar, considerando a porcentagem de deslocamentos que partem da capital.

A coluna da esquerda mostra os principais destinos dos deslocamentos iniciados em São Paulo no mês de março. Quase 90% das pessoas cadastradas na base de dados permaneceram na capital. A coluna da direita compara os dados de março de 2019 – (Imagem cedida pelo pesquisador)

Segundo Peixoto, o principal objetivo do grupo com este estudo foi ajudar as prefeituras de cidades do interior a se prepararem para a chegada da pandemia. No caso de São Paulo, enviaram os resultados para a Secretaria de Estado de Saúde, que ficou responsável por repassá-los aos prefeitos do interior. Eles também relataram a pesquisa em um artigo disponibilizado em versão preprint (que ainda não foi revisado por cientistas externos ao grupo) no repositório medRxiv. Ao longo desta semana, os matemáticos vão se dedicar a modelar os dados de outros estados brasileiros.

O uso de dados de celulares para monitorar índices de isolamento e mobilidade da população têm sido adotado pelos governos de diferentes países. Na edição do dia 10 de abril, a revista Science publicou uma carta na qual cientistas norte-americanos defendem o uso de dados agregados de mobilidade da população como ferramenta na resposta das autoridades de saúde pública à pandemia. Eles argumentam que os dados de dispositivos móveis coletados por empresas privadas contêm informações em tempo real sobre mudanças de padrão na movimentação de pessoas e podem ajudar o poder público a definir intervenções adequadas.

Os autores da carta citam o caso da operadora Deutsche Telekom, que compartilhou dados agregados com o governo alemão de forma a apoiar as medidas de distanciamento social. Eles reforçam, no entanto, que os dados compartilhados devem ser anonimizados e nunca individualizados, de forma a proteger a privacidade dos usuários de smartphones e outros dispositivos móveis.

Estudo não estima pico da covid-19

O grupo de Peixoto vem trabalhando com modelagem de disseminação espacial georreferenciada de doenças há dois anos, desde que começou a desenvolver um modelo para a dengue. No modelo para a covid-19, os pesquisadores juntaram a simulação de uma epidemia local com o cálculo do que aconteceria se uma pessoa infectada chegasse a determinado município, ou viajasse de lá para outra cidade. Para isso, eles consideraram apenas dois tipos de pessoas, as suscetíveis ao vírus e as infectadas. “É um dos modelos mais simples que tem. Esse modelo só consegue capturar o início da epidemia, não consegue capturar o pico e a recuperação”, afirma o coordenador da pesquisa.

+ Mais

Queda de transmissibilidade da covid-19 no fim de março comprova eficácia do isolamento

Na avaliação do físico Marcos Amaku, professor do Departamento de Patologia da Faculdade de Medicina da USP (FMUSP) e especialista em modelagem matemática, essa é uma limitação do estudo. Para o pesquisador, o modelo SEIR (Suscetível-Exposto-Infectado-Recuperado) seria mais adequado para modelar o espalhamento desde a introdução da doença, pois considera a existência de um período de latência, na qual a pessoa que se infectou não transmite o vírus, para só depois se tornar infecciosa e potencial fonte de transmissão.

“Caso fosse considerado, o período de latência poderia retardar o espalhamento inicial”, diz Amaku, que não participou do estudo. Ele acrescenta que no modelo SI “o indivíduo infectado permanece infectado indefinidamente, o que pode superestimar o efeito do espalhamento da doença se o período de simulação for superior ao período infeccioso real, sobre cuja estimativa ainda há incertezas”.

Os casos atuais por município podem ser acompanhados nos site da Seade (São Paulo) e da SES-RJ (Rio de Janeiro).

Mais informações: e-mail ppeixoto@usp.br, com Pedro Peixoto

.

.


Política de uso 
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.