ANÁLISE DA EFICIÊNCIA DO MODELO SIR QUANDO CONFRONTADO COM DADOS REAIS

A COVID-19 foi um dos maiores desafios já enfrentados no estado do Amazonas. Por aqui a doença se mostrou desafiadora em meio ao despreparo do sistema público de saúde. Os dados de infecção por COVID-19 , disponíveis no Portal COVID-19 Amazonas da Fundação de Vigilância em Saúde (FVS), no Amazonas, impressionam e, segundo os resultados apresentados neste trabalho, podem ser ainda maiores. O principal objetivo deste trabalho foi averiguar a eficiência do modelo SIR clássico quando confrontado com dados reais, além do impacto da subnotificação nas predições desse modelo. Para isto utilizamos, como base para as análises, o modelo SIR clássico de Kermack e Mckendrick (1927). Foram realizados estudos a respeito do modelo SIR, também acerca da COVID-19, foi criado um algoritmo em linguagem Python para então realizar as análises necessárias, comparando com dados reais fornecidos no Portal COVID-19 Amazonas da FVS. Com base no modelo clássico, realizamos um ajuste do mesmo adicionando taxas de notificação e subnotificação. Como resultado, vimos que o modelo SIR simples não se mostra eficiente frente aos dados reais fornecidos pelos órgãos competentes, já que conforme as aplicações, enquanto o modelo estima picos muito altos, os dados reais mostram picos menores. Deste modo, compreendemos a discrepância como sendo causada, principalmente, pela subnotificação, já que o SIR simples considera que todos os casos são diagnosticados enquanto que na realidade isto não ocorre. Com isso apresentamos neste trabalho uma extensão do modelo SIR para considerar também a subnotificação. Sabemos que existem muitos modelos modificados a partir do SIR clássico, mas neste trabalho optou-se por não consultar outras obras a fim de fazer a modificação com ideias próprias, assim. Um dos principais resultados que apresentamos é o alto número de subnotificação. Conforme nossas análises dos 4 picos da COVID-19, a taxa de subnotificação variou entre 96% a 99,5% (taxa obtida no último pico analisado).