modelo covid brasil -v2 - investnews · 2020-04-28 · modelo estima que o pico ocorrerá entre os...

Autores: Samy Dana, Alexandre Simas, Bruno Filardi, Rodrigo Rodriguez e José Gallucci Neto.

Modelo COVIDBrasil - v2

Estudo encomendado pela Easynvestv2 – 28/04/2020

Na nova versão, o estudo projeta a previsão de mortes pela Covid-19 e o pico da doença em três estados brasileiros (São Paulo, Rio de Janeiro e Amazonas) e no Brasil. Para isso, considera dois cenários, supondo que o isolamento permanece em vigor:

• Fila separada: pessoas com plano de saúde têm acesso à rede privada, mas caso ela esteja lotada, podem utilizar o sistema público; pessoas sem plano só têm direito aos leitos disponíveis pelo SUS.

• Fila única: pacientes graves, com ou sem plano de saúde, teriam o mesmo acesso a leitos das redes pública ou privada, em um sistema unificado. Para isso, o sistema público pagaria a rede privada pelo uso dos leitos, neste modelo já proposto por grupos de especialistas.

Sumário Executivo

• Obter maior precisão nas modelagens de dados específicos do Brasil.

• Ajudar com informações melhores para tomadas de decisões do poder público, entidades e órgãos competentes.

• Estimar a quantidade necessária de leitos de UTI para evitar ao máximo as mortes.

Objetivo

• Modificamos o modelo para conseguir tratar a ocupação de leitos de UTI públicos e privados.

• A suposição do modelo é que quem possui plano de saúde pode ir para leitos de UTI privados e se estes estiverem lotados, podem ir para leitos de UTI públicos.

• Quem está em leito de UTI público não pode ir para leito de UTI privado.

Leitos de UTI públicos e privados

• O modelo anterior trata os leitos de UTI seguindo a fila única, esta versão do modelo diferencia os leitos. Com isso, conseguimos medir o impacto social da fila única.

• A seguir apresentamos um diagrama com as mudanças nessa variação do modelo.

Leitos de UTI públicos e privados

• O modelo supõe que o isolamento fica em vigor durante todo o período considerado na previsão.

• A estimativa do pico é devido ao modelo entender que chegamos no cenário em que R0<1, ou seja, o número de novos infectados passa a cair muito rápido.

• Curva de Mortes diárias previstas no estado de São Paulo supondo fila únicade UTI.

• Pico: Mortes diárias de 139 a 569 com mediana em 210 no pico.

• Supondo fila única, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 30 de abril e 5 de maio de 2020.

Fonte: Modelo Alexandre Simas e Samy Dana

Resultado – São Paulo – Fila Única UTI


• Mortes acumuladas totais no estado de São Paulo, caso o isolamento seja mantido está sendo estimada entre 6.374 e 14.371.

• No cenário mediano, o total de mortes, supondo fila única de UTI, está na faixa de 8.994.



• O cenário mediano indica a ocupação de leitos de UTI está em um nível confortável com o isolamento atual.

• Estamos considerando como cenário que 70% do total de leitos (15.753) estão disponíveis para o COVID-19, a saber 11.027 leitos.

• Como os leitos costumam ser amplamente ocupados por pessoas envolvidas em acidentes de trânsito, o isolamento contribui para que mais leitos estejam disponíveis.

• Uso da UTI:Entre quem morre: 10 diasEntre quem sobrevive: 14 dias

• Obs. Considerando o isolamento social em vigor na data deste relatório




• Curva de Mortes diárias previstas no estado de São Paulo supondo filas separadas de UTI.


• Supondo filas separadas, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 30 de abril e 6 de maio de 2020.


Resultado – São Paulo – Filas Separadas de UTI


• Mortes acumuladas totais no estado de São Paulo, caso o isolamento seja mantido está sendo estimada entre 6.598 e 13.320.

• No cenário mediano, o total de mortes, supondo filas separadas de UTI, está na faixa de 9.267.


Resultado – São Paulo – Filas Separadas de UTI

• O cenário mediano indica que utilização de leitos de UTI pública alcançará o nível de 80% de ocupação de leitos no estado durante o pico.

• Estamos considerando como cenárioque temos 5063 leitos de UTI pública disponíveis para o COVID-19.

• Na banda superior faltam leitos públicos de UTI, o que mostra que não há tanto conforto em termos de leitos públicos em São Paulo se não houver fila única de UTI.

Resultado – São Paulo – Leitos de UTIs Públicas


• O cenário mediano indica a ocupação de leitos de UTI privada está em um nível confortável com o isolamento atual.

• Estamos considerando como cenário que temos 5964 leitos de UTI privada disponíveis para o COVID-19.

• Mesmo na banda superior vemos bastante folga, caso o isolamento seja mantido.

Resultado – São Paulo – Leitos de UTIs Privadas


• Realizamos uma simulação supondo leitos de UTI públicos e privados infinitos.

• Com isso, teremos uma ideia de quantos leitos serão necessários para não termos uma sobrecarga do sistema de saúde.


• Vemos que para termos um conforto maior e conseguir cobrir a banda superior, precisamos de cerca de mais 5000 leitos para a rede pública.


Resultado – São Paulo – Leitos de UTIs Privadas



• Curva de Mortes diárias previstas no estado do Rio de Janeiro supondo fila única de UTI.


• Supondo fila única, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 3 a 10 de maio de 2020.


Resultado – Rio de Janeiro – Fila Única UTI


• Mortes acumuladas totais no estado do Rio de Janeiro, caso o isolamento seja mantido está sendo estimada entre 2.330 e 8.173.

• No cenário mediano, o total de mortes, supondo fila única de UTI, está na faixa de 3.793.



• O cenário mediano indica a ocupação de leitos de UTI está em um nível confortável com o isolamento atual se houver fila única.

• Estamos considerando como cenário que 70% do total de leitos (7.424) estão disponíveis para o COVID-19, a saber 5.197 leitos.

• Vemos que na banda superior há a exaustão dos leitos disponíveis. Então, existe a possibilidade de faltar leitos, porém, havendo fila única de UTI, não é esperado que faltem leitos de UTI.




• Curva de Mortes diárias previstas no estado de Rio de Janeiro supondo filas separadas de UTI.


• Supondo filas separadas, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 2 e 9 de maio de 2020.


Resultado – Rio de Janeiro – Filas Separadas de UTI


• Mortes acumuladas totais no estado do Rio de Janeiro, caso o isolamento seja mantido está sendo estimada entre 2.929 e 8.694.


• Importante notar o aumento de cerca de 40% do número de mortes no cenário mediano de filas separadas quando comparado com o cenário de fila única de UTI.

•


Resultado – Rio de Janeiro – Filas Separadas de UTI

• O cenário mediano indica que utilização de leitos de UTI pública será de exaustão. O modelo indica que não haverá leitos de UTI pública para todas as pessoas.

• Estamos considerando como cenárioque temos 1130 leitos de UTI pública disponíveis para o COVID-19.

Resultado – Rio de Janeiro – Leitos de UTIs Públicas


• O cenário mediano indica a ocupação de leitos de UTI privada está em um nível extremamente confortável com o isolamento atual.

• Estamos considerando como cenário que temos 4066 leitos de UTI privada disponíveis para o COVID-19.

• Mesmo na banda superior vemos bastante folga, caso o isolamento seja mantido.

Resultado – Rio de Janeiro – Leitos de UTIs Privadas





• O cenário mediano precisa de cerca de 2500 leitos de UTI, 1370 a mais do que consideramos disponível. É importante observar que parece haver uma folga bem superior a este valor de leitos de UTI privada disponíveis e que provavelmente não serão utilizados no pico.

• Na banda superior são necessários 6900 leitos, o que traria mais conforto sobre a capacidade do sistema de saúde.

Resultado – Rio de Janeiro – Leitos Infinitos de UTI




• Curva de Mortes diárias previstas no estado do Amazonas supondo fila única de UTI.


• Supondo fila única, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 22 a 30 de abril de 2020.


Resultado – Amazonas – Fila Única UTI


• Mortes acumuladas totais no estado do Amazonas, caso o isolamento seja mantido está sendo estimada entre 611 e 1.644.

• No cenário mediano, o total de mortes, supondo fila única de UTI, está na faixa de 951.



• Mesmo com fila única de UTI, vemos uma completa exaustão do sistema de saúde no estado do Amazonas.

• Estamos considerando como cenário que 360 leitos de UTI estão disponíveis para o COVID-19, juntando leitos públicos e privados.




• Curva de Mortes diárias previstas no estado do Amazonas supondo filas separadas de UTI.


• Supondo filas separadas, com os dados atuais o modelo estima que o pico ocorrerá entre os dias 26 e 30 de abril de 2020.


Resultado – Amazonas – Filas Separadas de UTI


• Mortes acumuladas totais no estado do Amazonas, caso o isolamento seja mantido está sendo estimada entre 647 e 1.666.


• Aqui não vemos grandes diferenças entre a fila única de saúde e filas separadas devido à grande exaustão do sistema público de saúde e à baixa capacidade do sistema privado.

•Fonte: Modelo Alexandre Simas e Samy Dana

Resultado – Amazonas – Filas Separadas de UTI

• O cenário mediano indica que utilização de leitos de UTI pública será de exaustão. O modelo indica que não haverá leitos de UTI pública para todas as pessoas.

• Estamos considerando como cenário que temos 187 leitos de UTI pública disponíveis para o COVID-19.

Resultado – Amazonas – Leitos de UTIs Públicas


• O cenário mediano indica a ocupação de leitos de UTI privada está em um nível com algum conforto, porém na banda superior vemos uma tendência à exaustão.

• Estamos considerando como cenárioque temos 174 leitos de UTI privada disponíveis para o COVID-19.

Resultado – Amazonas – Leitos de UTIs Privadas





• O cenário mediano precisa de cerca de 820 leitos de UTI, 633 a mais do que consideramos disponível.

• Para a banda superior, o que traria um certo conforto, seriam necessários mais 1795 leitos.

Resultado – Amazonas – Leitos Infinitos de UTI



• Curva de Mortes diárias previstas no Brasil supondo fila única de UTI.

• Estimamos todas as regiões separadamente e depois as juntamos para formar o Brasil.

• O modelo estima que o pico ocorrerá entre os dias 11 a 16 de maio de 2020.

• O número de mortes diárias é de 973 no pico, na faixa entre 530 e 2012


Resultado – Brasil – Fila Única

• Considerando o isolamento social em vigor durante o período de previsão.

• Mortes acumuladas totais no Brasil, caso o isolamento seja mantido está sendo estimada entre 24.800 e 84.400.

• No cenário mediano, supondo fila única de UTI, o total de mortes está estimado em 38.780.


Resultado – Brasil – Fila Única


• Curva de Mortes diárias previstas no Brasil supondo filas separadas de UTl.

• Estimamos todas as regiões separadamente e depois as juntamos para formar o Brasil.

• O modelo estima, sob a hipótese de filas separadas de leitos de UTI que o pico ocorrerá entre os dias 10 e 17 de maio de 2020.

• O número de mortes diárias é de 950 no pico, na faixa entre 492 e 2311


Resultado – Brasil – Filas Separadas

• Mortes acumuladas totais no Brasil, caso o isolamento seja mantido está sendo estimada entre 21.700 e 99.200.

• No cenário mediano, e sob a hipótese de separação de filas de UTI o total de mortes está estimado em 42.472.


Resultado – Brasil – Filas Separadas

O MODELO

Por quê os modelos falharamno Brasil e no mundo?• Os modelos epidemiológicos mais utilizados

são os modelos compartimentais.

• Dentre os modelos compartimentais, dois se destacamcomo os mais comuns:– SIR, que contém os compartimentos Suscetível,Infectado e Removido.– SEIR, que contém os compartimentos Suscetível,Exposto, Infectado e Removido.

Por quê os modelos falharamno Brasil e no mundo?• Os modelos SIR e SEIR foram utilizados inicialmente

para a modelagem do COVID-19.

• Suas estimativas foram muito imprecisas,errando por ordens de grandeza.

• O motivo para erros tão grosseiros foi a magnitudedas subnotificações (que até então era desconhecida).

• O impacto das subnotificações – Se temos 100 indivíduos infectados detectados e 2 falecem, temos taxa de letalidade estimada de 2%.

– Se para cada infectado detectado, 39 não são detectados, temos na realidade 4000 indivíduos infectados e a taxade letalidade real é de 0,05%.

Obs. Exemplo meramente ilustrativo, não implica na taxa real estimada

Por quê os modelos falharamno Brasil e no mundo?

• Os problemas com o uso dos modelos SIR e SEIRse agravam no Brasil pois:– Temos muitos jovens no Brasil– Temos muitas UTIs no Brasil

• Desta forma, a taxa de letalidade no Brasil é menordo que em diversos países da Europa, por exemplo.

• Portanto, os modelos SIR e SEIR superestimam aindamais o número de mortos no Brasil.

Por quê os modelos falharamno Brasil e no mundo?

Fonte: https://population.un.org/wpp/Download/Standard/Population/Fonte: https://www.ibge.gov.br/estatisticas/sociais/populacao/9109-projecao-da-populacao.html?=&t=downloads

Pirâmides Etárias do Brasil e Itália

Fonte: 1 CNES – DATASUS2 Phua et al. (2020) Intensive care management of coronavirus disease

2019 (COVID-19): challenges and recommendations.https://doi.org/10.1016/S2213-2600(20)30161-2

Leitos de UTI no Brasil e na Itália

https://doi.org/10.1016/S2213-2600(20)30161-2

• No Brasil temos poucos dados e estes de baixa qualidade.

• Desta forma os modelos usuais de estatística e/ou ciênciade dados não fornecem boas previsões.

• A solução é a utilização de modelos epidemiológicos,que nasceram para modelar fenômenos de infecção.

• Porém, pelo que vimos anteriormente os clássicos SIR e SEIR(e outros modelos compartimentais) não têm fornecido boas previsões por falta de dados confiáveis sobre o número de pessoas infectadas e de pessoas imunizadas.

Nosso Modelo para o COVID-19

• Para atacar o problema de forma satisfatória,tomamos como base a modelagem do Report 13 do Imperial College.

• Assim, vamos utilizar um modelo Bayesiano, adaptativo,que se baseia no número de mortos, que acreditamosser o dado mais confiável que temos atualmente no Brasil.

• O ajuste do modelo é realizado através de um algoritmo HMC (Hamiltonian Monte Carlo).

Nosso Modelo para o COVID-19

• Nosso modelo precisa ser flexível, pois o Brasil é muito grandee heterogêneo.

• A pirâmide etária, que influencia fortemente na taxa de letalidadedo COVID-19, varia bastante ao longo das diferentes regiões do Brasil.

• Outro fator importantíssimo, o número de leitos de UTI,também varia muito ao longo das diferentes regiões do Brasil.

Necessidade de um modelo flexível

• Podemos observar comoas diferentes regiõespossuem pirâmides distintas.

• Por exemplo, as regiões Nortee Nordeste possuem pirâmides mais jovens do que as regiões Sul e Sudeste.

• Assim, não podemos utilizaros mesmos parâmetros para modelar São Paulo e Alagoas, por exemplo.

Pirâmides Etárias das Regiões do Brasil

*Centro-Oeste sem Distrito Federal

• Uma variável extremamente importante é o número de leitosde UTI disponível em cada estado, região, etc.

• O grande objetivo do isolamento é fazer com que os leitosde UTI sejam capazes de atender a demanda por leitossem serem sobrecarregados.

Leitos de UTI

Leitos de UTI nas diferentes regiões• Observe que no geral o número

médio de leitos de UTI por regiãoé muito alto.

• Temos uma concentraçãogrande de leitos de UTIno Distrito Federal.

• A região norte tem o menor númerode leitos por 100 mil habitantes,a saber, 20.2, mas ainda assimé muito superior ao número médiode leitos da Itália que é de 12,5.

Fonte: CNES – DATASUS *Centro-Oeste sem Distrito Federal.

Dados Utilizados no Modelo• Dados Oficiais do COVID-19 no Brasil: https://covid.saude.gov.br/

• Pirâmide Etária dos Estados do Brasil. Fonte: IBGE

• Dados sobre leitos de UTI dos Estados do Brasil. Fonte: CNES - DATASUS

Etapas do Modelo• Definir a estrutura do número de mortes por COVID-19 em termos

de pessoas infectadas que necessitam ir à UTI.

• Definir a estrutura do número de pessoas infectadas que precisam

ir à UTI.

• Modelar a estrutura de filas de leitos da UTI.

• O modelo é construído em termos do númerode mortos divulgado diariamente pelo ministério da saúde.

• Seja Mt,R o número de mortos no t-ésimo dia na região R.

• Assumimos queMt,R ~ Binomial Negativa (mt,R, mt,R+ )

Etapas do Modelo

𝑚!,#$

𝛹

• Vamos modelar o número de mortos através da modelagemno número de pessoas que terão necessidade de ir para a UTIpor conta do COVID-19.

• Seja Nt,R o número de pessoas que necessitarão usara UTI no dia t na região R.

Etapas do Modelo

• Temos que Nt,R = ,

• onde: Indica o número de pessoas infectadasno tempo (que será modelado adiante)

Indica a probabilidade de uma pessoa infectadana região R necessitar ir à UTI

Indica a probabilidade da pessoa da região R serinfectada no dia e necessitar ir à UTI no dia t,supondo que ela necessitará ir à UTI.

Etapas do Modelo#%&'

!('

𝜁# 𝑐%,#𝜉!(%,#

𝑐%,#

𝜁#

𝜉!(%,#

𝜏

• Para calibrarmos a probabilidade de uma pessoainfectada necessitar ir à UTI, utilizamos a referênciaWang et al. (2020) e Verity et al. (2020).

• Apresentamos à direita a tabela com o IFR(do inglês infection-fatality-ratio), isto é a probabilidadede um indivíduo infectado morrer em uma determinadafaixa etária.

• É importante observar como essa taxa aumentavertiginosamente à medida que a faixa etária vaiaumentando, mostrando a extrema relevânciada pirâmide etária.

• Calibramos o risco de ir para a UTI, com base nosdados de Wang et al. (2020) de tal forma quea probabilidade de fatalidade resultante ficasse próximada tabela à direita, obtida por Verity et al. (2020).

Etapas do Modelo

• A variável é dada pela probabilidade de uma pessoa quefoi infectada na região R no dia necessite ir à UTI no dia tseja dada pela discretização da distribuição da soma de duasvariáveis aleatórias independentes:

– Tinc : Tempo de incubação do vírus;– TUTI : Tempo entre apresentar sintomas e precisar ir à UTI,supondo que o indivíduo terá que ir para a UTI.

Etapas do Modelo𝜉!(%,#

𝜏

• Distribuição do tempo de incubação (tempo de infecção atéa apresentação dos sintomas)

• As probabilidades referem-se apenasa casos sintomáticos.

Etapas do Modelo

Fonte: Lauer et al (2020)

Etapas do Modelo• Faremos a dinâmica para de forma análoga à realizada

no Report 13 do Imperial College:

• onde– Rt,R é o número de reprodução, isto é, o número médio de pessoasque cada pessoa infectada da região R no dia t infecta.– é dado pelo intervalo serial, isto é, é a probabilidadede uma pessoa que foi infectada no dia passar a infectar outras pessoas a partir do dia t.

𝑐%,#

𝑐!,# = 𝑅!,##%&'

!('

𝑐%,# 𝑔!(%

𝑔!(%

𝜏

• Probabilidade do tempo mínimoentre ficar infectado e passara infectar outras pessoas.

• Casos assintomáticos foramlevados em consideração,mas não se sabe quantificarexatamente sua contribuição.

Etapas do Modelo

Fonte: Zhang et al. (2020)

Etapas do Modelo• O número de reprodução Rt,R .

• Para estimar Rt,R utilizaremos, inicialmente, o número de casos reportados e o número de mortos reportados.

– Esta forma de estimar o Rt,R forneceu boas previsões em paísesonde a epidemia encontra-se em estágio mais avançado.

Etapas do Modelo• Nos primeiros dias (até a primeira ocorrência de Caso confirmado)

utilizaremos um Rt,R dado por uma constante a ser calibradapelo modelo

• Rt,R = R0, t = 1,…, t*,

• onde R0 tem distribuição (truncada no zero) a priori dada por Normal(2.4, |K|), K ~ Normal(0,1), e t* é o primeiro dia onde o númerode casos reportados é maior do que 1.

Etapas do Modelo• Nos demais dias utilizamos um algoritmo Bayesiano adaptativo,

que supõe que as transmissões evoluem como um processode Poisson, para estimar .

• Os detalhes deste método encontram-se no Apêndice 1 de Cori et al. (2013).

• é estimado em janelas fixadas de tempo e representa uma estimativa do número de reprodução nessa janela.• Tomamos estimados em janelas de 2 semanas, para captar tanto a tendência de longo prazo como as mudanças de curto prazo. O horizonte de uma semana introduziu muito ruído devido à má qualidade dos dados disponíveis pelo Brasil.

𝑅!,#

𝑅!,#

𝑅!,#

Etapas do Modelo• Finalmente, definimos• ,

– onde– .

• O parâmetro faz com que o modelo se adapte naturalmentea efeitos que reduzam ou potencializem a morte, tais comoa vacinação em massa de BCG por parte dos idosos, ou o clima local.

𝛽 ∼ 𝐺𝑎𝑚𝑎 1,1

𝛽

𝑅!,# = 𝛽 ⋅ 𝑅!,#

Etapas do Modelo• Com o número de pessoas que necessitam de UTI em mãos,

passamos para a modelagem do número de mortos.

• Sejam TLR o total de leitos de UTI da região R e LDt,R o total de leitosde UTI disponíveis no dia t na região R.

• Supomos taxa de ocupação para as demais doenças constante.Assim, falaremos de leitos totais para uso de pacientescom COVID-19 e de leitos disponíveis para uso de pacientecom COVID-19.

Etapas do Modelo• Enquanto Nt,R = 0, faça LDt,R = TLR.• Quando Nt,R > 0, ocupe os leitos disponíveis até exaurir Nt,R,

ou até ocupar todos os leitos.• Para cada indivíduo que necessite usar a UTI, utilizaremos

uma variável aleatória D ~ Beta(2,5) para determinar a probabilidade do indivíduo que foi necessitou a utilização da UTI vir a falecer.

Etapas do Modelo• Consideremos Ut,R o número de leitos ocupados de UTI

no dia t após a alocação dos leitos pelas pessoas com necessidadede utilização para o COVID-19.

– morrerão na UTI e sobreviverão.𝐷 ⋅ 𝑈𝑡,𝑅 1 − 𝐷 ⋅ 𝑈𝑡,𝑅

Etapas do Modelo• Para cada indivíduo na UTI que venha a falecer, ele irá ocupar

um leito da UTI por um período Tmorte ~ Gama (3.15,0.28) (Wang et al. (2020))

• Assim, inicialize mt,R, o número médio de mortos no dia tna região R, com todos zeros.

• Adicione ao número médio de mortos no dia t + Tmorte.𝐷 ⋅ 𝑈𝑡,𝑅

• Distribuição do tempode admissão na UTI até a morte.

• As probabilidades referem-seapenas a pacientes que morreram.

Etapas do Modelo

Fonte: Zhang et al. (2020)

Etapas do Modelo• Para cada indivíduo na UTI que venha a sobreviver

(que eventualmente terá alta), ele irá ocupar um leito da UTIpor um período

• Talta ~ Gama(16.33,1.16), estimado com base em Wang et al.(2020)

• Desta forma, leitos ficarão ocupados por um período de Taltadias.

1 − D ⋅ U$,%

Etapas do Modelo• Se Nt,R > LDt,R, teremos Nt,R – LDt,R indivíduos que necessitam

UTI, mas sem vagas.

• Se o indivíduo necessitar de acesso à UTI e não tiver,ele morrerá após Tmorte sem UTI dias, onde

• Tmorte sem UTI ~ LogNormal(ln(2), 0.3)

• Assim, deve-se aumentar Nt,R – LDt,R unidades no númeromédio de mortes no dia t + Tmorte sem UTI.

Etapas do Modelo• Esta última etapa conclui a construção do modelo.

• O modelo é, então, estimado por um algoritmo HMC(Hamiltonian Monte Carlo).

• Tomamos como cenário base do nosso modelo a mediana dos dados amostrados.

Etapas do Modelo

Indivíduo infectado Necessita UTI? Não Vive!Entra na conta dos

imunizados

Sim

Tem vaga?

Com probabilidade 1 - DVive

Com probabilidade D ÓbitoSim

Não Óbito

Óbito ocorre comProbabilidade 1.Entra na contade mt,R após

Tmorte sem UTI dias.

Óbito ocorre comProbabilidade 1.Entra na contade mt,R apósTmorte dias.

Entra na conta dosimunizados

• Cori, Ferguson, Fraser, Cauchemez. (2013) A new framework and software to estimate time-varying reproduction numbers during epidemics. American Journal of Epidemiology.https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3816335/

• Lauer et al. (2020) The Incubation Period of Coronavirus Disease 2019 (COVID-19) From Publicly Reported Confirmed Cases: Estimation and Application. Ann. Intern. Med. https://doi.org/10.7326/M20-0504

• Wang et al. (2020) Clinical Course and Outcomes of 344 Intensive Care Patients with COVID-19.American Journal of Respiratory and Critical Care Medicine. https://doi.org/10.1164/rccm.202003-0736LE

• Grasselli et al. (2020) Baseline Characteristics and Outcomes of 1591 Patients Infected With SARS-CoV-2 Admitted to ICUs of the Lombardy Region, Italy. https://doi.org/10.1001/jama.2020.5394

• Verity et al. (2020) Estimates of the severity of coronavirus disease 2019: a model-based analysis.The Lancet. https://doi.org/10.1016/S1473-3099(20)30243-7

Referências

https://doi.org/10.7326/M20-0504

https://doi.org/10.1164/rccm.202003-0736LE

https://doi.org/10.1001/jama.2020.5394

https://doi.org/10.1016/S1473-3099(20)30243-7

Obrigado

modelo covid brasil -v2 - investnews · 2020-04-28 · modelo estima que o pico ocorrerá entre os...

Documents