Grupo desenvolve ferramentas para dar suporte a políticas públicas de combate à pandemia

Pesquisadores de quatro universidades se unem para criar modelos capazes de determinar a taxa de isolamento ideal para cada município, orientar estratégias de mobilidade e indicar caminhos para mitigar o impacto econômico

Agência FAPESP* – A implantação das práticas de quarentena e distanciamento social, que se mostraram promissoras para conter a COVID-19 em países europeus e asiáticos, é dificultada no Brasil pela extensão territorial e pela grande desigualdade social e econômica do país. Na prática, essa dificuldade se apresenta quando a população “fura” o isolamento social, abrindo brecha para novas ondas epidêmicas e impactos econômicos.

Para tentar equacionar o problema, cientistas de quatro universidades públicas se uniram no desenvolvimento de modelos de otimização, controle e redes neurais, em conjunto com modelos epidemiológicos e econômicos.

"Nosso objetivo é encontrar a taxa ótima de isolamento, adequada a cada cidade, de forma a frear o avanço da pandemia e diminuir os efeitos adversos na economia", explica o coordenador do projeto, Emílio Carlos Nelli Silva, professor do Departamento de Engenharia Mecatrônica e de Sistemas Mecânicos da Escola Politécnica da Universidade de São Paulo (Poli-USP) e integrante do Centro de Pesquisa para Inovação em Gás (RCGI), um Centro de Pesquisa em Engenharia (CPE) constituído pela FAPESP e pela Shell na Poli-USP.

"O projeto tem como estudo de caso os municípios do Estado de São Paulo, mas a expectativa é que os resultados da pesquisa possam ser replicados em qualquer parte do país", acrescenta à Acadêmica Agência de Comunicação.

Tamanho desafio exige a atuação de pesquisadores com diferentes expertises. Da Poli-USP e do RCGI, atuam os professores Celma de Oliveira Ribeiro (modelos econômicos e redes neurais), Cláudio Oller do Nascimento (propagação), Nelli Silva (otimização regional de contingência), Julio Meneghini (simulação), Oswaldo Luiz do Valle Costa (controle ótimo) e a pesquisadora Sara Malvar (aprendizado computacional). Da Universidade Estadual do Rio de Janeiro (UERJ), Americo Barbosa da Cunha Junior (dinâmicas de pandemias); da Universidade Federal do Rio de Janeiro (UFRJ), Roberto Ivo de Lima Filho (modelos econômicos); e da Universidade Federal de São Paulo (Unifesp), André Marcorin de Oliveira (controle).

Isolamento ótimo

Um dos pontos cruciais da pesquisa é entender como a pandemia afeta a força do trabalho e vice-versa. Para isso, serão usados modelos que desenham a evolução da pandemia, como o SIR, por exemplo, em conjunto com modelos econômicos, usando dados de diversas fontes abertas, como o Instituto Brasileiro de Geografia e Estatística (IBGE) e ministérios.

"Nosso foco é obter um modelo de decisão escalável, que possa ser aplicado geograficamente em nível micro e macro, simulando cenários que indiquem a taxa ótima de isolamento", explica Ribeiro, vice-coordenadora do projeto.

Fator mobilidade

Associado a esse modelo, será criado outro para prever como a pandemia se espalha dentro de uma cidade ou entre os municípios. "Para desenhar a forma de propagação do novo coronavírus, iremos recorrer a um modelo com um conjunto de reatores químicos para prever o fluxo de pessoas contaminadas. No caso, aplicaríamos dados de mobilidade e do número de casos da doença", resume Oller do Nascimento.

Usando o metrô como exemplo, seria possível estimar a média de infectados na origem do trajeto e como e em que amplitude a doença se espalha na área de destino. "O mesmo pode ser aplicado nos municípios, usando vários dados, entre eles o de tráfego nas rodovias", exemplifica.

Características comuns

Outra vertente do projeto se dedica a reunir características que seriam comuns nos municípios afetados pela pandemia. "Estamos levantando dados sociais, econômicos e demográficos de todos os municípios paulistas, de forma que seja feita uma correção entre essas características com o número de casos da doença e de mortos", explica Malvar, especialista em aprendizado de máquina.

"Usando um algoritmo chamado de gradient boosting [método de aprendizagem de máquina] é possível saber quais as variáveis – taxa de natalidade, de emprego, número de leitos hospitalares, consumo de energia, saneamento básico, frota de veículo, PIB, renda per capita etc. – são mais relevantes para prever novos casos da doença e de óbitos", afirma Malvar.

"Uma vez identificadas essas variáveis, é possível fazer um mapa de calor. Da cor azul, que representaria menos casos, ao vermelho, indicando mais casos. Assim, seria possível segmentar os municípios em clusters, indicando regras de isolamento iguais para um grupo de cidades com características semelhantes", acrescenta.

União dos modelos

Uma vez terminado o projeto, os pesquisadores querem ter respostas para problemas complexos desta pandemia. No curto e médio prazo, quais seriam as estratégias mais promissoras para reduzir o impacto da COVID-19 na saúde e na economia? Uma vez construída a estratégia de isolamento ideal, quais seriam seus efeitos na economia? Quais investimentos devem ser feitos e em que volume? De que forma esses investimentos podem assegurar o crescimento econômico diante de novas ondas da doença?

"E como a evolução da pandemia interfere na força de trabalho e, consequentemente, no crescimento da produção do país?", acrescenta Nelli Silva. "Essas respostas são de suma importância para se equacionar a crise gerada pela pandemia. São respostas necessárias para que os gestores públicos possam ter subsídios na elaboração de políticas públicas efetivas", finaliza.

* Com informação da Acadêmica Agência de Comunicação.