Modelo espaço-temporal bayesiano da difusão do SARS-CoV2 nos municípios brasileiros

• Autor(a) principal: Colli, Guarino Rinaldi
• Data de Publicação: 2020
• Outros Autores: Abreu, Tarcísio Lyra dos Santos, Antunes, Jéssica Fenker, Arantes, Ísis da Costa, Bosque, Renan Janke, Caetano, Gabriel Henrique de Oliveira, Campelo, Pedro Henrique, Cavalcanti, Vitor Hugo Gomes Lacerda
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UnB
• Texto Completo: https://repositorio.unb.br/handle/10482/42080
• topic: Covid-19; Aprendizado do computador; Epidemiológica; Simulação (Computadores); Variáveis (Matemática)

A COVID-19 provocou uma grave crise de proporções mundiais, sem precedentes nesse século (WHO, 2020). Alguns governos, o setor produtivo e a sociedade em geral buscam informações e soluções de curto prazo para enfrentar e mitigar os impactos causados pela pandemia (ANDERSON et al., 2020). Para o efetivo sucesso das ações de combate e mitigação, é necessário o entendimento da difusão da doença, tanto na escala temporal como espacial (SHINDE et al., 2020). Entretanto, existem três importantes lacunas para o rápido desenvolvimento de modelos acurados da difusão da Covid-19 no Brasil: (1) o acesso às bases de dados relevantes, (2) a identificação dos principais fatores de risco e (3) o uso de abordagens espaço-temporais para todos os municípios. Apesar da rápida multiplicação de modelos preditivos do crescimento do número de infectados, são incipientes as abordagens espaço-temporais para prever, no curto prazo, as regiões de maior risco. Propomos a modelagem da variação espaço-temporal de casos e óbitos de Covid-19 nos municípios brasileiros, utilizando inferência bayesiana.