Dinâmica de epidemias : efeitos do atraso e das interações entre agentes

• Autor(a) principal: Gomes, Marcelo Ferreira da Costa
• Data de Publicação: 2011
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/31001
• topic: Epidemiologia; Doenças transmissíveis; Equações diferenciais; Estabilidade linear

O estudo de propagação de epidemias tem gerado uma série de trabalhos propondo distintos modelos que buscam representar possíveis cenários para que se possa ter um maior controle sobre a propagação. O grande objetivo destes estudos _e a capacidade de não somente reproduzir a evolução de epidemias passadas mas poder prever e, na medida do possível, evitar o surgimento de novos surtos epidêmicos ou erradicar um estado endêmico. Boa parte destes trabalhos utilizam como base o modelo Suscetível-Infectante-Removido, ou modelo SIR, de Kermack e McKendrick. No entanto, abordagens semelhantes porém via modelos matemáticos e simulações computacionais têm apresentado distintos comportamentos devido ao fato de que o primeiro assume uma taxa de remoção constante, o que representa uma distribuição exponencial do período de infecção na população, enquanto as simulações em geral utilizam um período de infecção fixo e idêntico para todos os indivíduos da população. Em função disto, utilizamos um modelo matemático que vem a ser uma generalização do modelo SIR utilizando equações com atraso, de forma que podemos inserir explicitamente o tipo de distribuição nas equações. Desta forma, vimos que o modelo matemático consegue reproduzir tanto o comportamento temporal médio das simulações para diversas distribuições como também reproduz o resultado do modelo SIR original quando é utilizada uma distribuição exponencial. Fizemos estas comparações tanto para os modelos sem dinâmica vital como para os modelos em que tal dinâmica está presente e vimos que o modelo com atraso sempre consegue reproduzir o comportamento médio das simulações para as distribuições testadas. Além disto, vimos que a evolução temporal da epidemia depende fortemente da distribuição do período de infecção, e que no caso em que a dinâmica vital está presente esta dependência também aparece no limiar epidêmico e no estado endêmico. Como este modelo permite inserir a distribuição populacional do período de infecção, o aplicamos para estudar políticas de tratamento em que o efeito deste leva à redução do período de infecção e vimos que é possível determinar a fração mínima da população que deve receber tratamento para que uma situação de epidemia iminente seja contida. Embora o modelo SIR seja muito útil para modelar uma grande variedade de doenças, ele se aplica somente aquelas em que os indivíduos infectados adquirem imunidade permanente ou morrem com a enfermidade. No entanto, existe uma classe de doenças na qual esta imunidade adquirida é apenas temporária, onde os indivíduos voltam a ser suscetíveis após transcorrido um certo período de tempo. Tais doenças possuem uma evolução t__- pica representada pelo modelo Suscetível-Infectante-Recuperado-Suscetível, ou modelo SIRS. Estas doenças normalmente apresentam um quadro endêmico com surtos epidêmicos cíclicos. A existência de tais oscilações em epidemias é, há muito tempo, um desafio para a formulação de modelos epidemiológicos. Se elas são resultado de agentes externos e sazonais, ou se surgem da dinâmica intrínseca da doença é uma questão em aberto. É sabido que termos de atraso temporal fixos desestabilizam o estado estacionário do modelo SIRS padrão, dando origem a oscilações sustentadas para certos valores dos parâmetros epidemiológicos. Neste trabalho, partindo do modelo SIRS padrão, estudamos uma generalização dos termos relativos ao tempo em que os agentes permanecem infectantes ou imunes. Apresentamos diagramas de oscilação (para as amplitudes e períodos de oscilação) em termos dos parâmetros do modelo, que mostram como a forma das distribuições destes tempos característicos (de infectividade e imunidade) influencia as oscilações. A formulação é feita em termos de equações diferenciais com atraso analisadas através de integração numérica e linearização. Também apresentamos uma simulação deste modelo ressaltando onde ela reforça os resultados do modelo determinístico e, onde isto não ocorre, o porque das divergências. Além destes modelos de campo médio, construímos um modelo de agentes para estudarmos a influência da mobilidade dos agentes na propagação de uma doença com dinâmica Suscetível-Infectante-Suscetível (SIS). Neste modelo, ao definirmos a taxa reprodutiva básica da doença com base nos parâmetros relevantes, vimos que a dependência do estado endêmico segue a mesma regra dos modelos de campo médio, porém o limiar epidêmico _e o mesmo que se obtém para a aplicação do modelo SIS em uma rede bidimensional. Outro resultado importante desta abordagem é o fato de que, dependendo da densidade de agentes, é possível obter estados endêmicos oscilatórios, que é o que em geral se vê na realidade mas que não _e reproduzido nos modelos de campo médio, apenas em modelos em que os contatos entre os agentes é definido através de uma rede.