Resumo em Português:
RESUMO: Objetivo: Estimar o número potencial de mortes por COVID-19 no Brasil nos próximos meses. Métodos: O estudo incluiu todos os casos confirmados de óbitos do COVID-19, desde o primeiro óbito confirmado em 17 de março até 15 de maio de 2020. Esses dados foram coletados no site oficial do Ministério da Saúde. A função Boltzmann foi aplicada a uma simulação de dados para cada conjunto de dados referente a todos os estados do país. Resultados: Os dados do modelo foram bem ajustados, com valores de R2 próximos a 0,999. Até 15 de maio, 14.817 mortes de COVID-19 foram confirmadas no país. O Amazonas possui a maior taxa de casos acumulados por 1.000.000 habitantes (321,14), seguido pelo Ceará (161,63). Estimou-se que os estados do Rio de Janeiro, Roraima, Amazonas, Pará e Pernambuco sofrerão um aumento substancial na taxa de casos acumulados até 15 de julho. Mato Grosso do Sul, Paraná, Minas Gerais, Rio Grande do Sul e Santa Catarina apresentarão taxas potenciais mais baixas por 1.000.000 habitantes. Conclusão: Foi estimado um aumento substancial na taxa de casos cumulativos no Brasil nos próximos meses. A função Boltzmann provou ser uma ferramenta simples para previsão epidemiológica que pode auxiliar no planejamento de medidas para conter o COVID-19.Resumo em Inglês:
ABSTRACT: Objective: Estimating the potential number of COVID-19 deaths in Brazil for the coming months. Methods: The study included all confirmed cases of COVID-19 deaths, from the first confirmed death on March 17th to May 15th, 2020. These data were collected from an official Brazilian website of the Ministry of Health. The Boltzmann function was applied to a data simulation for each set of data regarding all states of the country. Results: The model data were well-fitted, with R2 values close to 0.999. Up to May 15th, 14,817 COVID-19 deaths have been confirmed in the country. Amazonas has the highest rate of accumulated cases per 1,000,000 inhabitants (321.14), followed by Ceará (161.63). Rio de Janeiro, Roraima, Amazonas, Pará, and Pernambuco are estimated to experience a substantial increase in the rate of cumulative cases until July 15th. Mato Grosso do Sul, Paraná, Minas Gerais, Rio Grande do Sul, and Santa Catarina will show lower rates per 1,000,000 inhabitants. Conclusion: We estimate a substantial increase in the rate of cumulative cases in Brazil over the next months. The Boltzmann function proved to be a simple tool for epidemiological forecasting that can assist in the planning of measures to contain COVID-19.Resumo em Português:
RESUMO: Introdução: Demonstrar os resultados das estratégias de distanciamento social (EDS) tornou-se um fator relevante para obter apoio da população do estado de São Paulo e do Brasil. A demora no processamento dos testes do tipo RCP e o pequeno número de testes disponíveis limita a capacidade das autoridades sanitárias de disponibilizar dados significativos sobre o número de casos ou o número de óbitos por causa da Covid-19. Metodologia: Usamos uma série temporal de óbitos pela Covid-19 referenciada à data dos óbitos (diferentemente da data em que os resultados dos exames foram obtidos). Resultados: Demonstramos que é visível que as EDS adotadas no município e no estado de São Paulo trouxeram resultados significativos que atrasam o crescimento dos casos de Covid-19. Também mostramos que utilizando esse tipo de série temporal é possível identificar diferentes tendências para as regiões, permitindo abordagens direcionadas. Além disso, utilizando-se uma série temporal orientada ao óbito, é possível identificar, para o município de São Paulo, os efeitos das EDS com o Índice de Isolamento Social (IIS) adotado no estado e fazer uma estimativa bruta para o IIS, que quebra o crescimento da doença. Conclusão: O uso de uma série temporal dos óbitos devidos à Covid-19, referenciada diretamente à data do óbito, permite compreender os efeitos do distanciamento social na evolução da epidemia de COVID-19 no estado de São Paulo, Brasil.Resumo em Inglês:
ABSTRACT: Introduction: Demonstrating the results of Social Distancing Strategies (SDS) became a relevant factor to obtain support by the population in São Paulo State and in Brazil. The delay in the processing of PCR tests and the small number of tests available limits the ability of sanitary authorities to make meaningful data available as to the number of cases or the number of deaths due to COVID-19. Methodology: We use a time series analysis of deaths due to COVID-19 referenced to the date of deaths (as opposed to the date in which the test results were obtained). Results: We demonstrate that the SDS adopted in São Paulo City and State clearly brought meaningful results to delay the growth of COVID-19 cases. We also show that by using this type of time series it is possible to identify different trends for regions, allowing for targeted approaches. Additionally, by using a time series which is death-oriented makes it possible to identify, for São Paulo City, the effects of the SDS with the Social Isolation Index (SII) adopted in the state and to make a gross estimate for the SII, which prevents the growth of the disease. Conclusion: The use of a time series of deaths due to COVID-19 referenced to the date of the event allows a better understanding of the effects of the SDS on the progression of the COVID-19 epidemic in São Paulo State, Brazil.