Modelos estocásticos de propagação de doenças
ganhos e perdas na compreensão da dinâmica
Palabras clave:
Modelagem matemática, modelos epidemiológicos, equações diferenciais estocásticas, dinâmica de doençasResumen
A história da humanidade tem sido marcada por diversas epidemias e pandemias. Com o surgimento de micro-organismos patogênicos, como bactérias, vírus e suas mutações, a população global teve que se adaptar e se organizar a fim de mitigar os impactos sociais, econômicos, de saúde e políticos causados por esses agentes infecciosos. Uma forma de auxiliar na prevenção e no controle dessas doenças é por meio da modelagem matemática. Segundo Bassanezi (2004), a modelagem matemática é um processo dinâmico utilizado para obtenção e validação de modelos matemáticos. É uma forma de obtenção e generalização com a finalidade de previsão de tendências. A modelagem, segundo o autor, consiste, essencialmente, na arte de transformar situações da realidade em problemas matemáticos cujas soluções devem ser interpretadas na linguagem usual. Segel e Eldestein-Keshet (2013) afirmam que um modelo epidemiológico pode ser considerado como uma caricatura de um sistema do mundo real, ou seja, uma representação simplificada da realidade. A modelagem matemática pode ser aplicada a qualquer sistema, seja biológico ou não. Dentre os diversos modelos matemáticos que buscam descrever fenômenos físicos, um grupo de grande destaque são os modelos epidemiológicos; os quais visam descrever a dinâmica da propagação de doenças. Por meio desses modelos, torna-se possível obter informações importantes sobre a dinâmica de uma patologia infecciosa como, por exemplo, a eficácia de estratégias de controle propostas graças a políticas públicas governamentais.
Descargas
Citas
R.C. Bassanezi. Ensino-aprendizagem com modelagem matemática. São Paulo: Contexto, 2004.
W.O. Kermack e A.G. McKendrick. “A contribution to the mathematical theory of epidemics”. Em: Proceedings of the Royal Society A 115 (1927), pp. 700–721. URL: https://royalsocietypublishing.org/doi/epdf/10.1098/rspa.1927.0118.
N. Lepan. Visualizing the History of Pandemics. https://www.visualcapitalist.com/history-of-pandemics-deadliest/. Acesso em 17 de mar. de 2023.
A. V. Macedo, E. Morais e G. E. Nepomuceno. “Modelos Compartimentais Investigados por Processos Estocásticos”. Em: Proceeding Series of the Brazilian Society of Applied and Computational Mathematics 1.1 (2013).
B. Manly. Randomization, bootstrap and Monte Carlo methods in biology. New York: Chapman e Hall/CRC, 2018.
L. Segel e L. Edelstein-Keshet. A Primer on Mathematical Models in Biology. Philadelphia: SIAM, 2013.