![](data:image/svg+xml;charset=utf-8,<svg height="225" width="300" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
Um modelo de transmissão SARS-CoV-2 sugere que um pequeno número de tipos de locais, como restaurantes, hotéis e locais religiosos, são responsáveis pela maioria das infecções. O modelo também ajuda a explicar por que as infecções afetam desproporcionalmente as pessoas que vivem em áreas carentes.
Quase um ano desde o início da pandemia COVID-19 em Wuhan, China, permanece uma incerteza considerável sobre as formas mais seguras de restaurar a vida econômica e social a algo semelhante à normalidade.
De acordo com os criadores do novo modelo na Stanford University, CA e na Northwestern University em Chicago, IL, o modelo fornece uma ferramenta para identificar locais de alto risco e testar caminhos alternativos fora do bloqueio.
Cientistas da computação e pesquisadores médicos colaboraram no modelo, que usou dados de localização anônimos de redes de telefonia celular para revelar os movimentos de 98 milhões de pessoas nos Estados Unidos entre 1º de março e 2 de maio de 2020.
A equipe modelou o número de infecções que ocorrem hora a hora em cerca de 553.000 locais, que agruparam em 20 categorias de acordo com o uso. Eles também consideraram o espaço físico de cada local.
Suas simulações previram com precisão infecções diárias confirmadas em 10 das maiores áreas metropolitanas, incluindo Chicago, Nova York e São Francisco.
O modelo sugere que a reabertura de academias, restaurantes com serviço completo, cafés, hotéis e locais religiosos leva ao maior aumento de infecções, devido à alta densidade de pessoas e seus longos períodos de permanência.
Um número relativamente pequeno desses locais “superespalhados” é responsável pela maioria das novas infecções, de acordo com o modelo.
Por exemplo, o modelo descobriu que 10% de todos os locais na área metropolitana de Chicago foram responsáveis por 85% de todas as infecções.
Limitando o Número de Visitantes
Por outro lado, o modelo indica que limitar o número de pessoas permitidas nos locais a qualquer momento é mais eficaz e menos perturbador do que reduzir uniformemente a liberdade de movimento de todos.
Por exemplo, o modelo prevê que limitar a ocupação de um local a 20% de sua capacidade máxima reduz as novas infecções em mais de 80%.
Como as pessoas tendem a responder distribuindo suas visitas de maneira mais esparsa ao longo do dia, a medida reduz o número total de visitas em relativamente modestos 42%.
“A ação pode alcançar uma redução desproporcionalmente grande nas infecções com uma pequena redução nas permanências neste locais frequentados ,” os pesquisadores escrevem em seu artigo que descreve o modelo, que aparece na revista Nature . “ Intervenções precisas como essas podem ser mais eficazes do que medidas menos direcionadas, enquanto incorrem em custos econômicos substancialmente mais baixos.”
“Nosso trabalho destaca que não precisa ser tudo ou nada”, disse o autor sênior Jure Leskovec, da Universidade de Stanford, em uma coletiva de imprensa realizada para anunciar as descobertas.
Ele acrescentou:
“Podemos escolher diferentes níveis para diferentes tipos de lugares, e nosso modelo fornece uma ferramenta para os formuladores de políticas navegar basicamente por essas trocas e tomar as decisões certas para elas”.
Grupos Desfavorecidos
O modelo prevê com precisão taxas de infecção mais altas em grupos racial e socioeconomicamente desfavorecidos.
Descobriu-se que os indivíduos dentro desses grupos reduzem seus níveis de mobilidade em menor grau durante os bloqueios, talvez como resultado do trabalho em serviços essenciais.
O modelo também mostrou que as altas taxas de infecção em áreas desfavorecidas foram causadas por algumas categorias de locais, como restaurantes de serviço completo.
Em comparação com áreas mais ricas, os locais tendiam a ser menores, levando a maiores densidades de clientes. Além disso, as pessoas que frequentam para esses locais tendem a ficar mais tempo.
Por exemplo, supermercados em áreas de baixa renda tinham 59% mais pessoas por metro quadrado do que em áreas de alta renda, e seus clientes ficavam 17% mais tempo, em média.
Como resultado, disse Leskovec, o modelo descobriu que o risco de infecção para um indivíduo de baixa renda que frequenta uma mercearia era quase duas vezes maior em comparação com um indivíduo de alta renda.
Dados de Telefone Celular
Os pesquisadores se basearam em dados de uma empresa chamada SafeGraph , que agrega dados anônimos de telefones celulares.
Eles usaram esses dados para mapear os movimentos de hora em hora de 98 milhões de pessoas de 57.000 bairros – que eles chamam de “grupos de quarteirões”, ou CBGs – para 553.000 locais separados – que eles chamam de “pontos de interesse” ou POIs.
Seu modelo de infecção padrão, conhecido como modelo SEIR, prevê como as pessoas são transferidas entre quatro categorias – suscetíveis à infecção, expostas à infecção, infecciosas e removidas (recuperadas, auto-isoladas ou mortas) – em cada bairro e local.
É importante ressaltar que os dados do SafeGraph revelam não apenas a localização dos usuários de telefones celulares, mas também o espaço dos locais que eles frequentam e sua finalidade, como um local de culto ou mercearia.
Os pesquisadores “ajustaram” seu modelo usando as taxas locais de infecção e mortalidade que o The New York Times publica online.
Finalmente, eles confirmaram que o modelo poderia ser usado para prever futuras taxas de infecção e mortalidade.