.
Uma equipe de pesquisadores da Universidade de Waterloo e da Universidade de Dalhousie desenvolveu um método para prever a progressão de uma epidemia no curto prazo, usando quantidades extremamente limitadas de dados.
Seu modelo, o modelo de previsão baseado em incorporação de esparsidade e atraso, ou SPADE4, usa aprendizado de máquina para prever a progressão de uma epidemia usando apenas dados limitados de infecção. O SPADE4 foi testado em epidemias simuladas e em dados reais da quinta onda da pandemia de Covid-19 no Canadá e previu com sucesso a progressão da epidemia com 95 por cento de confiança.
“A Covid nos ensinou que realmente precisamos criar métodos que possam prever com o mínimo de informação”, disse Esha Saha, doutoranda em matemática aplicada e principal autora do estudo. “Se surgir um novo vírus e os testes apenas começarem, temos que saber o que fazer a curto prazo”.
Quando ocorre um surto de doença – seja para novas infecções como a Covid-19 ou já existentes como o Ébola – ser capaz de prever o desenvolvimento da doença é essencial para a tomada de decisões de políticas públicas.
“É disso que os decisores políticos precisam desde o início”, disse Saha. “O que devemos fazer nos próximos sete dias? Como devo alocar recursos?”
Tradicionalmente, os epidemiologistas preferem construir e utilizar modelos complexos para compreender a progressão das epidemias. Estes modelos, no entanto, têm várias desvantagens, disse Saha.
Requerem informações demográficas complexas que frequentemente não estão disponíveis no início de um surto. Mesmo que essa informação detalhada esteja disponível, os modelos podem não refletir com precisão a complexidade da população ou a dinâmica da doença.
O novo modelo da equipe de pesquisa de Waterloo aborda essas desvantagens.
“No momento em que trabalhamos em vacinas e curas, estamos analisando dados de longo prazo”, disse Saha. “Mas quando surge uma nova doença, este método pode ajudar-nos a saber como nos comportar.”
.
