.
Os pesquisadores caracterizaram os efeitos sazonais no comportamento social humano para fornecer novos insights sobre o risco de transmissão de doenças respiratórias.
Sua análise em larga escala, publicada hoje na eLifefornece uma estrutura de comportamento sazonal nos EUA que pode ser usada na construção de modelos de transmissão de doenças mais baseados em evidências.
O impacto da época do ano na transmissão de doenças é um fenômeno familiar e amplamente difundido, mas os processos que causam essa sazonalidade nas taxas de transmissão ainda são pouco claros.
“Os modelos de transmissão de doenças infecciosas tradicionalmente usam abordagens baseadas em dados ambientais. No entanto, a sazonalidade da gripe, COVID-19 e outros patógenos respiratórios depende do comportamento social das pessoas, bem como do ambiente”, explica o primeiro autor Zachary Susswein, que foi um Pesquisador associado no laboratório da autora sênior Shweta Bansal, Universidade de Georgetown, Washington, DC, EUA, na época em que o estudo foi realizado, e agora é Analista de dados na Fundação Rockefeller, Washington, DC. “Uma lacuna importante na compreensão do papel que o comportamento social desempenha na sazonalidade das doenças respiratórias é nosso conhecimento incompleto de como a época do ano afeta a mistura interna entre as pessoas”.
Para resolver essa lacuna, a equipe usou novos dados sobre a mobilidade humana para caracterizar a atividade em ambientes internos versus externos nos EUA. Os dados foram retirados do conjunto de dados SafeGraph Weekly Patterns, que fornece informações sobre o tráfego de pedestres em locais públicos, ou ‘pontos de interesse’ (POIs), nos EUA com base no uso de aplicativos móveis com GPS. Os dados variam de 2018 a 2020 e cobrem mais de cinco milhões de locais em todo o país. Para o estudo, a equipe usou 4,6 milhões de POIs do conjunto de dados ao longo desses três anos.
A partir desses dados, eles classificaram os locais que as pessoas visitavam como principalmente ‘internos’ (por exemplo, lojas e escritórios) ou ‘externos’ (como playgrounds e feiras livres). Eles então desmembraram as visitas específicas do local em internas e externas para construir uma nova métrica que mede a tendência das pessoas de se misturar em ambientes fechados em uma escala semanal. Eles descobriram que a proporção de atividades internas para externas durante um ano de referência (2018 ou 2019) é sazonal, com pico nos meses de inverno. A medida mostra uma sazonalidade mais forte da mistura interna nas regiões do norte e um pico de verão adicional nas regiões do sul.
Em seguida, a equipe caracterizou a mudança que ocorreu nesses padrões básicos de atividade interna sazonal durante a pandemia de COVID-19. Para fazer isso, eles compararam os padrões de mobilidade identificados em 2018 e 2019 com aqueles durante a pandemia em 2020. Eles descobriram que a pandemia interrompeu os padrões identificados nos anos de linha de base: no início de 2020, quando houve medidas substanciais de distanciamento social em todo o mundo. Nos EUA (incluindo trabalho remoto e fechamento de escolas), era mais provável que as atividades fossem ao ar livre do que nos anos anteriores. Em quatro locais de estudo de caso — Condado de Maricopa, Arizona; Condado de Baltimore, Maryland; Condado de Travis, Texas; e Charleston County, Carolina do Sul – a maioria viu uma mudança em seus padrões de atividade interna de 2018 e 2019, enquanto outros (como o condado de Maricopa) não. Os autores dizem que os padrões identificados em sua análise são necessários para prever como a dinâmica de diferentes doenças pode diferir entre locais e épocas do ano, e como diferentes comunidades podem responder a intervenções comportamentais.
“Nossos resultados sugerem que essas estratégias de saúde pública devem ser implementadas de maneira direcionada, informadas por dados em tempo real e com comunicação clara dos objetivos”, diz a autora Eva Rest, que foi aluna de mestrado e membro do Global Health Institute no Bansal Lab, Georgetown University, na época em que o estudo foi realizado, e agora é MD-Ph.D. aluno da Yale School of Medicine, New Haven, Connecticut, EUA.
Os autores reconhecem que, embora novos fluxos de dados ofereçam oportunidades para abordar questões há muito sem resposta, esses dados devem ser interpretados com cuidado. Os dados do SafeGraph, embora significativos em seu tamanho, não representam as atividades de menores de 16 anos devido às leis de privacidade, e podem ser menos representativos para idosos devido ao menor uso de smartphones.
“Além disso, nossa nova métrica de mixagem interna pode ser a média da experiência de todos os grupos, principalmente por status socioeconômico”, explica a autora sênior Shweta Bansal, Distinguished Associate Professor do Provost na Georgetown University. Pesquisas anteriores mostraram que comunidades de baixa renda e racialmente marginalizadas podem ter sistematicamente menos acesso a espaços naturais ao ar livre e podem passar mais tempo em ambientes fechados devido a desigualdades estruturais, como falta de licença remunerada. “Portanto, podemos muito bem estar subestimando o risco de infecção experimentado por indivíduos nessas comunidades vulneráveis e nos comprometemos a continuar trabalhando para melhor caracterizar isso”.
Bansal conclui: “Nosso trabalho atual ajuda a melhorar nossa compreensão da relação entre o ambiente interno e o risco de infecção no contexto da mudança global. Embora a pandemia de COVID-19 e a mudança climática possam impactar a atividade interna de maneiras diferentes, uma maior compreensão do a sazonalidade da atividade interna permitiria que os formuladores de políticas e especialistas em preparação para emergências abordassem com eficácia futuras interrupções”.
.
