Modelos para doenças infecciosas: Requisitos gerais (e para o Epigrass)

Tamanho: px

Começar a partir da página:

Download "Modelos para doenças infecciosas: Requisitos gerais (e para o Epigrass)"

Juan Santana
5 Há anos
Visualizações:

1 Modelos para doenças infecciosas: Requisitos gerais (e para o Epigrass) Cláudia Torres Codeço Flávio Codeço Coelho Oswaldo Gonçalves Cruz Programa de Computação Científica (PROCC)

2 Para começar, o que são modelos para doenças infecciosas? Acompanham a evolução imunológica dos indivíduos Transição imunológica é uma função do contato com um agente Processos não lineares, locais, heterogeneidades, não estacionários

3 Os modelos clássicos Dinâmicos (tempo discreto ou contínuo) Populacionais, individuais Determinísticos, estocásticos

4 Uso de Modelos Representação de conhecimento, elaboração de hipóteses, laboratório para tomadas de decisão Acoplamento de teoria de controle a modelos epidêmicos Estudo de espalhamento de doenças no espaço Mecanismos associados à recorrência de epidemias e permanência de endemias Importância de diversas fontes de heterogeneidade na transmissão Importância de processos estocásticos

5 As estruturas de contato podem ser representadas por grafos Aids: redes sexuais, usuários de drogas Catapora: redes de interação social (quem fala com quem) Dengue e outras doenças de transmissão indireta: mais difusas, mas existem. O homem, em muitos casos, é o principal agente de dispersão.

6 O que queremos: Desenvolver modelos que possam subsidiar tomadas de decisão: Estratégias pontuais de vacinação (coqueluche, rubeola) Avaliação de risco de introdução de novas doenças (Febre Amarela urbana, Dengue 4, Gripe). Instalação de unidades sentinelas Estratégias de controle de vetores (dengue) e identificação de áreas de risco

7 Teoria de Tomada de decisão θ: Estado da Natureza (desconhecido)) A Conjunto de ações a (a A) L(θ, a) Função de custo Objetivo: Escolher a que minimize o valor esperado de L Plataforma: Utilizar o Epigrass

8 Nossa cobaia:

9 O que precisamos (no mínimo) para modelar o Rio: Partição em um conjunto de localidades Descritores para as populações locais (fatores de risco de adoecer) Medidas de mobilidade entre localidades!!!

Temos um estudo de mobilidade! Realizado 2002 a 2003 para o PDTU 34.

10 Temos um estudo de mobilidade! Realizado 2002 a 2003 para o PDTU domicílios (RM RJ) RMRJ dividida em 17 macrozonas (MZ) e 485 zonas de tráfego (ZT) pessoas, sendo 53.8% no MRJ

11 Mobilidade da população do Rio

12 Mobilidade da população do Rio

13 Imobilidade staying home (%) trip (%) trips or more (%) >60 age >60 age >60 age

14 Definição de um modelo de metapopulações para o Rio Localidades: Zonas de Tráfego Ligações: Reconstrução a partir da amostra do estudo do PDTU. 1. A partir do PDTU, identificar variáveis mais importantes para a mobilidade 2. Utilizando redes bayesianas, criar distribuição de probabilidade conjunta para estas variáveis 3. Povoar localidades com indivíduos desta distribuição 4. Estimar (por regressão logística) a probabilidade de viajar 5. Alocar estocasticamente viagens aos indivíduos 6. Contabilizar o número de viagens entre cada par de ZTs

15 Variáveis mais importantes para sair de casa Variável OR SEXOF 1.21 FA FA FA3 1.1 FA FA FA7 0.8 FA SITUACAO_FAMconjuge 0.62 SITUACAO_FAMempregado res 0.05 SITUACAO_FAMfilho 0.47 SITUACAO_FAMparente 0.42 GRAU_INSTRUCAOanalf 0.45 GRAU_INSTRUCAOfund 0.75 GRAU_INSTRUCAOpré 1.6 GRAU_INSTRUCAOsup 1.02 ATIV_PRINCautonomo 0.07 ATIV_PRINCempregador 0.07 ATIV_PRINCinformal 0.32 ATIV_PRINCnegfamiliar 0.07 temauto 1.19

Para sair de casa, mas não ir muito longe Variável OR SEXO2 0.14 FA1 1.68 FA2 4.35 FA3 2.21 FA5 0.87 FA6 1.02 FA7 1.01 GRAU_INSTRUCAOanalf 1.

16 Para sair de casa, mas não ir muito longe Variável OR SEXO FA FA FA FA FA FA GRAU_INSTRUCAOanalf 1.11 GRAU_INSTRUCAOfund 1.7 GRAU_INSTRUCAOpré 1.77 GRAU_INSTRUCAOsup 0.74 temauto 0.75 SEXO2:FA SEXO2:FA SEXO2:FA SEXO2:FA SEXO2:FA SEXO2:FA7 0.63

Risco de sair da macrozona Variável OR SEXOF 0.74 FA1 0.46 FA2 0.72 FA3 1.13 FA5 1.09 FA6 1.19 FA7 1.24 GRAU_INSTRUCAOanalf 0.64 GRAU_INSTRUCAOfund 0.72 GRAU_INSTRUCAOpré 0.47 GRAU_INSTRUCAOsup 1.

17 Risco de sair da macrozona Variável OR SEXOF 0.74 FA FA FA FA FA FA GRAU_INSTRUCAOanalf 0.64 GRAU_INSTRUCAOfund 0.72 GRAU_INSTRUCAOpré 0.47 GRAU_INSTRUCAOsup 1.11 ATIV_PRINCassalariado 2.03 ATIV_PRINCautonomo 1.01 ATIV_PRINCempregador 1.02 ATIV_PRINCinformal 1.2 ATIV_PRINCnegfamiliar 0.67 temauto 1.05 SEXO2:FA SEXO2:FA2 1.5 SEXO2:FA SEXO2:FA SEXO2:FA SEXO2:FA7 1.09

650 0.600 0.550 0.500 0.450 0.400 0.350 0.

18 Para onde foram? Depende do motivo... Viagens para estudo Out Viagens para trabalho Out

19 Para estudar... MZ1 centro MZ2 sul MZ3 portuaria MZ4 tijuca MZ5 central MZ6 jacarepagua MZ7 norte MZ8 barra MZ9 oeste

20 Para trabalhar... MZ1 centro MZ2 sul MZ3 portuaria MZ4 tijuca MZ5 central MZ6 jacarepagua MZ7 norte MZ8 barra MZ9 oeste

21 Criando um gerador de pessoas

22 Povoando o Rio

23 Árvore de decisão para viajar

24 Probabilidade de Viajar Seja i uma pessoa com características X i = {x 1, x 2,..., x n } residente da ZT i = z, onde ZT i MZ = m. O modelo de mobilidade calcula: π c = 1 exp(β 0 + βx )/(1 + exp(β 0 + βx )) π z = (1 π c )exp(γ 0 + γx )/(1 + exp(γ 0 + γx ) π m = (1 π z )exp(δ 0 + δx )/(1 + exp(δ 0 + δx ))

25 Temos as ligações # origins # Destinations Destination Origin

26 Chega um indivíduo com uma nova gripe na rodoviária...

27 Chega um indivíduo com uma nova gripe na Rocinha...

28 Chega um indivíduo com uma nova gripe em Acari...

29 Continuação Incorporar fatores de risco locais Análise de incerteza Aplicar em contexto de decisão

30 Obrigada!

Documentos relacionados

Algumas iniciativas de modelagem em dengue

Algumas iniciativas de modelagem em dengue Programa de Computação Científica (PROCC) Equipe de Pesquisa Paula Luz: IPEC (paulamendesluz@gmail.com) Arthur Weiss: LNCC (tutucaweiss@yahoo.com) Flavio Coelho: PROCC (fccoelho@fiocruz.br) Claudio Struchiner: