Simulação de Monte Carlo via cadeias de Markov aplicada à previsão dos indicadores COVID-19 da microrregião de Florianópolis

Abstract

Desde os primeiros casos de infecção do vírus SARS-Cov-2, usualmente conhecido como COVID-19, até sua proliferação global resultando no estado de situação pandêmica declarado pela Organização Mundial da Saúde (OMS), os diversos governantes tiveram de enfrentar os desafios de reduzir o contágio, oferecer assistência médica aos infectados de forma a assegurar a correta recuperação e reduzir a taxa mortalidade pelos efeitos da infecção. A microrregião de Florianópolis composta por 9 cidades vizinhas possui uma população de 878.852 habitantes, de onde até o final de 2021, havia o total de 177.520 casos confirmados de infecção, e 2.464 mortes segundo o Centro de Operações em Saúde de Santa Catarina (COES-SC). O objetivo deste estudo é aplicar um modelo de simulação estocástico baseado no Método de Simulação Monte Carlo via Cadeias Markovianas (MCMC) e o modelo epidemiológico SEIR (Suscetível, Exposto, Infectado e Recuperado) para a realização de previsões dos principais indicadores da COVID-19 da Microrregião de Florianópolis. Para realizar uma análise comparativa dos resultados do modelo proposto aplica-se o modelo não estacionários de previsão de Holt Winters. A principal contribuição desta proposta encontra-se na flexibilidade do modelo SEIR para considerar políticas e/ou programas de prevenção da COVID-19 e testar seus impactos.