Modelagem sintética de comunidades socialmente vulneráveis com uso
de modelo compartimentado adaptado no apoio a protocolos epidemiológicos
modelagem epidemiológica; algoritmos genéticos; machine
learning; séries temporais; multi-agentes.
Surtos de novas doenças infecciosas com potencial pandêmico representam uma
significativa ameaça à vida e ao desenvolvimento humano. Este estudo
investiga a relação entre fatores socioeconômicos, como desigualdade e
acesso à saúde, e a disseminação de doenças infecciosas, evidenciando a
influência direta da pobreza na incidência de enfermidades com alto grau de
disseminação. Para aprimorar a previsão e a resposta a esses surtos,
adaptou-se o modelo matemático SEIR para o SEPAI3R3O, incorporando a taxa
de subnotificação, que está diretamente ligada a fatores sociais. Além
disso, utilizou-se uma abordagem de otimização baseada em algoritmos
genéticos para aumentar a precisão das predições em diferentes cenários.
A análise incluiu a simulação do comportamento social durante a pandemia de
COVID-19 em uma comunidade vulnerável no Recife, permitindo a avaliação de
intervenções específicas, como isolamento social e uso de máscaras. O
desempenho do modelo SEPAI3R3O foi comparado com técnicas de aprendizado de
máquina e séries temporais, demonstrando que a integração da simulação
social com modelos compartimentados oferece uma base robusta para a tomada
de decisões informadas. Os resultados destacam a importância de considerar
fatores sociais na formulação de políticas públicas, promovendo respostas
mais eficazes e equitativas às pandemias e protegendo as comunidades mais
vulneráveis. Conclui-se que a inclusão de variáveis sociais nos modelos
epidemiológicos é essencial para compreender plenamente a dinâmica das
pandemias em áreas de alta vulnerabilidade social, auxiliando na elaboração
de estratégias de intervenção mais eficazes.