Publicado no fim de março (25/03), no períodico científico Plos One, um novo estudo com participação do IDOR utilizou informações coletadas pelo aplicativo Dados do Bem para indicar áreas e populações com maior risco de contágio por Sars-CoV-2, otimizando uma possível aplicação de políticas públicas na cidade do Rio de Janeiro.

Há exatamente um ano, quando a Organização Mundial da Saúde (OMS) declarou que a covid-19 alcançava o status de pandemia global, uma das principais mensagens do diretor-geral da agência, Tedros Adhanom Ghebreyesus, para os líderes de Estado foi “Testem, testem, testem!”, visto que, frente à tamanha incompreensão acerca do vírus e da doença, nosso único recurso era isolar os casos suspeitos de infecção para evitar o contágio em massa.

Doze meses depois, embora tenhamos evoluído graças às medidas de contenção e ao início da vacinação a nível global, a pandemia ainda atinge severamente os países subdesenvolvidos, entre eles o Brasil, devido à falta de recursos e dificuldades administrativas na saúde pública do país.

Reconhecendo que a testagem ainda se mostra um ponto-chave para o mapeamento epidemiológico e gestão de insumos limitados no país, o projeto Dados do Bem, criado pelo Instituto D’Or de Pesquisa e Ensino (IDOR) junto à Zoox Smart Data, realizou um estudo com o objetivo de encontrar padrões que fossem úteis à otimização de políticas públicas contra a covid-19, combinando o mapeamento de sintomas e resultados de testes (PCR e Sorológicos) a técnicas de machine learning para desenvolver um modelo preditivo que identifica pessoas e áreas com maior risco de infecção por Sars-CoV-2. Para isso, entre 28 de abril a 16 de julho de 2020, foram coletados por meio do aplicativo de mesmo nome os dados de 337.435 pessoas situadas na capital do Rio de Janeiro, um dos epicentros da epidemia no Brasil.

Com uso do aplicativo, que permite às pessoas registrarem seus sintomas e oferece aos casos suspeitos de infecção uma testagem gratuita, foram testados cerca de 50 mil participantes, sendo 5.888 (11,8%) positivos. Com base nessas informações, para prever os resultados positivos, partindo exclusivamente da análise dos sintomas, entre os participantes não testados foram utilizadas 25 combinações diferentes de técnicas de machine learning e estratégias de amostragem, chegando à impressionante margem de apenas 7% de erro para a possibilidade de usuários falsos-negativos.

Dos 287.714 indivíduos que se cadastraram no aplicativo e ainda não haviam sido testados até a data de coleta dos dados, o estudo previu que 99.431 (34,5%) desses participantes seriam classificados como positivos. Além disso, havia clara discriminação de renda nesses resultados, visto que as áreas mais ricas do Rio de Janeiro, localizadas ao sul, apresentaram proporções menores de potenciais participantes positivos quando comparada às áreas mais pobres ao norte da capital, como é mostrado na imagem desta matéria.

Visto ser praticamente impossível testar todos os indivíduos em uma nação continental como a brasileira, os resultados da pesquisa mostram que o mapeamento de sintomas é útil para o planejamento de políticas públicas e para prevenir a propagação da pandemia através de intervenções e testagens em locais com maior probabilidade de infecção por Sars-CoV-2. Com o uso do mapeamento epidemiológico, o estudo reduziu em mais de 70% a necessidade de testes extensivos, melhor administrando os recursos sanitários e mostrando ainda a distribuição geográfica dos focos de contágio.

Esses resultados já estão sendo aplicados pelo app Dados do Bem, que utiliza esses dados para categorizar áreas de risco e apoiar os tomadores de decisão no refinamento de estratégias para controle da doença no Rio de Janeiro.

Escrito por Maria Eduarda Ledo de Abreu.

Quer receber as notícias do IDOR pelo WhatsApp? Clique aqui, salve o nosso número e mande uma mensagem com seu nome completo. Para cancelar, basta pedir!