d116626 / COVID-19

Ciência de Dados aplicada a pandemia COVID-19.

COVID-19

O objetivo deste repositório é iniciar uma força tarefa conjunta da comunidade científica e tecnológica a fim de criar modelos de previsão de infectados (e talvez outras métricas) pelo COVID-19, focando no Brasil. O projeto é público e pode ser usado por todxs.

Toda e qualquer comunicação deve ser feita publicamente via GitHub Issues (fique a vontade para criar uma issue nova).

No momento, as principais contribuições são o modelo SEIR-Bayes que pode ser visualizado interativamente com o Simulador

Índice

• COVID-19
• Índice
• Informações rápidas
  • Qual o modelo que acreditamos ser melhor?
• Setup para rodar os modelos
• Modelos
  • Modelos Compartimentados
    • SEIR-ODE
    • SEIR-SDE
    • SEIR-Bayes
      • Resultado
• Simulador
  • Com pip
  • Com Docker
• Como contribuir?
  • Quero entender os modelos, mas não sei por onde começar!
  • Tipos de contribuições
• Recursos didáticos
  • Introdução aos modelos SEIR e variantes
  • Implementações
  • Efeito das intervenções públicas
• Referências

Informações rápidas

Qual o modelo que acreditamos ser melhor?

SEIR-Bayes

Setup para rodar os modelos

1. Instale python 3.6 ou superior;
2. (Opcional) Crie um ambiente virtual;
3. Instale as dependências com pip install -r requirements.txt

Modelos

Estes modelos são testes iniciais e não são bons exemplos de como se deve programar em Python.

Modelos Compartimentados

https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiology#The_SEIR_model

Buscamos na literatura e temos as seguintes estimativas para os parâmetros desses modelos. Temos alguns artigos a serem estudados para melhorar essas estimativas.

Parâmetro	Limite inferior	Valor típico	Limite superior	Referências
Tempo de incubação (1/α)	4.1	5.2 dias	7.0	1, 2, 4
Número básico de reprodução (R0)	1.4	2.2	3.9	2, 3, 4
Período infeccioso médio (1/γ)	?	14 dias	?	1

SEIR-ODE

Este modelo deterministico separa a população em 4 compartimentos: Suscetíveis, Expostos, Infectados e Removidos; cujo equacionamento é dado por uma equação differencial ordinária.

Para rodar: python models/seir_ode.py (a forma de rodar provavelmente vai mudar no futuro)

[Codigo] [Equacionamento]

SEIR-SDE

Modelo similar ao SEIR-ODE, porem com dinâmica de transição de estados estabelecida por uma binomial.

Para rodar: python models/seir_sde.py (a forma de rodar provavelmente vai mudar no futuro)

[Codigo]

SEIR-Bayes

Modelo similar ao SEIR-SDE, porém com os parâmetros alpha, gamma e beta amostrados de uma distribuição à priori para cada rodada de simulação.

Para rodar: python models/seir_bayes.py (a forma de rodar provavelmente vai mudar no futuro)

[Codigo]

Resultado

Este resultado é preliminar, favor ver issue 13. O objetivo era simular a cidade de São Paulo.

Simulador

Este simulador usa o Streamlit. No momento, ele permite simular o SEIR-Bayes variando os parâmetros. Estamos trabalhando para melhorar este simulador (veja as issues).

Com pip

1. Faça o Setup para rodar os modelos
2. Execute make launch

Com Docker

1. Instale docker;
2. Na raiz do projeto execute make image para construir a imagem;
3. Em seguida, execute make covid-19 e aponte seu navegador para http://localhost:8501.

Como contribuir?

Fique a vontade para abrir uma issue nova, ou trabalhar em uma já existente. Discussões e sugestões, além de código e modelagem, são bem vindas.

Quero entender os modelos, mas não sei por onde começar!

• The MATH of Epidemics | Intro to the SIR Model

Tipos de contribuições

Toda contribuição é bem vinda. Estamos gerenciando via GitHub Issues. Existem algumas categorias de contribuições:

• modelagem - relacionados a modelagem matemática (discussões e implementações) dos modelos;
• bug - problemas encontrados no código;
• documentação;
• dev - tudo que é relacionado a código (sem ser a modelagem ou bugs);
• paper - artigo a ser analisado;
• modelo: $NOME_DO_MODELO- para modelos específicos (por exemplo, modelo: SEIR-Bayes).

Recursos didáticos

Introdução aos modelos SEIR e variantes

• Compartmental models in epidemiology
• The MATH of Epidemics | Intro to the SIR Model

Implementações

• Modelling the coronavirus epidemic spreading in a city with Python
• Social Distancing to Slow the Coronavirus
• The SIR epidemic model (SciPy)

Efeito das intervenções públicas

• Understanding Unreported Cases in the COVID-19 Epidemic Outbreak in Wuhan, China, and the Importance of Major Public Health Interventions

Referências

1. Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)
2. Early Transmission Dynamics in Wuhan, China, of Novel Coronavirus–Infected Pneumonia
3. Estimation of the reproductive number of novel coronavirus (COVID-19) and the probable outbreak size on the Diamond Princess cruise ship: A data-driven analysis
4. MIDAS Online Portal for COVID-19 Modeling Research