Your browser doesn't support javascript.
loading
Predictive model for Covid-19 incidence in a medium-sized municipality in Brazil (Ponta Grossa, Paraná) / Modelo predictivo de la ocurrencia de Covid-19 en un municipio de tamaño medio en Brasil (Ponta Grossa-Paraná) / Modelo preditivo da ocorrência de Covid-19 em município de médio porte no Brasil (Ponta Grossa-Paraná)
Martins, Camila Marinelli; Gomes, Ricardo Zanetti; Muller, Erildo Vicente; Borges, Pollyanna Kassia de Oliveira; Coradassi, Carlos Eduardo; Montiel, Eduarda Mirela da Silva.
  • Martins, Camila Marinelli; Universidade Estadual de Ponta Grossa. Departamento de Medicina. Ponta Grossa. BR
  • Gomes, Ricardo Zanetti; Universidade Estadual de Ponta Grossa. Departamento de Medicina. Ponta Grossa. BR
  • Muller, Erildo Vicente; Universidade Estadual de Ponta Grossa. Departamento de Enfermagem e Saúde Pública. Ponta Grossa. BR
  • Borges, Pollyanna Kassia de Oliveira; Universidade Estadual de Ponta Grossa. Departamento de Enfermagem e Saúde Pública. Ponta Grossa. BR
  • Coradassi, Carlos Eduardo; Universidade Estadual de Ponta Grossa. Departamento de Enfermagem e Saúde Pública. Ponta Grossa. BR
  • Montiel, Eduarda Mirela da Silva; Universidade Estadual de Ponta Grossa. Departamento de Medicina. Ponta Grossa. BR
Texto & contexto enferm ; 29: e20200154, Jan.-Dec. 2020. tab, graf
Article in English | BDENF, LILACS | ID: biblio-1127490
ABSTRACT
ABSTRACT

Objective:

to produce a predictive model for the incidence of COVID-19 cases, severity and deaths in Ponta Grossa, state of Paraná.

Methods:

this is an ecological study with data from confirmed cases of COVID-19 reported between March 21, 2020 and May 3, 2020 in Ponta Grossa and proportion of severity, hospitalization and lethality in the literature. A susceptible-infected-recovered (SIR) epidemic model was developed, and reproduction rate (R0), duration of epidemic, peak period, number of cases, hospitalized patients and deaths were estimated. Deaths were calculated by age group and in three scenarios at day 24, at day 34, and at day 44 of the epidemic.

Results:

in the three scenarios assessed in this study, the variation in the number of cases was explained by an exponential curve (r2=0.74, 0.79 and 0.89, respectively, p<0.0001 in all scenarios). The SIR model estimated that, in the best scenario, the peak period will be around 120 days after the first case (between July 11, 2020 and July 25, 2020), estimated R0 will be 1.07 and will infect 0.23% of the population. In the worst scenario, peak period will involve 4,375 (95% CI; 4156-4594) cases and 825 (95% CI; 700-950) cases in the best scenario. Most cases and hospital admissions will involve patients aged 20 to 39 years, the number of deaths will be higher among the elderly and more pronounced among patients aged ≥80 years.

Conclusion:

this is the first study that provides COVID-19 projections for a municipality that is not a large capital. It shows a peak period at a later moment; therefore, the municipality will have more time to prepare and adopt protective measures to reduce the number of simultaneous cases.
RESUMEN
RESUMEN

Objetivo:

obtener un modelo predictivo para la ocurrencia de casos, severidad y muertes por COVID-19 en Ponta Grossa-Paraná.

Métodos:

estudio ecológico con datos de casos confirmados de COVID-19 notificados del 21/03/2020 al 3/3/2020 en Ponta Grossa y proporción de severidad, hospitalización y letalidad en la literatura. Se construyó un modelo epidemiológico (SIR) infectado-recuperado susceptible y tasa de reproducción estimada (R0), duración de la epidemia, fecha pico, número de casos, hospitalizaciones y muertes. Este último por grupo de edad y en tres escenarios a los 24 días, a los 34 días y a los 44 días de epidemia.

Resultados:

en los tres escenarios evaluados, la variación en el número de casos se explicó por una curva exponencial (r2 = 0.74, 0.79 y 0.89, respectivamente y p <0.0001 en total). El modelo SIR estimó que, en el mejor escenario, el pico ocurrirá alrededor de 120 días después del primer caso (entre el 7/11/2020 y el 25/7/2020), el R0 estimado será de 1.07 y alcanzará 0.23 % de habitantes infectados. En el peor de los casos, el pico estimado será de 4375 (IC del 95% 4156-4594) y 825 (IC del 95% 700-950) en el mejor de los casos. El mayor número estimado de casos y hospitalizaciones estará en el rango entre 20 y 39 años, el número de muertes será mayor entre los ancianos y más pronunciado entre ≥ 80 años.

Conclusión:

este es el primer estudio con proyecciones para COVID-19 en un municipio fuera de las grandes capitales y demostró que el pico llegará tarde, por lo tanto, el municipio tendrá más tiempo de preparación y que las medidas de protección pueden reducir el número simultáneo de casos.
RESUMO
RESUMO

Objetivo:

obter um modelo preditivo da ocorrência de casos, gravidade e óbitos por COVID-19 em Ponta Grossa-Paraná.

Métodos:

estudo ecológico com dados de casos confirmados de COVID-19 notificados de 21/03/2020 a 03/05/2020 em Ponta Grossa e proporção de gravidade, hospitalização e letalidade da literatura. Um modelo epidemiológico suscetível-infectado-recuperado (SIR) foi construído e estimadas taxa de reprodução (R0), duração da epidemia, data do pico, número de casos, hospitalizações e óbitos. Estas últimas por faixa etária e em três cenários aos 24 dias, aos 34 dias e aos 44 dias de epidemia.

Resultados:

nos três cenários avaliados, a variação no número de casos foi explicada por uma curva exponencial (r2=0,74, 0,79 e 0,89, respectivamente e p<0,0001 em todos). O modelo SIR estimou que, no melhor cenário, o pico ocorrerá em torno de 120 dias após o primeiro caso (entre 11/07/2020 e 25/07/2020), o R0 estimado será 1,07 e chegará a 0,23% dos habitantes infectados. No pior cenário, o pico estimado será de 4375 (IC 95% 4156-4594) casos e 825 (IC 95% 700-950) no melhor cenário. O maior número estimado de casos e hospitalizações será na faixa entre 20 e 39 anos, o número de óbitos será maior entre idosos e mais acentuado entre ≥ 80 anos.

Conclusão:

este é o primeiro estudo com projeções para a COVID-19 em um município fora das grandes capitais e mostrou que o pico será tardio, portanto, o município terá mais tempo de preparo e que medidas protetivas podem reduzir o número simultâneo de casos.
Subject(s)


Full text: Available Index: LILACS (Americas) Main subject: Mortality / Coronavirus / Basic Reproduction Number / Epidemics / Betacoronavirus / Hospitalization Type of study: Incidence study / Prognostic study / Risk factors / Screening study Limits: Adult / Aged / Humans Country/Region as subject: South America / Brazil Language: English Journal: Texto & contexto enferm Journal subject: Cuidados de Enfermagem / Nursing Year: 2020 Type: Article Affiliation country: Brazil Institution/Affiliation country: Universidade Estadual de Ponta Grossa/BR

Similar

MEDLINE

...
LILACS

LIS


Full text: Available Index: LILACS (Americas) Main subject: Mortality / Coronavirus / Basic Reproduction Number / Epidemics / Betacoronavirus / Hospitalization Type of study: Incidence study / Prognostic study / Risk factors / Screening study Limits: Adult / Aged / Humans Country/Region as subject: South America / Brazil Language: English Journal: Texto & contexto enferm Journal subject: Cuidados de Enfermagem / Nursing Year: 2020 Type: Article Affiliation country: Brazil Institution/Affiliation country: Universidade Estadual de Ponta Grossa/BR