The First year of the SARS-CoV-2 pandemic in Maringá-PR

real-time surveillance and evaluation with a second derivative model

Autores/as

  • Jefika Bezerra Federal University of Amapá
  • Fernando Henrique Martins Fernandes Federal University of Amapá https://orcid.org/0009-0001-0278-5951
  • Rodolfo de Souza Nascimento State University of Maringá https://orcid.org/0009-0005-5690-1769
  • Neylan Leal Dias Federal University of Amapá
  • Jefferson Bezerra Universidade do Estado do Amapá

Palabras clave:

Covid-19, Exponential model, Linear regression

Resumen

This study investigates the dynamics of the Covid-19 pandemic in Maringá, Brazil, during its first year and explores the utility of mathematical models for decision-making. Originating in Wuhan, China, Covid-19 rapidly evolved into a global pandemic, reaching Brazil in February 2020. Daily cumulative case data from April 2020 to April 2021 is analyzed, revealing temporal heterogeneity characterized by distinct waves of Covid-19 cases. Mathematical models, particularly exponential models, are employed to predict pandemic trends, and their accuracy is assessed. The results emphasize the effectiveness of interventions such as curfews and mask mandates in shaping transmission dynamics. Analysis of infection speed and acceleration demonstrates the impact of holidays and interventions on the spread of the virus. A parameter, Pi, is introduced to evaluate model fitness, indicating good agreement with real-world data for most of the study period. This research underscores the crucial role of mathematical modeling in pandemic management and provides valuable insights for decision-makers and stakeholders in mitigating the impact of outbreaks like Covid-19. Understanding the temporal dynamics of pandemics is essential for implementing effective interventions and safeguarding public health. Overall, this study contributes to our knowledge of pandemic control strategies and their application in future outbreaks.

Biografía del autor/a

Jefika Bezerra , Federal University of Amapá

Está cursando licenciatura em Matemática pela Universidade Federal do Amapá, vinculado ao Departamento de Ciências Exatas e Tecnológicas (DCET), concluiu o Ensino Médio na Escola Estadual Frei Constâncio. Possui vivência como instrutora particular de matemática, trabalhando com alunos do ensino básico e oferecendo serviços de suporte à distância.

Fernando Henrique Martins Fernandes , Federal University of Amapá

Possui graduação em Engenharia de Energias Renováveis pela Universidade Federal da Paraíba(2017), graduação em Engenharia Elétrica pela Universidade Federal da Paraíba(2018) e ensino-medio-segundo-graupelo Colégio Vega(2007).

Neylan Leal Dias , Federal University of Amapá

Curso de Licenciatura Plena em Matemática (2013) - UNIFAP, Mestrado em Matemática Aplicada e Computacional (2017) - FCT/Unesp e Atualmente Cursando Doutorado em Engenharia Mecânica na FEB/Unesp com pesquisa em Modelagem e Controle de Sistemas Biológicos. Foi Professor Formador da EAD/UNIFAP-Oiapoque em várias disciplinas e Professor Substituto do Colegiado de Matemática/Unifap entre 09/2019 a 09/2021. Professor (Aluno de Doutorado) na Unesp/FEB das disciplinas Estatística (2020.2) e Calculo Diferencial e Integral (2021.1). Foi professor Substituto na UEMA (Univ. Estadual do Maranhão) onde já ministrou disciplinas de Estatística, Física Aplicada, Matemática Aplicada, Fundamentos de MecÂnica (Fisica I ? Prática e Experimental), Eletrotécnica (Eletricidade e Magnetismo) e Teoria dos Números. Atualmente é Professor Efetivo Dedicação Exclusiva da Universidade Federal do Amapá - UNIFAP no Campus Binacional junto ao Colegiado de Biologia nas disciplinas de Matemática, Física e Bioestatística. Tem experiência na área de Matemática, com ênfase em Modelagem Matemática de Sistemas Biológicos e Métodos Numéricos, atuando principalmente nos seguintes temas: Modelagem Matemática, Equações Diferenciais, Dinâmica de Populações, Diferenças Finitas, Modelagem do Sars-Cov-2. Atualmente Concluindo a tese de Doutorado em Dinâmica e Controle de sistemas Não-Lineares na Modelagem matemática da Bioacumulação de mercúrio a partir do modelo de predação tipo Lotka e Volterra generalizado (Multi-Espécies) levando-se em conta Sensibilidade dos parâmetros e a Contribuição de termos de Ordem Fracionária.

Citas

CHANG, J. T.; KAPLAN, E. H. Modeling local coronavirus outbreaks. European journal of operational research, 304, n. 1, p. 57-68, 2023.

CHEN, X.; YU, B. First two months of the 2019 Coronavirus Disease (COVID-19) epidemic in China: real-time surveillance and evaluation with a second derivative model. Global health research and policy, 5, n. 1, p. 1-9, 2020.

DA SILVA, C. M.; DA SILVA, P. J.; DE ALBUQUERQUE, I. C. A.; DO NASCIMENTO JUNIOR, A. J. et al. Ajuste de funções matemáticas de crescimento aos números de casos de pessoas contaminadas com o COVID-19 no Brasil: uma abordagem para o ensino médio. Research, Society and Development, 10, n. 16, p. e351101623881-e351101623881, 2021.

DOS REIS, M. M.; SEGALA, V. C. S.; BELOTO, A. B. Prevalência de sequelas respiratórias e não respiratórias pós-covid-19 em habitantes da cidade de Maringá-PR. Anais do XII Encontro de Produção Científica da UNICESUMAR - Universidade Cesumar, p.1-3, 2021. ISSN: 2594-4991. ISBN: 978-65-5615-456-5. Disponível em: https://www.unicesumar.edu.br/anais-epcc-2021/wp-content/uploads/sites/236/2021/11/692.pdf.

G1. Carnaval 2020: veja datas. 2020a. Disponível em: https://g1.globo.com/carnaval/2020/noticia/2019/03/18/carnaval-2020-veja-datas.ghtml. Acesso em: 25/09/23.

G1. Coronavírus: Prefeitura de Maringá decreta situação de emergência e determina fechamento de comércio. 2020b. Disponível em: https://g1.globo.com/pr/norte-noroeste/noticia/2020/03/18/coronavirus-prefeitura-decreta-situacao-de-emergencia-e-determina-fechamento-de-comercio.ghtml.

MOURA, G. G.; NASCIMENTO, C. R. R.; FERREIRA, J. M. COVID-19: Reflections on the crisis, transformation, and interactive processes under development. Trends in Psychology, 29, n. 2, p. 375-394, 2021.

PAVLYUTIN, M.; SAMOYAVCHEVA, M.; KOCHKAROV, R.; PLESHAKOVA, E. et al. COVID-19 spread forecasting, mathematical methods vs. machine learning, Moscow case. Mathematics, 10, n. 2, p. 195, 2022.

PEDROSO, M. C.; PIRES, J. T.; MALIK, A. M.; PEREIRA, A. J. R. HCFMUSP: Resilience in response to the COVID-19 pandemic. Revista de Administração Contemporânea, 25, p. e200245, 2021.

PREFEITURA DE MARINGÁ. Linha do tempo: 2020. 2020a. Disponível em: http://www.maringa.pr.gov.br/sistema/arquivos/a8be15d2f353.pdf. Acesso em: 25/09/2023.

PREFEITURA DE MARINGÁ. NOTA OFICIAL: Confirmado primeiro caso de coronavírus em Maringá. 2020b. Disponível em: https://shorturl.at/esKT7. Acesso em: 25/09/2023.

QUEIROZ, H. R.; PEREIRA, D. D.; DE OLIVEIRA, R. R.; MATTA, A. C. G. et al. PERFIL EPIDEMIOLÓGICO DOS CASOS CONFIRMADOS DE COVID-19 NOTIFICADOS NA CIDADE DE MARINGÁ. Revista Multidisciplinar em Saúde, 2, n. 4, p. 15-15, 2021.

RIBEIRO, H. V.; SUNAHARA, A. S.; SUTTON, J.; PERC, M. et al. City size and the spreading of COVID-19 in Brazil. PloS one, 15, n. 9, p. e0239699, 2020.

SAÚDE. Boletim epidemiológico covid-19 diário. 2020. Disponível em: http://www.maringa.pr.gov.br/saude/?cod=boletimcorona/2.

SUNAHARA, A. S.; PESSA, A. A.; PERC, M.; RIBEIRO, H. V. Complexity of the COVID-19 pandemic in Maringá. Scientific Reports, 13, n. 1, p. 12695, 2023.

UNIVERSIDADE ABERTA DO SUS. Coronavírus: Brasil confirma primeiro caso da doença. 2020. Disponível em: https://shorturl.at/lnyC7. Acesso em: 25/09/23.

Descargas

Publicado

31-12-2023

Cómo citar

Bezerra , J. ., Fernandes , F. H. M. ., Nascimento , R. de S. ., Dias , N. L. ., & Bezerra , J. (2023). The First year of the SARS-CoV-2 pandemic in Maringá-PR : real-time surveillance and evaluation with a second derivative model. Sigmae, 12(3), 51–59. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2257