Melhorar estimativa do Período infeccioso médio (1/γ)

[dsevero]

Precisamos entender melhor o Período infeccioso médio (1/γ); limites inferiores e superiores assim como uma distribuição típica à priori utilizada na literatura. Por hora temos uma ideia de média apenas (14 dias).

Referências boas:

• https://jamanetwork.com/journals/jama/article-abstract/2762688
• https://www.medrxiv.org/content/10.1101/2020.03.05.20030502v1.full.pdf+html

[Mauroncard]

“The median duration to negative reverse-transcriptase PCR tests of upper respiratory tract samples was 11 days (95 CIs: 10-12 days)." γ = (11)^-1

https://www.ncbi.nlm.nih.gov/pubmed/32171869

"Median duration of viral shedding was 20·0 days (IQR 17·0-24·0) in survivors, but SARS-CoV-2 was detectable until death in non-survivors. The longest observed duration of viral shedding in survivors was 37 days."

https://www.ncbi.nlm.nih.gov/pubmed/32171869

[dsevero]

Eu imagino que o Gamma não deve ser tão afetado pela temperatura do país, ou não?

Que tipo de vantagem ou desvantagem temos no Brasil que pode fazer aumentar ou diminuir o gama?

[Mauroncard]

Creio que temperatura afetaria mais a transmissibilidade, ou seja, o R0, logo, o Beta.

[dsevero]

@Mauroncard eu fiz um modelo pra estimar o R0 com o dado histórico em #36, mas ele depende do gamma (pq na verdade ele estima o beta e R0=beta/gamma).

Consegues dar uma olhada na literatura se esse CI reportado aqui na issue é de uma lognormal? Eu queria atualizar a tabela do README com valores pra gamma, que implica em um intervalo de confiança no R0 estimado também.

[Mauroncard]

Tem na literatura referências que a duração do período infeccioso segueria uma distribuição Erlang

Many authors have estimated infectious period distributions by fitting standard probability distributions (e.g. normal [16–18], log-normal [19,20], gamma [9,21] or fixed [16,17]) to empirical data. For transmission modelling, a gamma distribution with an integer shape parameter—also known as an Erlang distribution—is strongly preferred on theoretical grounds: the Erlang distribution is equivalent to a sequence of independent and identically distributed exponential distributions [6,22–24], so compartmental transmission models with Erlang-distributed stage durations can be expressed as ODEs (as opposed to the integro-differential equations required to express compartmental models with arbitrarily distributed stage durations).

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3673147/pdf/rsif20130098.pdf

[Mauroncard]

A questão mais pertinente para mim é que simulações como essa aqui (http://gabgoh.github.io/COVID/index.html) estão usando valores de tempo infeccioso muito baixo e por isso mesmo os expostos são sempre maiores que os infecciosos, mas eles parece que levam em conta tempo de inicio de sintomas até procura por médico ou hospital, aí o 1/gamma é muito menor. Parece que isso não se aplica pois a maioria esmagadora não vai ao hospital, nem deixa de ser infeccioso depois de ir, então eu estou achando essas medidas de 1/gamma muito baixas. Acho razoável manter os valores 1/gamma maiores mesmo. O que, na prática coloca os infecciosos como mais prevalentes que expostos e acelera a epidemia.