O objetivo deste repositório é iniciar uma força tarefa conjunta da comunidade científica e tecnológica a fim de organizar dados e criar modelos de previsão de infectados (e talvez outras métricas, entre elas demanda por leitos de internação) 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). Veja como contribuir com sua área de conhecimento (seja você profissional da saúde, computação, dados ou qualquer outra área) na seção Como contribuir?
No momento, as principais contribuições são o modelo SEIR-Bayes que pode ser visualizado interativamente com o Simulador; e os Dados disponíveis neste respositório
É importante entender que as análises estão em fase preliminar. Use a seu próprio risco.
https://covid-simulator.3778.care/
Clique neste link: https://t.me/covid3778
pip install -r requirements.txt
Estes modelos são testes iniciais e não são bons exemplos de como se deve programar em Python.
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 |
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 legacy/seir_ode.py
(a forma de rodar provavelmente vai mudar no futuro)
Modelo similar ao SEIR-ODE, porem com dinâmica de transição de estados estabelecida por uma binomial.
Para rodar: python legacy/seir_sde.py
(a forma de rodar provavelmente vai mudar no futuro)
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 legacy/seir_bayes.py
(a forma de rodar provavelmente vai mudar no futuro), ou use https://covid-simulator.3778.care/
Este resultado é preliminar, favor ver issue 13. O objetivo era simular a cidade de São Paulo.
É importante entender que as análises estão em fase preliminar. Use a seu próprio risco.
Temos uma classe para rodar o modelo de forma fácil em covid19/models.py. A documentação está no próprio arquivo.
O arquivo data/ibge_population.csv possui a estimativa de 2019 das populações por município. Além disso, é possível baixar os casos diários por município, assim como as populações, utilizando as funções load_cases
e load_population
do arquivo covid19/data.py. A documentação das funções estão no arquivo.
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).
Apenas clique aqui: https://covid-simulator.3778.care/
make launch
make image
para construir a imagem;make covid-19
e aponte seu navegador para http://localhost:8501.Nas seção de issues profissionais de diversas áreas podem ajudar. Veja a lista de exemplos abaixo sobre sugestões de como você pode ajudar com sua àrea de conhecimento, seja ela da saúde, ciências biológicas, exatas, computação, ou outras:
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.
Toda contribuição é bem vinda. Estamos gerenciando via GitHub Issues. Existem algumas categorias de contribuições:
modelo: $NOME_DO_MODELO
- para modelos específicos (por exemplo, modelo: SEIR-Bayes).