Modelos não lineares aplicados a mortalidade e casos da COVID-19 no Brasil, Itália e mundo

Ferreira

et al. 2020

RSD

This research aims to adjust the Gompertz and Bertalanffy nonlinear regression model for the accumulated deaths by COVID-19 in six countries Brazil, United States, Germany, Italy, China, and Spain. It employed three different performance measures in the training process, adjusted determination coefficient , Akaike Information Criterion (AIC), and Residual Mean Square (RMS). The Mean Absolute Percentage Error (MAPE) and the Relative Error (RE) criterion were used to select the best model in the test dataset. On the training dataset, the Bertalanffy model was the one that best described the growth of deaths for China, while the Gompertz model was the best for Brazil, Germany, Italy, Spain, and the United States. In contrast, the Bertalanffy model was the best for Spain in the test dataset, according to MAPE and RE. According to the Gompertz model, 214,100 CI (175,929;267,008) people will die in Brazil, that will reach a maximum of 1,577 with a prediction interval [1,367; 1,819] of daily new deaths at its disease peak. The nonlinear models studied described the number of deaths growth curve satisfactorily, providing parameters with practical interpretations. Evidence was found that Brazil may surpass the United States regarding the total number of deaths. Short and long-term time prediction, as well as the turning point of each country, are presented and compared to other predictive models of the literature.

Section: Test Resultsmentioning

confidence: 53%

“…According to Wu et al (2020), with more data, scenarios become more accurate, especially when using data after the peak. Santiago et al (2020b) studied the evolution of the Research,Society and Development,v. 9,n.…”

Section: Test Resultsmentioning

confidence: 99%

Long-Term Time Prediction of Cumulative Number of Deaths in Brazil, China, Germany, Italy, Spain, the United States: an application to COVID-19 S-shaped models

Ferreira

et al. 2020

RSD

“…Para os critérios de ajuste, primeiramente verificou-se a estimação dos parâmetros e foram selecionados aqueles que apresentaram valor significativo (p-valor<0,05), para todos os parâmetros, pois garante que os modelos ajustados podem ser utilizados para realizar estimativas (Santiago, 2020).…”

Section: Critérios De Ajusteunclassified

Interiorização do Covid-19: Uma análise da evolução dos casos/10 mil habitantes em municípios da Microrregião de Garanhuns no Estado de Pernambuco, através de modelos de Regressão não linear

Amaral

et al. 2020

RSD

Self Cite

A interiorização dos casos confirmados de COVID-19 no estado de Pernambuco trouxe preocupação a população. Sendo assim analisou-se os dados oficiais disponibilizados pelos boletins diários das secretarias municipais de saúde dos municípios, no período de 23/04/2020 a 25/06/2020, coletados semanalmente e objetivou-se ajustar diferentes modelos não lineares na análise de casos / 10 mil habitantes de COVID - 19 nos municípios pernambucanos de Lajedo, Bom Conselho e Garanhuns, além de verificar o ponto de inflexão da doença, o período que informa sobre a diminuição da evolução dos casos. Para comparação entre os modelos empregaram-se o coeficiente de determinação ajustado, desvio médio absoluto e critério de informação de Akaike. A verificação dos pressupostos dos resíduos foi realizada por meio dos testes de Shapiro-Wilk para a normalidade, de Durbin-Watson para a independência e o de Breush-Pagan para a homocedasticidade, os pressupostos foram atendidos. Os melhores ajustes foram o Von Bertalanffy para os municípios de Garanhuns e Bom Conselho e o Gompertz para o município de Lajedo, apesar de superestimarem o número de casos no limite assintótico. No cálculo da taxa de crescimento absoluto (TCA) verificou-se que os pontos de inflexões de todos os modelos ocorreram dentro do período de 64 dias após o início da pandemia. Todavia, não é possível realizar previsões seguras de quando os números de casos confirmados minimizarão por razão de estar-se em um estágio inicial da interiorização. No entanto, esses resultados podem ser importantes no controle da propagação, norteando as autoridades e a população aos cuidados de prevenção

“…Ainda se percebe na Figura 7, que o modelo de Von Bertalanffy está longe de chegar próximo à estabilização. SegundoSantiago et al (2020) espera-se que os erros de estimativas diminuam à medida que mais dados são obtidos e que traduzam os números mais claro do cenário da epidemia ao longo da evolução da doença. Extrapolação do número total de óbitos por COVID para o estado de PE até 10/10/2020 em escala logarítmica.…”

unclassified

“…e vinte, o estado possuía 13768 casos confirmados de coronavírus, assim como 1087 óbitos, 61 dias após o primeiro caso confirmado de covid-19 no estado. Já o estado do Ceará teve seu primeiro registro no dia 15 de março e em onze de maio de dois mil e vinte possuía 17599 casos confirmados e 1189 óbitos (MS,2020a).Bremejo (2020) utilizaram regressão polinomial linear para modelar os dados de 27 capitais brasileiras provenientes do Ministério da Saúde, e prever casos confirmados de COVID-19 no Brasil, além de analisarem a relação entre temperatura e os casos.JáSantiago et al (2020) buscaram ajustar diversos modelos de regressão não linear com dados de mortalidade e casos confirmados da COVID-19 no Brasil, Itália e no mundo.…”

unclassified

Análise e previsão da evolução do número de óbitos por COVID-19 do estado de Pernambuco e Ceará utilizando modelos de regressão

Ferreira

et al. 2020

RSD

Self Cite

The purpose was defined to adjust different non-linear models in the analysis to death data by COVID-19 in Pernambuco and Ceará and to extrapolate the deaths numbers through forecasts. In this report, we analyze the official epidemic data available by the Ministry of Health of Brazil (MS), referring to the period of 25/03/2020 to 11/05/2020 for Pernambuco - PE and in the period of 26/03/2020 to 11/05/2020 for Ceará, of the deaths numbers, COVID-19 confirmed. For the comparison between the models, the adjusted coefficient of determination (), residual mean squares (RMS), and Akaike information criterion (AIC) were used. All models had good adjustments, with values of approximately 99%. The verification of the assumptions of the residues was carried out through graphic analyzes, and the assumptions were met. The cumulative deaths’ numbers in the period from 12/05/2020 to 10/10/2020 was calculated for Pernambuco and 12/05/2020 to 11/10/2020 for Ceará, in addition to the extrapolation of the absolute growth rate (AGR) for the respective intervals. The analyzes indicated that the inflection points of all models occurred within 200 days after the start of the pandemic. However, it is not yet possible to make reliable projections of when the numbers of confirmed deaths will minimize. Regardless of the possible uncertainty of the models' prediction, our observations indicate that the next few days may be critical in determining the future growth of death cases.