Rede colaborativa brasileira para modelagem da COVID-19: experiência bem-sucedida de uso da ciência em tempo real para apoiar a tomada de decisão baseada em evidências
Rede colaborativa brasileira para modelagem da COVID-19: experiência bem-sucedida de uso da ciência em tempo real para apoiar a tomada de decisão baseada em evidências
Tipo de documento
Pôster
Descrição
Resumo apresentado na Health Technology Assessment international (HTAi)
Fonte
HTAi
Ano de publicação
2022
Referência (Vancouver)
Bagattini AM, Rosa M, Simon LM, de Almeida GB, Ferreira LS, Borges ME, Kraenkel RA, Coutinho RM, Diniz Filho JAF, Camey SA, Kuchenbecker RS, Toscano CM. Brazilian Collaborative Network For COVID-19 Modeling: Successful Experience Of Using Real-Time Science To Support Evidence-Based Decision-Making [Internet]. In: HTAi Annual Meeting Abstract Book; 2022 June 25-29; Utrecht, Netherlands. Health Technology Assessment International, HTAi; 2022. p. 25. PP25. Disponível em: https://htai.eventsair.com/htai-2022-utrecht-annual-meeting/oral-presentation-abstract-book
Brazilian collaborative network for COVID-19 modeling: successful experience of using real-time science to support evidence-based decision-making
Description
Abstract presented at Health Technology Assessment international (HTAi)
Source
HTAi
Publication year
2022
Reference (Vancouver)
Bagattini AM, Rosa M, Simon LM, de Almeida GB, Ferreira LS, Borges ME, Kraenkel RA, Coutinho RM, Diniz Filho JAF, Camey SA, Kuchenbecker RS, Toscano CM. Brazilian Collaborative Network For COVID-19 Modeling: Successful Experience Of Using Real-Time Science To Support Evidence-Based Decision-Making [Internet]. In: HTAi Annual Meeting Abstract Book; 2022 June 25-29; Utrecht, Netherlands. Health Technology Assessment International, HTAi; 2022. p. 25. PP25. Disponível em: https://htai.eventsair.com/htai-2022-utrecht-annual-meeting/oral-presentation-abstract-book
Introdução: A modelagem é importante para orientar políticas durante epidemias. O objetivo deste trabalho foi descrever a experiência de estruturação de uma rede colaborativa multidisciplinar no Brasil para modelar a doença coronavírus 2019 (COVID-19) para apoiar a tomada de decisões ao longo da pandemia. Métodos: Em resposta a uma convocação nacional em junho de 2020 para propostas sobre projetos de mitigação da COVID-19, estabelecemos uma equipe de investigadores de universidades públicas localizadas em várias regiões do Brasil. O principal objetivo da equipe era modelar a dinâmica de transmissão do coronavírus da síndrome respiratória aguda severa 2 em diversos contextos demográficos e epidemiológicos no Brasil, utilizando diferentes tipos de modelos e intervenções de mitigação. Os resultados da modelagem visavam fornecer informações para apoiar a formulação de políticas. Este estudo descritivo descreve os processos, produtos, desafios e lições aprendidas com essa experiência inovadora. Resultados: A rede incluiu 18 pesquisadores (epidemiologistas, especialistas em doenças infecciosas, estatísticos e modeladores) de diversas formações, incluindo ecologia, geografia, física e matemática. Os critérios para ingressar na rede eram ter um canal de comunicação com tomadores de decisão em saúde pública e estar envolvido na geração de evidências para políticas públicas. Durante um período de 24 meses, foram estabelecidos os seguintes subprojetos: (i) desenvolvimento de um modelo de metapopulação individual baseado em suscetíveis-expostos-infectados-recuperados, e modelo de cadeia de Markov; (ii) projeção da transmissão e impacto da COVID-19 ao longo do tempo em relação a casos, internações e mortes; (iii) avaliação do impacto das intervenções não farmacológicas para a COVID-19; (iv) avaliação do impacto da reabertura das escolas; e (v) determinação de estratégias ótimas para a vacinação contra a COVID-19. Além disso, mapeamos grupos de modelagem da COVID-19 existentes em todo o país e realizamos uma revisão sistemática da literatura de pesquisa publicada relevante no Brasil. Conclusões: A modelagem de doenças infecciosas para orientar políticas de saúde pública requer interação entre epidemiologistas, especialistas em saúde pública e modeladores. Comunicar os resultados da modelagem em um formato não acadêmico é um desafio adicional, portanto, a interação próxima com os formuladores de políticas é essencial para garantir que as informações sejam úteis. Estabelecer uma rede de grupos de modelagem será útil para futuros surtos de doenças.
Notas
O registro foi originalmente publicado em inglês. A versão em português foi traduzida com o apoio de inteligência artificial.
Abstract
Introduction: Modeling is important for guiding policy during epidemics. The objective of this work was to describe the experience of structuring a multidisciplinary collaborative network in Brazil for modeling coronavirus disease 2019 (COVID-19) to support decisionmaking throughout the pandemic. Methods. Responding to a national call in June 2020 for proposals on COVID-19 mitigation projects, we established a team of investigators from public universities located in various regions throughout Brazil. The team’s main objective was to model severe acute respiratory syndrome coronavirus 2 transmission dynamics in various demographic and epidemiologic settings in Brazil using different types of models and mitigation interventions. The modeling results aimed to provide information to support policy making. This descriptive study outlines the processes, products, challenges, and lessons learned from this innovative experience. Results. The network included 18 researchers (epidemiologists, infectious diseases experts, statisticians, and modelers) from various backgrounds, including ecology, geography, physics, and mathematics. The criteria for joining the network were having a communication channel with public health decision-makers and being involved in generating evidence for public policy. During a 24-month period, the following sub-projects were established: (i) development of a susceptible-exposed-infected-recovered-like, individual-based metapopulation and Markov chain model; (ii) projection of COVID-19 transmission and impact over time with respect to cases, hospitalizations, and deaths; (iii) assessment of the impact of non-pharmacological interventions for COVID-19; (iv) evaluation of the impact of reopening schools; and (v) determining optimal strategies for COVID-19 vaccination. In addition, we mapped existing COVID-19 modeling groups nationwide and conducted a systematic review of relevant published research literature from Brazil. Conclusions. Infectious disease modeling for guiding public health policy requires interaction between epidemiologists, public health specialists, and modelers. Communicating modeling results in a nonacademic format is an additional challenge, so close interaction with policy makers is essential to ensure that the information is useful. Establishing a network of modeling groups will be useful for future disease outbreaks.
Notes
The record was originally published in English. The Portuguese version was translated with the support of artificial intelligence.
