Por Valquíria Carnaúba

É possível relacionar a incidência de covid-19 a mobilidade urbana e meteorologia para obter dados mais precisos sobre a disseminação da doença? O geoprocessamento como ferramenta de gestão na saúde pública foi bem explorado no estudo de Tiago Tiburcio da Silva, Rodrigo Francisquini e Mariá Nascimento, do Instituto de Ciência e Tecnologia (ICT/Unifesp) – Campus São José dos Campos. Os pesquisadores elaboraram um algoritmo capaz de gerar previsões sobre as taxas de transmissão do coronavírus 26,73% mais precisas do que as atuais. Isso foi possível após cruzamento de dados sobre temperatura, umidade, precipitação, deslocamento e, claro, número de casos da doença, de moradores em 27 capitais brasileiras.

Os números do Sars-CoV-2 foram obtidos no site Brasil.io, que compila newsletters das Secretarias Estaduais de Saúde do Brasil. Já as informações meteorológicas foram coletadas no Centro de Previsão de Tempo e Estudos Climáticos localizado no Instituto Nacional de Pesquisas Espaciais (Inpe), e foram considerados apenas os dados sobre temperatura (graus Celsius), umidade do ar e precipitação (em milímetros). Os dados sobre mobilidade humana, referentes a 2020, foram adquiridos pelos pesquisadores nos relatórios de mobilidade comunitária sobre a covid-19 elaborados pelo Google.

Algumas informações contribuíram bastante para a precisão do algoritmo. Em 11 dos municípios avaliados, a variável meteorológica correlacionada foi a temperatura mínima. Outros pontos observados foram a relação direta entre o aumento do número de casos e a diminuição da temperatura mínima. A mesma proporcionalidade foi verificada, também, entre o número de casos da síndrome respiratória e a mobilidade das populações - exceto em áreas residenciais.

Tudo foi organizado por meio do EEMD-ARIMAX, método estatístico de predição de séries temporais, proposto pelos pesquisadores, e que pode ser utilizado em outros bancos de dados, inclusive os de hospitais e postos de saúde. Conforme explica Nascimento, orientadora da pesquisa, o algoritmo permite agora a obtenção de dados mais fiéis à realidade. "Em alguns casos, os softwares utilizados registravam números negativos de casos da covid-19 em uma região, o que tecnicamente é impossível. O algoritmo conseguiu suavizar bastante as anomalias de antes", conclui.