Modelagem da Propagação do Vírus HIV no Brasil sob dois enfoques Carlos Fellip Rabadan Braga; Valdecir Marvulle CMCC, Universidade Federal do ABC Av. dos Estados, 5001, Santo André, SP ([email protected], [email protected]) Utilizando, de um lado, processos estocásticos, e de outro, equações diferenciais e suas aplicações em epidemiologia, foram criados dois modelos da propagação do HIV na população brasileira: um estocástico e um determinístico. Estes modelos foram então comparados com os dados reais fornecidos pelo Ministério da Saúde, afim de verificar qual deles fornece previsões mais “realísticas” desta epidemia. Ambos modelos se mostraram compatíveis com a realidade. Palavras-chave—Cadeias de Markov, Equações diferenciais, Modelagem Matemática, HIV, Modelo SI. I. INTRODUÇÃO Desde 1983, quando Luc Montaigner isolou o vírus do HIV (vírus da Imunodeficiência Adquirida) e os países começaram a relatar casos de Síndrome da Aids, inúmeros modelos determinísticos e estocásticos foram propostos para situações e condições específicas. Uma parcela considerável destes modelos encontram-se defasados, já que na época em que estes modelos foram produzidos as premissas do modelo não eram as mesmas que atuais. Vale também lembrar que os pesquisadores possuíam menos conhecimento disponível sobre a dinâmica populacional deste vírus. Mesmo atualmente, com os coquetéis que diminuem a mortalidade por HIV, a alta taxa de mutação do vírus ainda faz com que cientistas do mundo todo dediquem muita atenção a esta doença. Utilizamos métodos de modelagem matemática para determinarmos o número final de infectados bem como o tempo necessário até a estabilização da doença no Brasil. II. METODOLOGIA Inicialmente buscou-se estudar o histórico do HIV na populaçao brasileira através de uma fonte confiável que fornecesse dados estatísticos do HIV. Estes dados foram encontrados no site do Ministério da Saúde do Governo do Brasil [1]. Com estes dados foi possível elaborar um conjunto de premissas que descrevessem a dinâmica da doença, alguns modelos epidemiológicos foram criados a partir destas premissas, e dentre estes, dois foram escolhidos, pois melhor representavam os dados e premissas, sendo um deles determinístico e o outro estocástico. Foram feitas algumas previsões com estes modelos que serão apresentadas neste trabalho. III. RESULTADOS E DISCUSSÕES Dentre os modelos determinísticos estudados [2,3], o modelo Susceptível-Infectado (SI) foi o mais representativo. As equações que representam o modelo estão a seguir: dS SI dt N dI S I dt N O número total da população de risco é constante e vale N=S+I, S(t) é a população de pessoas susceptíveis no tempo t e I(t) representa o número de infectados. Este sistema de equações diferenciais pode ser resolvido analiticamente, e podemos mostrar que o mesmo é equivalente ao modelo de crescimento logístico de uma população. Possui a seguinte solução para o número de infectados: I (t ) N 1 A e t Podemos ajustar esta solução aos dados reais de infectados no Brasil, utilizando uma regressão não linear. Assim fazendo, obtivemos os seguintes valores: β (taxa de propagação da doença) = 0,247; A = 159,26 e N (número final de infectados) = 620208,2 . Este valor para N obtido é condizente com a previsão feita pelo Ministério da Saúde, para o qual a epidemia no Brasil deve se estabilizar em cerca de 600 mil casos. A regressão não-linear utilizada foi feita pelo método dos mínimos quadrados, sendo que a solução ajustada para os dados reais obteve um r-quadrado igual à 99,8% (ou seja, 99,8% dos pontos reais são explicados pelo ajuste desta curva) e é representada a seguir: 0 0 0 1 0 1 b 0 0 1 0 b1 1 b2 0 P 0 b2 1 b3 0 ... ... ... ... 0 0 0 0 Gráfico 1:Curva Contínua – modelo SI; Pontos em forma de cruz – dados reais. Uma outra previsão importante que deve ser calculada é o tempo T necessário para que a epidemia, partindo do seu estado inicial, chegue até o seu estado estacionário (ou seja, I(T)=N). O modelo SI, entretanto, não é capaz de prever este tempo T, já que a solução tende assintoticamente ao valor estacionário, e T seria infinito. Uma maneira para se estimar o tempo T é calcular o tempo necessário para a infecção atingir N-1 indivíduos, ou seja, I(T) = N-1. Assim fazendo, obtemos a seguinte equação para T: T ln A ( N 1) O valor obtido então, utilizando-se os valores de A, N e obtidos na regressão não linear, é de T ≈ 74,5 anos. Como o primeiro caso do HIV relatado no Brasil foi em 1980, a doença deverá estabilizar-se em 2054. Este resultado é compatível com as previsões do Ministério da Saúde. Gostaríamos agora de verificar se um modelo para a propagação do HIV no Brasil baseado em processos estocásticos [4] também seria compatível com a realidade. Foi escolhido então um processo estocástico de nascimento. Aqui, consideramos que a probabilidade de que haja um nascimento (neste caso, um novo indivíduo infectado) no instante k é dada por: bk k (N k) N Com esta probabilidade e o seu complementar (a probabilidade de que não haja um nascimento), podemos montar um processo de nascimento representado pela seguinte matriz de probabilidades de transição: ... ... ... ... ... ... 0 0 0 0 ... 1 Os estados 0 e N são absorventes, pois se ninguém estiver contaminado a epidemia não se inicia, ou se todos estiverem contaminados não haverão mais pessoas a serem contaminadas. Neste modelo o tempo até todas as pessoas se contaminarem é dado por: T N 1 1 k I ( 0 ) bk Através de uma rotina recursiva programada em Matlab foi obtido o valor do tempo T=76,8 anos, ou seja, a epidemia chegaria em seu ponto de saturação em 2056 (resultado também compatível com as previsões do Ministério da Saúde e com o modelo determinístico apresentado anteriormente). AGRADECIMENTOS Ao professor Valdecir por toda a orientação durante o trabalho, ao professor Javier por auxiliar na utilização do Matlab e a Ciência. REFERÊNCIAS [1].Ministério da Saúde. Departamento de DST, Aids e Hepatites virais. Tabulação de dados – Casos de Aids. Disponível em: http://www.aids.gov.br/final/dados/dados_aids.asp Acesso em: 7 out 2009. [2]. COUTINHO, F. A. B. ; LOPEZ, L. F. ; BURATTINI, M. N. ; MASSAD, E. . Modelling the natural history of HIV infection in individuals and its epidemiological implications. Bulletin of Mathematical Biology, v. 63, n. 6, p. 1041-1062, 2001. [3]. MAY, R.M. ; ANDERSON, R.M. . Transmission dynamics of HIV-infection. Nature, v. 326, n. 6109, p.137142, 1987. [4]. ALLEN, J.S. .An introduction to Stochastic Processes with application to Biology. New Jersey. Pearson Education (2003).