O impacto da COVID-19 no Brasil: um estudo da evolução dos casos e de algoritmos de regressão para previsão da taxa de reprodução básica com base nas ações governamentais para contenção da pandemia

Abstract

A COVID-19 ocasionou uma pandemia que, só no Brasil, já provocou mais de 300 mil mortes e 12 milhões de casos. Cada unidade federativa brasileira possui autonomia para implantar medidas restritivas para contenção da doença, acarretando em variação no contágio. Este projeto tem como objetivo estudar a evolução da COVID-19 no Brasil e em suas unidades federativas e verificar a possibilidade de utilizar algoritmos de regressão para prever a taxa de reprodução básica R 0 com base nas ações governamentais para contenção da doença. Para isso, utiliza-se dois conjuntos de dados principais. O primeiro contém informações sobre o monitoramento da doença no país, enquanto o segundo contém informações sobre as ações governamentais. Esse segundo conjunto de dados é obtido a partir de um rastreador web desenvolvido neste trabalho para coletar tweets no Twitter sobre as ações governamentais no Brasil. Os dois conjuntos de dados são integrados em um único conjunto, que é usado na análise de regressão para tentar prever a taxa R 0 com base nas ações governamentais. Os resultados do estudo da evolução da doença no país mostram que não há uma relação direta entre o número de casos cumulativos e o número de habitantes da unidade federativa. São encontradas três tendências principais em relação ao número de casos nos últimos 14 dias dos dados coletados, estabilidade, crescimento e redução, sendo que, no período analisado, 48% das unidades federativas estavam em tendência de estabilidade, 26% em crescimento e 26% em redução. O Brasil permanece em tendência de estabilidade nos últimos 42 dias. Os resultados da análise de regressão mostram que nenhum algoritmo de regressão consegue prever R 0 com confiabilidade, pois, apesar de apresentarem baixos erros, a análise de valores residuais não apresenta o comportamento adequado. No entanto, o algoritmo Ridge Bayesiano tem potencial, sendo necessário melhorar a modelagem para alcançar previsões mais assertivas