PreprintPDF Available
Preprints and early-stage research may not have been peer reviewed yet.

Figures

Content may be subject to copyright.
1
Disseminação da COVID-19 em cidades e localidades rurais da
Amazônia Central
Emiliano Esterci Ramalho1, Ivan Junqueira1, Fabrício Baccaro2, Alison L. Hill3, Maria
Isabel F. P. O. Martins1, Daniele Cristina Barcelos1, Jefferson Ferreira-Ferreira1,
Heloísa Corrêa Pereira1, Dávila Suelen Souza Corrêa1, Hudson Cruz das Chagas1,
Ana Claudeise Silva do Nascimento1.
1 Instituto de Desenvolvimento Sustentável Mamirauá, Tefé, AM, Brasil.
2 Departamento de Biologia, Universidade Federal do Amazonas, Manaus, AM, Brasil.
3 Program for Evolutionary Dynamics, Harvard University, Cambridge, MA, USA.
Palavras-chave: coronavírus; SIR; Amazônia; comunidades rurais; COVID-19;
pandemia;
Resumo
As populações da Amazônia são extremamente vulneráveis à COVID-19 devido ao
intenso fluxo entre as localidades rurais e as sedes municipais e à falta de
infraestrutura de saúde básica adequada na região. O objetivo deste estudo foi (1)
avaliar o efeito da medida de distanciamento social sobre a disseminação da
COVID-19 em sedes municipais e (2) estimar o impacto da redução do contato entre
a população rural e urbana sobre a contaminação de localidades rurais da
Amazônia Central, região do Médio Solimões. Nossos resultados indicam que o
distanciamento social pode reduzir significativamente a velocidade de contaminação
da população em sedes municipais. No entanto, mesmo em sedes municipais com
atividade intensa no combate à COVID-19, o distanciamento social está muito
abaixo do ideal de 70%. Observamos também que a redução do número de visitas e
do tempo de permanência durante cada visita, além da interrupção do fluxo durante
as cinco semanas com maior probabilidade infecção têm impacto marcante sobre a
velocidade de chegada da COVID-19 nas localidades rurais. Recomendamos que,
dada a baixa efetividade de medidas de distanciamento social e o rápido contágio
nas sedes municipais, cada município avalie a implementação de lockdown. Nossos
resultados sugerem também que três medidas podem ser eficientes em atrasar a
chegada da COVID-19 às localidades rurais: (1) a redução no número de visitas que
cada uma faz a um centro urbano, (2) a redução do tempo de permanência durante
cada visita e (3) evitar qualquer ida às sedes municipais durante as cinco semanas
com maior número de pessoas infectadas. Destacamos que todas as medidas
restritivas sugeridas precisam ser acompanhadas por uma ampla campanha de
conscientização e ações de assistência à população rural e às famílias mais
carentes das sedes municipais para garantir acesso a itens básicos para sua
sobrevivência.
2
Dissemination of COVID-19 in cities and riverine communities in Central
Amazonia
Emiliano Esterci Ramalho1, Ivan Junqueira1, Fabrício Baccaro2, Alison L. Hill3, Maria
Isabel F. P. O. Martins1, Daniele Cristina Barcelos1, Jefferson Ferreira-Ferreira1,
Heloísa Corrêa Pereira1, Dávila Suelen Souza Corrêa1, Hudson Cruz das Chagas1,
Ana Claudeise Silva do Nascimento1.
1 Instituto de Desenvolvimento Sustentável Mamirauá, Tefé, AM, Brasil.
2 Departamento de Biologia, Universidade Federal do Amazonas, Manaus, AM, Brasil.
3 Program for Evolutionary Dynamics, Harvard University, Cambridge, MA, USA.
Keywords: coronavirus; SIR; Amazon; rural communities; COVID-19; pandemic;
Abstract
The population of small towns and riverine communities in Amazonia are extremely
vulnerable to COVID-19 due to the absence of basic health care infrastructure in the
region. The objective of this study was to (1) evaluate the effect of social distancing
measures in the dissemination of COVID-19 in small towns, and (2) to estimate the
impact of reducing contact between rural and urban populations on the
contamination of riverine communities of Central Amazon. Our results indicate that
social distancing can significantly reduce the speed of dissemination of COVID-19 in
the population of small towns. However, we also observed that even in towns with
intense actions to combat COVID-19, social distancing is below the ideal 70%
isolation mark. Regarding the contamination of riverine communities, we observed
that the reduction in the number of visits and duration of stay, as well as the
interruption of visits during the five weeks with larger probability of contamination has
major impact on delaying the arrival of COVID-19 in these vulnerable populations.
We recommend that, given the low effectiveness of social distancing measures and
the rapid contamination of urban populations, each municipality should evaluate
implementing more restrictive measures such as a full or partial lockdown. Our
results also suggest that three measures can be effective in delaying the arrival of
COVID-19 in riverine communities of Amazonia: (1) the reduction in the number of
visits that each community makes to a town, (2) the reduction in duration of each
visit, and (3) avoiding visits during the five weeks with the largest number of infected
people in towns. It is imperative that implementation of any of the restrictive
measures suggested in this publication be accompanied by a vast communication
campaign as well as social assistance actions for the rural population and poor
families of small towns to guarantee their basic needs for survival.
3
Introdução
A COVID-19, doença causada pelo novo coronavírus (severe acute respiratory
syndrome coronavirus 2 (SARS-CoV-2)), foi inicialmente identificada em dezembro
de 2019 na cidade de Wuhan, na China, e se espalhou rapidamente por todo o
mundo [13]. No Brasil, o primeiro caso da COVID-19 foi confirmado no dia 26 de
fevereiro de 2020, na cidade de São Paulo, no sudeste do país [4,5 -
https://covid.saude.gov.br/]. Com a ausência de controle nos aeroportos brasileiros
[6], no dia 21 de março a COVID-19 havia sido registrada em todas as unidades
da federação e atualmente já foram confirmados 145.328 casos da doença com
9.897 óbitos [5 - covid.saude.gov.br, 08/05/2020].
A COVID-19 tem significado um drástico impacto na economia e na vida das
pessoas em todo o mundo [7]. No entanto, a velocidade de infecção e o número de
óbitos associados à doença têm variado muito entre países [8,9 -
coronavirus.jhu.edu/data/mortality]. Essa variação, ao que tudo indica, está
associada principalmente à agilidade e eficiência com que medidas de
distanciamento social foram implementadas, assim como à qualidade dos sistemas
nacionais de saúde, às características socioculturais, demográficas e econômicas
da população e estrutura logística de cada região [1013]. Locais que adotaram
efetivamente medidas de distanciamento social no começo do processo de infecção
tiveram melhores resultados na contenção da doença [11,14].
O distanciamento social é uma medida de saúde pública empregada para reduzir a
interação entre pessoas em situações onde não é possível identificar e nem isolar
pessoas infectadas [15]. Assim como no resto do mundo, essa tem sido a principal
estratégia adotada para desacelerar a disseminação da COVID-19 no Brasil [16
19]. O objetivo principal desta medida é reduzir o número de pessoas infectadas ao
mesmo tempo e, consequentemente, diminuir a pressão sobre o sistema de saúde
[10,20].
No Brasil, a expectativa é a de que a maior parte dos óbitos decorrentes da COVID-
19 ocorra nos estados e cidades mais populosas, principalmente no sudeste do país
[21]. A região amazônica, no norte do país, no entanto, apesar de menor densidade
populacional (até 1 habitante/km² [22]), tem características únicas que tornam seus
habitantes extremamente vulneráveis [23]. Um quarto da população amazônica vive
em localidades rurais e territórios indígenas afastados dos centros urbanos, com
índices de desenvolvimento humano entre os mais baixos do país [22]. Em geral, o
acesso aos serviços básicos acontece somente nas áreas urbanas, cuja
infraestrutura é deficiente para atender as demandas dessas populações [24,25].
Apesar de consideradas isoladas, as comunidades tradicionais e indígenas da
Amazônia estão intensamente conectadas às áreas urbanas através da extensa
4
rede hidrográfica da região, mantendo vínculo econômico e de acesso a serviços
públicos e privados essenciais (Figura 1; [2527]). Este fluxo constante traz um
grande risco durante a pandemia da COVID-19, porque as cidades, especialmente
aquelas com aeroportos, tornam-se portas de entrada da doença. Este cenário é
especialmente crítico no estado do Amazonas. As cidades do interior não são
equipadas com leitos de UTI e todos os leitos de categoria de terapia intensiva na
capital do estado, Manaus, já se encontram ocupados [28,29,30
http://www.saude.am.gov.br/painel/corona/]. O estado, no momento, também possui
o segundo maior número de casos confirmados (taxa de incidência) da COVID-19 e
o maior número de óbitos (taxa de mortalidade) para cada 1 milhão habitantes do
país [5 - covid.saude.gov.br].
Figura 1- Fluxo de pessoas entre comunidades ribeirinhas e as sedes municipais na Amazônia
Central, região do Médio Solimões.
O objetivo deste estudo é (1) avaliar o impacto de medidas de distanciamento social
sobre a velocidade de contaminação nas sedes municipais da Amazônia Central,
região conhecida como Médio Solimões (Figura 1) e (2) estimar a probabilidade de
moradores das localidades rurais da região entrarem em contato com pessoas
infectadas durante uma visita a uma sede municipal em diferentes cenários de
5
distanciamento social e com a implementação de três medidas de redução de
contato entre a população rural e urbana.
Métodos
A disseminação da COVID-19 nas sedes municipais
Utilizamos um modelo epidemiológico SIR (Susceptíveis -Infecciosos-Recuperados
[31]) para entender o processo de disseminação da COVID-19 nas sedes municipais
do interior do estado do Amazonas. O modelo projeta a contaminação a partir de
parâmetros da doença, do sistema de saúde, da população infectada e da
implementação de intervenções para reduzir a taxa de transmissão da doença
(Tabela 1). Assumimos que a epidemia local, dentro das sedes municipais, começa
com um indivíduo infectado que transmite o vírus para os demais indivíduos da
população a uma taxa β e que não há entrada ou saída de indivíduos da população.
Esse último pressuposto leva em consideração a drástica redução de voos na
região e a proibição, por decreto estadual, do transporte de passageiros em
embarcações para as cidades do interior do estado do Amazonas (Decreto n°
42.087/2020).
Indivíduos infectados foram classificados como casos assintomáticos,
leves/moderados, severos e críticos (ver [32] para definição clínica de cada uma das
classes). A fração da população infectada dentro de cada classe foi estabelecida por
parâmetros iniciais e para cada classe foi determinada uma taxa de transmissão
independente (Tabela 1), com transmissão pré-sintomática de três dias durante o
período de incubação para todas as classes [33,34]. No modelo, casos severos e
críticos podem se recuperar a uma taxa γ ou morrer a uma taxa μ e essas taxas são
diferentes entre as classes. Indivíduos recuperados foram considerados imunes,
não transmitem mais a doença e não ficam doentes novamente.
O modelo também considera a capacidade hospitalar do sistema de saúde. Quando
leitos estão disponíveis, a taxa de progressão de severo para crítico é 30%
(6.1/(13.8+ 6.1)) (Tabela 1). Assumimos que na ausência de leitos essa progressão
aumentará para 50%. Embora não exista um valor exato para esse aumento da taxa
de progressão para a COVID-19, outros estudos mostram que baixos níveis de
oxigênio estão associados com estados clínicos mais severos, baixas taxas de
recuperação e alta mortalidade para pneumonia e outras doenças respiratórias [e.g.
3537]. Quando leitos de UTI estão disponíveis, a taxa de mortalidade para
pacientes com infecção crítica é de 49% [38]. Assumimos que na ausência de leitos
de UTI quase todos os pacientes em estado crítico morrem (99%), dado que as
infecções críticas são, por definição, estado de risco de vida que demandam
cuidados médicos avançados.
Para avaliar o impacto de medidas de distanciamento social sobre a velocidade de
contaminação usamos três cenários de distanciamento para cada sede municipal:
(1) sem distanciamento, (2) distanciamento social que leva à redução de 50% de
6
transmissão dos casos leves/moderados, pré-sintomáticos e assintomáticos e (3)
distanciamento social que leva à redução de 70% de transmissão dos casos
leves/moderados, pré-sintomáticos e assintomáticos. Este último considerado o
ideal para a estratégia de distanciamento social [10,20,39].
Por último, comparamos os casos confirmados até o momento (06/05/2020) no
município de Tefé, com a inclinação das curvas de casos leves/moderados em
diferentes cenários de distanciamento social para avaliar a efetividade das medidas
de distanciamento social nesta sede municipal. Realizamos esta análise somente
para Tefé porque, em nossa avaliação, o município tem adotado todas as medidas
de restrição de mobilidade recomendadas e a taxa de diminuição de contaminações
encontradas no município pode servir de parâmetro de comparação para municípios
que estejam adotando estratégias diferentes no estado. Atualmente, todas as
pessoas que apresentam sintomas da COVID-19 estão sendo testadas e orientadas
a permanecer em isolamento.
Correção da fração da população com COVID-19 nas classes severo e crítico
O número real de pessoas com COVID-19 é subestimado em todos os países
devido à falta de aplicação de testes em massa [40]. No Brasil, os testes para
detecção da doença são realizados majoritariamente em pessoas que vão aos
hospitais e que, em geral, precisam de internação [41]. Essas pessoas são uma
amostra tendenciosa da população porque indivíduos assintomáticos e casos
leves/moderados raramente são testados e por isso não são notificados [42,43
https://ciis.fmrp.usp.br/covid19-subnotificacao]. Como consequência, a proporção
estimada de pessoas com sintomas severos e críticos dentro da população
infectada é superestimada. Para corrigir essas estimativas, primeiro usamos a
metodologia proposta por Lachmann e colaboradores [40] para estimar o número
real de pessoas infectadas no Brasil, utilizando a Coreia do Sul como parâmetro de
comparação. Depois calculamos o fator de correção dividindo o número de casos
confirmados pelo número estimado de pessoas infectadas. Na sequência dividimos
as proporções de casos severos e críticos, encontradas na literatura, pelo fator de
correção para obter proporções mais realistas destes parâmetros.
Tabela 1. Parâmetros do Modelo de Disseminação da COVID-19 nas sedes municipais.
Parâmetro
Valor
Referência
Período de incubação (dias)
5
Linton et al., 2020 [44]
Duração de infecções leves/moderadas (dias)
6
WHO, 2020 [32]
Fração da população infectada na classe severo
13.8/5.6*
WHO, 2020 [32]
Fração da população infectada na classe crítico
6.1/5.6*
WHO, 2020 [32]
Probabilidade de morte em pacientes críticos (%)
49
Wu and McGoogan, 2020 [38]
Duração de casos severos (dias)
23
Wang et al., 2020 [45]
Duração de casos críticos / tempo na UTI (dias)
7
Yang et al., 2020 [46]
β1 taxa de transmissão leve/moderado
0.8
Ferretti et al., 2020 [47]
7
β2 taxa de transmissão severo
0.01
Ferretti et al., 2020 [47]
β3 taxa de transmissão crítico
0.01
Ferretti et al., 2020 [47]
βe taxa de transmissão pré-sintomática
0.9
Ferretti et al., 2020 [47]
β0 taxa de transmissão assintomática
0.10
Ferretti et al., 2020 [47]
* 5.6 é o fator de correção para correção da fração da população com COVID-19 nas classes severo
e crítico
A disseminação da COVID-19 nas localidades rurais
A COVID-19 tem uma alta taxa de transmissão, que é facilitada pelo contato ou
proximidade com uma pessoa infectada [47,48]. Portanto, assumimos que a
probabilidade de um morador de uma localidade rural entrar em contato com pelo
menos uma pessoa infectada (PCI) durante uma visita a uma cidade é um bom
proxy para avaliarmos o risco de contágio da população rural.
Para estimar PCI consideramos que uma pessoa que está na cidade se desloca em
média 3516 metros por dia [49] e que o número de pessoas que ela irá encontrar
por dia (NED) é igual a este deslocamento multiplicado pela densidade populacional
na sede municipal. Calculamos a probabilidade de uma pessoa que vem de uma
localidade rural encontrar com pelo menos uma pessoa infectada usando o NED e o
número de pessoas infectadas na sede municipal (PPI) por dia, durante sua visita
na cidade (esse último parâmetro é um dos resultados do modelo de disseminação
da COVID-19 nas sedes municipais). Assumimos que apenas uma pessoa de uma
dada localidade vai à cidade em cada visita e consideramos somente o fluxo de
pessoas daquela localidade para a cidade.
Para entender o impacto de diferentes medidas de intervenção sobre a PCI criamos
quatro cenários:
1. Sem intervenção (0% distanciamento social) na sede municipal, sem redução
no número de visitas e no número de dias que uma pessoa de uma
localidade rural fica na sede municipal em cada visita (média de 6 dias);
2. Distanciamento social que resulta na queda da transmissão em 50% na sede
municipal, sem redução no número de visitas e no número de dias que uma
pessoa de uma localidade rural fica na sede municipal em cada visita (média
de 6 dias);
3. Distanciamento social que resulta na queda da transmissão em 50% na sede
municipal, redução de 50% no número de visitas e número de dias na cidade
reduzido para apenas um dia;
4. Distanciamento social que resulta na queda da transmissão em 50% na sede
municipal, redução de 50% no número de visitas e número de dias na cidade
reduzido para apenas um dia, e visitas não são realizadas durante as cinco
semanas de maior PCI (probabilidades determinadas no cenário 3).
8
Dados sociodemográficos
Os dados detalhados para a Amazônia Central, região do Médio Solimões, fazem
parte do levantamento sociodemográfico que compõem o Sistema de
Monitoramento Demográfico e Econômico do Instituto de Desenvolvimento
Sustentável Mamirauá [50,51]. Estes dados descrevem a sociodemografia das
Reservas de Desenvolvimento Sustentável Mamirauá e Amanã a cada cinco anos
desde 2011. Para cada uma das localidades utilizadas na análise obtivemos as
seguintes informações: nome da localidade, coordenadas, número de domicílios,
número médio de moradores por domicílio e população total. A população total de
moradores e usuários das duas Unidades de Conservação é de 16.762 pessoas,
residentes em 3394 domicílios e em 344 localidades. O número médio de visitas a
uma sede municipal por semana e o tempo médio de estadia foram calculados a
partir de uma amostra de 30% dos domicílios das Reservas, total de 990 domicílios.
O fluxo de deslocamentos registrado na amostra foi com destino às sedes
municipais de Alvarães, Coari, Fonte Boa, Jutaí, Maraã, Tefé, Tonantins e Uarini
(Figura 1).
Resultados
A disseminação da COVID-19 nas sedes municipais.
Em nossa análise o distanciamento social reduziu a velocidade de contaminação em
todas as sedes municipais da área de estudo, atrasando o pico de contaminação em
média quatro semanas no cenário de 50% de isolamento, e entre 12 e 17 semanas
no cenário de 70% (Figura 2). Considerando apenas o cenário de 50% de
isolamento, cenário mais comum no Brasil [52 - google.com/covid19/mobility,53 -
https://mapabrasileirodacovid.inloco.com.br], o pico de contaminação foi mais
frequente entre as semanas 7 e 10, considerando como primeiro dia a data da
confirmação do primeiro caso. O pico de contaminação acontece mais cedo em
cidades com densidades populacionais menores e ocorre cerca de três semanas
mais tarde nas duas cidades com densidades populacionais maiores, Tefé e Coari.
O número de casos de COVID-19 confirmados até o momento em Tefé foi mais
próximo do modelo de disseminação com 50% de isolamento, no entanto
apresentou desvio desta tendência nos últimos dois dias analisados, indicando que
pode ter ocorrido menor adesão ao isolamento depois dos dias iniciais da circulação
do vírus na população. (Figura 3).
9
Figura 2. Número de pessoas expostas à COVID-19 nas sete sedes municipais da região do Médio
Solimões, em diferentes níveis de distanciamento social. Cenário 1, sem distanciamento, curva
vermelha; Cenário 2, distanciamento social que leva à redução de 50% de transmissão dos casos
leves/moderados, pré-sintomáticos e assintomáticos, curva verde; Cenário 3, distanciamento com
redução de 70% de transmissão dos casos leves/moderados, pré-sintomáticos e assintomáticos,
curva azul.
10
Figura 3. Número de pessoas com casos leves/moderados estimado por modelos com diferentes
taxas de distanciamento social (25%, 30%, 40% e 50%) e número de casos de Covid-19 reportados
até o momento (06/05/2020) no município de Tefé.
A disseminação da COVID-19 nas localidades rurais
O distanciamento social nas sedes municipais, sem outras intervenções, resultou
em uma pequena redução da PCI das localidades assim como atrasou o período de
pico da PCI (Figura 4). No entanto, quando foram acrescentadas medidas restritivas
ao número de visitas (redução em 50%) e ao tempo de permanência durante cada
visita (todas as visitas reduzidas a um dia de permanência), além do atraso no
período de pico, houve uma redução significativa da PCI (Figura 3). Essa redução
foi ainda mais marcante quando não houve visitas durante as cinco semanas com
maiores valores da PCI.
11
Figura 4 - Probabilidade de um morador de uma localidade rural entrar em contato com pelo menos
uma pessoa infectada (PCI) durante visita às sete sedes municipais de acordo com quatro cenários:
Cenário 1, sem intervenção (0% distanciamento social) na sede municipal, sem redução no número
de visitas e no número de dias que uma pessoa de uma localidade rural fica na sede municipal em
cada visita (média de 6 dias); Cenário 2, distanciamento social que resulta na queda da transmissão
em 50% na sede municipal, sem redução no número de visitas e no número de dias que uma pessoa
de uma localidade rural fica na sede municipal em cada visita (média de 6 dias); Cenário 3,
distanciamento social que resulta na queda da transmissão em 50% na sede municipal, redução de
50% no número de visitas e número de dias na cidade reduzido para apenas um dia; Cenário 4,
distanciamento social que resulta na queda da transmissão em 50% na sede municipal, redução de
50% no número de visitas e número de dias na cidade reduzido para apenas um dia e visitas não são
realizadas durante as cinco semanas de maior PCI (probabilidades determinadas no cenário 3).
Todos os cálculos foram feitos por semana, a partir do primeiro caso de infecção. Os pontos
representam a probabilidade de encontro com pelo menos uma pessoa infectada por um morador de
uma localidade durante uma visita à sede municipal naquela semana. A frequência de visita variou
entre as localidades de acordo com os dados sociodemográficos. A cidade de Coari foi omitida,
porque somente uma localidade mantém visitas regulares a essa sede municipal.
12
Discussão
O modelo de disseminação da COVID-19 usado neste estudo indica que, em todas
as sedes municipais avaliadas, o aumento do distanciamento social reduz a
velocidade de contaminação da população urbana (Figura 2), corroborando diversos
outros estudos desenvolvidos para Itália [54], Estados Unidos [39,55], China e
outros países asiáticos e europeus [12,14,16,19,56]. Esse resultado é de extrema
significância para o estado do Amazonas, onde o sistema de saúde pública já
colapsou e onde não existem leitos com respiradores e de UTI para o atendimento
de novos casos severos ou críticos da COVID-19. Neste cenário, atrasar a chegada
da doença por meio do distanciamento social, para que uma infraestrutura
adequada de saúde seja implementada, é uma das medidas mais importantes e
deve ser priorizado como estratégia para reduzir o número de óbitos por COVID-19
na região, especialmente nas pequenas cidades do interior do estado.
Apesar do empenho de algumas prefeituras de sedes municipais, sustentar medidas
de distanciamento social na Amazônia tem sido um desafio, principalmente em
decorrência da situação socioeconômica vulnerável da maior parte da população
[25,57]. Para muitas dessas pessoas o sustento financeiro vem do trabalho diário e
medidas de distanciamento social desacompanhadas de proteção social podem
levá-las a situação de fome e privação de outros benefícios materiais de
necessidade básica [57,58].
O município de Tefé é um bom exemplo de empenho no combate à COVID-19.
Antes da manifestação da doença no município, foi criado um Comi de
Enfrentamento e Combate à COVID-19 (comitê formalizado pelo Decreto Municipal
238, de 18 de março de 2020) com participação de diversas instituições
municipais, federais e da sociedade civil. O Comitê deliberou e implementou
diversas ações importantes: solicitou o cancelamento de voos de entrada da
principal companhia aérea que transporta passageiros para a cidade, reforçou a
vigilância dos portos para garantir o decreto estadual que proíbe o transporte de
passageiros em embarcações entre as cidades do estado (Decreto 42.087/2020),
iniciou a triagem de todas as pessoas que entram na cidade assim como o
monitoramento diário de casos suspeitos, higienizou ruas e a feira municipal,
reduziu o número de pessoas na feira municipal e fechou o comércio não essencial,
suspendeu aulas e cultos religiosos, decretou o uso obrigatório de máscaras para
funcionários do comércio e recomendou o uso de máscaras para toda a população,
limitou o número de pessoas em supermercados, apoiou bancos na organização de
filas para cadastro e recebimento do auxílio emergencial e do bolsa família, reduziu
o horário de funcionamento de caixas eletrônicos e realizou campanhas diárias de
conscientização (Decretos Municipais 238; 248; 252-254; 260; 285; 286; 288;
289; 291; 306, entre 18 de março e 04 de maio de 2020).
13
Mesmo com todas essas medidas, a aglomeração de pessoas continua sendo
frequente no centro da cidade. Locais de aglomeração, especialmente no mercado
municipal e na porta dos bancos, estão relacionados a pontos de distribuição de
recursos do auxílio emergencial governamental e de provisões. Os dados atuais da
secretaria de saúde do município comparados às nossas simulações indicam um
índice de distanciamento social próximo da média nacional de 50%, mas muito
aquém do ideal de 70% (Figura 3; [20,59 - https://brasil.io/covid19]).
A baixa efetividade de medidas de distanciamento social e o rápido contágio nas
sedes municipais se tornam ainda mais preocupantes devido à frequência com que
as comunidades ribeirinhas visitam essas cidades - em média 2,8 vezes por semana
na região da Amazônia Central. Levando em consideração que Tefé talvez tenha
uma das melhores iniciativas de combate à COVID-19 do estado do Amazonas e
que mesmo assim estas medidas não estão sendo suficientes diante da
precariedade estrutural do sistema de saúde existente, é importante avaliar a
implementação de um lockdown imediato nos municípios (baseado nos dados
preliminares desse estudo, o município de Tefé já implementou uma medida de
lockdown parcial no dia 05/05/2020, Decreto Municipal 307, de 04 de maio de
2020). Em King, Washington-EUA, a implementação dessa medida reduziu a taxa
de transmissão do novo coronavírus de 2,7 para 1,4 em menos de um mês [39]. O
lockdown ajudaria a conter o contágio na cidade e nas comunidades ribeirinhas da
Amazônia.
Nossos resultados sugerem também que medidas restritivas acordadas com as
localidades rurais terão efeito muito mais significativo em reduzir a PCI do que o
distanciamento social nas sedes municipais. Três medidas podem ser eficientes em
atrasar a chegada da COVID-19 a essas localidades: (1) a redução no número de
visitas que cada uma faz a um centro urbano, (2) a redução do tempo de
permanência durante cada visita e (3) evitar qualquer ida às sedes municipais
durante as cinco semanas com maior número de pessoas infectadas. Idealmente
estas ações deveriam ser tomadas em conjunto por todas as localidades rurais.
Todas as medidas restritivas sugeridas neste estudo precisam ser acompanhadas
por uma ampla campanha de conscientização e ações de assistência à população
rural e às famílias mais carentes das sedes municipais para garantir acesso a itens
básicos para sua sobrevivência.
Destacamos também a importância de bases de dados detalhadas e de longo
prazo, como o Sistema de Monitoramento Demográfico e Econômico do Instituto de
Desenvolvimento Sustentável Mamirauá [50,51], de onde foi retirada boa parte dos
dados usados neste estudo. Esse sistema coleta e mantém dados detalhados sobre
a sociodemografia da região do Médio Solimões, que se mostraram extremamente
relevantes neste momento de crise. Estas informações fornecem base
14
imprescindível para o planejamento de ações regionais eficientes, especialmente
casos como a pandemia da COVID-19.
Perspectivas do trabalho
Este trabalho é um exercício inicial com vistas a fundamentar a realização de um
levantamento e análise mais amplos para avaliar a vulnerabilidade à contaminação
por COVID-19 de comunidades rurais, indígenas e não indígenas, de toda a
Amazônia.
Agradecimentos
Agradecemos ao Instituto de Desenvolvimento Sustentável Mamirauá IDSM/MCTIC-
OS, ao Ministério da Ciência, Tecnologia, Inovações e Comunicações, ao Conselho
Nacional de Desenvolvimento Científico e Tecnológico (CNPq/MCTIC), a
Universidade Federal do Amazonas, a Universidade de Harvard (EUA) e ao
Programa de Pesquisa em Biodiversidade (PPBio), pelo tempo de seus
colaboradores, pelos recursos investidos e pela rede de contatos que permitiu que
esse trabalho fosse realizado. Agradecemos aos doutores José Ricardo Ramalho
(UFRJ), Helder Lima de Queiroz (IDSM), Daniel Antunes Maciel Villela (Fiocruz) e
William Ernest Magnusson (INPA) pela leitura crítica e construtiva do manuscrito.
Agradecemos também a Sra. Maria Adriana Moreira, Secretaria de Saúde do
Município de Tefé, por sua contribuição na avaliação dos parâmetros usados nos
modelos.
Referências
1. Zhu N, Zhang D, Wang W, Li X, Yang B, Song J, et al. A novel coronavirus from
patients with pneumonia in China, 2019. New England Journal of Medicine. 2020;382:
727733. doi:10.1056/NEJMoa2001017
2. Wang C, Horby PW, Hayden FG, Gao GF. A novel coronavirus outbreak of global
health concern. The Lancet. 2020;395: 470473. doi:10.1016/S0140-6736(20)30185-
9
3. World Health Organization (WHO). Coronavirus disease (COVID-2019) Situation
Report 51. World Health Organization. 2020. Available:
https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200311-
sitrep-51-covid-19.pdf
4. Ministério da Saúde. Boletim Epidemiológico Especial 14 COE-COVID-19. Secretaria
de Vigilância em Saúde. 2020. Available:
https://portalarquivos.saude.gov.br/images/pdf/2020/April/27/2020-04-27-18-05h-
BEE14-Boletim-do-COE.pdf
5. Ministério da Saúde. Coronavírus Brasil - Painel Geral COVID-19. 2020 [cited 8 May
2020]. Available: https://covid.saude.gov.br/
6. Ribeiro SP, Dattilo W, Castro e Silva A, Reis AB, Goes-Neto A, Alcantara L, et al.
Severe airport sanitarian control could slow down the spreading of COVID-19
15
pandemics in Brazil. medRxiv. 2020; 2020.03.26.20044370.
doi:10.1101/2020.03.26.20044370
7. IMF (International Monetary Fund). World Economic Outlook. Chapter 1 The Great
Lockdown. 2020. Available:
https://www.imf.org/en/Publications/WEO/Issues/2020/04/14/weo-april-2020
8. World Health Organization (WHO). Coronavirus Disease 2019 Situation Report - 107.
WHO Bulletin. 2020. Available: https://www.who.int/docs/default-
source/coronaviruse/situation-reports/20200506covid-19-sitrep-
107.pdf?sfvrsn=159c3dc_2
9. Mortality Analyses - Johns Hopkins Coronavirus Resource Center. [cited 7 May 2020].
Available: https://coronavirus.jhu.edu/data/mortality
10. Anderson RM, Heesterbeek H, Klinkenberg D, Hollingsworth TD. How will country-
based mitigation measures influence the course of the COVID-19 epidemic? The
Lancet. 2020;395: 931934. doi:10.1016/S0140-6736(20)30567-5
11. Oksanen A, Kaakinen M, Latikka R, Savolainen I, Savela N, Koivula A. Regulation
and Trust: A Social Science Perspective on COVID-19 Mortality. SSRN Electronic
Journal. 2020. doi:10.2139/ssrn.3569845
12. Tian H, Liu Y, Li Y, Wu C-H, Chen B, Kraemer MUG, et al. An investigation of
transmission control measures during the first 50 days of the COVID-19 epidemic in
China. Science. 2020; eabb6105. doi:10.1126/science.abb6105
13. Walker PG, Whittaker C, Watson O, Baguelin M, Ainslie KEC, Bhatia S, et al. The
Global Impact of COVID-19 and Strategies for Mitigation and Suppression. Imperial
College of London. London, UK; 2020. Available: https://www.imperial.ac.uk/mrc-
global-infectious-disease-analysis/covid-19/report-12-global-impact-covid-19/
14. Kraemer MUG, Yang C-H, Gutierrez B, Wu C-H, Klein B, Pigott DM, et al. The effect
of human mobility and control measures on the COVID-19 epidemic in China.
Science. 2020;368: 493497. doi:10.1126/science.abb4218
15. Wilder-Smith A, Freedman DO. Isolation, quarantine, social distancing and community
containment: pivotal role for old-style public health measures in the novel coronavirus
(2019-nCoV) outbreak. Journal of Travel Medicine. 2020;27: 14.
doi:10.1093/jtm/taaa020
16. Pan A, Liu L, Wang C, Guo H, Hao X, Wang Q, et al. Association of Public Health
Interventions with the Epidemiology of the COVID-19 Outbreak in Wuhan, China.
JAMA - Journal of the American Medical Association. 2020;02115: 19.
doi:10.1001/jama.2020.6130
17. Banholzer N, van Weenen E, Kratzwald B, Seeliger A, Tschernutter D, Bottrighi P, et
al. Impact of non-pharmaceutical interventions on documented cases of COVID-19.
medRxiv. 2020; 2020.04.16.20062141. doi:10.1101/2020.04.16.20062141
18. European Centre for Disease Prevention and Control (ECDC). Coronavirus disease
2019 (COVID-19) in the EU/EEA and the UK ninth update, 23 April 2020.
Stockholm; 2020. Available: https://www.ecdc.europa.eu/en/publications-data/rapid-
risk-assessment-coronavirus-disease-2019-covid-19-pandemic-ninth-update
19. Imai N, Gaythorpe KAM, Abbott S, Bhatia S, van Elsland S, Prem K, et al. Adoption
and impact of non-pharmaceutical interventions for COVID-19. Wellcome Open
Research. 2020;5: 59. doi:10.12688/wellcomeopenres.15808.1
20. Ferguson NM, Laydon D, Nedjati-Gilani G, Imai N, Ainslie K, Baguelin M, et al. Impact
of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and
healthcare demand. Imperial College of London. London, UK; 2020.
16
doi:10.25561/77482
21. Coelho FC, Lana RM, Cruz OG, Codeco CT, Villela D, Bastos LS, et al. Assessing the
potential impact of COVID-19 in Brazil: Mobility, Morbidity and the burden on the
Health Care System. medRxiv. 2020. doi:10.1101/2020.03.19.20039131
22. IBGE Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010. IBGE.
Rio de Janeiro, RJ; 2010. Available:
https://www.ibge.gov.br/estatisticas/sociais/populacao/9662-censo-demografico-
2010.html?=&t=resultados
23. Oliveira U, Filho BS, Oviedo A, Moreira T. Modelagem da vulnerabilidade dos povos
indígenas no Brasil ao covid-19. 2020. Available:
https://www.socioambiental.org/sites/blog.socioambiental.org/files/nsa/arquivos/nota_t
ecnica_modelo_covid19.pdf
24. Noronha K, Guedes G, Turra CM, Andrade MV, Botega L, Nogueira D, et al. Nota
Técnica: Pandemia por COVID-19 no Brasil: análise da demanda e da oferta de leitos
e equipamentos de ventilação assistida considerando os diferenciais de estrutura
etária, perfil etário de infecção, risco etário de internação e distâncias territoriai. Belo
Horizonte: Cedeplar UFMG; 2020.
25. Andrade LC de, Pereira HC, Nascimento ACS do, Gomes MCRL. Os potenciais
impactos da pandemia do COVID-19 nas comunidades ribeirinhas da Amazônia
Central e as soluções recomendadas para mitigação. Nota técnica COVID-19 no 004
30/04/2020. Manaus, AM; 2020. Available:
http://cloud.prodam.am.gov.br/index.php/s/U4hXTYiyGgmR6bn
26. Schor T, Oliveira JA. Reflexões metodológicas sobre o estudo da rede urbana no
Amazonas e perspectivas para a análise das cidades na Amazônia brasileira. Revista
ACTA Geográfica. 2011; 1530. doi:10.5654/actageo2011.0001.0001
27. Bartoli E. Cidades na Amazônia, sistemas territoriais e a rede urbana. Mercator.
2018;17: 116. doi:10.4215/rm2018.e17027
28. Ministério da Saúde. DATASUS - Informações de Saúde - Rede Assistencial. 2020
[cited 4 May 2020]. Available: http://www2.datasus.gov.br/DATASUS/index.php?
area=0204&id=11663
29. FVS/AM Fundação de Vigilância em Saúde do Amazonas. Resumo dos casos
confirmados de covid-19 no Amazonas 3/5/2020. Manaus, AM; 2020.
30. SUSAM - Secretaria de Saúde do Estado do Amazonas. Relatório diário do
monitoramento do COVID-19 no Amazonas. 2020 [cited 3 May 2020]. Available:
http://www.saude.am.gov.br/painel/corona
31. Kermack W, McKendrick A. A contribution to the mathematical theory of epidemics.
Proceedings of the Royal Society of London Series A Mathematical and Physical
Sciences. 1927;A115: 700721.
32. World Health Organization (WHO). Report of the WHO-China Joint Mission on
Coronavirus Disease 2019 (COVID-19). The WHO-China Joint Mission on
Coronavirus Disease 2019. 2020. Available: https://www.who.int/docs/default-
source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf
33. Tindale L, Coombe M, Stockdale JE, Garlock E, Lau WYV, Saraswat M, et al.
Transmission interval estimates suggest pre-symptomatic spread of COVID-19.
medRxiv. 2020; 2020.03.03.20029983. doi:10.1101/2020.03.03.20029983
34. He X, Lau EHY, Wu P, Deng X, Wang J, Hao X, et al. Temporal dynamics in viral
shedding and transmissibility of COVID-19. Nature Medicine. 2020.
doi:10.1038/s41591-020-0869-5
17
35. Majumdar SR, Eurich DT, Gamble JM, Senthilselvan A, Marrie TJ. Oxygen
saturations less than 92% are associated with major adverse events in outpatients
with pneumonia: A population-based cohort study. Clinical Infectious Diseases.
2011;52: 325331. doi:10.1093/cid/ciq076
36. Vold ML, Aasebø U, Wilsgaard T, Melbye H. Low oxygen saturation and mortality in
an adult cohort: The Tromsø study. BMC Pulmonary Medicine. 2015;15: 112.
doi:10.1186/s12890-015-0003-5
37. Blanc J, Locatelli I, Rarau P, Mueller I, Genton B, Boillat-Blanco N, et al.
Retrospective study on the usefulness of pulse oximetry for the identification of young
children with severe illnesses and severe pneumonia in a rural outpatient clinic of
Papua New Guinea. PLoS ONE. 2019;14: 113. doi:10.1371/journal.pone.0213937
38. Wu Z, McGoogan JM. Characteristics of and Important Lessons from the Coronavirus
Disease 2019 (COVID-19) Outbreak in China: Summary of a Report of 72314 Cases
from the Chinese Center for Disease Control and Prevention. JAMA - Journal of the
American Medical Association. 2020;2019. doi:10.1001/jama.2020.2648
39. Thakkar N, Burstein R, Hu H, Selvaraj P, Klein D. Social distancing and mobility
reductions have reduced COVID-19 transmission in King County, WA. 2020.
Available:
https://covid.idmod.org/data/Social_distancing_mobility_reductions_reduced_COVID_
Seattle.pdf
40. Lachmann A, Jagodnik KM, Giorgi FM, Ray F. Correcting under-reported COVID-19
case numbers: estimating the true scale of the pandemic. medRxiv. 2020;
2020.03.14.20036178. doi:10.1101/2020.03.14.20036178
41. Ministério da Saúde. Plano de Contingência Nacional para Infecção Humana pelo
novo Coronavírus COVID-19. Centro de Operações de Emergências em Saúde
Pública | COE-COVID-19. 2020. Available:
https://portalarquivos.saude.gov.br/images/pdf/2020/marco/25/Livreto-Plano-de-
Contingencia-5-Corona2020-210x297-16mar.pdf
42. Li R, Pei S, Chen B, Song Y, Zhang T, Yang W, et al. Substantial undocumented
infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV-2).
Science. 2020;368: 489493. doi:10.1126/science.abb3221
43. Alves D, Gaete R, Miyoshi N, Carciofi B, Olveira L, Sanchez T. Estimativa de Casos
de COVID-19. 2020 [cited 7 May 2020]. Available: https://ciis.fmrp.usp.br/covid19-
subnotificacao/
44. Linton NM, Kobayashi T, Yang Y, Hayashi K, Akhmetzhanov AR, Jung S, et al.
Incubation Period and Other Epidemiological Characteristics of 2019 Novel
Coronavirus Infections with Right Truncation: A Statistical Analysis of Publicly
Available Case Data. Journal of Clinical Medicine. 2020;9: 538.
doi:10.3390/jcm9020538
45. Wang Z, Ji JS, Liu Y, Liu R, Zha Y, Chang X, et al. Survival analysis of hospital length
of stay of novel coronavirus (COVID-19) pneumonia patients in Sichuan, China.
medRxiv. 2020; 2020.04.07.20057299. doi:10.1101/2020.04.07.20057299
46. Yang X, Yu Y, Xu J, Shu H, Xia J, Liu H, et al. Clinical course and outcomes of
critically ill patients with SARS-CoV-2 pneumonia in Wuhan, China: a single-centered,
retrospective, observational study. The Lancet Respiratory Medicine. 2020;2600: 17.
doi:10.1016/S2213-2600(20)30079-5
47. Ferretti L, Wymant C, Kendall M, Zhao L, Nurtay A, Abeler-Dörner L, et al. Quantifying
SARS-CoV-2 transmission suggests epidemic control with digital contact tracing.
Science. 2020;6936: eabb6936. doi:10.1126/science.abb6936
18
48. Riou J, Althaus CL. Pattern of early human-to-human transmission of Wuhan 2019-
nCoV. bioRxiv. 2020; 16. doi:10.1101/2020.01.23.917351
49. Althoff T, Sosič R, Hicks JL, King AC, Delp SL, Leskovec J. Large-scale physical
activity data reveal worldwide activity inequality. Nature. 2017;547: 336339.
doi:10.1038/nature23018
50. IDSM - Instituto de Desenvolvimento Sustentável Mamirauá. Sistema de
Monitoramento Demográfico e Econômico/SIMDE. Reserva de Desenvolvimento
Sustentável Amanã. Tefé, AM: IDSM - Instituto de Desenvolvimento Sustentável
Mamirauá; 2018.
51. IDSM - Instituto de Desenvolvimento Sustentável Mamirauá. Sistema de
Monitoramento Demográfico e Econômico/SIMDE. Reserva de Desenvolvimento
Sustentável Mamirauá. Tefé, AM: IDSM - Instituto de Desenvolvimento Sustentável
Mamirauá; 2019.
52. COVID-19 Community Mobility Reports. [cited 4 May 2020]. Available:
https://www.google.com/covid19/mobility/
53. Mapa de Isolamento Social | COVID-19 | Coronavírus no Brasil | Inloco. [cited 4 May
2020]. Available: https://mapabrasileirodacovid.inloco.com.br/pt/
54. Lavezzo E, Franchin E, Ciavarella C, Cuomo-Dannenburg G, Barzon L, Vecchio C
Del, et al. Suppression of COVID-19 outbreak in the municipality of Vo, Italy.
medRxiv. 2020; 2020.04.17.20053157. doi:10.1101/2020.04.17.20053157
55. Ngonghala CN, Iboi E, Eikenberry S, Scotch M, MacIntyre CR, Bonds MH, et al.
Mathematical assessment of the impact of non-pharmaceutical interventions on
curtailing the 2019 novel Coronavirus. medRxiv. 2020; 2020.04.15.20066480.
doi:10.1101/2020.04.15.20066480
56. Flaxman S, Mishra S, Gandy A, Unwin HJT, Coupland H, Mellan TA, et al. Estimating
the number of infections and the impact of non-pharmaceutical interventions on
COVID-19 in European countries: technical description update. Imperial College
London. 2020; 135. doi:10.25561/77731
57. Barnett-Howell Z, Mobarak AM. The Benefits and Costs of Social Distancing in Rich
and Poor Countries. 2020; 114. Available: http://arxiv.org/abs/2004.04867
58. Food Security Information Network (FSIN). Global Report on Food Crises. FaoOrg.
2020; 1202. Available:
http://www.fao.org/emergencies/resources/documents/resources-detail/en/c/1187704/
59. Covid19 por Município - Brasil.IO. [cited 7 May 2020]. Available:
https://brasil.io/covid19/
Article
Full-text available
RESUMO O SARS-CoV-2 é facilmente disseminado por aerossóis e contato direto com pessoas contaminadas. Logo, as condições adversas em áreas rurais podem influenciar a propagação do vírus. Desta forma, estabeleceu-se uma reflexão acerca da disseminação da COVID-19 em função do hábito de lavar as mãos, das condições de saneamento, dos aspectos socioeconômicos e das condições habitacionais em 26 comunidades quilombolas rurais do estado de Goiás. Para isso foram levantadas informações in loco em 533 domicílios e aplicou-se a Analytic Hierarchy Process, utilizando-se critérios selecionados com base na literatura. As comunidades apresentaram uma priorização para a disseminação da COVID-19 variando de 14,9 x 10-3 (pior condição) a 64,3 x 10-3 (melhor condição), na qual a Comunidade José Coleto ocupou a posição mais desfavorável. Buracão mostrou um resultado mais satisfatório, sendo esta menos susceptível à disseminação da COVID-19. A melhoria nas condições de saneamento pode aumentar o hábito da higiene com as mãos, o que reduziria a disseminação da COVID-19 e de outras doenças infecciosas. Assim, a partir dos resultados obtidos, é perceptível a importância do empoderamento quanto aos hábitos de higiene, acesso à informação, saneamento básico e à saúde. Os gestores devem ter uma maior disposição para implantar infraestrutura e melhorar as condições dos critérios apresentados e discutidos neste trabalho.
Article
Full-text available
The COVID-19 virus emerged in China and has spread to all areas in Brazil, including the Amazon River Delta, where the population lacks essential services. Thus, this article aims to characterize the dispersion of COVID-19 in the small municipalities of the Amazon River Delta, which have fewer than 50,000 inhabitants, detailing the towns' situation. Covid-19 data provided by the health departments of the states of Amapá and Pará, and census data from the IBGE, were used to create maps of the disease for the Delta's municipalities. The virus circulated rapidly to the smallest localities, where the health service and sanitary conditions are precarious, leading to a severe contamination rate. Together with other known aspects, this is yet another opportunity to show the regional needs and the importance of public policies for this population.
Preprint
Full-text available
The global impact of COVID-19 has been profound, and the public health threat it represents is the most serious seen in a respiratory virus since the 1918 H1N1 influenza pandemic. Here we present the results of epidemiological modelling which has informed policymaking in the UK and other countries in recent weeks. In the absence of a COVID-19 vaccine, we assess the potential role of a number of public health measures-so-called non-pharmaceutical interventions (NPIs)-aimed at reducing contact rates in the population and thereby reducing transmission of the virus. In the results presented here, we apply a previously published microsimulation model to two countries: the UK (Great Britain specifically) and the US. We conclude that the effectiveness of any one intervention in isolation is likely to be limited, requiring multiple interventions to be combined to have a substantial impact on transmission. Two fundamental strategies are possible: (a) mitigation, which focuses on slowing but not necessarily stopping epidemic spread-reducing peak healthcare demand while protecting those most at risk of severe disease from infection, and (b) suppression, which aims to reverse epidemic growth, reducing case numbers to low levels and maintaining that situation indefinitely. Each policy has major challenges. We find that that optimal mitigation policies (combining home isolation of suspect cases, home quarantine of those living in the same household as suspect cases, and social distancing of the elderly and others at most risk of severe disease) might reduce peak healthcare demand by 2/3 and deaths by half. However, the resulting mitigated epidemic would still likely result in hundreds of thousands of deaths and health systems (most notably intensive care units) being overwhelmed many times over. For countries able to achieve it, this leaves suppression as the preferred policy option. We show that in the UK and US context, suppression will minimally require a combination of social distancing of the entire population, home isolation of cases and household quarantine of their family members. This may need to be supplemented by school and university closures, though it should be recognised that such closures may have negative impacts on health systems due to increased absenteeism. The major challenge of suppression is that this type of intensive intervention package-or something equivalently effective at reducing transmission-will need to be maintained until a vaccine becomes available (potentially 18 months or more)-given that we predict that transmission will quickly rebound if interventions are relaxed. We show that intermittent social distancing-triggered by trends in disease surveillance-may allow interventions to be relaxed temporarily in relative short time windows, but measures will need to be reintroduced if or when case numbers rebound. Last, while experience in China and now South Korea show that suppression is possible in the short term, it remains to be seen whether it is possible long-term, and whether the social and economic costs of the interventions adopted thus far can be reduced.
Technical Report
Full-text available
Comunicação Avenida Brasil, 3925-Compensa II Fone: (92) 0000-0000 Manaus-AM-CEP 69036-110 Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi. Lorem ipsum dolor sit amet, cons ectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi. Lorem ipsum dolor sit amet, cons ectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi. Lorem ipsum dolor sit amet, cons ectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat
Preprint
Full-text available
Background The novel coronavirus (SARS-CoV-2) has rapidly evolved into a global epidemic. To control its spread, countries have implemented non-pharmaceutical interventions (NPIs), such as school or border closures, while others have even enforced complete lockdowns. Here we study the impact of NPIs in reducing documented cases of COVID-19. Documented case numbers are selected because they are essential for decision-makers in the area of health-policy when monitoring and evaluating current control mechanisms. Methods We empirically estimate the relative reduction in the number of new cases attributed to each NPI. A cross-country analysis is performed using documented cases through April 15, 2020 from n = 20 countries (i.e., the United States, Canada, Australia, the EU-15 countries, Norway, and Switzerland). Results As of April 15, venue closures were associated with a reduction in the number of new cases by 36 % (95% credible interval [CrI] 20–48 %), closely followed by gathering bans (34 %; 95% CrI 21–45 %), border closures (31 %; 95% CrI 19–42 %), and work bans on non-essential business activities (31 %; 95% CrI 16–44 %). Event bans lead to a slightly less pronounced reduction (23 %; 95% CrI 8–35 %). School closures (8 %; 95% CrI 0–23 %) and lockdowns (5 %; 95% CrI 0–14 %) appeared to be the least effective among the NPIs considered in this analysis. Conclusions With this cross-country analysis, we provide early estimates regarding the impact of different NPIs for controlling the COVID-19 epidemic. These findings are relevant for evaluating current health-policies.
Preprint
Full-text available
On the 21st of February 2020 a resident of the municipality of Vo, a small town near Padua, died of pneumonia due to SARS-CoV-2 infection. This was the first COVID-19 death detected in Italy since the emergence of SARS-CoV-2 in the Chinese city of Wuhan, Hubei province. In response, the regional authorities imposed the lockdown of the whole municipality for 14 days. We collected information on the demography, clinical presentation, hospitalization, contact network and presence of SARS-CoV-2 infection in nasopharyngeal swabs for 85.9% and 71.5% of the population of Vo at two consecutive time points. On the first survey, which was conducted around the time the town lockdown started, we found a prevalence of infection of 2.6% (95% confidence interval (CI) 2.1-3.3%). On the second survey, which was conducted at the end of the lockdown, we found a prevalence of 1.2% (95% CI 0.8-1.8%). Notably, 43.2% (95% CI 32.2-54.7%) of the confirmed SARS-CoV-2 infections detected across the two surveys were asymptomatic. The mean serial interval was 6.9 days (95% CI 2.6-13.4). We found no statistically significant difference in the viral load (as measured by genome equivalents inferred from cycle threshold data) of symptomatic versus asymptomatic infections (p-values 0.6 and 0.2 for E and RdRp genes, respectively, Exact Wilcoxon-Mann-Whitney test). Contact tracing of the newly infected cases and transmission chain reconstruction revealed that most new infections in the second survey were infected in the community before the lockdown or from asymptomatic infections living in the same household. This study sheds new light on the frequency of asymptomatic SARS-CoV-2 infection and their infectivity (as measured by the viral load) and provides new insights into its transmission dynamics, the duration of viral load detectability and the efficacy of the implemented control measures.
Preprint
Full-text available
A novel Coronavirus pandemic emerged in December of 2019, causing devastating public health impact across the world. In the absence of a safe and effective vaccine or antivirals, strategies for mitigating the burden of the pandemic are focused on non-pharmaceutical interventions, such as social-distancing, contact-tracing, quarantine, isolation and the use of face-masks in public. We develop a new mathematical model for assessing the population-level impact of these mitigation strategies. Simulations of the model, using data relevant to COVID-19 transmission in the state of New York and the entire US, show that the pandemic will peak in mid and late April, respectively. The worst-case scenario projections for cumulative mortality are 105, 100 for New York state and 164, 000 for the entire US by the end of the pandemic. These numbers decrease by 80% and 64%, respectively, if adherence to strict social-distancing measures is improved and maintained until the end of May or June. This study shows that early termination of strict social-distancing measures could trigger a devastating second wave with burden similar to that projected before the onset of strict social-distance measures. The use of efficacious face-masks (efficacy greater than 70%) could lead to the elimination of the pandemic if at least 70% of the residents of New York state use such masks consistently (nationwide, a compliance of at least 80% will be required using such masks). The use of low efficacy masks, such as cloth masks (of efficacy less than 30%), could also lead to significant reduction of COVID-19 burden (albeit, they are not able to lead to elimination). Combining low efficacy masks with improved levels of the other anti-COVID-19 intervention strategies can lead to elimination of the pandemic. The mask coverage needed to eliminate COVID-19 decreases if the mask-use is combined with strict social-distancing.
Article
Full-text available
We report temporal patterns of viral shedding in 94 patients with laboratory-confirmed COVID-19 and modeled COVID-19 infectiousness profiles from a separate sample of 77 infector–infectee transmission pairs. We observed the highest viral load in throat swabs at the time of symptom onset, and inferred that infectiousness peaked on or before symptom onset. We estimated that 44% (95% confidence interval, 25–69%) of secondary cases were infected during the index cases’ presymptomatic stage, in settings with substantial household clustering, active case finding and quarantine outside the home. Disease control measures should be adjusted to account for probable substantial presymptomatic transmission. Presymptomatic transmission of SARS-CoV-2 is estimated to account for a substantial proportion of COVID-19 cases.
Preprint
Full-text available
Objective Allocation of medical resource is essential to a strong public health system in response to COVID-19. Analysis of confirmed COVID-19 patients' hospital length of stay in Sichuan can be informative to decision-making in other regions of the world. Design A retrospective cross-sectional study. Data and Method Data from confirmed COVID-19 cases in Sichuan Province were obtained from the National Notifiable Diseases Reporting System (NNDRS) and field survey. We collected information on demographic, epidemiological, clinical characteristics, and the length of hospital stay for confirmed patients. We conducted an exploratory analysis using adjusted multivariate cox-proportional models. Participants A total of 538 confirmed patients of COVID-19 infection in Sichuan Province from January to March 2020. Outcome measure The length of hospital stay after admissions for confirmed patients. Results From January 16, 2020 to March 4, 2020, 538 human cases of COVID-19 infection were laboratory-confirmed, and were hospitalized for treatment. Among these, 271 (50%) were 45 years of age or above, 285 (53%) were male, 450 (84%) were considered as having mild symptoms. The median hospital length of stay was 19 days (interquartile range (IQR): 14-23, Range: 3-41). Adjusted multivariate analysis showed that longer hospital length of stay was associated with factors aged 45 and over (HR: 0.74, 95% CI: 0.60-0.91), those admitted to provincial hospital (HR: 0.73, 95% CI: 0.54-0.99), and those with serious illness (HR: 0.66, 95% CI: 0.48-0.90); living in areas with more than 5.5 healthcare workers per 1000 population (HR: 1.32, 95% CI: 1.05-1.65) was associated with shorter hospital length of stay. There was no gender difference. Conclusions Preparation control measures of COVID-19 should involve the allocation of sufficient medical resources, especially in areas with older vulnerable populations and in areas that lack basic medical resources.
Article
Full-text available
Background : Several non-pharmaceutical interventions (NPIs) have been implemented across the world to control the coronavirus disease (COVID-19) pandemic. Social distancing (SD) interventions applied so far have included school closures, remote working and quarantine. These measures have been shown to have large impacts on pandemic influenza transmission. However, there has been comparatively little examination of such measures for COVID-19. Methods : We examined the existing literature, and collated data, on implementation of NPIs to examine their effects on the COVID-19 pandemic so far. Data on NPIs were collected from official government websites as well as from media sources. Results : Measures such as travel restrictions have been implemented in multiple countries and appears to have slowed the geographic spread of COVID-19 and reduced initial case numbers. We find that, due to the relatively sparse information on the differences with and without interventions, it is difficult to quantitatively assess the efficacy of many interventions. Similarly, whilst the comparison to other pandemic diseases such as influenza can be helpful, there are key differences that could affect the efficacy of similar NPIs. Conclusions : The timely implementation of control measures is key to their success and must strike a balance between early enough application to reduce the peak of the epidemic and ensuring that they can be feasibly maintained for an appropriate duration. Such measures can have large societal impacts and they need to be appropriately justified to the population. As the pandemic of COVID-19 progresses, quantifying the impact of interventions will be a vital consideration for the appropriate use of mitigation strategies.
Article
Importance Coronavirus disease 2019 (COVID-19) has become a pandemic, and it is unknown whether a combination of public health interventions can improve control of the outbreak. Objective To evaluate the association of public health interventions with the epidemiological features of the COVID-19 outbreak in Wuhan by 5 periods according to key events and interventions. Design, Setting, and Participants In this cohort study, individual-level data on 32 583 laboratory-confirmed COVID-19 cases reported between December 8, 2019, and March 8, 2020, were extracted from the municipal Notifiable Disease Report System, including patients’ age, sex, residential location, occupation, and severity classification. Exposures Nonpharmaceutical public health interventions including cordons sanitaire, traffic restriction, social distancing, home confinement, centralized quarantine, and universal symptom survey. Main Outcomes and Measures Rates of laboratory-confirmed COVID-19 infections (defined as the number of cases per day per million people), across age, sex, and geographic locations were calculated across 5 periods: December 8 to January 9 (no intervention), January 10 to 22 (massive human movement due to the Chinese New Year holiday), January 23 to February 1 (cordons sanitaire, traffic restriction and home quarantine), February 2 to 16 (centralized quarantine and treatment), and February 17 to March 8 (universal symptom survey). The effective reproduction number of SARS-CoV-2 (an indicator of secondary transmission) was also calculated over the periods. Results Among 32 583 laboratory-confirmed COVID-19 cases, the median patient age was 56.7 years (range, 0-103; interquartile range, 43.4-66.8) and 16 817 (51.6%) were women. The daily confirmed case rate peaked in the third period and declined afterward across geographic regions and sex and age groups, except for children and adolescents, whose rate of confirmed cases continued to increase. The daily confirmed case rate over the whole period in local health care workers (130.5 per million people [95% CI, 123.9-137.2]) was higher than that in the general population (41.5 per million people [95% CI, 41.0-41.9]). The proportion of severe and critical cases decreased from 53.1% to 10.3% over the 5 periods. The severity risk increased with age: compared with those aged 20 to 39 years (proportion of severe and critical cases, 12.1%), elderly people (≥80 years) had a higher risk of having severe or critical disease (proportion, 41.3%; risk ratio, 3.61 [95% CI, 3.31-3.95]) while younger people (<20 years) had a lower risk (proportion, 4.1%; risk ratio, 0.47 [95% CI, 0.31-0.70]). The effective reproduction number fluctuated above 3.0 before January 26, decreased to below 1.0 after February 6, and decreased further to less than 0.3 after March 1. Conclusions and Relevance A series of multifaceted public health interventions was temporally associated with improved control of the COVID-19 outbreak in Wuhan, China. These findings may inform public health policy in other countries and regions.