Você está na página 1de 11

Análise do sistema de equações de diferença na modelagem de epidemia de

hanseníase na cidade de Imperatriz - MA

1. O que é a hanseníase?
“A hanseníase, conhecida antigamente como Lepra, é uma doença crônica,
transmissível, de notificação compulsória e investigação obrigatória em todo território
nacional.” (MINISTÉRIO DA SAÚDE) É uma das doença causada por uma bactéria
chamada Mycobacterium leprae e é uma das doenças mais antigas registradas. Até o
ano de 1987 não existia uma cura para hanseníase e apenas com a descoberta feito pelo
Dr. Jacinto Convit, foi possível tratar a doença por completo. (WIKIPÉDIA)

2. Entendendo o modelo simplificado aplicado à epidemia de hanseníase na


cidade de Imperatriz - MA
Na modelagem de epidemiologias há algumas classes que devemos definir
previamente para melhor entendimento dos modelos, são estas as classes de suscetíveis
(S), expostos (E), infecciosos (I) e removidos (R). Cada uma dessas classes varia com o
tempo e, portanto, serão denotadas por 𝑆(𝑡) = 𝑆𝑡 , 𝐸(𝑡) = 𝐸𝑡 , 𝐼(𝑡) = 𝐼𝑡 , 𝑅(𝑡) = 𝑅𝑡 ,
respectivas a um tempo 𝑡. No qual 𝑆𝑡 + 𝐸𝑡 + 𝐼𝑡 + 𝑅𝑡 = 1, considerando a porcentagem de
cada classe. Essas classes dividem uma população P. (SILVA, 2009, p. 21-22)
O modelo que iremos utilizar será o de 𝑆𝐼, que é o modelo utilizado quando a
epidemia não possui recuperação dos doentes. No caso de uma população fixa, a taxa
de crescimento 𝛼 de infecciosos é a mesma de decrescimento de suscetíveis. As
equações de diferenças utilizadas nesses modelo são representadas pelo sistema a
seguir
𝑆 − 𝑆𝑡 = −𝛼𝑆𝑡 𝐼𝑡
{ 𝑡+1 (2.1)
𝐼𝑡+1 − 𝐼𝑡 = 𝛼𝑆𝑡 𝐼𝑡
e 𝑆0 > 0, 𝐼0 > 0 𝑒 𝑆𝑡 + 𝐼𝑡 = 1. Sendo 𝛼𝑆𝑡 𝐼𝑡 a taxa de movimentação da classe dos
suscetíveis (S) para a classe dos infecciosos (I). Enquanto 𝑆𝑡 e 𝐼𝑡 representam, em P, a
proporção dos suscetíveis e infecciosos num período 𝑡. (SILVA, 2009, p. 24)
Porém, como o modelo 𝑆𝐼 é muito simples, iremos adaptar um modelo 𝑆𝐼𝑅 para
o modelo anterior, para que haja três classes, a de suscetíveis (S), infecciosos (I) e os
removidos (R). “Os suscetíveis, também denominados contatos registrados, são
pessoas sadias que têm contato direto e prolongado com os infecciosos e coabitam
com os mesmos. Os infecciosos são os que transmitem a doençaa e os retirados ou
removidos são os curados ou mortos.” (SILVA, 2009, p.34) Neste modelo 𝑆𝐼𝑅 temos um
sistema de equações de diferenças que pode ser representado da seguinte maneira
𝑆𝑡+1 − 𝑆𝑡 = 𝜇(𝑆𝑡 − 𝐼𝑡 − 𝑅𝑡 ) − 𝛽𝑆𝑡 𝐼𝑡
{ 𝐼𝑡+1 − 𝐼𝑡 = 𝛽𝑆𝑡 𝐼𝑡 − 𝛾𝐼𝑡 (2.2)
𝑅𝑡+1 − 𝑅𝑡 = 𝛾𝐼𝑡
na qual:
𝜇 = taxa de crescimento da população;
𝛽 = taxa de transmissão;
𝛾 = taxa de recuperação ou remoção.
Uma simplificação do sistema 2.2, pode ser feita se supormos que a população se
restringe apenas às classes dos suscetíveis e dos infecciosos. Nesse caso, o sistema 2.2
fica da forma
𝑆𝑡+1 − 𝑆𝑡 = 𝜇(𝑆𝑡 + 𝐼𝑡 ) − 𝛽𝑆𝑡 𝐼𝑡
{ (2.3)
𝐼𝑡+1 − 𝐼𝑡 = 𝛽𝑠𝑡 𝐼𝑡 − 𝛾𝐼𝑡
no qual a expressão 𝜇(𝑆𝑡 + 𝐼𝑡 ) na primeira equação nos diz que os recém nascidos filhos
de infecciosos são sadios. (SILVA, 2009, p.35)
Simplificando o sistema 2.3 para a avaliação da epidemia de hanseníase na cidade
de Imperatriz fazemos que 𝜇(𝑆𝑡 + 𝐼𝑡 ) = 𝛼𝑆𝑡 , onde 𝛼 é a taxa de crescimento dos
suscetíveis, ou seja, estamos supondo que os infectados não procriam. Dessa forma o
nosso novo sistema fica como
𝑆𝑡+1 − 𝑆𝑡 = 𝛼𝑆𝑡 − 𝛽𝑆𝑡 𝐼𝑡
{ (2.4)
𝐼𝑡+1 − 𝐼𝑡 = 𝛽𝑠𝑡 𝐼𝑡 − 𝛾𝐼𝑡
na qual os parâmetros podem ser entendidos como:
𝛼 = taxa de crescimento da classe dos suscetíveis;
𝛽 = taxa de transmissão proporcional ao contato entre indivíduos;
𝛾 = taxa de decrescimento dos infecciosos (taxa de cura e mortalidade).
Nesse modelo 2.4 iremos considerar uma população P que varia de acordo com o
tempo 𝑡. Mas por simplicidade iremos considerar que as classes 𝑆𝑡 e 𝐼𝑡 são porcentagens
de P em cada instante. Ou seja, 𝑆𝑡 + 𝐼𝑡 = 1.
Se isolarmos 𝑆𝑡 na primeira equação obtemos
𝑆𝑡+1 = 𝑆𝑡 (𝛼 − 𝛽𝐼𝑡 + 1) ↔
𝑆𝑡+1 𝛼+1
𝑆𝑡 = , 𝐼𝑡 ≠ . (2.5)
𝛼 + 1 − 𝛽𝐼𝑡 𝛽
E substituindo 𝑆𝑡 na segunda equação, obtemos
𝑆𝑡+1
𝐼𝑡+1 − 𝐼𝑡 = 𝛽𝐼𝑡 − 𝛾𝐼𝑡 ↔
𝛼 + 1 − 𝛽𝐼𝑡
𝛽𝑆𝑡+1
𝐼𝑡+1 = 𝐼𝑡 (1 − 𝛾 + ). (2.6)
𝛼 + 1 − 𝛽𝐼𝑡
Como sabemos que a população varia com o tempo e é composta apenas de
suscetíveis e infecciosos, por simplicidade, temos que 𝑆𝑡+1 + 𝐼𝑡+1 = 1, e ainda mais que
𝑆𝑡+1 = 1 − 𝐼𝑡+1 . Então se substituirmos 𝑆𝑡+1 em 2.6, obtemos
𝛽(1 − 𝐼𝑡+1 )
𝐼𝑡+1 = 𝐼𝑡 [1 − 𝛾 + ] ↔
𝛼 + 1 − 𝛽𝐼𝑡
𝛽 𝛽𝐼𝑡+1
𝐼𝑡+1 = 𝐼𝑡 (1 − 𝛾 + − ) ↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛽 𝐼𝑡 𝛽𝐼𝑡+1
𝐼𝑡+1 = 𝐼𝑡 (1 − 𝛾 + )− ↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝐼𝑡 𝛽 𝛽
𝐼𝑡+1 (1 + ) = 𝐼𝑡 (1 − 𝛾 + ) ↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛼 + 1 − 𝛽𝐼𝑡 + 𝐼𝑡 𝛽 (1 − 𝛾)(𝛼 + 1 − 𝛽𝐼𝑡 ) + 𝛽
𝐼𝑡+1 ( ) = 𝐼𝑡 [ ] ↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛼+1 𝛼 + 1 − 𝛽𝐼𝑡 − 𝛾𝛼 − 𝛾 + 𝛽𝛾𝐼𝑡 + 𝛽
𝐼𝑡+1 ( ) = 𝐼𝑡 ( ) ↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛼+1 𝛼 + 1 + 𝛽 − 𝛾𝛼 − 𝛾 + 𝛽𝐼𝑡 (𝛾 − 1)
𝐼𝑡+1 ( ) = 𝐼𝑡 [ ]↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛼+1 𝛼 + 1 + 𝛽 − 𝛾𝛼 − 𝛾 𝛽(𝛾 − 1)
𝐼𝑡+1 ( ) = 𝐼𝑡 ( ) + 𝐼𝑡2 [ ]↔
𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡 𝛼 + 1 − 𝛽𝐼𝑡
𝛼 + 1 + 𝛽 − 𝛾𝛼 − 𝛾 𝛽(𝛾 − 1)
𝐼𝑡+1 = 𝐼𝑡 ( ) + 𝐼𝑡2 [ ]↔
𝛼+1 𝛼+1
𝛼 + 1 + 𝛽 − 𝛾𝛼 − 𝛾 𝛽(1 − 𝛾)
𝐼𝑡+1 = 𝐼𝑡 ( ) − 𝐼𝑡2 [ ] ↔
𝛼+1 𝛼+1
(1 − 𝛾)(𝛼 + 1) + 𝛽 𝛽(1 − 𝛾)
𝐼𝑡+1 = 𝐼𝑡 [ ] − 𝐼𝑡2 [ ] ↔
𝛼+1 𝛼+1
𝛽 𝛽
𝐼𝑡+1 = 𝐼𝑡 [(1 − 𝛾) + ] − 𝐼𝑡2 [(1 − 𝛾) ]. (2.7)
𝛼+1 𝛼+1
𝛽
Se dissermos que 𝑚 = 1 − 𝛾 e 𝑛 = 𝛼+1 e substituirmos na expressão 2.7,

conseguimos que
𝐼𝑡+1 = 𝐼𝑡 (𝑚 + 𝑛) − 𝑚𝑛𝐼𝑡2 , (2.8)
que é uma equação logística em tempo discreto. (SILVA, 2009, p. 39)
Podemos encontrar uma equação equivalente à 2.8 da forma
𝑚𝑛
𝐼𝑡+1 = (𝑚 + 𝑛)𝐼𝑡 (1 − 𝐼 ), (2.9)
𝑚+𝑛 𝑡
e se aplicando que 𝑚 + 𝑛 = 𝑟, fica da forma:
𝑚𝑛
𝐼𝑡+1 = 𝑟𝐼𝑡 (1 − 𝐼 ). (2.10)
𝑟 𝑡
𝑚𝑛 𝑟
Se considerarmos que 𝐼𝑡 = 𝐻𝑡 ↔ 𝐼𝑡 = 𝑚𝑛 𝐻𝑡 , 𝑚 ≠ 0 𝑒 𝑛 ≠ 0, podemos escrever
𝑟

2.10 como
𝑟 𝑟
𝐻𝑡+1 = 𝑟 𝐻 (1 − 𝐻𝑡 ) ↔
𝑚𝑛 𝑚𝑛 𝑡
𝐻𝑡+1 = 𝑟𝐻𝑡 (1 − 𝐻𝑡 ), 𝑟 > 0. (2.11)
O valor de 𝐻𝑡 representa, na equação 2.11, a proporção de anual de infecciosos
no tempo 𝑡. (SILVA, 2009, p.40)
Analisando os dados fornecidos pela Secretaria de Saúde de Imperatriz na tabela
1 a seguir
Tabela 1: Número de infecciosos, suscetíveis e população total de Imperatriz – 1994 a 2007.
Fonte: Secretaria de Saúde de Imperatriz
e considerando que utilizaremos o modelo SI simplificado a seguir
𝐼𝑡+1 = 𝑟𝐼𝑡 (1 − 𝐼𝑡 ) (2.12)
iremos calcular os parâmetros 𝛼, 𝛽, 𝛾 𝑒 𝑟 de acordo com a tabela com os valores do
período de 1994 a 2007. Nesse período o número total de infecciosos foi de 8.869 e o de
suscetíveis de 34.584, numa proporção aproximada de 1 infeccioso para 3,9 suscetíveis.
Como dito anteriormente iremos considerar que a população P só diz respeito aos
infecciosos e aos suscetíveis, logo 𝑃 = 43.453. Lembrando que 𝑆𝑡 e 𝐼𝑡 são as proporções
em relação a P, temos que 𝑆𝑡 = 0,7959 e 𝐼𝑡 = 0,2041.
Na dissertação, Silva calcula os parâmetros 𝛼 e 𝛽, tomando a variação do número
de suscetíveis e infecciosos de 1997 a 2006, conforme os seguintes gráficos das figuras
1 e figuras 2,
Figura 1: Linha de Tendência (Regressão Linear) do Número de Suscetíveis a
Hanseníase no Município de Imperatriz - 1997 a 2006.
Fonte: SILVA, 2009
Figura 2: Linha de Tendência (Regressão Linear) do Número de Infecciosos a
Hanseníase no Município de Imperatriz - 1997 a 2006.

Fonte: SILVA, 2009


𝛼 = −0,146 (2.13)
e
𝛽 = −0,035 (2.14)
O parâmetro 𝛾 “foi determinado foi determinado considerando-se o valor de 𝛽 =
−0,035 e variação de valores do número de infecciosos e suscetíveis no período de
1997 a 2006, substituídos na segunda equação do sistema (2.2) e tomando a média
dos valores conforme a Tabela 2.

Tabela 2: Variação da Taxa de Removidos – 1997 a 2006


Fonte: SILVA, 2009

𝛽 𝛽
Como 𝑟 = 𝑚 + 𝑛, 𝑚 = 1 − 𝛾 e 𝑛 = 𝛼+1, então podemos dizer que 𝑟 = 1 − 𝛾 + 𝛼+1,

e substituindo os valores de 𝛼, 𝛽 e 𝛾, temos que 𝑟 = 0,928. Logo, como 0 < 𝑟 < 1,


sabemos que o número de infecciosos em algum instante 𝑡 será 0. Iremos agora utilizar
o software Maple para calcular qual será esse tempo 𝑡, levando em consideração que
𝑡0 = 2007 e 𝐼0 = 0,2041.

3. Projeção da População de Infecciosos no Município de Imperatriz utilizando


o software Maple
Tabela 3: Proporção de infecciosos no período de 2007 a 2086
Ano I(t) Ano I(t) Ano I(t) Ano I(t)
2007 0,2041 2027 0,0134 2047 0,0026 2067 0,0005
2008 0,1507 2028 0,0123 2048 0,0024 2068 0,0005
2009 0,1188 2029 0,0113 2049 0,0022 2069 0,0004
2010 0,0971 2030 0,0103 2050 0,0020 2070 0,0004
2011 0,0813 2031 0,0095 2051 0,0019 2071 0,0004
2012 0,0693 2032 0,0087 2052 0,0017 2072 0,0003
2013 0,0599 2033 0,0080 2053 0,0016 2073 0,0003
2014 0,0522 2034 0,0074 2054 0,0015 2074 0,0003
2015 0,0459 2035 0,0068 2055 0,0014 2075 0,0003
2016 0,0407 2036 0,0063 2056 0,0013 2076 0,0002
2017 0,0362 2037 0,0058 2057 0,0012 2077 0,0002
2018 0,0324 2038 0,0053 2058 0,0011 2078 0,0002
2019 0,0291 2039 0,0049 2059 0,0010 2079 0,0002
2020 0,0262 2040 0,0045 2060 0,0009 2080 0,0002
2021 0,0236 2041 0,0042 2061 0,0009 2081 0,0002
2022 0,0214 2042 0,0039 2062 0,0008 2082 0,0001
2023 0,0194 2043 0,0036 2063 0,0007 2083 0,0001
2024 0,0177 2044 0,0033 2064 0,0007 2084 0,0001
2025 0,0161 2045 0,0030 2065 0,0006 2085 0,0001
2026 0,0147 2046 0,0028 2066 0,0006 2086 0,0001
Fonte: Elaborada pelo autor

4. Considerações Finais
É bem interessante observar como é possível criar modelos matemáticos a partir
de situações do nosso cotidiano, e mais importante ainda, prever como essas situações
irão funcionar se seguidos determinados padrões. Esse modelo foi considerado pela
diminuição dos contagiados, não levando em conta as possíveis curas com a vacina. Mas
do mesmo jeito, um dia a quantidade de infecciosos iria chegar a praticamente zero.
5. Referências

HANSENÍASE: o que é, causas, sinais e sintomas, tratamento, diagnóstico e


prevenção. In: MINISTÉRIO DA SAÚDE, 2013. Disponível em:
<http://saude.gov.br/saude-de-a-z/hanseniase>. Acesso em: 07 dez. 2019

LEPRA. In: WIKIPÉDIA, a enciclopédia livre. Flórida: Wikimedia Foundation, 2019.


Disponível em: <https://pt.wikipedia.org/w/index.php?title=Lepra&oldid=56595808>.
Acesso em: 07 dez. 2019.

SILVA, J.G.S. e. Equações de Diferenças Finitas na Modelagem da Hanseníase em


Imperatriz – MA. 2009. 57f. Dissertação de Mestrado Profissional em Matemática –
Unicamp, Campinas, 2009. Disponível em:
<http://repositorio.unicamp.br/handle/REPOSIP/306485>. Acesso em: 05 dez. 2019

Você também pode gostar