Laboratério VISGRAF Instituto de Matematica Pura e Aplicada ‘Visualizacao em Tempos de Corona Virus ~ Parte 1 Julia Gianmella and Luiz Velho Technical Report TR-20-07 _ Relatério Técnico May - 2020 - Maio ‘The contents of this report are the sole responsibility of the authors. © contetido do presente relatério é de Unica responsabllidade dos autores.Visualizagao em Tempos de Coronavirus Parte 1 JULIA GIANNELLA? Luiz VELHO? julia @impa.br 2Ivelho@impa.brCapitulo 1 Introdugaéo 1.1 Contexto Hoje, ouve-se com bastante frequéncia a expressio “sem precedentes”. E como se a linguagem que usamos para explicar nosso mundo estivesse desmoronando © os superlativos ndo pudessem acompanhar a nova realidade trazida pela pan- demia do novo coronavirus. Desde margo de 2020, nossas vidas foram atingidas por uma avalanche de perguntas dificeis de serem respondidas: “Quando isso vai acabar? Como posso proteger a mim mesmo e aos outros? Até quando as escolas permanecerao fechadas? Vou perder meu emprego? A ironia da situagao 6 que ossas diividas emergom om um momento de larga e acelerada produgio de dados que, no entanto, nao parecem ser suficientes para aclarar a situagio. A pandemia esta gerando grandes quantidades de dados como mimero de testes realizados, casos confirmados, pacientes recuperados, pessoas que morreram pelo virus, etc. Ao mesmo tempo, esses dados siio muitas vezes incertos, incompletos e dificeis de serem analisados pois estao em continua revisio e atualizagao. Diante da complexidade e volatilidade do fendmeno, cientistas, jorna tivos a um piiblico muitas vezes nao especializado, Nesse contexto, a visualizagao de dados assume um papel crucial no processo comunicacional, Podemos observar uma proliforagio de visualizagdes de dados sobre o Covid- 19 na midia o que torna o momento bastante propicio para estudo do tema sob a perspectiva de diferentes disciplinas dentre as quais a Matematica e o Design da Informa Assim, nasce o portal “Coronaviz: visualizagéo em tempos de corona- virus”, uma iniciativa do Visgraf, do Instituto de Matematica Pura e Aplicada, um laboratério com foco em pesquisa e desenvolvime deste trabalho, iromos analisar bons ¢ maus exemplos de visualizagdes de dados produzidos no contexto da pandemia. Em tiltima instdncia, podemos argumentar que os bons exemplos ajudam pessoas a compreenderem, om diferentes graus ¢ aspectos, as causas e implicagées envolvidas no novo coronavirus e incentivam a responsabilidade efvica por meio do autocuidado ¢ da pratica do distanciamento social. Se, por um lado, a proliferagao de visualiz listas e agentes piblicos esforgam-se para tornar dados signifi ito de novas midias. Ao longo de dados sobre a atual pande-CAPITULO 1. INTRODUGAOQ. 2 mia ja constituiria razao legitima para se debrugar sobre o assunto, por outr epidemiolégico que vivemos evidencia novos aspectos a respeito da produgio de visualizagSes e podem ser situados em dois eixos, elucidados a seguir. Utiliz mos 0 portal Coronaviz para publicar andlises ¢ reflexées cobrindo diferentes questdes que eles abarcam. Eventualmente, tépicos nio mencionados neste primeiro momento poderao ser incluidos nas andlises do portal es eixt i) Diversificagao da visualizagao de dados para além da con- tagem de eventos ao da vi O primeiro eixo diz respeito & diversific sualizagio de dados para além da contagem de eventos relacionados & propagagio do Covid-19. Em um momento inicial, quando a pandemia deflagrou mundialmente em meados de marco, mapas, graficos de barras e gréficos de linhas de casos confirmados, dentre ontros tipos de contagens, predominaram na midia. No entanto, & medida que os efeitos da crise se desdobraram — e continuam a se desdobrar — os meios de comunicagio come- garam a se atentar para outros tipos de dados que extrapolam a mera contagem de casos confirmados ¢ taxas de mortalidade. Nesta linha de pensamento, o exemplo mais emblemético que podemos citar é 0 gréfico do “achatamento da curva” que, nos perdoem o duplo sentido, viralizou e ganhou intmeras adaptagdes. Mas, para falar mais sobre esse grafico, precisamos dar um passo atrés ‘A pratica e reflexio de e sobre visualizagio de dados possui um longo his. térico que remonta, primciramente, a produgao cmpirica de mapas ¢ gréficos por pioneiros como Joseph Priestley, William Playfair e Charles Joseph Minard, e, pos- toriormente, a sistematizacio propriamente dita de uma teoria para a linguagem visual-grafica proposta por estudiosos como Jacques Bertin e Edward Tufte. Nos liltimos anos, a visualizacio de dados popularizou-se, tornando-se mais presente em nossas experiéncia didrias. Nés a vemos em noticias jornalisticas (impressas e televisivas), midias sociais, livros didéticos, campanhas publicitérias, dashboards interativos, estudos cientificos, relatérios, etc., sendo usada para diferentes fins: analisar problemas, comunicar informagao ¢ tomar decisdes baseadas em evidén- clas Evidéncia ¢ a qualidade daquilo que 6 evidente, do que nao dé margem & divida. Constitui-se como uma das principais prerrogativas para o emprego de metodologias ¢ téenicas baseadas em dados. N entido, visualizagées de dados baseadas no tempo tradicionalmente sio empregadas em dois tipos de situagao: os. * Evidenciagio de ever com inicio, meio e fim s concretos ¢ finalizados, isto 6, conjuntos de dados mhecidos; * Evidenciagio de eventos concretos ¢ em processo, isto 6, conjunto de dados atualizados em tempo real em um ambiente controlado. Nenhuma das situag6es contudo, descreve 0 fendmeno do Covid-19: a pande- mia, no momento, é um evento em processo em um ambiente nao controlado,CAPITULO 1. INTRODUGAO 3 fato é que a situagao impulsionada pelo Covid-19 é inédita tanto em termos da velocidade ¢ imprevisibilidade como 0 virus se propaga, como cm termos do ritmo acclerado em que noticias e andlises sio publicadas e divulgadas na midia. A simultancidade entre fendmeno ¢ andlise do fendmeno faz com que se consolide uma nova abordagem para a visualizacio de dados. Chamaremos essa nova abordagem de visualizagéo de dados hipotéticos que tem como principal exemplo, no atual contexto, 0 grafico do “achatamento da curva’. Ne de dados desloca-se de sua funcio primordial que é evidenciar eventos concretos para demonstrar conceitos ¢ modelos mateméticos a partir de dados obtidos em simulagdes. Nos aprofundaremos mais sobre esse aspecto nas anélises dos grAficos publicados pelo The Washington Post (segio 3.1) e The Economist (segio 3.2) Para além do gréfico “achatamento da curva”, h4 uma segunda onda de vi- sualizagées de dados que reflete os desdobramentos implicados na pratica de dis- tanciamento social. Sao visualizagdes bascadas em dados secundarios, isto é, in- diretamente relacionados ao avango da pandemia. Podemos citar, por exemplo, visualizagdes que demonstram a mudanca dos padrdes de gastos em [14], o au- mento na taxa de desemprego [25], alteragé das pessoas [4], a reducao da poluicdo urbana [20] ¢ até mesmo o indice de trans- paréncia na divulgagéo de dados sobre a pandemia (18] Finalmente, ha uma terceira onda de visualizagdes de dados que emerge quase como uma resposta 4 ironia mencionada no inicio do texto. Ha uma quantidade sem precedentes de dados sendo produzidos e divulgados em tempo real. Contudo, esses dados, mesmo quando visualizados, néo séo capazes de dar conta de todas as diividas ¢ amenizar nossas ansiedades. Diante, da incerteza, incompletude e complexidade do fendmeno, surgem praticas de visualizagio de dados que evocam, por um lado, 0 euidado com a comunidade e, por outro lado, 0 auto reflexao. Por praticas de visualizagio de dados voltadas para o cuidado da comunidade, queremos enfatizar exemplos que evidenciam o impacto desproporcional do Covid- 19 om segmentos mais vulnerdveis da sociedade como refugiados [6], profissionais que nio podem trabalhar de casa [8], negros [7], pessoas encarceradas [9], ete Em um perspectiva stricto sensu, sao visualizacées passiveis de serem questiona- das como tais 4 medida que distanciam-se de certas qualidades como abstra precisio e objetividade. Apoiando-se em pequenos conjuntos de dados, sio vi- que utilizam recursos figurativos e expressivos para amparar criticas a abordagem, a visualizs cio no comportamento de mobilidade sualizagés sociais Por priticas de visualizagio de dados voltadas para o auto reflexio, queremos destacar uma mudanga mais paradigmatica no fluxo de produgio de visualizagdes de dados durante a pandemia. Até o momento, citamos praticas de visualizagbes de dados claramente produzidas por um meio de comunicagao legitimado com ob- jetivo de comunicar informagées confidveis a um piiblico amplo. No entanto, 0 contexto do Covid-19 evidencia a emergéncia de visualizagées de dados criadas para outro objetivo: auto reflexio ¢ expressiio. Nessa linha, iniciativas como “Di- ario Visual de la cuarentena” (19], “Data Sclfie da quarentena” (10] ¢ “Quarantine portrait” [16] utilizam a visualizag&o de dados como uma ferramenta para refletir sobre e representar o cotidiano durante 0 perfodo de distanciamento social.CAPITULO 1. INTRODUGAO 4 ii) Uso responsavel da visualizagaéo de dados © segundo cixo diz respeito a responsabilidade cfvica envolvida nos processos de aquisigio e representagao de dados durante a pandemia. A visualizagio de dados carrega uma aura de confiahilidade e autoridade em seu discurso apoiando a tomada de decisio tanto de gestores da administragao pitblica como dos individuos. Quando essa autoridade 6 exercida de maneira irresponsdvel, ela pode esgotar a confianga do piibli incitar panico. O uso responsdvel da visualizagao de dados possui duas facetas: a primeira diz respeito & proveniéncia, qualidade e transparéncia dos dados; a segunda diz res- peito aos desafios que conceitos complexos ¢ fendmenos incertos e/ou incompletos impdem A representagao visual. Situagées de crise como uma pandemia exigem uma comunic: co, levar A rejeigio de medidas de satide publica e até mesmo io abundante, consistente e com fontes confidveis. E diferentes agentes assumem a mediacio desse processo. Em primeiro lugar, organizagées de satide, em suas diferentes ins- ‘tancias, precisam ser abertas e transparentes. Precisam esclarecer a metodologia utilizada na coleta de dados e devem informar o que sabem e, principalmente, © que desconhecem ou nao tém certeza a respeito dos dados que divulgam. Em segundo lugar, os repositérios online que agregam e disponibilizam conjuntos de dados sobre 0 Covid-19 na internet precisam ter competéncia para fazé-lo universidades Johns Hopkins (Estados Unidos) e Imperial College (Inglaterra) s exemplos de instituigées académicas que criaram repositérios online confidveis ¢ facilmente ac comunidade [2, 1]. Em terceiro lugar, os meios de comuni- 10s vefculos independentes — precisam ser criterioso e sensatos ao selecionar e estruturar dados em visualizagées e dashboards. Visu- alizagées sio recursos poderosos para comunicagio de informagées, mas também podem enganar, e desinformar. Sobre essa questo, a especialista Amanda Maku- lec publicou uma orientagao para criar visualizagbes de dados responsaveis diante de uma crise de saitde publica (15 Finalmente, a pandemia aponta alguns desafios para a representagio visual de dados: como explicar e deserever o crescimento exponencial de forma clara e acessivel Como comparar a propagagio do virus em diferentes paises de modo correto? Como explicar visualmente a incerteza em mimeros como contagem de casos quando nem sempre os testes realizados sao suficientes para torné-los indica- dores confidveis de casos reais? Ao invés de reduzir a complexidade do fendmeno. os bons exemplos de visualizagées criados até o momento valemi-se de convengbes visuais especificas para o contexto, bem como fazem uso recorrente de anotacées e ressalvas.Capitulo 2 A Matematica da Epidemia 2.1 Formulagéo do Problema Quais sio os conceitos matematicos necessirios para entender a evolugio de uma epidemia? Para poder identificé-los precisamos primeiro entender o fenémeno sanitério do processo epidémico, i.c., como ele acontece no mundo real. Uma epidemia pode ser definida como a répida disseminagao de uma doenga contagiosa para um grande néimero de pessoas de uma dada populagao num curto espaco de tempo. Dessa definigao, destacamos "répida disseminagéo em um curto ago de tempo’. A partir dai, podemos identificar dois conceitos matematicos importantes relacionados com 0 process epidéi mento exponencial ; sistema dinimico. O primeiro esta relacionado com o aumento répido de uma quantidade, enquanto 0 segundo diz respeito A evolugio temporal. Baseada nesses conceitos, a matematiea proporciona instramentos que poten- cialmente podem contribuir de maneira fundamental no estudo, contrdle e en- frentamento das epidemias. Esses instrumentos sao, em ultima instdncia, modelos mateméticos que possibilitam entender e fazer predigdes sobre esse fenémeno atra- vés de simulagoes. Varias dreas da Matematica esto envolvidas no desenvolvimento de modelos efetivos sobre as epidemias. Dentre elas, se des Equagées Diferen- ciais, Sistemas Dinamicos, Probabilidade, Estatistica, além da Ciéneia de Dados e Computagao. Isto porque, o processo epidémico se di no mundo real e, como consequéncia, se torna necessario desenvolver modelos matematicos abstratos que reflitam fidedignamente os aspectos rclevantes do fendmeno conereto om questo. Nesse sentido, ¢ importante enfatizar que como, em geral, no se tem acesso a todas as informagées pertinentes do processo, faz-se uma amostragem (usando ‘técnicas estatisticas) para obter um conjunto de dados que necessariamente con- tém algum grau de incerteza (mensurado probabilisticamente). Es incorporados em modelos da dinémica do sistema (usando equagbes diferenciais) que permitem fazer simulagées (por métodos computacionais) estudo descrito acima faz parte da Epidemiologia Matemética, um campo multidisciplinar que congrega especialistas das Ciéncias Médicas, Sociais e Mate- maticas. Nesse contexto, estio reunidas a pesquisa ¢ a pratica, Nele, os modelos mico: cres acam as areas di ses dados 0CAPITULO 2. A MATEMATICA DA EPIDEMIA 6 desenvolvidos tem um duplo papel: por um lado, deseja-se entender o fendmeno conccitualmente de maneira tedrica — com isso valida-se 0 modelo que 6 usado para testar hipéteses; por outro lado, o objetivo real é poder interferir no processo de modo a controlar a epidemia — o que se faz com base em predigies obtidas por simulag6es para subsidiar a tomada de decisdes. No primeiro caso, trabalha- se sobre situagdes ideais usando dados hipotéticos. No segundo caso, utiliza-se uma série de amostras do processo em andamento que permitem fazer andlises ¢ extrapolagées, 2.2 O Processo Epidémico e a Exponencial Depois dessas preliminares, voltamos ao entendimento do processo epidémico, fo- cando nos dois aspectos destacados: a disseminagio e seu efeito ao longo do tempo. A disseminagao de uma docnga infecciosa se dé pelo contigio, através do qual um individuo infectado transmite a doenga a outros individuos nao-infectados da po- pulagio. Quando a incidéncia da doenga na populagio é pequena, temos uma situagao endémica ¢ depois que o niimoro de casos da doenga eresce e ultrapassa um limite superior, temos uma situagio epidémica. Ou seja, a taxa de incidéneia define a gravidade do efeito da doenga numa determinada comunidade e se, por acaso a disseminagao se espalhar por varios pafses temos uma pandemia. Qual é a relagdo do processo epidémico com o crescimento exponencial? Em matemética, a exponencial 6 uma fung&o da forma SQ) = ast cujo grAfico pode ser visto na Figura 2.1 (onde a= 1 ¢ b= ¢ = 2.71828...) Figura 2.1: Fung&o exponencial crescimento exponencial é a forma como uma quantidade aumenta com tempo segundo f(f), ou seja o pardmetro t da fungao é 0 tempo e o seu valor a quantidade de interesse. Na equagio a + 6', a constante a 6 0 valor inieial no tempo t = 0, ea constante b é 0 “fator de crescimento’, Uma caractoristica da exponencial 6 que sua derivada (taxa de crescimento) é diretamente proporcionalCAPITULO 2. A MA’ TICA DA EPIDEMIA a ao valor da fungio. Podemos ver isso, no caso de uma discretizagio de ¢ em intervalos de tempo unitétios (i.c., ! = 1,2,...). Temos entao F(t+1) Sab) =axbixb= f(t)*d A inversa da fungio exponencial f = e' 6 0 logaritmo, denotado por log, devido a esse fato, a exponencial é também conhecida como anti-logaritmo. A fungéo logaritmica descmpenha papel importante em célculos envolvendo a exponencial. ‘A relagdo da exponencial com a modelagem de epidemias 6 devido ao fato que, segundo estudos epidemiolégicos, o primeiro perfodo de um surto epidémico segue um crescimento exponencial. Para ilustrar esse fato, consideramos um caso hipotético no qual, temos uma nica pessoa infectada (i.e., a = 1) e cada pessoa infectada transmite a doenga para duas outras pessoas (i.c., b = 2). Isso resulta na formula para essa epidemia f(t) = 1 + 2 Com essa frmula, podemos calcular o valor de f(t) para t = 1,...,14, obtendo assim o niimero de pessoas infectadas em cada intervalo. Vemos que, com um [ator de crescimento de 2, teremos mais de 1600 casos apés 14 dias — como pode ser verificado na Tabela 2.1 ¢ no grafico da Figura 2.2 (baseado em [12)). Tempo Infectados 0 T I 2 2 q 3 g q To 3 32 6 of 7 128 5 256 9 B12 10 1024 TI 2048 12 2096 13 8192 Tf T638d Tabela 2.1: Evolugéo da epidemia corre que, depois dessa fase inicial a evolugio da propagacao da epidemia deixa de seguir 0 modelo exponencial pois a populagaio tem um tamanko finito ¢ todos seus individuos sio infectados de modo que o crescimento termina. Além disso, deve-se considerar que os individuos apés contrair a doenca eventualmente serao curados ¢ deixardo de ser transmissores dela,CAPITULO 2. A MA’ TICA DA EPIDEMIA 8 Expontential Growth with Growth Factor 2 15000 12500 0000 7500 Number of cases 5000 2500 0 2 4 6 . bw Rw Time fico do eres Figura 2.2: Gr cimento exponencial com os dados da Tabela 2.1 2.3. A Modelagem pela Fungao Logistica Vimos anteriormente que a fase inicial de uma epidemia sogue um crescimento dado pela fungao exponencial. Na realidade, para se obter um modelo matematico da epidemia na totalidade, englobando suas vérias fases, temos que considerar que apés 0 perfodo inicial de crescimento, numa segunda fase deve ocorrer um decrescimento até se chegar num patamar maximo. A funcio Logistica tem as caracteristicas descritas acima e estudos epidemi- olégicos concluiram que processo completo da epidemia pode ser modelado pelo cxescimento logistico A formula da fungio logis ca & dada pela seguinte expressio LOQ= © Lfaxe# onde f(t) 6 0 mimero de casos no tempo t, a constante b > 0.e a capcidade maxima de f é dada pelo valor limite c. ‘Além disso, temos que o valor inicial de f (i.e., 0 néimero de casos no comego do surto) é dado por G55 ¢ a taza mézima de crescimento ocorre quando t = 82! e f(t) = Para exemplificar 0 uso da fungio logistica como modélo da evolugio de uma epidemia, podemos supor um caso hipotético onde o némero maximo de pessoas doentes 6 1000 (i.., tamanho da populagao) e 0 proc pessoa doente, que pode infectar duas outras pessoas. Dessa forma, colocamos na formula os seguintes valores: c = 1000, a = 999 2. O grafico da fungao logistica correspondente a simulagao de um periodo de so comega com apenas uma bCAPITULO 2. A MATEMATICA DA EPIDEMIA 9 10 dias (ie., # = 0,,..,10), pode ser visto na Figura 2.3, Note que a curva cresce de forma acclerada até perto de = 3, onde comeca a desacelerar para atingir 0 patamar de 1000. 1000 800 400 200 Figura 2.3: Fungao logistica (de [13]) 2.4 A Dinadmica da Epidemia e 0 Modelo SIR Nesse ponto, para continuarmos nosso endendimento da epidemia, devemos estu- dar 0 processo como um sistema dindmico. A classe de modelos epidemioldgicos para calcular o niimero tedrico de pessoas infoctadas por uma doenca contagiosa ao longo do tempo em uma populagio fechada, é conhecido com modelo S/R. Ele ‘tom esse nome porque consiste de um conjunto de equacdes diferenciais acopladas relacionando 0 mimero de individuos da populagio de acordo com o seu estado da docnga. Assim, tomos as pessoas Susceptiveis, S(t), as pessoas Infectadas, I(t) © as pessoas Removidas, R(t) (ic., que foram curadas ou morreram, deixando de influir no proceso epidémico) O mais simples dessa classe de modelos é 0 o chamado modelo de [11]. Esse modelo assume que o tamanho da populagao ¢ fixo, 0 periodo da incubagio do agente infectado é instantaneo © a duragao da infectividade ¢ mesma da doenca Alem disso, cle sup6e atuagio igual sobre toda a populagao. O modelo consiste de um sistema de trés equagdes diferenciais ordinarias ndo- lineares,CAPITULO 2. A MATEMATICA DA EPIDEMIA 10 & =BS(t)I(t) 4 ~ aso -10 Kn onde 8 & a taxa de infeegio ¢ +7 6 a taxa de recuperagio. A evolugao desse sistema de equagées ao longo do tempo 6 governada pelo valor do limiar epidemiolégico ast Ro= Quando Ry > 1 cada pessoa doente ir infectar mais de uma pessoa e a epidemia cxesceré exponencialmente. Por outro lado, se Ro < 1 cada pessoa doente infectaré menos que uma pessoa, causando uma diminuigio da epidemia. Para simular computacionalmente o proceso, recorremos & integragao numé- rica das equagées, usando o método de Euler Su = Sut = BSntin At tn = trot + (98p ain — Yin-a)At Tr = Tri + Yin At minado perfodo, podemos estimar os valores dos parametros ¢ + e realizar si- cidade de Nova Torque no final dos anos 1960. Estimando um periodo médio de 1 iniciais da. simulagdo Sp = 7.900.000 (populagao de Nova Torque em 1968-1969) de solugio do modelo para um periodo de 140 dias que pode ser vista no gréfico 2 ¥ r(t) = 82 e N= So a evolugio da infeccfo em todas suas fases [13]. Segundo, apesar do nivel de i(t) derivada (taxa de crescimento) muda de sinal. Baseado nos dados reais provenientes de amostras coletadas sobre um deter- mulagdes. Como exemplo, vamos usar a epidemia pelo virus da gripe de Hong Kong na Infeceao de trés dias resulta em 7 = . Supondo que cada pessoa infectada iré contaminar outra pessoa a cada dois dias, temos 6 = 3. Temos como valores 1(0) = 10 (nivel de inicial de infeegio por 10 pessoas) ¢ R(0) = 0. De posse cesses dados e escolha de valores dos parametros, calculamos as curvas da figura 2.4, onde as quantidades estao normalizadas (i.c., s(t) = 2, a(t) = 42, Duas observagdes importantes sobre esse grAfico. Primeiro, a curva r(t) segue a funeaio Logistica de crescimento que, ao contrario da fungao exponencial, modela parecer baixo, a sua influécia 6 grande devido ao fator exponencial. Note que 0 ponto de maximo dessa curva corresponde ao ponto de inflexao de r(t) onde a Embora o modelo de Kermack-MeKendrick descreva a esséncia da dinamica de uma epidemia, ele inclui apenas os elementos principais do processo. ModelosCAPITULO 2. A MA’ TICA DA EPIDEMIA u os 06 o4 02 Do a Days 100 120140 Figura 2.4: Epidemia da gripe de Hong Kong em Nova Iorque (de (23)) mais complexos incluem outras categorias de individuos na populacao, como 0 modelo SIRD (em inglés: Susceptible-Infected-Recovered-Deceased), que divide as oas removidas em Recuperadas ¢ Mortas, Com isso, outros pardmetros sio caso as taxas de recuperagio e mortalidade, Além disso uma andlise completa deve considerar outros a spectos cpidemiolé-Capitulo 3 Andalise 3.1 Visualizagao de dados hipotéticos A matéria do The Washington Post publicada em 1 de margo ¢ assinada por Harr Stevens [24] tem como principal objetivo explicar a um publico leigo diferent cenarios de propagagio do Covid-19. Para tal, faz uso de recursos grAficos ¢ narratives. Primeiramente, a matéria introduz o conceito de curva exponencial através de um gréfico (Figura 3.1) que mostra a cvolugao da doenga nos Estados Unidos entre 22 de janeizo (data do primeiro caso confirmado no pais) até 13 de margo. A curva exponencial se comporta como uma fungio exponencial. O grafico é ropresentado om escala linear e 6 eficaz na evidenciagao da curva acentuada que retrata a répida propagago do virus na populagio. O uso de feone no meio da frase (Figura 3.2) enfatiza a forma tipica de uma curva exponencial e reforga 0 argumento de que, caso o néimero de casos continue a dobrar a cada trés dias, haverd cerca de cem milhdes de casos nos Estados Unidos até maio, A matéria contudo, nao oferece uma visio do grafico em escala logaritmica. 2.79 2000 casos no ELA casos 1.000 ° © Passe 0 mouse para explorar onimere de casos a0 longo do tempo. Figura 3.1: A forma do gréfico 6 equivalente a uma fungao exponencial 12CAPITULO 3. ANALISE 13 Essa chamada curva exponeneial __J preocupa os especialistas. Se o niimero de casos continuar dobrando a cada trés dias, haverd cerca de cem milhdes de casos nos Estados Unidos até maio. Figura 3.2: O uso de icone no meio do texto reforea a forma tépica de uma fungao exponencial Na sequéncia, a matéria se esforga para esclarecer porque a simulagio da propa- gagio de cpidemias em conarios de “distanciamento social”, segundo profissionais de satide ptiblica, é a melhor abordagem para desacelerar o contgio e, consequen- temente, minimizar o impacto da doenga. Para elucidar tal argumento, a matéria introduz nogGes basicas de sistemas dindmicos em situagdes epidemiolégicas a par- tir da constituigao de um cendrio de propagagio de uma doenga ficticia, chamada de simulitis. A invengao de uma doenga para ilustrar o caso ao invés de basear-se no préprio Covid-19 nao é claramente justificada. No entanto, pode ser compre- endida como uma estratégia narrativa para simplificar a explicagao, eliminando pardmetros nao essenciais para uma compreensao inicial A explicagao da propagacio da doenga simulitis 6 feita em dois niveis: o pri- meiro para aclarar as categorias de pessoas envolvidas em um cendrio epidemiol6- gico eo segundo para simular a disseminagdo em uma pequena populacio. Em um primeiro nivel de explanagéo, sem mencionar que esta explicando 0 modelo SIR, o texto apresenta a divisio de uma dada populagdo em trés cate- gorias: pessoa saudavel (equivalente A categoria S, de Suscetfvel), pessoa doente (cquivalente A categoria J, de Infectada) ¢ pessoa recuperada (equivalente & ca- tegoria R, de Recuperada). Para esclarecer a dinfimica de contdgio, a matéria apresenta duas animagoes consecutivas. A primeira animagao reforca algo talvez ja bem compreendido no senso comum que é a disseminagio da doenga viral a partir do contato entre uma pessoa doente ¢ uma pessoa sandavel, Quando uma bolinha mazrom encosta em uma bolinha azul, a tiltima adquire a cor da primeira, uma metéfora visual do contagio (Figura 3.3). A segunda animacio demonstra que uma pessoa doente se transforma, provavelmente, em uma pessoa recuperada (Figura 3.4) e e ee e Figura 3.3: A animagio explica a dindmica de contagio. Figura 3.4: A animagio explica a dindmica de contagio ¢ recuperagio.CAPITULO 3. ANALISE 4 O texto da matéria, ao mesmo tempo que descreve a animagao serve de legenda visual para entender as cores utilizadas (Figura 3.5) ‘Vamos chamar nossa falsa de doena de ‘simulitis’. Ela se espalha ainda mais facilmente do que a covid-19: sempre que uma » pessoa saudavel entra em contato com uma pessoa doente, cla também fica doente. ‘Na vida real, é claro, as pessoas acabam se recuperando. Uma © pessoa recuperada nao pode transmitir simulitis a uma pessoa saudivel nem adoecer novamente depois de entrar em contato com uma pessoa doente. Figura 3.5: O texto 6 codificado visualmente para funcionar como legenda das animagées. Em um segundo nivel de explanagio, a matéria simula o modelo STR em uma cidade também ficticia com populagao de 200 pessoas diante de quatro cenirios: a — circulagao livre para todos; b ~ quarentena forgada (ou tentativa de quarentena); © = distanciamento moderado ¢; d — distanciamento extensive. Cada cenério 6 comunicado ao leitor através de uma animagio composta por trés elementos visual- grificos: 1) contagem,; 2) grafico de mudanga no tempo ¢; 3) uma sinrulagio de circulagao e contagio entre individuos da populacao. Figura 3.6: Simulagio da propagagio do simulitis no cendrio a citculagio livre para todos, A Figura 3.6 ilustra os trés elementos para um determinado momento de conté- gio no cenario a, isto é, sem nenhuma agao de distanciamento social. A Figura 3.7 ilustra um determinado momento do cenério b, isto 6, de quarentena forgada tendo como referéneia a pratica imposta pelo governo chinés na provincia de Hubei, 0CAPITULO 3. ANALISE 15 Figura 3.7: Simulagdo da propagacao do simulitis no cenério b ~ quarentena for- ada. marco zero da Covid-19. A animagao desse cenério inelui uma barreira que separa pessoas doentes de pessoas saudéveis, mas A medida que o tempo passa a barreixa se rompe, demonstrando A impraticabilidade de quarentenas forgadas sem uma. campanha de conscientizagao da populagao. Apés apresentar as animagies geradas para cada cendtio, a matéria reforga que clas sio bascadas em dados hipotéticos ¢ que, a cada nova simulagio, os dados serio renderizados de modo diferente, Contudo, mesmo com dados diferentes a cada novo play da animagao, hé uma forma padrao nos gréficos que é mantida, A Figura 3.8 sintetiza a forma padrao dos graficos gerados para cada simulagao. Figura 3.8: A forma padrao dos gréficos simulados para cada um dos cenatios de propagagao de uma epidemia. Esses gréficos sio, mais especificamente falando, graficos de area que comparam mudangas no tempo mostrando a proporgao do total que cada categoria ocupa em determinado momento. Este tipo de visualizagdo gera insights sobre tendéncias gerais ¢ valores relativos. Por exemplo, nota-se que no: * cendrio a - cizculagio livre para todos: aproximadamente toda populagéo 6 infectada ea epidemia é erradicada em menor perfodo de tempo; * conario b — tentativa de quarentena: aproximadamente toda populagao é infectada, mas a epidemia acontece em duas ondas o que leva mais tempo para erradicar totalmente a docnga;CAPITULO 3. ANALISE 16 cenario ¢~ distanciamento moderado: uma parcela menor é infectada em um periodo maior de tempo, o que lova mais tempo para crradicar totalmente a doenga; cendrio d — distanci © a epidemia é erradicada ¢ um periodo de tempo semelhante ao do cenario a mento extensivo: uma parcela ainda menor é infectada. Sem se aprofundar na andlise dos gréficos ¢ nas implicagdes de cada um dos cendrios, o autor da matéria sustenta que “o distanciamento social moderado ge- ralmente supera a tentativa de quarentena, ¢ o amplo distanciamento social geral- mente é 0 que funciona melhor. A matéria do The Washington Post simplifica o complexo e dindmico fenémeno de propagagao de uma epidemia. Em condicé precisam ser considerados, inclusive a taxa de mortalidade de uma doenga que, no caso do Covid-19, é real. Com excegao do grafico 3.1 que ilustra o conceito de curva exponencial a partir de dados de um evento real ¢ completo, as visualizag apresentadas na matéria sio produzidas a partir de dados hipotéticos a partir s concretas, outros fator’ de um modelo genérico. A riqueza da abordagem da matéria nao é prever a evolucao do Covid-19 para determinado pais ow populagdo, mas sim visualizar diferentes cendrios de propagagao de uma epidemia. Esses sio essenciais 4 compreensio do conceito “achatamento da curva” que, embora nao mencionado nesta matéria, foi amplamente disseminado por érgaos de saide ptiblica e meios de comunicacio. Para falar sobre tal conceito, analisaremos, a seguir, 0 grafico publicado pelo The Economist que foi rapidamente repercutido por diversos outros meios vefculos, sendo inclusive adaptado para outros formatos. rios, por sua ver, 3.2 Achatando a curva Q jornal The Economist foi o primeiro grande vefculo de comunicagao a divulgar amplamente o grfico que ficou popularmente conhecido como o modelo conceitual do “achatamento da curva” [3]. Publicada em 29 de fer grafico (Figura 3.9 ) criado pelo jornalista visual Rosamund Pearce baseado em um grafico previamente criado pelo érgéo americano Centers for Disease Control and Prevention (CDC), em 2017 (21] (Figura 3.10) A Figura 3.9 6 uma representagao simplificada e esquematica para a quantidade ctadas ao longo do tempo. Nao ha dados concretos sendo mapea- ereiro, a matéria traz um 6 uma abstrag es de propagagio de uma dada epidemia, no caso Covid-9. Como mencionamos na anilise da matéria do The Washington Post, essas simulacdes sio eriadas a partir do modelo STR levando em consideragao diferentes cenérios de propagagio. Embora os resultados das simulagées variem e dependam de diferentes parametros, existe tend av esperadas para a dinamica de contagio, O que a Figura 3.9 mostra é a sobreposigao de duas tendéncias de curva para pessoas infectadas. A primeira delas, em azul legendada como without measures, tem um pico acentuado, indicando 0 surto asCAPITULO 3. ANALISE 7 -—= Press down firmly a Intended impact of social distancing measures © Delay epidemic © Reduce height cofepidemic peak ‘Number: ofinfections Time since fist case Soure: Centres or Disease Control and Prevention Figura 3.9: primeiro gréfico do “achatamento da curva” a ganhar visibilidade na midia, Fonte: The Economist. Figura 3.10: O grafico original do “achatamento da curva” publicado em relatério de pesquisa, Fonte: CDC. de coronavirus em um curto perfodo de tempo. Essa curva pode ser associada & curva de pessoas infectadas em um cenario sem medidas de contengao da doenga (equivalente ao cenario de circulagio livre para todos na matéria do The Washing- ion Post), A outra curva, em laranja c legendada como with measures, é mais suave (ou achatada), indicando uma taxa mais gradual de infecedo por um longo periodo de tempo. Essa curva pode ser associada 4 curva de pessoas infectadas em um cenério com medidas de contengio da doenga (equivalente ao cenério de distanciamento social na matéria do The Washington Post). O desenho das curvas é modelado por uma varidvel chamada taxa reprodutiva (2) que diz respeito ao mimero de easos que cada novo caso de infecao dara origem. Em iltima anélise a taxa reprodutiva pode ser associada ao limiar epidemiol6gico que ¢ comentado na segao 2, ‘A matéria do The Bconomist ressalta que a curva mais suave resulta em me- nos pessoas infoctadas simultaneamente, o que reduz as chances de um eventual colapso do sistema de satide resultando em menos mortes. No entanto, essa in-CAPITULO 3. ANALISE 18 formagio 6 trazida somente no texto. Apés sua primeira publicaglo na grande midia, 0 gréfico do “achatamento da curva” foi adaptado incontaveis vezes, dentro ¢ fora do contexto jornalistico, Vor (Figura 3.11) [5], The New York Times (Fi- gura 3.12) [22] e Nexo (Figura 3.13) [17] foram alguns dos vefculos que adaptaram © grafico tornando mais claro para um piblico leigo o que realmente esta em jogo entre uma curva e outra: a capacidade dos sistemas de satide — e aqui podemos considerar a disponibilidade de profissionais, niimero de leitos hospitalares, pitadores, ete. — de prestar servigo Aqueles que precisam. Para destacar essa diferenga, as novas versdes do grifico do “achatamento da curva” trazem uma li- nha pontilhada representando o limite da capacidade do sistema de sa‘ide. Assim como os outros elementos gréficos presentes no gréfico, a linha nao é mapeada em termos de valores concretos. Nao se sabe, ao certo, o ntimero de casos de Covid-19 que irA sobrecarregar o sistema de satide, mas a posigio da linha tangente A curva achatada reitera visualmente o argumento de que existe somente um cenério no qual a epidemia pode ser enfrentada sem grandes riscos & populagio: o cenario de medidas de contengao através de distanciamento social. res- Flattening the curve soveeeoe Vox Figura 3.11: Gréfico de “achatamento da curva” pelo vefeulo Vor.CAPITULO 3. ANALISE 19 roars fects Time since first case ‘Adapted trom CDC ! The Economist Figura 3.12: Gréfico de “achatamento da curva” pelo v culo The New York Times. ‘A curva do coronavirus NUMERO DE INFECCOES CAPACIDADE DO SISTEMA DE eres SAUDE DO PAIS Per) TEMPO A PARTIR OO PRIMEIRO CASO EM UM PAIS Fonte: The Economist, COC (Centers for Disease Control and Prevention). Figura 3.13: Gréfico de “achatamento da curva” pelo veiculo Nezo.Bibliografia (1] Imperial College COVID-19 Response Team. Technical report. http://www.imperial.ac.uk/medicine/departments/school-public- health /infectious-disease-epidemiology /mrc-global-infectious-disease- analysis/covid-19/ [2] Novel Coronavirus (COVID-19) Cases, provided by JHU CSSE. https: //github.com/CSSEGISandData/COVID-19, [3] The world gets ready - Covid-19 is now in 50 countries, and things will get worse | Briefing | The Economist. The Economist, February 2020. is https: //www.economist.com,/briefing/2020/02/29/covid-19-is-now-in- [4] Michiel Bakker, Alex Berke, Matt Groh, Alex Pentland, and Este- ban Moro. Social Distancing in New York City. MIT Media Lab, March 2020. http://curvedlattening. media mit.edu/posts/social-distancing- new-york-city/ (5] Eliza Barclay and Dylan Scott, How canceled events and self-quarantines save lives, in one chart. Vor, March 2020. https: / www. vox.com /2020/3/10/21171481 /coronavirus-us-cases- quarantine-cancellation, [6] Mona Chalabi COVID-19 and refugees, April 2020. https: //www instagram.com/p/B-ce_gSlg8J/ [7] Mona Chalabi Racial disparities in COVID-19, April 2020. https: //www.instagram.com/p/B-z20VVIBKj/. (8) Mona Chalabi Who can work from home?, March 2020. https: //www.instagram.com/p/B-PqSFBIFyT/ [9] Lola Ferreira and Marflia Ferrar’ Como esta a visitagio nos presidios do Brasil em tempos de isolamento? Género e Niimero, April 2020 http://www. generonumero.media /visitas-presidios-isolamento/. 10] Julia. Giannella. Data selfie da quarentena, 2020. http://www. juliagiannella.com.br/dataselfiequarentena/ 20BIBLIOGRAFIA 21 [11] W. O. Kermack and A. G McKendrick. A contribution to the mathematical theory of epidemics. Proc. Roy. Soc. Lond., A(115):700-721, 1927. {12] Joos Korstanje. Modeling Exponential Growth, 2020. bltps:/ /towardsdatascience.com/modeling-exponential-srowth-49a2b6(22e1 [13] Joos Korstanje. Modeling Logistic ——_-Grouth, 2020. hittps://towardsdatascience.com /modeling-exponential-growth-49a2b6f22elf, [14] Lauren Leatherby and David Gelles. How the Virus. Transformed the Way Americans Spend Their Money. The New York Times, April 2020, bttps:/ /www-nytimes.com /interactive/2020/04/11 /business /economy /coronaviras-1 economy-spending, htm [15] Amanda Makuloc, ‘Ten Considerations Before You Create Another Chart About COVID- 19, March 2020. https: //medium.com/nightingale ten-considerations-before-vou-create- another-chart-ahout-covid-19-2743bd691be8. [16] Manlio Massimetti and Angela Testa. Quarantine Portrait, 2020. bttps://quarantineportrait.art/ [7] Matthew McQueen. Como desacelerar a pandemia de coronavirus. Nexo Jornal, March 2020. ttps:/ /www nexojornal.com.br/extermo/2020/03/13/Como-desacelerar-a- pandemia-de-coronavirus [18] OKBR. Transparencia Covid-19, 2020. https: //transparenciacovid9.ok.org.br/. {19} Zachary Petit. One Design Firm's Quarantine, in Data, May 2020. https: / www printmag; com /information-design/designing-quarantine-data/ [20] Nadja Popovich Watch the Footprint of | Coronavirus Spread Across Countries - The New York Times. The New York Times, Maxch 2020 https: //www nytimes.com /interactive/2020/climate/coronavirus pollution html, [21] Noreen Qualls. Community Mitigation Guidelines to Prevent Pandemic Inti enza — United States, 2017. MMWR. Recommendations and Reports, 66, 2017. Ittps:/ /www facebook com/CDCMMWR. [22] Siobhan Roberts. Flattening the Coronavirus Curve. The New York Times, March 2020. Ihttps:/ www.nytimes.com article flatten-eurve-coronavirus html [23] David Smith and Lang Moore. The SIR Model for Spread of Disease. Mathematical Association of America, 2020, hhttps:/ /www.maa.org/press/periodicals/loci/joma/the- model-for-spread-of-disease [24] Harry Stevens. Essas simmulagdesmostram como achatar_ a curva de erescimento do coronavirus. Washington Post, March 2020. https: //www.swashingtonpost.com/sraphics/2020 health corona-simulation-portuguese/ [25] Matthew Yglesias. US rocked by 6.6 million more initial unemployment claims last week. Vor, April 2020. https: //www.vox.com/2020/4/9/21213449 umemployment-initial-claims- usaprild