Universidade do Estado do Amazonas

Centro de Estudos Superiores de Tabatinga

Curso de Licenciatura em Matemática

Análise numérica e teórica do modelo SIR para a COVID-19

Pesquisador(es): Edilson de Carvalho Filho,

Edfram Rodrigues Pereira

-2022-
1. Introdução

A modelagem matemática tem sido aplicada a diversos campos do

conhecimento humano onde, em particular devido a pandemia da COVID-19,
uma atenção especial tem sido voltada para modelos do tipo SIR
(Susceptible-Infected-Removed) e suas variações (Kermack & McKendrick,
1927; Chaveco et al., 2018; Britton et al., 2020; Mellan et al., 2020). Um dos
objetivos principais no uso desses modelos está relacionado a sua capacidade
para fazer predições acerca do comportamento futuro de doenças infecciosas,
podendo assim auxiliar os governos e a população em geral na preparação de
medidas de contenção e enfrentamento dessas doenças (Ferguson et al., 2006;
Moutinho & Araújo, 2020).

2. Objetivo(s)

Realizar uma análise numérica e teórica do modelo SIR;

Elaboração de um código em linguagem PYTHON a fim de fazer as análises
numéricas do modelo SIR;
Testar numericamente a capacidade de predição do modelo;
Avaliar as condições de aplicabilidade do modelo;
Extrair os parâmetros do modelo a partir de dados reais tornados públicos;
Repetir as análises para extensões do modelo SIR.

3. Metodologia

A metodologia será baseada na análise teórica do modelo SIR e suas extensões.

Em seguida, a elaboração de um código em linguagem PYTHON auxiliará na
avaliação numérica do modelo.
O modelo SIR clássico foi desenvolvido por Kermack e McKendrick em 1927,
direcionado para o estudo da propagação de doenças infecciosas. O modelo é
do tipo determinístico de tempo contínuo e pode ser aplicado a diversas áreas
da ciência (Dias & Salles, 2012).
O modelo SIR divide uma população de tamanho 𝑁 em três compartimentos:
suscetíveis 𝑆, que são aqueles que ainda não adquiriram a doença e também
não estão imunes; infectados 𝐼, que são os indivíduos que estão infectados e
transmitindo a doença para os suscetíveis e; recuperados 𝑅, que são aqueles
que já foram infectados e se recuperaram da doença ou morreram. Para este
modelo, considera-se que este último grupo ficou imune não podendo mais
transmitir a doença.
A população total é descrita pela soma dos compartimentos de modo que,

𝑁 = 𝑆(𝑡) + 𝐼(𝑡) + 𝑅(𝑡),

onde considera-se que 𝑁 e uma constante enquanto que as parcelas da

população em cada compartimento podem variar com o tempo. O modelo é
descrito pelo seguinte conjunto de equações diferenciais:

1
 𝑑𝑆 β𝐼𝑆
𝑑𝑡
=− 𝑁
,
𝑑𝐼 β𝐼𝑆
𝑑𝑡
= 𝑁
− γ𝐼,

𝑑𝑅
𝑑𝑡
= γ𝐼.

Os parâmetros β e γ determinam o comportamento dos compartimentos 𝑆, 𝐼 e

𝑅 com o tempo. O primeiro parâmetro, β, é conhecido como taxa de infecção,
indicando para quantas pessoas suscetíveis um indivíduo infectado pode
transmitir a doença. Já o segundo parâmetro, γ, chamado de taxa de
recuperação, está relacionado ao tempo necessário para um indivíduo
infectado se tornar uma pessoa recuperada.
Em geral os problemas envolvendo o modelo SIR e sua relação com dados reais
está associada a determinação dos parâmetros β e γ deste modelo, pois uma
pequena variação no valor de algum desses parâmetros pode impactar
diretamente nas previsões do modelo.

4. Resultados esperados

O principal resultado esperado está relacionado a determinar as condições de

aplicabilidade do modelo SIR para um determinado conjunto de dados.

5. Cronograma de execução (12, 24 ou 36 meses)

1. Levantamento Bibliográfico;
2. Análise teórica do modelo SIR;
3. Participação de um curso introdutório sobre a linguagem de programação
PYTHON;
4. Elaboração de um código em linguagem PYTHON para o modelo SIR;
5. Realizar a análise numérica do modelo SIR;
6. Confecção do trabalho final com os resultados obtidos e apresentação a
comunidade acadêmica.

mês/atividade 1 2 3 4 5 6

ago/22 X X

set/22 X X X

out/22 X X X

nov/22 X X X

dez/22 X X X X

2
jan/23 X X X

fev/23 X X X

mar/23 X X X

abr/23 X X

mai/23 X X

jun/23 X X

jul/23 X X

6. Referências

W. O. Kermack, A. G. McKendrick, A contribution to the mathematical theory of

epidemics, Proceedings of the Royal Society of London Series A Containing
Papers of a Mathematical and Physical Character 19051934 115 (772) (1927)
700–721.

Britton, Tom, Frank Ball, and Pieter Trapman. "A mathematical model reveals
the influence of population heterogeneity on herd immunity to SARS-CoV-2."
Science (2020).

Chaveco, Antonio Ivan Ruiz et al., 2018. Modelagem Matemática de Processos

Diversos. Curitiba: Appris.

de Souza Dias, Gabriela Moutinho, and Luiz Henrique da Costa Araújo.

"Modelagem Matemática para Epidemia de COVID-19 e Estimativa de Casos no
Brasil no Curto Prazo."

Ferguson, Neil M., et al. "Strategies for mitigating an influenza pandemic."

Nature 442.7101 (2006): 448-452.

Mellan, T. A., et al. "Estimating COVID-19 cases and reproduction number in

Brazil." Imperial College London (08-05-2020), doi: https://doi.
org/10.25561/78872 (2020).

G. M. S. Dias, R. M. Salles, Epidemic sir model applied to delay-tolerant

networks, in: 30th Brazilian Telecommunications Symposium, SBrT’12, SBrT,
2012.