ABSTRACT
Introdução: A pandemia de COVID-19, no Brasil, constituiu uma ameaça ao sistema de saúde pelo risco de esgotamento dos leitos de Unidade de Terapia Intensiva (UTI). O objetivo do estudo foi projetar a ocupação de leitos de UTI com casos de COVID-19 no pico em Porto Alegre. Para isso, resolvemos utilizar uma ferramenta matemática com parâmetros da pandemia desta cidade.Métodos:Utilizamos o modelo matemático SEIHDR. Analisamos os casos de hospitalização por COVID-19 em Porto Alegre e RS até 3 de agosto de 2020 a fim de extrair os parâmetros locais para construir uma curva epidemiológica do total de casos prevalentes hospitalizados em UTI. Também analisamos as taxas de reprodução básica (R0) e reprodução efetiva (Re).Resultados: O modelo matemático projetou um pico de 344 casos prevalentes, em UTI, para o dia 22 de agosto de 2020. Calculamos 1,56 para o R0 e 1,08 no dia 3 de agosto para o Re.Conclusão: O modelo matemático simulou uma primeira onda de casos ocupando leitos de UTI muito próxima dos dados reais. Também indicou corretamente uma queda no número de casos nos dois meses subsequentes. Apesar das limitações, as estimativas do modelo matemático forneceram informações sobre as dimensões temporal e numérica de uma pandemia que poderiam ser usadas como auxílio aos gestores de saúde na tomada de decisões para a alocação de recursos frente a calamidades de saúde como o surto de COVID-19 no Brasil.
Introduction: The COVID-19 pandemic in Brazil has been a threat to health services due to the risk of bed shortage in the intensive care unit (ICU). This study aimed to estimate the bed occupancy at the ICU with patients with COVID-19 during the peak of the pandemic in Porto Alegre, capital of Rio Grande do Sul (RS), the southernmost state of Brazil. To this end, we used a mathematical model with pandemic parameters from the city.Methods: We used the SEIHDR mathematical model. We analyzed hospitalizations for COVID-19 in Porto Alegre and RS until August 3, 2020, to extract local parameters to create an epidemiological curve of the total number of prevalent cases in the ICU. We also analyzed the basic reproduction rate (R0) and effective reproduction rate (Re). Results: The mathematical model estimated a peak of 344 prevalent cases in the ICU on August 22, 2020. The model calculated an R0 of 1.56 and Re of 1.08 on August 3, 2020.Conclusion: The mathematical model accurately estimated the first peak of cases in the ICU. Also, it correctly indicated a drop in the number of cases in the following two months. Despite the limitations, the mathematical model estimates provided information on the temporal and numerical dimensions of a pandemic that could be used to assist health managers in making decisions on the allocation of resources in a state of public calamity such as the COVID-19 outbreak in Brazil.