Algumas abordagens para a modelagem da epidemia de COVID-19
Gravado no evento PyMat 2021 - Python para Matemática e Além · 1 h 55 min de gravação
Trechos em vídeo

O que é o R0 e o limiar da epidemia no modelo SIR
Trecho de a da gravação

Por que a imunidade de rebanho natural não é uma estratégia viável
Trecho de a da gravação

A lógica geométrica do Método de Euler na aproximação de curvas
Trecho de a da gravação
Sobre o conteúdo
A transmissão tem início com a abertura realizada pelo professor Filipe Lima no segundo dia do evento Python para Matemática e Além, introduzindo a professora Maité Kulesza, do Departamento de Matemática da Universidade Federal Rural de Pernambuco (UFRPE). A palestrante compartilha sua trajetória acadêmica, com graduação na UFPB, mestrado na UFPE, doutorado no IME-USP e pós-doutorado na UAB, ressaltando os desafios de sua geração com o aprendizado de linguagens de programação e a evolução dessas ferramentas no meio científico.
A motivação central da palestra é a experiência vivida na edição remota de 2021 do programa Futuras Cientistas do CETENE, coordenado pela pesquisadora Dra. Giovanna Machado, que visa aproximar alunas e professoras de escolas públicas do universo da ciência. Maité Kulesza detalha o trabalho realizado em parceria com os professores João Gondim e Marcílio Santos, bem como a mentoria de estudantes de graduação junto a alunas de municípios do interior pernambucano, desenvolvendo em cerca de quinze dias um projeto completo de estudo epidemiológico e programação.
A exposição segue com um panorama histórico da epidemiologia matemática, desde as contribuições de Ronald Ross e Hilda Hudson sobre limiares em doenças vetoriais até os modelos seminais de Anderson McKendrick e William Kermack. Em seguida, a palestrante formula o modelo clássico SIR sem dinâmica vital, demonstrando a derivação matemática das equações diferenciais para as populações de suscetíveis, infectados e recuperados, e explicando o papel crítico do número reprodutivo básico (R0) e os conceitos de imunidade coletiva e estratégias de intervenção não farmacológica.
Para capacitar as estudantes no estudo computacional do modelo, foi apresentada a discretização de equações diferenciais pelo Método de Euler no Google Colab com as bibliotecas NumPy e Matplotlib. A professora explica como um problema de valor inicial contínuo é transformado em passos discretos e compara a curva aproximada numericamente com a solução analítica, estendendo essa metodologia para a simulação tridimensional dos compartimentos do modelo SIR.
Na etapa empírica, a palestra descreve a manipulação de planilhas de dados públicos do Ministério da Saúde com a biblioteca Pandas. São exibidos gráficos de casos novos e óbitos em municípios como Recife, Cabo de Santo Agostinho, Caruaru e João Pessoa, destacando a relevância da normalização de dados por habitante e as dificuldades reais causadas por atrasos de notificação e ruídos estatísticos na modelagem. Além disso, mostra ajustes com integradores numéricos do SciPy para demonstrar o avanço de ondas da epidemia e o impacto de períodos de isolamento social.
Encerrando a apresentação, são discutidas variações de modelos compartimentais com dinâmica vital e outras estruturas (como SEIR e modelos vetoriais), além de divulgar trabalhos de destaque na modelagem da COVID-19 conduzidos pelos pesquisadores brasileiros João Gondim, Dayse Pastore e Juliane Fonseca. Na sessão de perguntas e respostas com a mediação de Filipe Lima, Maité Kulesza responde a questionamentos sobre o ensino de equações diferenciais para alunas do ensino médio e dá conselhos para quem deseja ingressar em projetos de conclusão de curso combinando matemática e programação.
O que é abordado
- Abertura e apresentação da palestrante
- Trajetória acadêmica e contextualização
- O Projeto Futuras Cientistas (CETENE)
- História da epidemiologia matemática e limiares
- O modelo SIR e o número reprodutivo básico (R0)Trecho de 1 min 59 sTrecho de 1 min 42 s
- Discretização do modelo pelo Método de EulerTrecho de 52 s
- Implementação do Método de Euler e do SIR em Python
- Análise de dados reais da COVID-19 com Pandas
- Ajuste de parâmetros e ondas epidêmicas
- Modelos epidemiológicos estendidos
- Pesquisadores em modelagem de COVID-19 no Brasil
- Perguntas e respostas e encerramento
Dúvidas que o conteúdo responde
Como funcionou o projeto no programa Futuras Cientistas apresentado na palestra?
O programa Futuras Cientistas do CETENE estimula alunas e professoras do ensino médio de escolas públicas na pesquisa científica. Na edição remota de 2021, a equipe orientada pelos professores Maité Kulesza, João Gondim e Marcílio Santos trabalhou durante cerca de 15 dias intensivos ensinando noções de derivadas, Método de Euler, modelo SIR e análise de dados de COVID-19 no Google Colab, culminando em relatórios e apresentações científicas.
O que representa o número reprodutivo básico (R0) no modelo SIR?
O R0 representa a quantidade média de novos casos provocados por um indivíduo infectado durante o período em que ele transmite a doença. Se R0 for maior que 1, a epidemia tende a crescer e se espalhar; se for menor que 1, a curva de infectados diminui e o surto tende a ser controlado.
Por que a imunização coletiva natural não é recomendada como estratégia para a COVID-19?
A imunização natural exige que uma parcela expressiva da população se infecte para gerar anticorpos, o que resulta em um custo inaceitável de mortes, hospitalizações e sequelas graves, tornando a vacinação a única via segura e adequada para conter a transmissão.
Como foi possível ensinar equações diferenciais e derivadas para alunas do ensino médio?
A equipe abordou os conceitos partindo da intuição geométrica e física da derivada como taxa de variação e reta tangente, sem focar em provas exaustivas de regras formais de cálculo, o que permitiu às alunas compreenderem a dinâmica das variáveis e a formulação numérica das equações.
Quais foram os principais desafios ao trabalhar com dados reais da COVID-19?
Entre as dificuldades estiveram a oscilação na alimentação das bases do Ministério da Saúde, descontinuidades e represamentos de notificações nos finais de semana, que geravam saltos abruptos e anomalias nas séries temporais, exigindo escolhas cuidadosas de recortes temporais para calibrar os modelos.
Assuntos
Palestrantes

Maité Kulesza
Palestrante
Bacharel em Matemática pela Universidade Federal da Paraíba (UFPB), mestra pela Universidade Federal de Pernambuco (UFPE) e doutora em Matemática Aplicada pela Universidade de São Paulo (USP), com pós-doutorado na Universitat Autònoma de Barcelona. É professora associada da Universidade Federal Rural de Pernambuco (UFRPE), atuando em Sistemas Dinâmicos e Mecânica Celeste, com interesse atual em modelagem matemática. Coordenou o PIC/OBMEP-PE e o ProTreinO (Formação de Professores para Treinamento Olímpico) e integrou a equipe da Olimpíada Pernambucana de Matemática (OPEMAT). Nos últimos anos…
Outros conteúdos deste evento
Gravados no evento PyMat 2021 - Python para Matemática e Além
Criptografia RSA em SageMath/Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
Nesta oficina ministrada durante o evento Python para Matemática e Além, o professor Ricardo Nunes Machado Júnior apresenta a fundamentação teórica e a implementação prática do…
Ver resumo e capítulosConstrução de imagens e simulações dinâmicas com Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste workshop do evento Python para Matemática e Além, o professor Edgar Amorim apresenta técnicas de computação gráfica e simulações com Python usando NumPy e Matplotlib. A…
Ver resumo e capítulosComputação Quântica
Gravado no evento PyMat 2021 - Python para Matemática e Além
A palestra aborda os conceitos fundamentais da computação quântica e a sua distinção prática em relação à computação clássica. O palestrante desmistifica a necessidade de…
Ver resumo e capítulosManipulação de dados e regressões lineares com Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
O minicurso aborda fundamentos de manipulação de dados em Python com Pandas, Seaborn e NumPy. O palestrante ensina a inspecionar DataFrames, filtrar registros, analisar variáveis…
Ver resumo e capítulosEcossistema Python para matemática computacional
Gravado no evento PyMat 2021 - Python para Matemática e Além
A palestra de abertura do evento PyMat 2021, intitulada 'Ecossistema Python para matemática computacional', aborda o papel crescente do Python na pesquisa acadêmica e científica.…
Ver resumo e capítulosPython: gráficos e outras visualizações
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste minicurso, o professor Edgar Amorim apresenta ferramentas práticas para construir gráficos e visualizações matemáticas utilizando Python, com ênfase nas bibliotecas NumPy e…
Ver resumo e capítulosPython e problemas matemáticos desafiadores
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste workshop do evento 'Python para Matemática e Além', o palestrante Leon Silva aborda a resolução de desafios matemáticos inspirados no Project Euler utilizando Python. Ele…
Ver resumo e capítulos





