Estimativa de parâmetros aplicados em modelos epidemiológicos

Neste estudo foi selecionada a técnica bayesiana de Monte Carlo via Cadeia de Markov (MCMC) para estimativa dos parâmetros das equações diferenciais dos modelos compartimentais SQUIDER1 e SEIR2 , buscando refletir a propagação da Covid-19 no estado do Pará. Foi elaborado um algoritmo em Matlab reproduzindo a técnica de MCMC que utiliza processos estocásticos e simula um passeio aleatório, onde temos os possíveis valores do parâmetro amostrados aleatoriamente. Ao fazer uma amostragem proporcional à probabilidade dos valores, alcançou-se uma distribuição de probabilidade que se aproximou dos dados para conseguir ajustar os parâmetros do modelo e convergiu para a distribuição estacionária de interesse. Os parâmetros estimados neste trabalho para os modelos SQUIDER e SEIR foram comparados aos dados reais e aplicadas as métricas de Akaike Information Criterion (AIC) corrigido e Bayesian Information Criteria (BIC) para melhor definir o modelo que melhor representa o fenômeno de propagação da Covid-19 no estado do Pará. Como resultados foram obtidos histogramas que indicam uma convergência de parâmetros no modelo SQUIDER, o que não aconteceu com o modelo SEIR. Pela aplicação do AIC e BIC foi demonstrado que o modelo SQUIDER é o modelo que melhor representeou a propagação da Covid-19 no estado do Pará e possui um potencial de ser utilizado como modelo preditivo.