Avaliando Estratégias de Vacinação Contra a COVID-19

Ao longo da história, a humanidade enfrentou várias pandemias que trouxeram desafios de saúde, economia e política pelo mundo todo. Esses eventos resultaram em milhões de mortes, mas também impulsionaram pesquisas que avançaram na saúde pública e na medicina. A pandemia de COVID-19 começou em março de 2020, quando o vírus se espalhou globalmente, começando pelo seu primeiro caso na China em dezembro de 2019. Depois, foi pra países como Itália e Irã, atingindo o mundo todo. Os sintomas comuns da COVID-19 incluem febre, tosse, falta de ar, fadiga, dores no corpo, dor de cabeça e perda de olfato ou paladar. A doença é causada pelo vírus SARS-CoV-2, que levou a mais de 692 milhões de casos confirmados e cerca de 6,9 milhões de mortes no mundo todo até julho de 2023.

Pra combater a divulgação da COVID-19, os governos impuseram medidas rigorosas que mudaram como as pessoas vivem e trabalham. Desde que a pandemia começou, o vírus sofreu muitas mutações. A maioria das mutações não muda muito as propriedades do vírus, como a gravidade da doença ou a facilidade de transmissão. Contudo, algumas mutações criam novas variantes que podem ser preocupantes. As variantes de preocupação (VOCs) são aquelas que parecem se espalhar mais facilmente, causar doenças mais graves ou reduzir a eficácia das vacinas e tratamentos médicos. As VOCs notáveis incluem a variante Alpha do Reino Unido em setembro de 2020, a variante Delta da Índia em outubro de 2020 e a variante Omicron da África do Sul em novembro de 2021.

A indústria farmacêutica desenvolveu várias vacinas que receberam aprovação de organizações de saúde em todo o mundo. Essas vacinas usam diferentes métodos pra ajudar o sistema imunológico a lutar contra o vírus. Algumas vacinas contêm partes do material genético do vírus, enquanto outras contêm versões inativas ou enfraquecidas do vírus ou pedaços específicos de proteínas do vírus. Pesquisas em andamento estão olhando pra novos tipos de vacinas, como vacinas inaláveis e medicamentos antivirais que podem ajudar o corpo no combate à COVID-19.

Estudos mostraram que a terapia com anticorpos é eficaz para casos graves de COVID-19, aumentando as taxas de sobrevivência em 20%. No entanto, esse tratamento é caro e de suprimento limitado. Pesquisas também indicam que a vacina da Moderna mantém cerca de 93% de eficácia duas semanas após a segunda dose, e cerca de 92% quatro meses depois. A vacina da Pfizer-BioNTech começa com uma eficácia de 91%, caindo pra cerca de 77% após quatro meses. A vacina da Johnson & Johnson, que é de dose única, mostra cerca de 71% de eficácia duas semanas após a vacinação e 68% um mês depois.

Prever o número de casos ativos de COVID-19 no futuro é crucial, pois cerca de 2% dos Infectados acabam indo pra hospital. Se os casos aumentarem rapidamente, os hospitais podem ter dificuldades em acompanhar a quantidade de pacientes que precisam de atendimento.

#Objetivo do Estudo

Esse estudo tem como objetivo prever a propagação da COVID-19 e encontrar a melhor forma de usar um número limitado de doses de vacinas. Ele vai analisar diferentes estratégias de vacinação e proporções de doses que podem ser alocadas pra primeiras vacinações ou como reforços pra quem foi vacinado antes. O estudo vai analisar os casos ativos esperados, mortes e hospitalizações devido à COVID-19 durante as campanhas de vacinação. Os resultados vão ajudar a informar políticas de saúde pública, especialmente considerando o risco de novas variantes e suprimentos limitados de vacinas.

#Revisão da Literatura

Modelagem matemática de doenças infecciosas combina conhecimentos de várias áreas como biologia, epidemiologia, matemática e medicina. Esses modelos ajudam os pesquisadores a prever a propagação da doença e avaliar incertezas.

O primeiro modelo significativo foi o modelo SIR, criado em 1929, que divide uma população em três grupos: Suscetíveis (S), Infectados (I) e Removidos (R). Com o tempo, esse modelo foi melhorado pra incluir fatores como infecções não detectadas, influências ambientais, viagens, lockdowns e vacinações. Os modelos modificados ajudam a entender como esses fatores afetam a propagação da doença.

Por exemplo, os pesquisadores podem analisar como a viagem influencia as infecções observando como as pessoas se movem entre regiões. Esses modelos também ajudam a avaliar os efeitos das medidas de lockdown e distanciamento social simulando diferentes cenários. Além disso, eles são usados pra estudar vacinações, ajustando a cobertura, eficácia e timing, o que pode mostrar como a vacinação impacta a propagação geral da doença.

Descobertas recentes mostram que a Imunidade adquirida por vacinação normalmente dura cerca de seis meses. Como resultado, países como os EUA e a França começaram a oferecer doses de reforço pra aqueles cuja imunidade diminuiu. Estudos também indicam que quanto mais doses são dadas, menos infecções ocorrem entre a população vacinada, mostrando que os modelos se alinham bem com os dados do mundo real.

#Métodos: O Modelo de Reforço

Uma área crucial de pesquisa é a terceira dose, ou dose de reforço, pra COVID-19. A imunidade proveniente das vacinas não é permanente, geralmente dura cerca de seis meses. Uma dose de reforço pode ajudar a recuperar essa imunidade. Este estudo busca responder se é melhor dar duas doses a pessoas não vacinadas ou oferecer uma dose de reforço a duas vezes mais pessoas vacinadas pra reduzir mortes.

Criamos o modelo de Reforço, que olha pra sete grupos na população: Suscetíveis (S), Vacinados e Suscetíveis (SV), Suscetíveis com Imunidade Perdida (SL), Infectados (I), Infectados e Vacinados (IV), Recuperados (R) e Mortos (D). Esse modelo usa um sistema de equações pra acompanhar como as pessoas se movem entre esses grupos ao longo do tempo.

Pra ver como o modelo funciona na vida real, vamos comparar duas populações: a Rússia, com alta taxa de infecção e vacinação, e Djibuti, com baixa taxa de infecção e vacinação. Testamos nove estratégias de vacinação com diferentes eficácias e taxas de implementação das vacinas.

#Resultados e Discussões

Em fevereiro de 2022, a Rússia tinha cerca de 2,67 milhões de casos ativos de COVID-19, o que era cerca de 1,84% da sua população de 143,4 milhões. Naquele momento, a COVID-19 havia resultado em aproximadamente 340.248 mortes, ou 0,23% da população. Até então, cerca de 49,74% da população russa estava totalmente vacinada, mas muitos daqueles que foram totalmente vacinados antes podem ter perdido a imunidade.

A análise de dados mostrou que pra vacinas com alta eficácia (92%), é melhor usar todas as doses pra vacinar completamente os indivíduos não vacinados pra alcançar o menor número acumulado de mortes. Contudo, à medida que a eficácia da vacina diminui, a necessidade por doses de reforço se torna mais significativa.

Em Djibuti, dados de início de abril de 2022 mostraram uma taxa de infecção muito baixa de 0,18% entre suas 1,1 milhão de pessoas, resultando em apenas 189 mortes. Uma pequena porcentagem (9,97%) da população estava totalmente vacinada naquele momento. Ao contrário da Rússia, a abordagem ideal em Djibuti era usar todas as doses disponíveis pra vacinar indivíduos não vacinados.

No geral, o estudo indica que pra comunidades com muitas pessoas que perderam a imunidade, dedicar uma parte das vacinas pra doses de reforço é benéfico. Por outro lado, as populações com baixas taxas de perda de imunidade devem priorizar a primeira ou segunda dose para indivíduos não vacinados.

#Conclusão

O modelo de Reforço ajuda a simular e entender os efeitos das estratégias de vacinação pra COVID-19. As descobertas destacam a necessidade de adaptar as abordagens de vacinação com base nas condições únicas de cada população. Os formuladores de políticas podem usar esses insights pra tomar decisões informadas sobre a distribuição das vacinas, garantindo que os recursos sejam alocados de forma eficiente pra minimizar mortes e infecções em diferentes comunidades. Esse modelo pode se adaptar a vários cenários, buscando, no fim das contas, um melhor manejo de doenças infecciosas como a COVID-19.