Por favor, use este identificador para citar o enlazar este ítem:
https://www.arca.fiocruz.br/handle/icict/48693
Tipo
ArtículoDerechos de autor
Acceso abierto
Objetivos de Desarrollo Sostenible
03 Saúde e Bem-EstarColecciones
Metadatos
Mostrar el registro completo del ítem
A CONTROL FRAMEWORK TO OPTIMIZE PUBLIC HEALTH POLICIES IN THE COURSE OF THE COVID‑19 PANDEMIC
Autor
Afiliación
University of Almería. Department of Informatics. Almería, Spain.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade do Porto. Faculdade de Ciências. Centro de Matemática. Departamento de Matemática. Porto, Portugal.
Universidade Federal de Santa Catarina. Centro Tecnológico. Departamento de Automação e Sistemas. Florianópolis, SC, Brasil.
Swansea University. College of Engineering. Swansea, Wales, United Kingdom.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil.
Universidade de São Paulo. Instituto de Física. São Paulo, SP, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Saúde Coletiva. Salvador, BA, Brasil.
Universidade Federal da Bahia. Escola Politécnica. Departamento de Engenharia Química. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade do Porto. Faculdade de Ciências. Centro de Matemática. Departamento de Matemática. Porto, Portugal.
Universidade Federal de Santa Catarina. Centro Tecnológico. Departamento de Automação e Sistemas. Florianópolis, SC, Brasil.
Swansea University. College of Engineering. Swansea, Wales, United Kingdom.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil.
Universidade de São Paulo. Instituto de Física. São Paulo, SP, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimentos para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Saúde Coletiva. Salvador, BA, Brasil.
Universidade Federal da Bahia. Escola Politécnica. Departamento de Engenharia Química. Salvador, BA, Brasil.
Resumen en ingles
The SARS-CoV-2 pandemic triggered substantial economic and social disruptions. Mitigation policies varied across countries based on resources, political conditions, and human behavior. In the absence of widespread vaccination able to induce herd immunity, strategies to coexist with the virus while minimizing risks of surges are paramount, which should work in parallel with reopening societies. To support these strategies, we present a predictive control system coupled with a nonlinear model able to optimize the level of policies to stop epidemic growth. We applied this system to study the unfolding of COVID-19 in Bahia, Brazil, also assessing the efects of varying population compliance. We show the importance of fnely tuning the levels of enforced measures to achieve SARS-CoV-2 containment, with periodic interventions emerging as an optimal control strategy in the long-term.
Compartir