Unicamp sugere lockdown em SP se isolamento não aumentar

Um modelo matemático desenvolvido na Universidade Estadual de Campinas (Unicamp) indica que, caso o isolamento social no estado de São Paulo não aumente nos próximos dias para conter a disseminação da covid-19, a adoção de lockdown (isolamento total obrigatório) será necessária para evitar que o sistema público de saúde atinja o limite da capacidade de atendimento. 

O estudo, divulgado na terça-feira (12), é baseado em um modelo matemático desenvolvido pelo professor do Instituto de Geociências da Unicamp e coordenador do Programa Especial Indicadores de Ciência, Tecnologia e Inovação da Fundação de Amparo à Pesquisa (Fapesp), o matemático Renato Pedrosa.

O modelo utiliza dados reais do crescimento do número de casos de covid-19 do mês de abril em São Paulo, que indicavam taxa de contágio da doença de 1,49 para o estado de São Paulo e de 1,44 para a capital. Essa taxa significa que, no final de abril, cada 100 paulistas infectados pelo novo coronavírus transmitiam covid-19 para 149 pessoas, em média, ao longo de um período de cerca de 7,5 dias após se contaminar. No caso dos paulistanos, habitantes da capital, 100 deles infectavam 144 pessoas no período de 7,5 dias. 

A taxa de contágio é afetada diretamente pelo nível de isolamento social da localidade analisada, ou seja, quanto maior o nível de isolamento, menor é a taxa de contágio, já que, com maior isolamento, o encontro entre as pessoas diminui e, consequentemente, de transmissão da doença.

O estudo ressalta que mantidos esses níveis de contágio, e as taxas de isolamento que, em média, estão abaixo dos 50%, os valores projetados indicam que, ainda em maio, o sistema público de saúde da Região Metropolitana de São Paulo (RMSP) atingirá seu limite de atendimento, considerando que o nível de ocupação de leitos de unidades de terapia intensiva (UTIs) já está acima de 80%.

O modelo desenvolvido pode ser usado para projetar a dinâmica de transmissão da covid-19 em outras localidades, já que ele leva em consideração as variáveis climáticas, a densidade populacional e a linha do tempo da instalação da doença. O matemático usou dados de 50 estados norte-americanos e de 110 países, incluindo o Brasil.

Confira o estudo aqui.