Inspiration

Acreditamos que cada um pode contribuir dentro de sua área para combater a pandemia e minimizar as consequências dessa situação. Diante dessa possibilidade, decidimos unir conhecimentos em matemática, programação e design para produzir algo que pudesse ajudar as pessoas a enfrentar essa nova realidade tão difícil para todos nós. Nosso objetivo é analisar os dados dos estados do Brasil à luz dos modelos epidemiológicos, veicular informações e simulações interativas sobre o coronavírus de maneira acessível e intuitiva para a população de modo geral.

What it does

Com base em um modelo compartimental mais sofisticado do que os tradicionais SIR e SIRS - a saber, o SEIRDS, que inclui um compartimento para os indivíduos em período de incubação (que é não desprezível no caso do SARS-COV-2), implementação de quarentena, uso de máscaras e distribuição de casos por idades - construímos uma ferramenta tecnológica interativa que permite ao usuário simular cenários epidêmicos diversificados, sem que este tenha que lidar diretamente com o sistema de equações diferenciais não lineares . O protótipo que desenvolvemos contém algumas informações básicas sobre o novo coronavírus e é alimentado por um banco de dados que contém informações de infectados e mortos, bem como taxa de quarentena e estimativas de taxa de subnotificação e para as cidades e estados brasileiros. É importante ressaltar, contudo, que, devido à limitação dos dados e à carga de trabalho em um curto período de tempo, não foi possível calcular a subnotificação para todos os Estados.

How we built it

O modelo epidemiológico foi baseado no trabalho acadêmico de dois de nossos hackers, Pedro Cintra e Felipe Fontinele. Segundo seus estudos, a descrição em primeiros princípios baseada nas interações fundamentais entre os indivíduos, dá origem ao chamado modelo SEIRDS no limite de grandes populações. Esse modelo considera a população dividida em compartimentos com indivíduos suscetíveis, expostos, infectados, recuperados e mortos, é um modelo que se adequa bem às particularidades do Brasil. O trabalho computacional de simular esses modelos e obter gráficos foi feito em Python . Quanto ao site, este foi desenvolvido com as bibliotecas dash e plotly do Python e disponibilizado em web no Heroku, que consiste em uma plataforma de construção de sites/ aplicativos - que são acessíveis em dispositivos móveis e em computadores. O site coleta dados que são atualizados automaticamente e produz gráficos de casos e mortes para cada Estado e cada cidade. Também foi implementado um modelo interativo para o usuários simular diferentes resultados da epidemia para diferentes parâmetros aplicados. No que diz respeito às bases de dados, fizemos um compilado de dados de diferentes plataformas, como dados coletados em boletins epidemiológicos das Secretarias de Saúde dos Estados, Portal da Transparência - Registros Civis (para os dados de subnotificação), IBGE (PNADC 2018) e do Kaggle (https://www.kaggle.com/unanimad/corona-virus-brazil/data).

Challenges we ran into

Produzir o projeto em si já foi um grande desafio, principalmente no que diz respeito ao curto período de tempo que tínhamos disponível para finalizar o trabalho. Foi como uma prova de resistência física e mental, mas de certa forma, muito divertida. Outro desafio foi construir um produto que fosse, ao mesmo tempo, cientificamente confiável, com dados minimamente acurados e didático e acessível para o público em geral. Além disso, enfrentamos dificuldades para encontrar dados confiáveis e atualizados exigidos para o modelo epidemiológico e para as taxas que queríamos estudar. Contudo, com a ajuda dos mentores e com muita paciência para "garimpar" informações internet, conseguimos montar um protótipo de banco de dados para alimentar o site. Apesar de trabalhoso, participar disso foi uma experiência ímpar e extremamente satisfatória.

Accomplishments that we're proud of

Esse desafio mostrou que o trabalho em equipe pode enfrentar os problemas mais complicados se soubermos como exaltar habilidades e nos ajudarmos nas fraquezas. Nos orgulhamos de não termos vergonha em pedir ajuda,de aprender coisas novas e de nós superarmos nas nossas capacidades.
Nos orgulhamos ainda mais de termos nos proposto a um desafio tão intenso em prol de ajudar a levar informação de forma acessível a população brasileira.

What we learned

Em três dias, aprendemos como realizar web scraping (coleta de dados de sites), desenvolvimento de sites utilizando as bibliotecas dash e plotly do Python e a plataforma heroku, criar modelos interativos e disponibilizar de uma maneira intuitiva para o usuário.

What's next for Click Covid - Ferramenta de Informação Interativa

Os próximos passos incluem:

  • Criar modelos que se encaixam de acordo com os dados dos Estados ou cidade e façam previsões sobre dia do pico e número de infectados
  • Analisar os dados socioeconômicos que mais influem na curva epidemiológica
  • Conseguir os dados para estimar o futuro da pandemia no Brasil

Built With

  • analysis
  • built-with-love
  • dash
  • database
  • differential-equations
  • heroku
  • kaggle
  • mathematical-modeling
  • plotly
  • python
  • web-development
  • web-scraping
+ 4 more
Share this project:

Updates