Data-driven approach in a compartmental epidemic model to assess undocumented infections

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal de Viçosa (UFV)-
Autor(es): dc.contributorCtr Brasileiro Pesquisas Fis-
Autor(es): dc.contributorUniversidade de São Paulo (USP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorCosta, Guilherme S.-
Autor(es): dc.creatorCota, Wesley-
Autor(es): dc.creatorFerreira, Silvio C.-
Data de aceite: dc.date.accessioned2025-08-21T22:20:39Z-
Data de disponibilização: dc.date.available2025-08-21T22:20:39Z-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2022-08-17-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1016/j.chaos.2022.112520-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/245106-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/245106-
Descrição: dc.descriptionNowcasting and forecasting of epidemic spreading rely on incidence series of reported cases to derive the fundamental epidemiological parameters for a given pathogen. Two relevant drawbacks for predictions are the unknown fractions of undocumented cases and levels of nonpharmacological interventions, which span highly heterogeneously across different places and times. We describe a simple data-driven approach using a compartmental model including asymptomatic and pre-symptomatic contagions that allows to estimate both the level of undocumented infections and the value of effective reproductive number R-t from time series of reported cases, deaths, and epidemiological parameters. The method was applied to epidemic series for COVID-19 across different municipalities in Brazil allowing to estimate the heterogeneity level of under-reporting across different places. The reproductive number derived within the current framework is little sensitive to both diagnosis and infection rates during the asymptomatic states. The methods described here can be extended to more general cases if data is available and adapted to other epidemiological approaches and surveillance data.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoa de Nível Superior (CAPES)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)-
Descrição: dc.descriptionUniv Fed Vicosa, Dept Fis, BR-36570900 Vicosa, MG, Brazil-
Descrição: dc.descriptionCtr Brasileiro Pesquisas Fis, Natl Inst Sci & Technol Complex Syst, Rua Xavier Sigaud 150, BR-22290180 Rio De Janeiro, Brazil-
Descrição: dc.descriptionUniv Sao Paulo, Inst Med Trop, Sao Paulo, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, Fac Med Botucatu, Dept Infectol, Botucatu, SP, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, Fac Med Botucatu, Dept Infectol, Botucatu, SP, Brazil-
Descrição: dc.descriptionCAPES: 88887.507046/2020-00-
Descrição: dc.descriptionCNPq: 430768/2018-4-
Descrição: dc.descriptionCNPq: 311183/2019-0-
Descrição: dc.descriptionFAPEMIG: APQ-02393-18-
Descrição: dc.descriptionCAPES: 001-
Formato: dc.format10-
Idioma: dc.languageen-
Publicador: dc.publisherElsevier B.V.-
Relação: dc.relationChaos Solitons & Fractals-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectEpidemic spreading-
Palavras-chave: dc.subjectUndocumented infections-
Palavras-chave: dc.subjectEpidemic surveillance-
Palavras-chave: dc.subjectData-driven modeling-
Título: dc.titleData-driven approach in a compartmental epidemic model to assess undocumented infections-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.