Please use this identifier to cite or link to this item:
https://www.arca.fiocruz.br/handle/icict/47734
ASSESSING THE NATIONWIDE IMPACT OF COVID-19 MITIGATION POLICIES ON THE TRANSMISSION RATE OF SARS-COV-2 IN BRAZIL
COVID-19
Mathematical modeling
Non-pharmaceutical interventions
Public policies
Transmission rate
Author
Affilliation
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Fiocruz Rondônia. Porto Velho, RO, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Matemática. Salvador, BA, Brasil.
Universidade Federal da Bahia. Instituto de Saúde Coletiva. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Universidade de São Paulo. Instituto de Física. São Paulo, SP, Brasil.
Universidade Federal da Bahia. Instituto de Matemática. Salvador, BA, Brasil.
Swansea University. College of Engineering. Swansea, United Kingdom.
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 Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil / Universidade do Porto. Centro de Matemática. Faculdade de Ciências. Departamento de Matemática. Porto, Portugal.
Fundação Oswaldo Cruz. Fiocruz Rondônia. Porto Velho, RO, Brasil.
Universidade Federal da Bahia. Instituto de Física. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil / Universidade Federal da Bahia. Instituto de Matemática. Salvador, BA, Brasil.
Universidade Federal da Bahia. Instituto de Saúde Coletiva. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Universidade de São Paulo. Instituto de Física. São Paulo, SP, Brasil.
Universidade Federal da Bahia. Instituto de Matemática. Salvador, BA, Brasil.
Swansea University. College of Engineering. Swansea, United Kingdom.
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 Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil.
Fundação Oswaldo Cruz. Instituto Gonçalo Moniz. Centro de Integração de Dados e Conhecimento para Saúde. Salvador, BA, Brasil / Universidade do Porto. Centro de Matemática. Faculdade de Ciências. Departamento de Matemática. Porto, Portugal.
Abstract
COVID-19 is now identified in almost all countries in the world, with poorer regions being particularly more disadvantaged to efficiently mitigate the impacts of the pandemic. In the absence of efficient therapeutics or large-scale vaccination, control strategies are currently based on non-pharmaceutical interventions, comprising changes in population behavior and governmental interventions, among which the prohibition of mass gatherings, closure of non-essential establishments, quarantine and movement restrictions. In this work we analyzed the effects of 707 governmental interventions published up to May 22, 2020, and population adherence thereof, on the dynamics of COVID-19 cases across all 27 Brazilian states, with emphasis on state capitals and remaining inland cities. A generalized SEIR (Susceptible, Exposed, Infected and Removed) model with a time-varying transmission rate (TR), that considers transmission by asymptomatic individuals, is presented. We analyze the effect of both the extent of enforced measures across Brazilian states and population movement on the changes in the TR and effective reproduction number. The social mobility reduction index, a measure of population movement, together with the stringency index, adapted to incorporate the degree of restrictions imposed by governmental regulations, were used in conjunction to quantify and compare the effects of varying degrees of policy strictness across Brazilian states. Our results show that population adherence to social distance recommendations plays an important role for the effectiveness of interventions and represents a major challenge to the control of COVID-19 in low- and middle-income countries.
Keywords
BrazilCOVID-19
Mathematical modeling
Non-pharmaceutical interventions
Public policies
Transmission rate
Share