No mês de Dezembro do ano de 2019, um novo coronavírus foi descoberto na cidade de Wuhan, China. A Organização Mundial da Saúde (OMS) nomeou oficialmente esse coronavírus como COVID-19 (WU e McGoogan, 2020; AHMADI et al., 2020). Desde a sua descoberta, o vírus se espalhou rapidamente pelo mundo; sendo atualmente um dos principais problemas de saúde, causando um enorme ônus social e econômico.

     Neste cenário, análises quantitativas e o ajuste de modelos matemáticos ou estatísticos aos dados referentes as quantidades de casos confirmados são extremamente importantes para se entender a dinâmica de propagação da doença, previsão e projeção das quantidades de novos casos. Além disso, os modelos permitem a realização de simulações computacionais com o objetivo de obter a tendência futura das quantidades de caso confirmados da doença.

             A partir dos primeiros casos confirmados da COVID-19 na cidade de Campo Grande, a secretária municipal de saúde da cidade solicitou a Universidade Federal de Mato Grosso do Sul (UFMS) um estudo estatístico que projete semanalmente a quantidade de casos confirmados na cidade de Campo Grande e no estado do Mato Grosso do Sul (MS). O interesse da prefeitura neste estudo foi para embasar as decisões, tais como, ampliação de leitos hospitalares, compras de equipamentos, relaxamento ou não do isolamento social, entre outros.

             A partir da solicitação iniciou-se o procedimento de modelagem das quantidades totais de casos confirmados da COVID-19 na cidade de Campo Grande e no estado do MS. Semanalmente, a toda segunda-feira, foi disponibilizado a representantes da prefeitura e do estado um relatório técnico com os resultados.

               Para a análise dos dados, consideramos o ajustes de três modelos de crescimento. São eles: Modelo Exponencial, Modelo Logístico e o Modelo Gompertz.  Para obtenção das estimativas dos parâmetros dos três modelo, utilizamos o software R (R Core Team 2018) e o comando nls do pacote nlstools. Os modelos foram comparados, utilizando como critério a medida de ajuste R^2 e os critérios de seleção de modelos AIC e BIC. Com base no modelo selecionado, estimamos a quantidade máxima de notificações, a data que isto irá ocorrer e as quantidades de pacientes que precisarão de atendimento em leitos clínicos e de UTI.

            Os relatórios completos e/ou maiores informações poder ser obtidas via email aos autores: Erlandson F. Saraiva (erlandson.sariava@ufms.br), Leandro Sauer (leandro.sauer@ufms.br). Abaixo estão disponíveis alguns links  com entrevistas e reportagens apresentando alguns resultados do projeto.