News Release 

Uma alta taxa de vacinação é fundamental para o curso da pandemia de COVID-19, mostra o modelo computacional da Mayo Clinic

Mayo Clinic

Research News

ROCHESTER, Minnesota -- Os cientistas de dados da Mayo Clinic que desenvolveram modelos computacionais altamente precisos para prever tendências para casos de COVID-19 nos Estados Unidos têm novas pesquisas que mostram a importância de uma alta taxa de vacinação para reduzir o número de casos e controlar a pandemia. A vacinação está fazendo uma diferença marcante em Minnesota e evitando que o nível atual de casos positivos se torne uma emergência que sobrecarregue as UTIs e leve a mais doenças e mortes, de acordo com um estudo publicado na revista Mayo Clinic Proceedings.

O estudo descreve como as tendências de vacinação são cruciais para o curso futuro da pandemia, e como a modelagem preditiva da COVID-19 da Mayo pode avaliar as tendências futuras com base no ritmo de vacinação. Os pesquisadores da Mayo estimam que um pico de mais de 800 pacientes estariam em UTIs de hospitais em Minnesota nesta primavera caso nenhuma vacina tivesse sido desenvolvida. As projeções levam em consideração novas variantes do vírus SARS-CoV-2, bem como as medidas atuais de saúde pública e os padrões de uso de máscara.

Os níveis de censo previstos para UTIs seriam mais que o dobro do número de pacientes com COVID-19 em Minnesota hospitalizados em UTIs em 1º de dezembro, no auge do surto mais recente do ano passado.

"É difícil desvendar quanto dessa elevada taxa de propagação agora é devida a novas variantes em oposição a mudanças no comportamento social", dizem os autores, mas "independentemente do motivo, a ausência de vacinas no ambiente atual teria provavelmente resultado no maior surto até o presente momento."

Se Minnesota tivesse atingido uma taxa de vacinação de 75% da população até o início de abril, o estudo estima que a média de 7 dias de casos por 100.000 residentes, o número de pacientes com COVID-19 hospitalizados e o número em UTIs despencaria no início de julho. "De acordo com o modelo, este nível de vacinação suprimiria completamente o crescimento (mesmo em face da recente taxa elevada de disseminação) e imediatamente reduziria os casos e as hospitalizações a níveis muito baixos", afirmam os autores.

O estudo da Mayo Clinic foi conduzido por Curtis Storlie, Ph.D. e Sean Dowdy, M.D., cuja equipe desenvolveu o modelo computacional para prever o impacto da COVID-19 no uso de hospitais que ajudou a guiar a resposta da Mayo à pandemia. A modelagem preditiva da Mayo Clinic também foi compartilhada com a liderança de saúde pública de Minnesota para ajudar a informar decisões críticas no ano passado.

A previsão da Mayo Clinic das tendências nacionais da COVID-19 está disponível on-line no Centro de Recursos da COVID-19 da Mayo Clinic. A ferramenta de rastreamento Mapa do Coronavírus tem informações por condado sobre os casos e as tendências da COVID-19 em todo o país.

Quando a pandemia surgiu no ano passado, os cientistas de dados da Mayo Clinic desenvolveram modelos preditivos para avaliar quando e onde os pontos críticos de COVID-19 ocorreriam. O modelo previu com precisão o momento e a magnitude dos surtos de casos e hospitalizações de COVID-19, o que permitiu à Mayo Clinic se preparar e garantir que poderia fornecer o melhor atendimento, mantendo os pacientes e funcionários seguros.

###

Sobre a Mayo ClinicA

Mayo Clinic é uma organização sem fins lucrativos comprometida com a inovação na prática clínica, educação e pesquisa, fornecendo compaixão, conhecimento e respostas para todos que precisam de cura. Visite a Rede de Notícias da Mayo Clinic para obter mais informações sobre a Mayo Clinic. Para obter informações sobre a COVID-19, incluindo a ferramenta de rastreamento Mapa do Coronavírus da Mayo Clinic, que tem previsão de 14 dias sobre as tendências da COVID-19, visite o Centro de Recursos da COVID-19 da Mayo Clinic.

Contato de mídia: Sharon Theimer, Relações Institucionais da Mayo Clinic, newsbureau@mayo.edu.

Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.