Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Link de acesso: | https://arca.fiocruz.br/handle/icict/71094 |
Resumo: | A pandemia de COVID-19, provocada pelo coronavírus da síndrome respiratória aguda grave 2 (SARS-CoV-2) e identificada pela primeira vez em Wuhan, China, em 2019, exigiu esforços em saúde pública de todos os países ao redor do mundo. A aplicação de medidas não-farmacológicas e farmacológicas, a exemplo da vacinação, foram fundamentais para diminuir o impacto da pandemia. A importância da Saúde Global foi novamente reafirmada como um estudo necessário para se compreender o impacto que futuras pandemias podem causar na sociedade. A transição de epidemia para endemia no caso da COVID-19 ainda não é clara, uma vez que os parâmetros que controlam essa transição ainda não foram claramente definidos. A utilização da vigilância genômica e da modelagem matemática como ferramentas para compreender e se antecipar à essa evolução tem se mostrado fundamental neste contexto. Este trabalho tem por objetivo determinar quais os parâmetros epidemiológicos que controlam a transição entre epidemia e endemia no caso da COVID-19 em um contexto de Saúde Global, avaliando os países do G20 e considerando as variantes de SARS-CoV-2. Os resultados demonstram que a taxa de mutação e o tempo de dominância de cada variante de SARS-CoV-2 é próxima em diferentes países, e que o perfil de avanço mutacional foi próximo em países mesmo geograficamente distantes A queda em cobertura vacinal a partir do ano de 2023 acontece no mesmo período em que as variantes passam a recuperar as taxas de mutação das variantes no período pré-vacinação, acelerando a diversificação genômica do vírus. A identificação de transição entre fases epidêmicas e endêmicas pode ser realizada com sinais de alerta precoce, com destaque para o Índice de Volatilidade Epidêmico convergente, que demonstrou melhor performance para COVID-19, Influenza, e outros vírus respiratórios. Os resultados deste trabalho demonstram que a maioria dos países do G20 já realizaram a transição de epidemia para endemia, onde a série histórica de casos notificados permanece em um patamar que não indica uma trajetória de eliminação do vírus. Por fim, desenvolveu-se um modelo capaz de reproduzir a série histórica de notificação de casos de COVID-19 que demonstrou que os indicadores de letalidade, recuperação, infectividade do vírus, e a cobertura vacinal da população são parâmetros importantes para realizar a transição de epidemia para endemia. A COVID-19 pode ser classificada em fase endêmica ao final de 2023 na maioria dos países estudados, sendo necessário reavaliar as campanhas de vacinação para evitar um retorno à epidemia. |
| id |
CRUZ_dc21601501b439e0816c9412c9661812 |
|---|---|
| oai_identifier_str |
oai:arca.fiocruz.br:icict/71094 |
| network_acronym_str |
CRUZ |
| network_name_str |
Repositório Institucional da FIOCRUZ (ARCA) |
| repository_id_str |
|
| spelling |
Valiati, Naiara Cristina MoraisSampaio, VandersonCoelho, Lara EstevesVillela, Daniel Antunes MacielVillela, Daniel Antunes Maciel2025-07-29T15:14:32Z2025VALIATI, Naiara Cristina Morais. Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global. 2025. 140 f. Dissertação (Mestrado em Epidemiologia em Saúde Pública) - Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, Rio de Janeiro, 2025.https://arca.fiocruz.br/handle/icict/71094A pandemia de COVID-19, provocada pelo coronavírus da síndrome respiratória aguda grave 2 (SARS-CoV-2) e identificada pela primeira vez em Wuhan, China, em 2019, exigiu esforços em saúde pública de todos os países ao redor do mundo. A aplicação de medidas não-farmacológicas e farmacológicas, a exemplo da vacinação, foram fundamentais para diminuir o impacto da pandemia. A importância da Saúde Global foi novamente reafirmada como um estudo necessário para se compreender o impacto que futuras pandemias podem causar na sociedade. A transição de epidemia para endemia no caso da COVID-19 ainda não é clara, uma vez que os parâmetros que controlam essa transição ainda não foram claramente definidos. A utilização da vigilância genômica e da modelagem matemática como ferramentas para compreender e se antecipar à essa evolução tem se mostrado fundamental neste contexto. Este trabalho tem por objetivo determinar quais os parâmetros epidemiológicos que controlam a transição entre epidemia e endemia no caso da COVID-19 em um contexto de Saúde Global, avaliando os países do G20 e considerando as variantes de SARS-CoV-2. Os resultados demonstram que a taxa de mutação e o tempo de dominância de cada variante de SARS-CoV-2 é próxima em diferentes países, e que o perfil de avanço mutacional foi próximo em países mesmo geograficamente distantes A queda em cobertura vacinal a partir do ano de 2023 acontece no mesmo período em que as variantes passam a recuperar as taxas de mutação das variantes no período pré-vacinação, acelerando a diversificação genômica do vírus. A identificação de transição entre fases epidêmicas e endêmicas pode ser realizada com sinais de alerta precoce, com destaque para o Índice de Volatilidade Epidêmico convergente, que demonstrou melhor performance para COVID-19, Influenza, e outros vírus respiratórios. Os resultados deste trabalho demonstram que a maioria dos países do G20 já realizaram a transição de epidemia para endemia, onde a série histórica de casos notificados permanece em um patamar que não indica uma trajetória de eliminação do vírus. Por fim, desenvolveu-se um modelo capaz de reproduzir a série histórica de notificação de casos de COVID-19 que demonstrou que os indicadores de letalidade, recuperação, infectividade do vírus, e a cobertura vacinal da população são parâmetros importantes para realizar a transição de epidemia para endemia. A COVID-19 pode ser classificada em fase endêmica ao final de 2023 na maioria dos países estudados, sendo necessário reavaliar as campanhas de vacinação para evitar um retorno à epidemia.The COVID-19 pandemics, caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and identified by the first time in Wuhan, China, in 2019, demanded public health efforts from all the countries around the world. The enforcement of non-pharmaceutical and pharmaceutical interventions, such as vaccination, were fundamental to minimize the impact of the pandemics. The importance of Global Health was again reaffirmed as a necessary study to comprehend the impact of future pandemics may cause in society. The transition from epidemics to endemics in the case of COVID-19 is still unknown, as the parameters that control this transition are still not well defined. The use of genomic surveillance and mathematical modeling as tools to comprehend and anticipate this evolution have been fundamental in this context. This work has the aim of determining which epidemiological parameters control the transition from epidemics to endemics in the case of COVID-19 in a context of Global Health, evaluating the G20 countries considering the SARS-CoV-2 variants. The results show that the mutation rate and dominance time of each SARS-CoV-2 variant is close to each other through different countries, and the mutational profile advance is also close in countries which are geographically distant The drop in vaccination since the end of the year 2023 happened at the same period in which variants recover the mutation rate levels of variants in the pre-vaccination period, accelerating the genomic diversification of the virus. The identification of the transition between epidemic and endemic phases can be made with early warning signals, with an emphasis to the convergent Epidemic Volatility Index, which has demonstrated a better performance for COVID-19, Influenza and other respiratory viruses. The results of this work demonstrate that the majority of G20 countries have already transitioned from epidemic to endemic, where the notification data series stays in a level which doesn’t indicate a trajectory of elimination of the virus. Finally, a model was developed which is capable of reproducing the notification data series of COVID-19, which demonstrates that the fatality rate, transmissibility, infectiousness, and the vaccination coverage are important parameters to transition from epidemic to endemic phase. COVID-19 can be classified in endemic phase at the end of 2023 for the majority of countries studied, and it is necessary to reevaluate the vaccination rollouts to avoid a return to epidemics.Fundação Oswaldo Cruz. Escola Nacional de Saúde Pública Sergio Arouca. Rio de Janeiro, RJ, Brasil.porEndemiaVigilância GenômicaModelagem MatemáticaCOVID-19EndemicsGenomic SurveillanceMathematical ModelingCOVID-19COVID-19Doenças EndêmicasInfluenza HumanaSaúde GlobalEndemicsGenomic SurveillanceMathematical ModelingEpidemiologiaAvaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde GlobalPredictive assessment of the transition from epidemic to endemic COVID-19 in a Global Health contextinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis2025-01-17Escola Nacional de Saúde Pública Sergio AroucaFundação Oswaldo CruzMestrado AcadêmicoRio de Janeiro/RJPrograma de Pós-Graduação em Epidemiologia em Saúde Públicainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FIOCRUZ (ARCA)instname:Fundação Oswaldo Cruz (FIOCRUZ)instacron:FIOCRUZLICENSElicense.txttext/plain1748https://arca.fiocruz.br/bitstreams/c86bb5ff-7618-4ea5-ad89-e8c0b91594d3/download8a4605be74aa9ea9d79846c1fba20a33MD51falseAnonymousREADORIGINALnaiara_cristina_morais_valiati_ensp_mest_2025.pdfapplication/pdf6329276https://arca.fiocruz.br/bitstreams/9d2fd2df-d622-46c0-ad83-f0944ecb9aa9/download915a51f42d268fa38a8719d9a9d9e45aMD52trueAnonymousREADTEXTnaiara_cristina_morais_valiati_ensp_mest_2025.pdf.txtnaiara_cristina_morais_valiati_ensp_mest_2025.pdf.txtExtracted texttext/plain102308https://arca.fiocruz.br/bitstreams/5089e2d0-98c7-4f16-bb3d-62c55dae6df2/download49b821e6d724f321e446d21434583044MD57falseAnonymousREADTHUMBNAILnaiara_cristina_morais_valiati_ensp_mest_2025.pdf.jpgnaiara_cristina_morais_valiati_ensp_mest_2025.pdf.jpgGenerated Thumbnailimage/jpeg2967https://arca.fiocruz.br/bitstreams/6ddd3e22-3dea-44d8-92e8-4a7e67cff179/downloaddb46719ed0e1c71fc2b520817ce7d417MD58falseAnonymousREADicict/710942025-07-31 14:37:09.422open.accessoai:arca.fiocruz.br:icict/71094https://arca.fiocruz.brRepositório InstitucionalPUBhttps://www.arca.fiocruz.br/oai/requestrepositorio.arca@fiocruz.bropendoar:21352025-07-31T17:37:09Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ)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 |
| dc.title.none.fl_str_mv |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| dc.title.alternative.none.fl_str_mv |
Predictive assessment of the transition from epidemic to endemic COVID-19 in a Global Health context |
| title |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| spellingShingle |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global Valiati, Naiara Cristina Morais Endemia Vigilância Genômica Modelagem Matemática COVID-19 Endemics Genomic Surveillance Mathematical Modeling COVID-19 COVID-19 Doenças Endêmicas Influenza Humana Saúde Global Endemics Genomic Surveillance Mathematical Modeling Epidemiologia |
| title_short |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| title_full |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| title_fullStr |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| title_full_unstemmed |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| title_sort |
Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global |
| author |
Valiati, Naiara Cristina Morais |
| author_facet |
Valiati, Naiara Cristina Morais |
| author_role |
author |
| dc.contributor.member.none.fl_str_mv |
Sampaio, Vanderson Coelho, Lara Esteves Villela, Daniel Antunes Maciel |
| dc.contributor.author.fl_str_mv |
Valiati, Naiara Cristina Morais |
| dc.contributor.advisor1.fl_str_mv |
Villela, Daniel Antunes Maciel |
| contributor_str_mv |
Villela, Daniel Antunes Maciel |
| dc.subject.other.none.fl_str_mv |
Endemia Vigilância Genômica Modelagem Matemática COVID-19 |
| topic |
Endemia Vigilância Genômica Modelagem Matemática COVID-19 Endemics Genomic Surveillance Mathematical Modeling COVID-19 COVID-19 Doenças Endêmicas Influenza Humana Saúde Global Endemics Genomic Surveillance Mathematical Modeling Epidemiologia |
| dc.subject.en.none.fl_str_mv |
Endemics Genomic Surveillance Mathematical Modeling COVID-19 |
| dc.subject.decs.none.fl_str_mv |
COVID-19 Doenças Endêmicas Influenza Humana Saúde Global Endemics Genomic Surveillance Mathematical Modeling Epidemiologia |
| description |
A pandemia de COVID-19, provocada pelo coronavírus da síndrome respiratória aguda grave 2 (SARS-CoV-2) e identificada pela primeira vez em Wuhan, China, em 2019, exigiu esforços em saúde pública de todos os países ao redor do mundo. A aplicação de medidas não-farmacológicas e farmacológicas, a exemplo da vacinação, foram fundamentais para diminuir o impacto da pandemia. A importância da Saúde Global foi novamente reafirmada como um estudo necessário para se compreender o impacto que futuras pandemias podem causar na sociedade. A transição de epidemia para endemia no caso da COVID-19 ainda não é clara, uma vez que os parâmetros que controlam essa transição ainda não foram claramente definidos. A utilização da vigilância genômica e da modelagem matemática como ferramentas para compreender e se antecipar à essa evolução tem se mostrado fundamental neste contexto. Este trabalho tem por objetivo determinar quais os parâmetros epidemiológicos que controlam a transição entre epidemia e endemia no caso da COVID-19 em um contexto de Saúde Global, avaliando os países do G20 e considerando as variantes de SARS-CoV-2. Os resultados demonstram que a taxa de mutação e o tempo de dominância de cada variante de SARS-CoV-2 é próxima em diferentes países, e que o perfil de avanço mutacional foi próximo em países mesmo geograficamente distantes A queda em cobertura vacinal a partir do ano de 2023 acontece no mesmo período em que as variantes passam a recuperar as taxas de mutação das variantes no período pré-vacinação, acelerando a diversificação genômica do vírus. A identificação de transição entre fases epidêmicas e endêmicas pode ser realizada com sinais de alerta precoce, com destaque para o Índice de Volatilidade Epidêmico convergente, que demonstrou melhor performance para COVID-19, Influenza, e outros vírus respiratórios. Os resultados deste trabalho demonstram que a maioria dos países do G20 já realizaram a transição de epidemia para endemia, onde a série histórica de casos notificados permanece em um patamar que não indica uma trajetória de eliminação do vírus. Por fim, desenvolveu-se um modelo capaz de reproduzir a série histórica de notificação de casos de COVID-19 que demonstrou que os indicadores de letalidade, recuperação, infectividade do vírus, e a cobertura vacinal da população são parâmetros importantes para realizar a transição de epidemia para endemia. A COVID-19 pode ser classificada em fase endêmica ao final de 2023 na maioria dos países estudados, sendo necessário reavaliar as campanhas de vacinação para evitar um retorno à epidemia. |
| publishDate |
2025 |
| dc.date.accessioned.fl_str_mv |
2025-07-29T15:14:32Z |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
VALIATI, Naiara Cristina Morais. Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global. 2025. 140 f. Dissertação (Mestrado em Epidemiologia em Saúde Pública) - Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, Rio de Janeiro, 2025. |
| dc.identifier.uri.fl_str_mv |
https://arca.fiocruz.br/handle/icict/71094 |
| identifier_str_mv |
VALIATI, Naiara Cristina Morais. Avaliação preditiva de transição de epidemia para endemia da COVID-19 em um contexto de Saúde Global. 2025. 140 f. Dissertação (Mestrado em Epidemiologia em Saúde Pública) - Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, Rio de Janeiro, 2025. |
| url |
https://arca.fiocruz.br/handle/icict/71094 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da FIOCRUZ (ARCA) instname:Fundação Oswaldo Cruz (FIOCRUZ) instacron:FIOCRUZ |
| instname_str |
Fundação Oswaldo Cruz (FIOCRUZ) |
| instacron_str |
FIOCRUZ |
| institution |
FIOCRUZ |
| reponame_str |
Repositório Institucional da FIOCRUZ (ARCA) |
| collection |
Repositório Institucional da FIOCRUZ (ARCA) |
| bitstream.url.fl_str_mv |
https://arca.fiocruz.br/bitstreams/c86bb5ff-7618-4ea5-ad89-e8c0b91594d3/download https://arca.fiocruz.br/bitstreams/9d2fd2df-d622-46c0-ad83-f0944ecb9aa9/download https://arca.fiocruz.br/bitstreams/5089e2d0-98c7-4f16-bb3d-62c55dae6df2/download https://arca.fiocruz.br/bitstreams/6ddd3e22-3dea-44d8-92e8-4a7e67cff179/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 915a51f42d268fa38a8719d9a9d9e45a 49b821e6d724f321e446d21434583044 db46719ed0e1c71fc2b520817ce7d417 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ) |
| repository.mail.fl_str_mv |
repositorio.arca@fiocruz.br |
| _version_ |
1839716779045158912 |