Esta página reúne links para bancos de dados, textos científicos e material de divulgação sobre a pandemia de COVID-19, sob a ótica da Matemática Aplicada e Computacional, indicados pelos associados e associadas da SBMAC. Para contribuir, envie uma mensagem para boletim@sbmac.org.br escrevendo no assunto [COVID-19].
Material de apoio
- Aplicativo gratuito Sala Planejada: auxílio para a adoção de distanciamento em salas de aula: http://www.salaplanejada.unifesp.br/
- Portal COVID-19: Observatório Fluminense: www.covid19rj.org
- Estimativas sobre a eficiência de medidas de isolamento social: http://www.ime.unicamp.br/~pjssilva/vidas_salvas.html
- Monitor da COVID-19 nos estados brasileiros: https://covid.monitor.udesc.br/
- Painel Coronavírus (Ministério da Saúde): https://covid.saude.gov.br/
- Dados sobre o coronavírus em Porto Alegre: https://mhbarbian.shinyapps.io/covid19_poa/
- Dados do coronavírus em São Paulo: http://cemeai.icmc.usp.br/covid19/ferramenta-concentra-dados-atualizados-sobre-o-coronavirus-em-sao-paulo/
- Dados sobre o coronavírus em Pernambuco: http://dados.seplag.pe.gov.br/apps/corona.html
- Dados sobre o coronavírus no Rio de Janeiro:
- Painel Rio COVID-19: https://experience.arcgis.com/experience/38efc69787a346959c931568bd9e2cc4/
- Notebook (Python): https://www.kaggle.com/resendeacm/covid-19-rio-de-janeiro-city
- Dataset: https://www.kaggle.com/resendeacm/covid19-rj
- Dados sobre o coronavírus no Ceará: https://indicadores.integrasus.saude.ce.gov.br/indicadores/indicadores-coronavirus/coronavirus-ceara
- Dados mundiais (Johns Hopkins University): https://coronavirus.jhu.edu/map.html
- Simulações Computacionais – Modelo SIDR: https://www.ime.usp.br/~patriota/Covid19.html
- Download de dados de COVID-19 no Brasil (pacote de R coronabr): https://liibre.github.io/coronabr/index.html
- Painel COVID-19 Perú (Departamento de Ciencia de la Computación – Universidad Católica San Pablo): http://cs.ucsp.edu.pe/monitor-covid/
- Ferramenta para tratamento de dados para uso por cidades e hospitais (é necessário cadastro, os dados são inseridos pelo usuário, estatísticas e previsões são geradas pela ferramenta): https://www.forecastuti.unifesp.br/
- Aplicativo para previsão automática para casos de coronavírus no Brasil: https://previsaocoronavirus.shinyapps.io/dados_coronavirus/
Textos científicos
- Complexity signatures in the COVID-19 epidemic: power law behaviour in the saturation regime of fatality curves https://www.medrxiv.org/content/10.1101/2020.07.12.20152140v1
- Using the infection fatality rate to predict the evolution of Covid-19 in Brazil, Cecconello et al. (2020), https://doi.org/10.1101/2020.07.01.20144279
- An epidemiological model for the evolution of COVID-19 in Germany and in Brazil, Batista e Silva, preprint disponível em http://dx.doi.org/10.13140/RG.2.2.20745.47205
- A model for COVID-19 with isolation, quarantine and testing as control measures, Aronna et al. (2020), https://doi.org/10.1101/2020.05.29.20116897
- Covid-19 testing strategies and lockdowns: the European closed curves, analysed by “skew-normal” distributions, the forecasts for the UK, Sweden, and the USA, and the ongoing outbreak in Brazil, De Leo, S. (2020), https://www.medrxiv.org/content/10.1101/2020.06.01.20119461v1
- Avaliação de estratégias de relaxamento do distanciamento social para o Brasil e Estado do Rio de Janeiro, Volpatto et al, Nota técnica publicada em https://preprints.scielo.org/index.php/scielo/preprint/view/595/766
- Analysing and comparing the COVID-19 data: The closed cases of Hubei and South Korea, the dark March in Europe, the beginning of the outbreak in South America, De Leo et al. (2020), Preprint no medRxiv: https://www.medrxiv.org/content/10.1101/2020.04.06.20055327v2
- Combate ao Coronavírus: a Janela para Intervenções não Farmacológicas é Estreita, Vasconcelos et al. (2020): Nota técnica sobre o artigo Modelling fatality curves of COVID-19 and the effectiveness of intervention strategies (Preprint no medRxiv)
- Potential dissemination of epidemics based on Brazilian mobile geolocation data, Peixoto et al. (2020): Preprint no medRxiv e material de apoio no site https://www.ime.usp.br/~pedrosp/covid-19/
- Data-Driven Study of the COVID-19 Pandemic via Age-Structured Modelling and Prediction of the Health System Failure in Brazil amid Diverse Intervention Strategies, Canabarro et al. (2020): Preprint no medRxiv.
- Brazilian Modeling of COVID-19 (BRAM-COD) – a Bayesian Monte Carlo approach for COVID-19 spread in a limited data set context, Dana et al. (2020): Preprint no medRxiv.
- Flattening the curves: on-off lock-down strategies for COVID-19 with an application to Brazil, Tarrataca et al. (2020): Preprint no ArXiv.
- Sobre a ineficiência de quarentenas leves no combate à COVID-19 e à solução global: distanciamento social, Manchein et al. (2020): Nota Técnica sobre o artigo Strong correlations between power-law growth of COVID-19 in four continents and the inefficiency of soft quarantine strategies publicado na revista Chaos 30, 041102 (2020); https://doi.org/10.1063/5.0009454.
- Um modelo epidemiológico tipo SIR aplicado à dinâmica de disseminação da COVID-19 no Brasil, na Paraíba e em Campina Grande; De A Batista e Da Silva (2020): http://dx.doi.org/10.13140/RG.2.2.26557.69600 (Preprint).
- Características e projeções da pandemia do Covid-19 no Brasil, Minas Gerais e Juiz de Fora, Reis et al, Notas técnicas disponíveis em http://www.ufjf.br/pgmc/files/2020/03/nt01pgmc-30-03-2020.pdf (30/03/2020) e http://www.ufjf.br/pgmc/files/2020/03/nt02_covid19_pgmc_ufjf1.pdf (18/04/2020)
- Characterization of the COVID-19 pandemic and the impact of uncertainties, mitigation strategies, and underreporting of cases in South Korea, Italy and Brazil, Reis et al, Chaos, Solitons and Fractals 136 (July 2020), https://www.sciencedirect.com/science/article/pii/S0960077920302885
- Analysis of Covid-19 epidemic curves via generalized growth models: case studies for the cities of Recife and Teresina, Vasconcelos et al. (2020), Nota técnica disponível em https://preprints.scielo.org/index.php/scielo/preprint/view/690/version/717
- Model selection criteria for regression models with splines and the automatic localization of knots, Sousa, Severino e Leonardi, preprint disponível em https://arxiv.org/abs/2006.02649
Outras plataformas de divulgação
- Centro de Ciências Matemáticas Aplicadas à Indústria (CEPID-CeMEAI): http://cemeai.icmc.usp.br/covid19/
- Fundação Oswaldo Cruz (FIOCRUZ): https://portal.fiocruz.br/observatorio-covid-19
- Observatório COVID-19 BR (Iniciativa Independente): https://covid19br.github.io/
- Grupo de pesquisa em Estatística Computacional e Aprendizagem (GPECA) – IME/USP: https://www.ime.usp.br/~gpeca/covid-19.html
- Conselho Regional Estatística – 3ª Região (CONRE 3): http://www.conre3.org.br/portal/coronavirus/
- Núcleo de Operações e Inteligência em Saúde (NOIS) – PUC-RIO/Fiocruz/IDOR: https://sites.google.com/view/nois-pucrio
- The International Council for Industrial and Applied Mathematics (ICIAM): http://www.iciam.org/mathematics-covid-19
- Society for Industrial and Applied Mathematics (SIAM): https://sinews.siam.org/Details-Page/mathematical-resources-to-help-understand-covid-19
- European Consortium for Mathematics in Industry (ECMI): https://ecmiindmath.org/2020/04/01/coronavirus-2/
