Desde 1992, o Gil já cantava: “Antes longe era distante / Perto, só quando dava / Quando muito, ali defronte / E o horizonte acabava / Hoje lá trás dos montes, den de casa, camará”. Na música Parabolicamará, Gil utilizou a imagem da antena parabólica para simbolizar a interconectividade do mundo digital e a difusão da parabólica pelo Brasil, influenciando não apenas a paisagem urbana, mas também os padrões de comportamento social. O desconhecido podia agora ser acessado por meio digital, do conforto e segurança do lar. As distâncias, antes quase intransponíveis, podiam agora ser virtualmente percorridas em questão de segundos. E a antena parabólica foi apenas o começo dessa era de globalização digital: internet, computadores portáteis, celulares, carros e casas inteligentes permeiam o cotidiano de todos nós, criando o que McLuhan chamou, quase que profeticamente, trinta anos antes da invenção da internet, de aldeia global.
O desenvolvimento de aplicativos digitais capazes de não apenas reunir, mas também transmitir dados entre si, levou Kevin Ashton, em 1999, a propor o conceito de Internet das Coisas (do inglês, Internet of Things). Esse conceito ressalta que, para além da interconectividade entre pessoas, o mundo digital gerou, em paralelo, a interconectividade entre objetos físicos, dispositivos, sistemas e serviços. Hoje, podemos, dos nossos celulares e de praticamente qualquer lugar, controlar a temperatura da nossa casa, cozinhar o jantar, ou até mesmo estacionar nossos carros. Na era digital, a portabilidade de dispositivos como o celular nos permite carregar a internet a qualquer lugar, e com isso permanecer constantemente conectados. E foi exatamente essa permanente interconectividade que permeia a vida da maioria da população atual que permitiu a realização do estudo que venho aqui dividir com vocês.
Nesse estudo, publicado essa semana na revista Nature, cientistas coletaram dados de localização de celulares de 98 milhões de indivíduos em 10 metrópoles norte-americanas, e utilizaram modelos de mobilidade, associados a modelos epidemiológicos de propagação do vírus, para entender a relação entre os padrões de deslocamento de diferentes grupos sociais para pontos de interesse, como restaurantes, lojas, supermercados e instituições religiosas, e os padrões de disseminação do vírus causador da COVID-19, o SARS-CoV-2. O modelo gerado foi capaz de predizer com acurácia os padrões observados de disseminação do vírus até então, sugerindo ser um bom modelo para testes de estratégias de re-abertura e reestabelecimento das atividades econômicas e sociais.
Ao utilizar o modelo para testar planos de reabertura e contenção da propagação do vírus, os cientistas observaram que a magnitude da redução da mobilidade é tão importante quanto o momento em que essas medidas são implementadas. Por exemplo, caso a região do metrô de Chicago não tivesse observado uma redução de ~54% de mobilidade durante o primeiro mês da quarentena, o número de casos poderia ter aumentado em mais de 6 vezes o número atual. E se a redução da mobilidade tivesse iniciado uma semana mais tarde, o número de casos seria quase duas vezes maior do que o observado. O modelo de dinâmica de movimento social desenvolvido nesse estudo sugere também que uma pequena minoria dos pontos de interesse é responsável pela grande maioria das infecções, possibilitando a identificação de eventos de super propagação. A ideia de eventos de super propagação (do inglês superspreader events) de COVID-19, no entanto, não é nova. O acúmulo de dados a respeito da pandemia de COVID-19 levou cientistas a proporem a ideia de que eventos de super propagação explicam os padrões de disseminação do vírus SAR-CoV-2. Eventos de super propagação são eventos nos quais um ou poucos indivíduos contaminam um número significativo de pessoas em um único encontro. É possível que um único indivíduo contaminado, em ambiente fechado, resulte na contaminação secundária de milhares de pessoas.
Se a minoria dos pontos de interesse (isto é, restaurantes, lojas, bares, supermercados, academias, instituições religiosas etc.) é responsável pela grande maioria dos casos, uma clara política pública é a reabertura desses pontos com restrição da capacidade máxima de ocupação desses locais. Ao testar cenários de reabertura sem redução da capacidade de ocupação, utilizando o modelo gerado, os cientistas foram capazes de prever um aumento de aproximadamente 32% de infecções na mesma região de Chicago. Ainda, a redução da ocupação reduz significativamente o risco de infecção, sem necessariamente alterar os padrões de mobilidade da região. Nessa mesma região, o modelo prevê que a restrição da capacidade de ocupação em, no máximo, 20% da capacidade total é capaz de reduzir o número de novas infecções em aproximadamente 80%, resultando em apenas 42% na restrição de mobilidade na região, sugerindo que a redução da capacidade de ocupação de pontos de interesse pode ser mais eficaz do que a restrição da mobilidade irrestrita da população.
Além disso, o modelo aponta para o risco relativo de reabertura de determinadas categorias de pontos de interesse, já que nem todos os pontos de interesse estão associados igualmente a eventos de super propagação. Devido ao fato de que apenas uma minoria dos pontos de interesse são responsáveis pela maioria dos eventos de super propagação nas regiões metropolitanas estudadas, entender a relação entre esses pontos de interesse e a propagação do vírus é fundamental, particularmente para locais que usualmente recebem uma grande quantidade de indivíduos, ou nos quais indivíduos tendem a passar longos períodos de tempo.
O modelo ressalta também os padrões de disparidade nas taxas de infecção entre diferentes grupos sociais, resultando na acentuação das desigualdades sociais preexistentes. O modelo corretamente previu maiores taxas de infecção entre grupos socioeconomicamente desfavorecidos, baseando-se apenas padrões de deslocamento dos diferentes grupos. De acordo com os dados de mobilidade, grupos socioeconômicos menos favorecidos não foram capazes de reduzir sua mobilidade tanto quanto grupos sociais privilegiados, e tenderam a frequentar locais de maior aglomeração, resultando assim em maior exposição e um aumento significativo no risco de infecção. O reconhecimento de que grupos sociais já cronicamente desfavorecidos são os mais afetados pela atual pandemia de COVID-19 também não é uma novidade. Desde Abril desse ano, estudos epidemiológicos já apontavam para a disparidade nas taxas de infecção e mortalidade nos Estados Unidos entre grupos socioeconômicos e raciais. Disparidades socioeconômicas semelhantes foram observadas no Brasil, onde as taxas de incidência e mortalidade por COVID-19 foram mais elevadas em unidades federativas com maior desigualdade econômica. Dessa forma, políticas justas de reabertura durante a pandemia precisam considerar o impacto díspar da pandemia nos diversos grupos socioeconômicos para o planejamento de ações que intencionalmente reduzam as taxas de infecção nas comunidades menos favorecidas e mais afetadas. Segundo os autores, são medidas importantes o estabelecimento de limites de ocupação mais restritos em restaurantes, lojas, academias e outros pontos de interesse, a criação de centros de distribuição de alimentos para a redução da densidade populacional em pontos de interesse super propagadores, como lojas e supermercados, a oferta ampla e gratuita de testes, principalmente em regiões metropolitanas de alto risco, e a melhoria das políticas públicas de suporte ao trabalhador doente, visando a redução da sua mobilidade durante a doença. Além disso, já sabemos que outras medidas são também efetivas, como o distanciamento social e o uso irrestrito de máscaras. Este último contribui significativamente para o controle da propagação do vírus causador da COVID-19, por reduzir a emissão de saliva e aerossóis das vias respiratórias de indivíduos infectados, porém com sintomas amenos ou moderados.
Infelizmente, perdemos a oportunidade de resolver a pandemia antes da morte de centena de milhares de pessoas em países como os Estados Unidos e o Brasil, mas modelos como os apresentados por Chang e colaboradores podem balizar políticas de saúde pública eficazes na contenção da propagação do vírus, pois permitem testar computacionalmente o impacto das medidas de reabertura em diferentes regiões e grupos sociais antes da efetivação das mesmas, principalmente em países cujos chefes de estado não foram capazes de atuar prontamente no controle inicial e na eliminação da disseminação do vírus. Veja-se, por exemplo, o caso da Nova Zelândia. A Nova Zelândia é o país com a menor taxa de mortalidade por COVID-19 (apenas 4 por 1 milhão de habitantes) entre os 37 países da Organização para a Cooperação e Desenvolvimento Econômico. Em apenas 103 dias, e após um período de quarentena nacional, o país decretou, no início de Junho desse ano, o final da pandemia no território nacional, tendo registrado apenas 1.569 casos e 22 mortes por COVID-19. A impressionante contenção da pandemia na Nova Zelândia, resultado da implementação imediata e severa de medidas de saúde pública informadas pela ciência, foi reconhecida pela Harvard University com o Prêmio Gleistman em liderança e ativismo social de 2020, outorgado à Primeira Ministra Jacinda Ardern, que liderou, de forma exemplar, o país durante a crise.
No entanto, se vamos passar a utilizar padrões de movimento social inferidos a partir de dados de celular para propor e planejar políticas públicas, não podemos deixar de discutir questões ligadas à privacidade de cada um de nós. Em muitos casos, informações a respeito dos nossos padrões de mobilidade e comportamento são compartilhadas por aplicativos e dispositivos digitais sem que tenhamos clara consciência do fato. E com o avanço da interconectividade e da Internet das Coisas, esses eventos de compartilhamento de informações pessoais se tornam cada vez mais comuns. Mas, pessoalmente, acredito que precisamos atentar para uma questão ainda mais importante: é imperativo garantirmos a inclusão digital de todos os setores da sociedade, para que todos estejam representados equitativamente nesses modelos, se é que eles balizarão futuras tomadas de decisão.
Ana Almeida
California State University East Bay
(CSUEB)
Para saber mais:
Chu, Derek K, et al. 2020. Physical distancing, face masks, and eye protection to prevent person-to-person transmission of SARS-CoV-2 and COVID-19: a systematic review and meta-analysis. The Lancet, 395(10242): P1973-1987.
Greenhalgh, Trisha. et al. 2020. Face masks for the public during the COVID-19 crisis. BMJ, 369: m1435
Ornes, Stephen. 2016. Core Concept: The Internet of Things and the explosion of interconnectivity. PNAS, 113 (40) 11059-11060.
Santos, Milton. 2000. Por uma outra globalização: do pensamento único à consciência universal. São Paulo: Editora Record.
Schadt, Eric. The changing privacy landscape in the era of big data. Molecular Systems Biology, 8:612
Darwinianas 