Matemáticos da Colômbia desenvolveram um sistema que indica, de acordo com a prevalência da doença, protocolos ideais de testagem em pool; método foi apresentado em seminário on-line promovido pela FAPESP (imagem: divulgação)

Publicado em 05/05/2021

Elton Alisson | Agência FAPESP – A realização de testes agrupados ou em pool pode ajudar países como o Brasil, em que há grande subnotificação de casos de COVID-19, a aumentar a capacidade de diagnosticar infectados pelo novo coronavírus (SARS-CoV-2), afirma o matemático Maurício Velasco, professor da Universidad de los Andes (UniAndes), em Bogotá, na Colômbia.

A fim de ajudar na implementação dessa estratégia de testagem, o pesquisador e colaboradores da mesma universidade desenvolveram um sistema que permite indicar protocolos ideais de testes agrupados, baseados na prevalência da doença.

O trabalho foi apresentado por Velasco no seminário on-line “Focusing maths of COVID-19 on South America”, realizado pela FAPESP em 4 de junho.

“A ideia de testes agrupados é simples, pode ser implementada facilmente e permite aos países realizarem em maior número o exame considerado padrão-ouro no diagnóstico de COVID-19, o RT-PCR [transcrição reversa seguida de reação em cadeia da polimerase, na sigla em inglês], com investimento zero”, afirmou o pesquisador.

A abordagem matemática consiste na combinação das amostras de secreção de nariz ou da garganta utilizadas no teste de RT-PCR para identificar a presença ou não de RNA do vírus.

Por um protocolo chamado unidimensional, as amostras de secreções de três pessoas, por exemplo, são agrupadas e submetidas a uma única testagem.

Se o resultado do teste de um grupo for negativo isso indica que nenhum dos três pacientes está infectado. Nesse caso, são poupados recursos que seriam gastos em mais dois testes, se tivessem sido feitos individualmente.

Caso o resultado seja positivo, significa que um, dois ou os três pacientes estão infectados e será necessário fazer testes individuais para identificá-los. Nesse caso, serão perdidos recursos, uma vez que será preciso fazer quatro testes para três pessoas.

O balanço final da perda ou ganho por essa estratégia de testagem, contudo, é determinado pela prevalência da doença, ou seja, o número total de casos existentes em um determinado momento, explicou Velasco.

“Se a prevalência da doença for inferior a 30%, é possível ter ganho com a implementação dessa estratégia de teste agrupado em comparação com a realização de um teste por pessoa”, afirmou o pesquisador.

No Brasil, a prevalência da COVID-19 varia entre as cidades, indicam dados preliminares de um estudo da evolução da doença no país, o Epicovid-19, coordenado pelo Centro de Pesquisas Epidemiológicas da Universidade Federal de Pelotas (UFPel) em parceria com o Ministério da Saúde.

Os resultados da primeira fase do estudo, realizado em 90 municípios, que abrangem 25% da população nacional, apontaram que a proporção de pessoas identificadas com anticorpos para o vírus é de 1,4%, podendo variar de 1,3% a 1,6% pela margem de erro. Os dados, contudo, não podem ser extrapolados para todo o país. Há cidades, como Breves, no Pará, onde 24,8% da população tem ou já teve COVID-19.

“Na Colômbia, a prevalência da doença varia de acordo com os grupos populacionais, e está entre 5% e 20%, de acordo com resultados positivos de testes por RT-PCR em laboratórios no país”, disse Velasco.

Aumento da amostragem

A fim de possibilitar aumentar a amostragem de pessoas em testes agrupados, matemáticos da Europa e dos Estados Unidos propuseram recentemente novos protocolos de testagem em pool, chamados bidimensionais.

Por essa abordagem, as amostras de secreção de 64 pessoas, por exemplo, são distribuídas em matriz com um número igual de retângulos, formando oito linhas e oito colunas.

Em uma primeira etapa são feitos 16 testes, correspondentes às oitos linhas e oito colunas, para identificação de quais grupos têm pessoas infectadas. Os resultados dos testes agrupados das oito linhas e oito colunas podem revelar que há três grupos, por exemplo, com casos positivos.

Com base em probabilidade estatística, é possível identificar que há nove pessoas nesses três grupos com suspeita de COVID-19. Esses nove casos são submetidos à testagem individual para confirmação do diagnóstico da doença, exemplificou Velasco.

“Nesse caso seriam feitos, no total, 25 testes, em vez de 64 individualmente, sem perda de precisão”, afirmou.

A escolha do melhor protocolo para realização de testes agrupados – se o bidimensional ou unidimensional – também depende da prevalência da doença, explicou Velasco.

O protocolo bidimensional é indicado se a prevalência da doença for de até 10%. Já se for superior a esse patamar, o protocolo unidimensional, com pequenos grupos, é mais eficiente, comparou o pesquisador.

Esquemas de testes

Para definir quais os melhores esquemas de testes agrupados, entre milhares de possibilidades, os pesquisadores elaboraram e provaram um teorema matemático que permite a um sistema computacional sugerir uma lista de protocolos de testes agrupados ideais a partir da indicação de um número de pessoas por teste.

“Em alguns experimentos teóricos, verificamos que esse número pode chegar a, no máximo, 16. Acreditamos que até esse número é o ideal. A partir disso começa a perder precisão”, avaliou.

Ao escolher a opção de oito pessoas por teste agrupado, por exemplo, o sistema indica sete opções de composições, de acordo com a prevalência da doença.

“À medida que a prevalência aumenta, é preciso diminuir o tamanho das matrizes dos testes”, disse Velasco.

O seminário on-line foi promovido pela FAPESP em parceria com o Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI) – um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela Fundação – e o Global Research Council.

O objetivo do encontro foi apresentar um panorama das contribuições de matemáticos aplicados na América do Sul no desenvolvimento de modelos para ajudar a entender a dinâmica da doença e seus efeitos nos países da região.

Os pesquisadores vinculados ao CeMEAI apresentaram no evento um sistema que ajuda a prever a demanda por equipamentos de proteção individual (EPIs) em hospitais (leia mais em agencia.fapesp.br/33361/) e um modelo que indica melhores estratégias de quarentena para as cidades controlarem a propagação da COVID-19 (leia mais em agencia.fapesp.br/33201/).
 

Fonte: https://agencia.fapesp.br/33416