[pt] Este trabalho propõe um método para hierarquizar a contribuição de diferentes estratégias para conter a evolução da pandemia de COVID-19 em diferentes estados do Brasil, nos períodos pré- e pós-vacinação. O método proposto incluiu o aprendizado automático de modelos de regressão utilizando o algoritmo de aprendizado de máquina XGBoost, e aplicou a teoria dos jogos cooperativos de Shapley para quantificar a contribuição das características analisadas para a variável-alvo. Para interpretar o modelo globalmente, foi usado o SHapley Additive exPlanations (SHAP), que é um algoritmo baseado na teoria de Shapley. Os resultados de avaliação do método apontaram a sua eficácia para quantificar a contribuição de cada variável de forma robusta, e revelam que os percentuais de cobertura vacinal de primeira e segunda dose, além do fechamento das escolas, foram as medidas que tiveram maior contribuição na evolução do número de casos e óbitos por COVID-19. A ponderação das variáveis pode ajudar os atores responsáveis na elaboração de políticas públicas para minimizar os efeitos socioeconômicos em suas regiões, dado que o Brasil é um país que possui extrema desigualdade social. / [en] This work proposes a method to rank the contribution of different strategies to contain the evolution of the COVID-19 pandemic in different states of Brazil, in the pre- and post-vaccination periods. The proposed method included the automatic learning of regression models using the XGBoost machine learning algorithm, and applied Shapley s cooperative game theory to quantify the contribution of the analyzed characteristics to the target variable. To interpret the model globally, the SHapley Additive exPlanations (SHAP) was used, which is an algorithm based on Shapley s theory. The evaluation results point to its efficacy to quantify the contribution of each variable in a robust way, and reveal that the percentages of first and second dose vaccination coverage, in addition to the closing of schools, were the measures that had the greatest contribution in the evolution of the number of cases and deaths due to COVID-19. The weighting of variables can help the actors responsible in the elaboration of public policies to minimize the socioeconomic effects in their regions, since Brazil is a country that has extreme social inequality.

[pt] Somente no século XXI, o mundo enfrentou os impactos devastadores de três doenças respiratórias agudas: a Síndrome Respiratória do Oriente Médio(MERS), a Síndrome Respiratória Aguda Grave (SARS) e a COVID-19, que evoluiu para uma pandemia. Essas doenças não apenas causaram um grande número de mortes, mas também prejudicaram a economia das regiões afetadas. Em particular, os países da região da América Latina e Caribe (LAC)enfrentaram desafios adicionais, devido a maiores desigualdades sociais, acesso limitado a serviços de saúde e condições de vida precárias. Portanto, é imperativo compreender os efeitos das ações de mitigação para orientar as ações no sentido de mitigar os impactos sanitários e socioeconômicos, se (ou quando)surgirem novas doenças respiratórias agudas, especialmente nestes países. Foi realizado um estudo retrospectivo para modelar a dinâmica da variação da mortalidade por COVID-19 em países da LAC e analisar sua associação com estratégias de vacinação, medidas de contenção, restrições de mobilidade e fatores socioeconômicos. A metodologia do estudo aplicou técnicas de clustering que revelaram dois agrupamentos distintos com base em características socio-demográficas, seguidos pela aplicação do XGBoost para modelar a dinâmica de variação de mortes nos países de cada cluster, ao longo do tempo. Por fim, foi aplicada a técnica de SHAP Values para compreender as associações entre mortalidade e fatores como vacinação, medidas de contenção e restrições de mobilidade. Além disso, foi realizado um painel com especialistas para avaliar a relevância e efetividade dos resultados encontrados. O estudo fornece evidências de que o suporte econômico e a conclusão do esquema de vacinação foram especialmente relevantes para reduzir a mortalidade por COVID-19.Foi possível detectar dois grupos distintos de países, onde um grupo pode ter características de maior vulnerabilidade do que o outro grupo. As intervenções mais importantes para entender a mortalidade por COVID-19 variaram em dois períodos distintos da pandemia: pré-vacinação e pós-vacinação. No período pré-vacinação, as medidas de contenção foram as intervenções mais importantes para a mortalidade nos países menos vulneráveis, enquanto para os países mais vulneráveis, foram as variações na mobilidade populacional. No período pós-vacinação, a cobertura vacinal foi a intervenção mais importante para a mortalidade nos países menos vulneráveis, enquanto os países mais vulneráveis foram mais impactados pelas medidas de contenção. / [en] In the 21st century alone, the world has faced the devastating impacts of three acute respiratory diseases: Middle East Respiratory Syndrome (MERS), Severe Acute Respiratory Syndrome (SARS), and COVID-19, which evolved into a pandemic. These diseases have not only caused a large number of deaths but have also damaged the economies of the affected regions. In particular, countries in the Latin American and Caribbean (LAC) region have faced additional challenges due to greater social inequalities, limited access to health services, and precarious living conditions. Therefore, it is imperative to understand the effects of mitigation actions to guide actions to mitigate the health and socioeconomic impacts if (or when) new acute respiratory diseases emerge, especially in these countries. A retrospective study was conducted to model the dynamics of variation in COVID-19 mortality in LAC countries and analyze its association with vaccination strategies, containment measures, mobility restrictions, and socioeconomic factors. The study methodology applied clustering techniques that revealed two distinct clusters based on sociodemographic characteristics, followed by the application of XGBoost to model the dynamics of variation in deaths in the countries of each cluster, over time. Finally, the SHAP Values technique was applied to understand the associations between mortality and factors such as vaccination, containment measures and mobility restrictions. In addition, a panel of experts was held to assess the relevance and effectiveness of the results found. The study provides evidence that economic support and the completion of the vaccination scheme were especially relevant in reducing COVID-19 mortality. It was possible to detect two distinct groups of countries, where one group may have characteristics of greater vulnerability than the other group. The most important interventions for understanding COVID-19 mortality varied in two distinct periods of the pandemic: pre-vaccination and post-vaccination. In the pre-vaccination period, containment measures were the most important interventions for mortality in the least vulnerable countries, while for the most vulnerable countries, they were variations in population mobility. In the post-vaccination period, vaccination coverage was the most important intervention for mortality in the least vulnerable countries, while the most vulnerable countries were more impacted by containment measures.