Predição de casos de arboviroses no Recife utilizando computação de reservatório
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1298Palavras-chave:
Computação de reservatório, Modelo de predição, Predição de arbovirosesResumo
Objetivo: Devido à complexidade do diagnóstico das arboviroses, a predição com aprendizado de máquina objetiva antecipar surtos, trazer rapidez para o tratamento e diminuir a propagação. Método: Este estudo propõe aplicar técnicas de computação de reservatório, incorporando fatores climáticos, para prever surtos e aumentos na incidência dessas doenças. Resultados: Os modelos criados tiveram valores maiores de 0,80 de acurácia, precision e recall na previsão de casos no Recife, Pernambuco. Conclusão: Esses modelos são cruciais para tomada de decisão, permitindo intervenções preventivas e de controle mais eficazes contra arboviroses na saúde pública.
Referências
SINARE, Akshata B.; BARKADE, Ganesh D. Dengue: A mosquito borne disease. World Journal of Biology Pharmacy and Health Sciences, v. 14, n. 2, p. 251-261, 2023.
PARIJA, Subhash Chandra. Arboviruses (Arthropod-borne Viruses) and Rodent-borne Viruses. In: Textbook of Microbiology and Immunology. Singapore: Springer Nature Singapore, 2023. p. 825-846.
VAZIRI, Samira; POUR, Siavash Hamzeh; AKRAMI-MOHAJERI, Fateme. Zika virus as an emerging arbovirus of international public health concern. Osong Public Health and Research Perspectives, v. 13, n. 5, p. 341, 2022.
OEHLER, Erwan et al. Increase in cases of Guillain-Barré syndrome during a Chikungunya outbreak, French Polynesia, 2014 to 2015. Eurosurveillance, v. 20, n. 48, p. 30079, 2015.
FARIA, Marco Túlio da Silva et al. Saúde e saneamento: uma avaliação das políticas públicas de prevenção, controle e contingência das arboviroses no Brasil. Ciência & Saúde Coletiva, v. 28, p. 1767-1776, 2023.
ESPINAL, Marcos A. et al. Emerging and reemerging Aedes-transmitted arbovirus infections in the region of the Americas: implications for health policy. American journal of public health, v. 109, n. 3, p. 387-392, 2019.
PÉREZ, Tatiana Betancur et al. Covid-19 and Dengue Coinfection: Case Report. Japan Journal of Clinical & Medical Research, v. 1, n. 3, p. 1-2, 2021.
MARDEKIAN, Stacey K. et al. Diagnostic options and challenges for dengue and chikungunya viruses. BioMed research international, v. 2015, 2015.
VALERIO, Fernanda et al. The neurological sequelae of pandemics and epidemics. Journal of Neurology, v. 268, n. 8, p. 2629-2655, 2021.
DA SILVA, Cecilia Cordeiro et al. Spatiotemporal forecasting for dengue, chikungunya fever and Zika using machine learning and artificial expert committees based on meta-heuristics. Research on Biomedical Engineering, v. 38, n. 2, p. 499-537, 2022.
LIMA, Clarisse Lins de. Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika. 2020. Dissertação de Mestrado. Universidade Federal de Pernambuco.
FALCO, Javert Guimarães. Estatística aplicada. 2016.
HUANG, Guang-Bin; ZHU, Qin-Yu; SIEW, Chee-Kheong. Extreme learning machine: theory and applications. Neurocomputing, v. 70, n. 1-3, p. 489-501, 2006.
JAEGER, Herbert. The “echo state” approach to analysing and training recurrent neural networks-with an erratum note. Bonn, Germany: German National Research Center for Information Technology GMD Technical Report, v. 148, n. 34, p. 13, 2001.
HAYKIN, S.; NIE, Junhong; CURRIE, B. Neural network-based receiver for wireless communications. Electronics Letters, v. 35, n. 3, p. 203-205, 1999.
JAEGER, Herbert. Echo state network. scholarpedia, v. 2, n. 9, p. 2330, 2007.
STEINER, Peter et al. PyRCN: A toolbox for exploration and application of Reservoir Computing Networks. Engineering Applications of Artificial Intelligence, v. 113, p. 104964, 2022.
RAMOS, Jorge Luis Cavalcanti et al. Um estudo comparativo de classificadores na previsão da evasão de alunos em EAD. In: Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE). 2018. p. 1463.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
