Banca de QUALIFICAÇÃO: ANA CLARA GOMES DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANA CLARA GOMES DA SILVA
DATA : 20/08/2021
LOCAL: Remota
TÍTULO:

Modelagem e simulação da transmissão de doenças baseada em aprendizado de máquina para a predição de dengue, zika, chikungunya e Covid-19


PALAVRAS-CHAVES:

arboviroses, covid-19, epidemiologia digital, aprendizagem de máquina, predição de arboviroses.


PÁGINAS: 90
RESUMO:

A prevenção e o controle das arboviroses, especialmente da dengue, da febre chikungunya e da zika, no caso do Brasil, têm sido um grande desafio de saúde pública para muitos países, especialmente a partir de 2015, uma vez que outras arboviroses passaram a interagir com o vírus da dengue. A situação se agravou a partir de 2016, com o surgimento do zika vírus e de sua ação sobre a gravidez, estando relacionado em um certo grau com casos de microcefalia mas, principalmente, com a síndrome de Guillain-Barret, uma doença autoimune que afeta o sistema nervoso, provocando desde fraqueza muscular até a paralisia. Em dezembro de 2019 começou, na cidade de Wuhan, na China, a epidemia de Covid-19, provocada pelo coronavírus SARS-CoV-2. Rapidamente o vírus se espalhou pelo mundo, dando origem à pandemia de Covid-19, o maior problema de saúde do século XXI até o momento. No seu começo considerada como uma doença do trato respiratório, como as penumonias virais, a Covid-19 se mostrou uma doença do sistema cardiovascular que afeta não somente os pulmões, mas também os rins e o sistema nervoso, podendo causar sequelas que podem ser permanentes. A letalidade da doença é relativamente baixa, mas como o contágio é rápido, principalmente por conta das variantes, o baixo percentual de casos graves acaba resultando em milhões de mortes. O avanço da Epidemiologia Digital e das tecnologias de geoprocessamento, aliados ao desenvolvimento das técnicas de Mineração de Dados e Aprendizado de Máquina, têm proporcionado o rápido acompanhamento, controle e simulação da disseminação de doenças, auxiliando os sistemas públicos de saúde no controle de epidemias e dos fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Neste trabalho temos como objetivo investigar modelos baseados em aprendizado de máquina para predição da distribuição espacial e temporal de casos de arboviroses e de Covid-19, buscando lançar as bases para a construção de sistemas de predição espaço-temporal para fins epidemiológicos. Neste trabalho, utilizamos a base de dados de casos e locais de arboviroses LIRAa, do Sistema Único de Saúde da Cidade do Recife, de 2016 a 2019, para a predição de arborivores; para a predição de Covid-19, utilizamos as bases de dados do Sistema Nacional de Notificações fornecidas pelas secretarias estaduais de saúde.


MEMBROS DA BANCA:
Interna - 2324068 - CRISTINE MARTINS GOMES DE GUSMAO
Externo ao Programa - 1891425 - SIDNEY MARLON LOPES DE LIMA
Notícia cadastrada em: 25/01/2022 13:14
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa06.ufpe.br.sigaa06