Banca de DEFESA: IÚRI BATISTA TELES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : IÚRI BATISTA TELES
DATA : 13/09/2021
HORA: 10:00
LOCAL: Google Meet
TÍTULO:

Modelo auto-ajustável para predição de aumento de número de 
casos de doenças infectocontagiosas

PALAVRAS-CHAVES:

Aprendizagem de máquia automatizada, aprendizagem profunda, inteligência artificial, doenças infecciosas, séries temporais, predição de doenças. 

PÁGINAS: 87
RESUMO:

Doenças infectocontagiosa possuem um potencial devastador de transmissão do agente hospedeiro a seus pares, a exemplo da sars-cov-2 e vírus da influenza, o uso de modelos computacionais conhecidos, tais como ARIMA, LSTM e Prophet,  podem contribuir de forma significativa para o controle de sua disseminação. Modelos de aprendizagem de máquina vêm se provando muito eficazes no auxílio de gestores da saúd, amenizando as consequências da proliferação do contágio destas infecções, visto que auxiliam a construção de ações antecipadas às ocorrências de doenças. A classificação de tais doença se dá pela Classificação Internacional de doenças (CIDs) e Classificação Internacional de Assistência Primária (CIAPs) utilizadas hoje na cidade do Recife, para classificação de doenças infecciosas. No âmbito da pesquisa desenvolvemos o MAPDI (Modelo Auto-ajustável para Predição de Aumento de Número de Casos de Doenças Infectocontagiosas) com intuito de integrar análise preditiva no âmbito do gerenciamento epidemiológica de forma proativa. Utilizamos dados coletados de unidade de saúde proveniente da solução Atende APS. O MAPDI é composto de 5 etapas principais: 1 - Coleta e pré processamento dos dados; 2- Identificação CIDs/CIAPs anômalos; 3 -Ajuste automático dos algoritmos de séries temporais; 4 - Execução das previsões; e 5 - Indexação e apresentação dos resultados. O MAPDI inicialmente irá obter os dados epidemiológicos para análise proveniente do sistema Atende APS, o qual irá executar rotinas semanais para ajuste do 
modelo e projeção futura da possível quantidade de ocorrência para os próximos 7 dias.  Os dados serão indexados no existe Elastic, através da própria API disponível, já utilizado pela prefeitura de Recife e governo de Pernambuco. Dessa forma, a apresentação dos dados irá se dá através do Kibana, o que possibilitará também a personalização da melhor apresentação. Dessa forma, é apresentado uma metodologia e integração aplicada a cidade do Recife; bem como a possibilidade de integração em outras localidades, para auxiliares atuantes do gerenciamento da saúde a análise de ocorrência de CIDs/CIAPs de forma proativa.

MEMBROS DA BANCA:
Externo à Instituição - Sergio Crespo Coelho da Silva Pinto - UFF
Interna - 2199306 - PATRICIA CABRAL DE AZEVEDO RESTELLI TEDESCO
Presidente - 1511021 - RENATA MARIA CARDOSO RODRIGUES DE SOUZA