Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas

Bibliographic Details
Main Author: Paulo Sergio D'Andrea
Publication Date: 2022
Format: Dataset
Source: LattesData
Download full: https://doi.org/10.57810/lattedata/ODBRQG
Summary: As mudanças globais desafiam os cientistas a desenvolver conhecimento transdisciplinar que une teoria, métodos e big data para sustentar o gerenciamento integrador da biodiversidade, serviços ecossistêmicos e bem-estar socioeconômico. Promover esforços multi-institucionais e transdisciplinares para entender e prever surtos de doenças tropicais negligenciadas (DTN) representa uma excelente oportunidade para combinar abordagens de ciências biológicas e sociais a sistemas complexos e promover estruturas científicas para a formulação de políticas e a otimização da gestão da biodiversidade, serviços ecossistêmicos e saúde pública. Propomos aqui uma abordagem de rede adaptativa para investigar a interface entre biodiversidade e saúde pública no Brasil. Ao fazer isso, nosso objetivo é sintetizar os determinantes biológicos e socioeconômicos dos surtos de DTNs com base na (1) síntese dos “big data” existentes para parametrizar modelos de rede adaptativos que abrangem interações entre espécies e dados de redes socioeconômicas que descrevem a estrutura da biodiversidade (que sustentam os serviços ecossistêmicos) e a rede institucional de instituições públicas (que sustentam o bem-estar social) nas escalas local, regional e / ou nacional; (2) integração teórica transdisciplinar construída sobre a abordagem de rede para sistemas complexos e particularmente sobre a extensão da abordagem de rede adaptativa para desenvolver modelos empiricamente informados, prevendo surtos de DTN; e (3) a articulação da base de uma rede multi-institucional que une pesquisas sobre biodiversidade e saúde pública e o planejamento estratégico e integrador de políticas públicas. Nossa proposta é baseada na abordagem integrativa fornecida pelas redes adaptativas, que são uma classe geral de modelos de redes dinâmicas que foram amplamente aplicadas para estudar a estrutura e a dinâmica de sistemas complexos em Biologia, Economia e Ciências Sociais. Recentemente, modelos de rede adaptativos têm sido propostos como o núcleo de uma estrutura integradora destinada a promover a pesquisa cooperativa envolvendo cientistas teóricos e aplicados, interessados ​​em entender, prever e gerenciar serviços de ecossistemas. Pretendemos estender essa abordagem para investigar a dinâmica entrelaçada de redes ecológicas, que retratam ecossistemas nos quais os patógenos são incorporados, e redes sociais, que retratam a estrutura de instalações públicas e outros determinantes da saúde. Portanto, esperamos avançar na construção da teoria transdisciplinar na interface entre biodiversidade e saúde pública, disponibilizando publicamente grandes dados biológicos e socioeconômicos associados a uma estrutura preditiva transdisciplinar que mescla ciência, governança e práticas sociais para fortalecer serviços ecossistêmicos e políticas de saúde .
id CNPQ_3298e09c45c53e76c6e1c6d5877fc1e3
oai_identifier_str doi:10.57810/lattedata/ODBRQG
network_acronym_str CNPQ
network_name_str LattesData
repository_id_str
spelling https://doi.org/10.57810/lattedata/ODBRQGPaulo Sergio D'AndreaIntegrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadasLatteData - CNPQAs mudanças globais desafiam os cientistas a desenvolver conhecimento transdisciplinar que une teoria, métodos e big data para sustentar o gerenciamento integrador da biodiversidade, serviços ecossistêmicos e bem-estar socioeconômico. Promover esforços multi-institucionais e transdisciplinares para entender e prever surtos de doenças tropicais negligenciadas (DTN) representa uma excelente oportunidade para combinar abordagens de ciências biológicas e sociais a sistemas complexos e promover estruturas científicas para a formulação de políticas e a otimização da gestão da biodiversidade, serviços ecossistêmicos e saúde pública. Propomos aqui uma abordagem de rede adaptativa para investigar a interface entre biodiversidade e saúde pública no Brasil. Ao fazer isso, nosso objetivo é sintetizar os determinantes biológicos e socioeconômicos dos surtos de DTNs com base na (1) síntese dos “big data” existentes para parametrizar modelos de rede adaptativos que abrangem interações entre espécies e dados de redes socioeconômicas que descrevem a estrutura da biodiversidade (que sustentam os serviços ecossistêmicos) e a rede institucional de instituições públicas (que sustentam o bem-estar social) nas escalas local, regional e / ou nacional; (2) integração teórica transdisciplinar construída sobre a abordagem de rede para sistemas complexos e particularmente sobre a extensão da abordagem de rede adaptativa para desenvolver modelos empiricamente informados, prevendo surtos de DTN; e (3) a articulação da base de uma rede multi-institucional que une pesquisas sobre biodiversidade e saúde pública e o planejamento estratégico e integrador de políticas públicas. Nossa proposta é baseada na abordagem integrativa fornecida pelas redes adaptativas, que são uma classe geral de modelos de redes dinâmicas que foram amplamente aplicadas para estudar a estrutura e a dinâmica de sistemas complexos em Biologia, Economia e Ciências Sociais. Recentemente, modelos de rede adaptativos têm sido propostos como o núcleo de uma estrutura integradora destinada a promover a pesquisa cooperativa envolvendo cientistas teóricos e aplicados, interessados ​​em entender, prever e gerenciar serviços de ecossistemas. Pretendemos estender essa abordagem para investigar a dinâmica entrelaçada de redes ecológicas, que retratam ecossistemas nos quais os patógenos são incorporados, e redes sociais, que retratam a estrutura de instalações públicas e outros determinantes da saúde. Portanto, esperamos avançar na construção da teoria transdisciplinar na interface entre biodiversidade e saúde pública, disponibilizando publicamente grandes dados biológicos e socioeconômicos associados a uma estrutura preditiva transdisciplinar que mescla ciência, governança e práticas sociais para fortalecer serviços ecossistêmicos e políticas de saúde .2022-06-27info:eu-repo/semantics/openAccessMedicine, Health and Life SciencesDeterminantes da saúdeTeoria ecológicaManejo adaptativoBig dataSistemas complexosZoonosesinfo:eu-repo/semantics/datasetinfo:eu-repo/semantics/datasetinfo:eu-repo/semantics/publishedVersionDatasetreponame:LattesDatainstname:Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPqinstacron:CNPQRepositório de Dados de Pesquisa
dc.title.none.fl_str_mv Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
title Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
spellingShingle Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
Paulo Sergio D'Andrea
Medicine, Health and Life Sciences
Determinantes da saúde
Teoria ecológica
Manejo adaptativo
Big data
Sistemas complexos
Zoonoses
title_short Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
title_full Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
title_fullStr Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
title_full_unstemmed Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
title_sort Integrando dados e modelos de redes eco-evolutivas e socioeconômicas para entender e prever surtos de doenças tropicais negligenciadas
author Paulo Sergio D'Andrea
author_facet Paulo Sergio D'Andrea
author_role author
dc.contributor.author.fl_str_mv Paulo Sergio D'Andrea
dc.subject.none.fl_str_mv Medicine, Health and Life Sciences
Determinantes da saúde
Teoria ecológica
Manejo adaptativo
Big data
Sistemas complexos
Zoonoses
topic Medicine, Health and Life Sciences
Determinantes da saúde
Teoria ecológica
Manejo adaptativo
Big data
Sistemas complexos
Zoonoses
description As mudanças globais desafiam os cientistas a desenvolver conhecimento transdisciplinar que une teoria, métodos e big data para sustentar o gerenciamento integrador da biodiversidade, serviços ecossistêmicos e bem-estar socioeconômico. Promover esforços multi-institucionais e transdisciplinares para entender e prever surtos de doenças tropicais negligenciadas (DTN) representa uma excelente oportunidade para combinar abordagens de ciências biológicas e sociais a sistemas complexos e promover estruturas científicas para a formulação de políticas e a otimização da gestão da biodiversidade, serviços ecossistêmicos e saúde pública. Propomos aqui uma abordagem de rede adaptativa para investigar a interface entre biodiversidade e saúde pública no Brasil. Ao fazer isso, nosso objetivo é sintetizar os determinantes biológicos e socioeconômicos dos surtos de DTNs com base na (1) síntese dos “big data” existentes para parametrizar modelos de rede adaptativos que abrangem interações entre espécies e dados de redes socioeconômicas que descrevem a estrutura da biodiversidade (que sustentam os serviços ecossistêmicos) e a rede institucional de instituições públicas (que sustentam o bem-estar social) nas escalas local, regional e / ou nacional; (2) integração teórica transdisciplinar construída sobre a abordagem de rede para sistemas complexos e particularmente sobre a extensão da abordagem de rede adaptativa para desenvolver modelos empiricamente informados, prevendo surtos de DTN; e (3) a articulação da base de uma rede multi-institucional que une pesquisas sobre biodiversidade e saúde pública e o planejamento estratégico e integrador de políticas públicas. Nossa proposta é baseada na abordagem integrativa fornecida pelas redes adaptativas, que são uma classe geral de modelos de redes dinâmicas que foram amplamente aplicadas para estudar a estrutura e a dinâmica de sistemas complexos em Biologia, Economia e Ciências Sociais. Recentemente, modelos de rede adaptativos têm sido propostos como o núcleo de uma estrutura integradora destinada a promover a pesquisa cooperativa envolvendo cientistas teóricos e aplicados, interessados ​​em entender, prever e gerenciar serviços de ecossistemas. Pretendemos estender essa abordagem para investigar a dinâmica entrelaçada de redes ecológicas, que retratam ecossistemas nos quais os patógenos são incorporados, e redes sociais, que retratam a estrutura de instalações públicas e outros determinantes da saúde. Portanto, esperamos avançar na construção da teoria transdisciplinar na interface entre biodiversidade e saúde pública, disponibilizando publicamente grandes dados biológicos e socioeconômicos associados a uma estrutura preditiva transdisciplinar que mescla ciência, governança e práticas sociais para fortalecer serviços ecossistêmicos e políticas de saúde .
publishDate 2022
dc.date.issued.fl_str_mv 2022-06-27
dc.type.openaire.fl_str_mv info:eu-repo/semantics/dataset
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/dataset
format dataset
status_str publishedVersion
dc.identifier.url.fl_str_mv https://doi.org/10.57810/lattedata/ODBRQG
url https://doi.org/10.57810/lattedata/ODBRQG
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Dataset
dc.publisher.none.fl_str_mv LatteData - CNPQ
publisher.none.fl_str_mv LatteData - CNPQ
dc.source.none.fl_str_mv reponame:LattesData
instname:Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq
instacron:CNPQ
instname_str Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq
instacron_str CNPQ
institution CNPQ
reponame_str LattesData
collection LattesData
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1737086013797302272