Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da FIOCRUZ (ARCA) |
Texto Completo: | https://www.arca.fiocruz.br/handle/icict/59497 |
Resumo: | Este estudo mapeia os modelos utilizados para prever cenários de dengue, descritos na literatura científica mundial entre 1968 e 2021, pesquisados nas bases de dados Pubmed, Embase e portal BVS. Descreve técnicas de modelagens e parâmetros que utilizaram obrigatoriamente dados de incidência da doença e ao menos dois fatores ligados à sua transmissão em seres humanos, ao tempo que exclui os artigos que utilizaram dados exclusivamente entomológicos ou climáticos. Analisa as informações de 24 artigos incluídosna revisão. Verifica osindicadoresbibliométricosdos artigos incluídos, por meio do fator de impacto das revistas. Identifica os tipos de modelagens mais utilizados, em que se destacam machine learning (ML), estatística, matemática e redes neurais. Consolida 75 tipos variáveis preditoras e suas frequências, categorizadas em 7 grupos. Detecta o nível de aplicação dos modelos no território, sendo os mais usados: município ou cidade, estado e província. Demonstra nos resultados que as técnicas de modelagensganharam maior capacidade preditiva com o uso de ML, com antecipação de surto em até 3 meses e maior acurácia em até 4 semanas. Entretanto, existe grande variedade de modelos e usos de dados climáticos e entomológicos, além do que há tendência cada vez mais forte na incorporação nos modelos, de fatores sensíveis à transmissão da dengue, de ordem socioeconômica e demográfica, contexto territorial e de saúde. Conclui que a dinâmica complexa de transmissão da dengue exige modificações contínuas nas análises preditivas, para que sejam capazes de refletirem os movimentos humanos que desencadeiam a presença e proliferação dos seus vetores em áreas climaticamente favoráveis |
id |
CRUZ_62f7774c127f8add20c6e4a4950a6eb9 |
---|---|
oai_identifier_str |
oai:www.arca.fiocruz.br:icict/59497 |
network_acronym_str |
CRUZ |
network_name_str |
Repositório Institucional da FIOCRUZ (ARCA) |
repository_id_str |
2135 |
spelling |
Bitar, Rachel Helen Borges da SilvaGurgel, Helen da CostaGurgel, Helen da CostaRamalho, Walter MassaSilva, Everton Nunes daRoux, EmmanuelRamalho, Walter Massa2023-07-11T00:29:39Z2023-07-11T00:29:39Z2022BITAR, Rachel Helen Borges da Silva. Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo. 2022. 125 f. Dissertação (Mestrado em Políticas Públicas em Saúde)—Escola de Governo Fiocruz Brasília, Fundação Oswaldo Cruz, Brasília, 2022.https://www.arca.fiocruz.br/handle/icict/59497Este estudo mapeia os modelos utilizados para prever cenários de dengue, descritos na literatura científica mundial entre 1968 e 2021, pesquisados nas bases de dados Pubmed, Embase e portal BVS. Descreve técnicas de modelagens e parâmetros que utilizaram obrigatoriamente dados de incidência da doença e ao menos dois fatores ligados à sua transmissão em seres humanos, ao tempo que exclui os artigos que utilizaram dados exclusivamente entomológicos ou climáticos. Analisa as informações de 24 artigos incluídosna revisão. Verifica osindicadoresbibliométricosdos artigos incluídos, por meio do fator de impacto das revistas. Identifica os tipos de modelagens mais utilizados, em que se destacam machine learning (ML), estatística, matemática e redes neurais. Consolida 75 tipos variáveis preditoras e suas frequências, categorizadas em 7 grupos. Detecta o nível de aplicação dos modelos no território, sendo os mais usados: município ou cidade, estado e província. Demonstra nos resultados que as técnicas de modelagensganharam maior capacidade preditiva com o uso de ML, com antecipação de surto em até 3 meses e maior acurácia em até 4 semanas. Entretanto, existe grande variedade de modelos e usos de dados climáticos e entomológicos, além do que há tendência cada vez mais forte na incorporação nos modelos, de fatores sensíveis à transmissão da dengue, de ordem socioeconômica e demográfica, contexto territorial e de saúde. Conclui que a dinâmica complexa de transmissão da dengue exige modificações contínuas nas análises preditivas, para que sejam capazes de refletirem os movimentos humanos que desencadeiam a presença e proliferação dos seus vetores em áreas climaticamente favoráveisThis study maps the models used to predict dengue scenarios, described in the world scientific literature between 1968 and 2021, searched in Pubmed, Embase and the BVS portal databases. It describes modeling techniques and parameters that used mandatory disease incidence data and at least two factors linked to its transmission in humans. Excludes articles that used exclusively entomological or climatic data. Analyzes the information from 24 articles included in the review. Verifies the bibliometricsindicatorsof the included articles, using the impact factor of the journals. Identifies the types of modeling most used, in which machine learning (ML), statistics, mathematics, and neural networks stand out. Consolidates 75 predictor variable types and their frequencies, categorized into 7 groups. Detects the level of application of the models in the territory, being the most used: county or city, state, and province. It shows in the results that modeling techniques have gained greater predictive capacity with the use of ML, with outbreak anticipation up to 3 months and greater accuracy up to 4 weeks. However, there is a great variety of models and uses of climatic and entomological data, and there is a growing trend to incorporate into the models factors sensitive to dengue transmission, of socioeconomic and demographic order, territorial and health context. It concludes that the complex dynamics of dengue transmission requires continuous modifications in predictive analyses, so that they can reflect the human movements that trigger the presence and proliferation of its vectors in climatically favorable areasEste estudio mapea los modelos utilizados para predecir escenarios de dengue, descritos en la literatura científica mundial, buscada en las bases de datos Pubmed, Embase y el portal BVS. Describe las técnicas de modelización y los parámetros que utilizan necesariamente datos sobre la incidencia de la enfermedad y al menos dos factores relacionados con su transmisión en el ser humano. Excluye los artículos que utilizan exclusivamente datos entomológicos o climáticos. Analiza la información de 24 artículos incluidos en la revisión. Verifica los indicadores bibliométricos de los artículos incluidos, utilizando el factor de impacto de las revistas. Identifica los tipos de modelización más utilizados, en los que destacan el aprendizaje automático (ML), la estadística, las matemáticas y las redes neuronales. Consolida 75 tipos de variables predictoras y sus frecuencias, clasificadas en 7 grupos. Detecta el nivel de aplicación de los modelos en el territorio, siendo los más utilizados: municipio o ciudad, estado y provincia. Concluye que las técnicas de modelización ganaron mayor capacidad de predicción con el uso del ML, con anticipación del brote en hasta 3 meses y mayor precisión en hasta 4 semanas. Observa una variedad en el uso de los datos climáticos y entomológicos. Además, se tiende a incorporar en los modelos otros factores sensibles a la transmisión del dengue, de orden socioeconómico y demográfico, de contexto territorial y de salud. Se concluye que la dinámica compleja de la transmisión del dengue requiere modificaciones continuas en los análisis predictivos, para que sean capaces de reflejar los movimientos humanos que desencadenan la presencia y proliferación de sus vectores en áreas climáticamente favorables.Fundação Oswaldo Cruz. Escola de Governo Fiocruz Brasília. Brasília, DF, Brasil.porDengueModelos matemáticosModelos estatísticosAprendizado de máquinaPrevisãoDengueMathematical modelsStatistical modelsMachine learningForecastingDengueModelos matemáticosModelos estadísticosAprendizaje automáticoPredicción del escenarioDengueTransmissão de Doença InfecciosaAprendizado de MáquinaPrevisãoModelos preditivos decenários de transmissão da dengue: uma revisão de escopoModels for predicting dangue transmission scenarios: a scoping reviewinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis2022-11-25Escola de Governo Fiocruz BrasíliaFundação Oswaldo Cruz. Gerência Regional de BrasíliaMestrado ProfissionalBrasília/DFPrograma de Pós-Graduação em Políticas Públicas em Saúdeinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FIOCRUZ (ARCA)instname:Fundação Oswaldo Cruz (FIOCRUZ)instacron:FIOCRUZLICENSElicense.txttext/plain1748https://www.arca.fiocruz.br/bitstream/icict/59497/1/license.txt8a4605be74aa9ea9d79846c1fba20a33MD51ORIGINALrachel_bitar_fiodf_mest_2023.pdfapplication/pdf2452097https://www.arca.fiocruz.br/bitstream/icict/59497/2/rachel_bitar_fiodf_mest_2023.pdff62d94309a7866bc39d4be5613f940a0MD52icict/594972023-07-10 21:29:40.682oai:www.arca.fiocruz.br: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Repositório InstitucionalPUBhttps://www.arca.fiocruz.br/oai/requestrepositorio.arca@fiocruz.bropendoar:21352023-07-11T00:29:40Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ)false |
dc.title.en_US.fl_str_mv |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
dc.title.alternative.en_US.fl_str_mv |
Models for predicting dangue transmission scenarios: a scoping review |
title |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
spellingShingle |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo Bitar, Rachel Helen Borges da Silva Dengue Modelos matemáticos Modelos estatísticos Aprendizado de máquina Previsão Dengue Mathematical models Statistical models Machine learning Forecasting Dengue Modelos matemáticos Modelos estadísticos Aprendizaje automático Predicción del escenario Dengue Transmissão de Doença Infecciosa Aprendizado de Máquina Previsão |
title_short |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
title_full |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
title_fullStr |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
title_full_unstemmed |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
title_sort |
Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo |
author |
Bitar, Rachel Helen Borges da Silva |
author_facet |
Bitar, Rachel Helen Borges da Silva |
author_role |
author |
dc.contributor.advisorco.none.fl_str_mv |
Gurgel, Helen da Costa |
dc.contributor.member.none.fl_str_mv |
Gurgel, Helen da Costa Ramalho, Walter Massa Silva, Everton Nunes da Roux, Emmanuel |
dc.contributor.author.fl_str_mv |
Bitar, Rachel Helen Borges da Silva |
dc.contributor.advisor1.fl_str_mv |
Ramalho, Walter Massa |
contributor_str_mv |
Ramalho, Walter Massa |
dc.subject.other.en_US.fl_str_mv |
Dengue Modelos matemáticos Modelos estatísticos Aprendizado de máquina Previsão |
topic |
Dengue Modelos matemáticos Modelos estatísticos Aprendizado de máquina Previsão Dengue Mathematical models Statistical models Machine learning Forecasting Dengue Modelos matemáticos Modelos estadísticos Aprendizaje automático Predicción del escenario Dengue Transmissão de Doença Infecciosa Aprendizado de Máquina Previsão |
dc.subject.en.en_US.fl_str_mv |
Dengue Mathematical models Statistical models Machine learning Forecasting |
dc.subject.es.en_US.fl_str_mv |
Dengue Modelos matemáticos Modelos estadísticos Aprendizaje automático Predicción del escenario |
dc.subject.decs.en_US.fl_str_mv |
Dengue Transmissão de Doença Infecciosa Aprendizado de Máquina Previsão |
description |
Este estudo mapeia os modelos utilizados para prever cenários de dengue, descritos na literatura científica mundial entre 1968 e 2021, pesquisados nas bases de dados Pubmed, Embase e portal BVS. Descreve técnicas de modelagens e parâmetros que utilizaram obrigatoriamente dados de incidência da doença e ao menos dois fatores ligados à sua transmissão em seres humanos, ao tempo que exclui os artigos que utilizaram dados exclusivamente entomológicos ou climáticos. Analisa as informações de 24 artigos incluídosna revisão. Verifica osindicadoresbibliométricosdos artigos incluídos, por meio do fator de impacto das revistas. Identifica os tipos de modelagens mais utilizados, em que se destacam machine learning (ML), estatística, matemática e redes neurais. Consolida 75 tipos variáveis preditoras e suas frequências, categorizadas em 7 grupos. Detecta o nível de aplicação dos modelos no território, sendo os mais usados: município ou cidade, estado e província. Demonstra nos resultados que as técnicas de modelagensganharam maior capacidade preditiva com o uso de ML, com antecipação de surto em até 3 meses e maior acurácia em até 4 semanas. Entretanto, existe grande variedade de modelos e usos de dados climáticos e entomológicos, além do que há tendência cada vez mais forte na incorporação nos modelos, de fatores sensíveis à transmissão da dengue, de ordem socioeconômica e demográfica, contexto territorial e de saúde. Conclui que a dinâmica complexa de transmissão da dengue exige modificações contínuas nas análises preditivas, para que sejam capazes de refletirem os movimentos humanos que desencadeiam a presença e proliferação dos seus vetores em áreas climaticamente favoráveis |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022 |
dc.date.accessioned.fl_str_mv |
2023-07-11T00:29:39Z |
dc.date.available.fl_str_mv |
2023-07-11T00:29:39Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BITAR, Rachel Helen Borges da Silva. Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo. 2022. 125 f. Dissertação (Mestrado em Políticas Públicas em Saúde)—Escola de Governo Fiocruz Brasília, Fundação Oswaldo Cruz, Brasília, 2022. |
dc.identifier.uri.fl_str_mv |
https://www.arca.fiocruz.br/handle/icict/59497 |
identifier_str_mv |
BITAR, Rachel Helen Borges da Silva. Modelos preditivos decenários de transmissão da dengue: uma revisão de escopo. 2022. 125 f. Dissertação (Mestrado em Políticas Públicas em Saúde)—Escola de Governo Fiocruz Brasília, Fundação Oswaldo Cruz, Brasília, 2022. |
url |
https://www.arca.fiocruz.br/handle/icict/59497 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da FIOCRUZ (ARCA) instname:Fundação Oswaldo Cruz (FIOCRUZ) instacron:FIOCRUZ |
instname_str |
Fundação Oswaldo Cruz (FIOCRUZ) |
instacron_str |
FIOCRUZ |
institution |
FIOCRUZ |
reponame_str |
Repositório Institucional da FIOCRUZ (ARCA) |
collection |
Repositório Institucional da FIOCRUZ (ARCA) |
bitstream.url.fl_str_mv |
https://www.arca.fiocruz.br/bitstream/icict/59497/1/license.txt https://www.arca.fiocruz.br/bitstream/icict/59497/2/rachel_bitar_fiodf_mest_2023.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 f62d94309a7866bc39d4be5613f940a0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da FIOCRUZ (ARCA) - Fundação Oswaldo Cruz (FIOCRUZ) |
repository.mail.fl_str_mv |
repositorio.arca@fiocruz.br |
_version_ |
1813009286137118720 |