Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana

Detalhes bibliográficos
Autor(a) principal: Barros, Ricardo Alberto Viegas
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/59076
Resumo: Tese de Mestrado, Bioestatística, 2023, Universidade de Lisboa, Faculdade de Ciências
id RCAP_8948c39e484653409f02d7fedef0490f
oai_identifier_str oai:repositorio.ul.pt:10451/59076
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesianaNascimento prematuroMonte Carlo via cadeias de MarkovModelo hierárquico bayesianoModelo espacialTeses de Mestrado - 2023Domínio/Área Científica::Ciências Naturais::MatemáticasTese de Mestrado, Bioestatística, 2023, Universidade de Lisboa, Faculdade de CiênciasNascimentos prematuros são caracterizados como nascimentos ocorridos antes das 37 semanas completas de gestação. Em Portugal, tal como na maior parte dos países do mundo, a taxa estimada de nascimentos prematuros tem vindo a aumentar ao longo dos últimos 20 anos e as causas deste aumento ainda não foram devidamente estudadas. Uma das metodologias usadas para análise espacial de doenças é o seu mapeamento. Esta metodologia aplicada aos nascimentos prematuros permite-nos identificar as regiões de Portugal onde estes acontecimentos são mais prevalentes, e detetar possíveis fatores de risco associados a estes eventos que poderão explicar a prevalência dos mesmos através da inclusão de covariáveis num modelo de regressão. Recorreremos neste estudo a modelos hierárquicos bayesianos. Serão usados dados publicamente acessíveis no site do Instituto Nacional de Estatística (INE), registados num período de 10 anos, entre 2011 e 2020, divididos por 23 regiões de Portugal continental considerando a Nomenclatura das Unidades Territoriais para Fins Estatísticos a nível III - NUTS III de 2013. Esta dissertação pretende analisar a ocorrência de nascimentos prematuros em Portugal, usando modelos hierárquicos bayesianos num contexto espacial, assim como identificar os fatores de risco/protectores que possam contribuir para explicar o número de bebés prematuros.Preterm birth is characterized as a birth that occurred before the 37th week of gestation. In Portugal, and in most countries, the estimated preterm birth rate has been growing in the last 20 years and the reasons for this growth have not been well studied yet. One of the methodologies used for spatial analysis of diseases is disease mapping. This methodology applied to preterm birth allows us to identify the regions of Portugal where these events are more prevalent, and detect possible risk factors associated with preterm births that might explain the prevalence in those regions using covariates in a regression model. We will use the bayesian hierarchical models. The data, which is publicly available on the website of the Instituto Nacional de Estatística (INE), will be collected for a period of 10 years, between 2011 and 2020, divided by 23 continental Portugal regions considering the nomenclature of territorial units for statistical purposes of 2013, NUTS III. This dissertation aims to analyze the preterm birth occurrences in Portugal, using bayesian hierarchical models in a spatial context, and in this way identify the risk/protective factors that might contribute to explaining the number of preterm births.Bermudez, Patrícia Cortés de ZeaPereira, Soraia Alexandra GonçalvesRepositório da Universidade de LisboaBarros, Ricardo Alberto Viegas2023-08-30T11:00:20Z202320232023-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/59076porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T17:08:03Zoai:repositorio.ul.pt:10451/59076Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:09:05.163776Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
title Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
spellingShingle Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
Barros, Ricardo Alberto Viegas
Nascimento prematuro
Monte Carlo via cadeias de Markov
Modelo hierárquico bayesiano
Modelo espacial
Teses de Mestrado - 2023
Domínio/Área Científica::Ciências Naturais::Matemáticas
title_short Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
title_full Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
title_fullStr Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
title_full_unstemmed Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
title_sort Análise espacial do número de nascimentos prematuros em Portugal : uma abordagem bayesiana
author Barros, Ricardo Alberto Viegas
author_facet Barros, Ricardo Alberto Viegas
author_role author
dc.contributor.none.fl_str_mv Bermudez, Patrícia Cortés de Zea
Pereira, Soraia Alexandra Gonçalves
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Barros, Ricardo Alberto Viegas
dc.subject.por.fl_str_mv Nascimento prematuro
Monte Carlo via cadeias de Markov
Modelo hierárquico bayesiano
Modelo espacial
Teses de Mestrado - 2023
Domínio/Área Científica::Ciências Naturais::Matemáticas
topic Nascimento prematuro
Monte Carlo via cadeias de Markov
Modelo hierárquico bayesiano
Modelo espacial
Teses de Mestrado - 2023
Domínio/Área Científica::Ciências Naturais::Matemáticas
description Tese de Mestrado, Bioestatística, 2023, Universidade de Lisboa, Faculdade de Ciências
publishDate 2023
dc.date.none.fl_str_mv 2023-08-30T11:00:20Z
2023
2023
2023-01-01T00:00:00Z
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.uri.fl_str_mv http://hdl.handle.net/10451/59076
url http://hdl.handle.net/10451/59076
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134647232233472

Registros relacionados