Previsão de internações hospitalares de dengue por meio de séries temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UEPB |
Texto Completo: | http://tede.bc.uepb.edu.br/jspui/handle/tede/3626 |
Resumo: | O Aedes aegypti é o vetor das comorbidades febre amarela, dengue, chikungunya e zika. Dentre elas, a dengue é a mais comum e a que causa mais mortes, se tornando preocupação de saúde pública no Brasil e no mundo. O Brasil apresenta condições ideais para a proliferação do mosquito e concentra a maior parte dos casos de dengue nas Américas. Controlar o vetor é desafiador e precisa de ações estratégicas envolvendo governo e a sociedade civil. A infecção pelo vírus da dengue pode ser assintomática, branda ou ocasionar doença grave que coloca em risco a vida do paciente, o qual precisará ser internado em hospital para tratamento. Sabe-se que os leitos hospitalares são limitados, a demanda de internações por dengue é representativa e a internação gera custo. A incidência de dengue apresenta tendência e sazonalidade, principais componentes de uma série temporal. Para contribuir com a gestão estadual e municipal de saúde no combate ao Aedes aegypti, bem como a gestão hospitalar das internações, esta pesquisa definiu um algoritmo para a previsão de internações hospitalares por dengue utilizando modelos estatísticos computacionais para análise de séries temporais com foco no planejamento e gestão do combate à doença. Foram utilizadas as técnicas estatísticas (Suavização Exponencial, Modelo de Média Móvel Integrado Autorregressivo (ARIMA), Redes Neurais Artificiais Autorregressivas, Combinação de modelos, Regressão Linear e método inocentes/ingênuo) para realizar a previsão das séries temporais com horizonte de 8 semanas e estimativa real de 4 semanas, pois o DATASUS libera os dados com 4 semanas de atraso. O ajuste dos parâmetros de cada modelo foi executado de forma automática no ambiente de desenvolvimento integrado (IDE) RStudio, por funções do pacote forecast que contém implementações dos modelos estatísticos de séries temporais para a linguagem de programação R. A utilização de diversos métodos de previsão aplicados concomitantemente sobre a mesma série temporal melhorou a precisão da previsão. O algoritmo realizou cerca de 8 previsões a cada 10 com erro médio percentual absoluto (MAPE) inferior a 26%. Esta é mais uma estratégia com potencial para ser utilizada no controle da dengue no Brasil, pois o algoritmo criado pode ser a base para o desenvolvimento, em trabalhos futuros, de um serviço web que forneça aos gestores da saúde (Ministros, Secretários, Diretores e Coordenadores) a realização de previsão de internações por dengue de acordo com a realidade local. A partir deste estudo surgiram oportunidades de pesquisa para exploração de métodos estatísticos que lidam com séries temporais contáveis para a previsão de internações por dengue com foco no estabelecimento de saúde onde os dados ocorrem, bem como a realização de Revisão Sistemática da Literatura, considerando o métodos clássicos e técnicas de aprendizagem de máquina, para responder as perguntas: Quais métodos estatísticos para a previsão de séries temporais (discretas/contáveis ou contínuas) são mais utilizados? Os métodos clássicos são mais eficientes que as abordagens com aprendizagem de máquina? Quais métricas de erro são mais seguras para a escolha do modelo mais preciso entre os candidatos a determinada previsão de série temporal? |
id |
UEPB_1cb6270b572750bd613cb9c00d58133c |
---|---|
oai_identifier_str |
oai:tede.bc.uepb.edu.br:tede/3626 |
network_acronym_str |
UEPB |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UEPB |
repository_id_str |
|
spelling |
Previsão de internações hospitalares de dengue por meio de séries temporaisModelos estatísticosInteligência artificialPrevisão de séries temporaisAedes aegyptiStatistical modelsArtificial intelligenceForecast of time seriesDengueCIENCIAS DA SAUDE::MEDICINAO Aedes aegypti é o vetor das comorbidades febre amarela, dengue, chikungunya e zika. Dentre elas, a dengue é a mais comum e a que causa mais mortes, se tornando preocupação de saúde pública no Brasil e no mundo. O Brasil apresenta condições ideais para a proliferação do mosquito e concentra a maior parte dos casos de dengue nas Américas. Controlar o vetor é desafiador e precisa de ações estratégicas envolvendo governo e a sociedade civil. A infecção pelo vírus da dengue pode ser assintomática, branda ou ocasionar doença grave que coloca em risco a vida do paciente, o qual precisará ser internado em hospital para tratamento. Sabe-se que os leitos hospitalares são limitados, a demanda de internações por dengue é representativa e a internação gera custo. A incidência de dengue apresenta tendência e sazonalidade, principais componentes de uma série temporal. Para contribuir com a gestão estadual e municipal de saúde no combate ao Aedes aegypti, bem como a gestão hospitalar das internações, esta pesquisa definiu um algoritmo para a previsão de internações hospitalares por dengue utilizando modelos estatísticos computacionais para análise de séries temporais com foco no planejamento e gestão do combate à doença. Foram utilizadas as técnicas estatísticas (Suavização Exponencial, Modelo de Média Móvel Integrado Autorregressivo (ARIMA), Redes Neurais Artificiais Autorregressivas, Combinação de modelos, Regressão Linear e método inocentes/ingênuo) para realizar a previsão das séries temporais com horizonte de 8 semanas e estimativa real de 4 semanas, pois o DATASUS libera os dados com 4 semanas de atraso. O ajuste dos parâmetros de cada modelo foi executado de forma automática no ambiente de desenvolvimento integrado (IDE) RStudio, por funções do pacote forecast que contém implementações dos modelos estatísticos de séries temporais para a linguagem de programação R. A utilização de diversos métodos de previsão aplicados concomitantemente sobre a mesma série temporal melhorou a precisão da previsão. O algoritmo realizou cerca de 8 previsões a cada 10 com erro médio percentual absoluto (MAPE) inferior a 26%. Esta é mais uma estratégia com potencial para ser utilizada no controle da dengue no Brasil, pois o algoritmo criado pode ser a base para o desenvolvimento, em trabalhos futuros, de um serviço web que forneça aos gestores da saúde (Ministros, Secretários, Diretores e Coordenadores) a realização de previsão de internações por dengue de acordo com a realidade local. A partir deste estudo surgiram oportunidades de pesquisa para exploração de métodos estatísticos que lidam com séries temporais contáveis para a previsão de internações por dengue com foco no estabelecimento de saúde onde os dados ocorrem, bem como a realização de Revisão Sistemática da Literatura, considerando o métodos clássicos e técnicas de aprendizagem de máquina, para responder as perguntas: Quais métodos estatísticos para a previsão de séries temporais (discretas/contáveis ou contínuas) são mais utilizados? Os métodos clássicos são mais eficientes que as abordagens com aprendizagem de máquina? Quais métricas de erro são mais seguras para a escolha do modelo mais preciso entre os candidatos a determinada previsão de série temporal?Aedes aegypti is the vector of comorbidities yellow fever, dengue fever, chikungunya and zika. Among them, dengue is the most common disease and the one that causes the most deaths, becoming a public health concern in Brazil and worldwide. Brazil presents ideal conditions for mosquito proliferation and concentrates most dengue cases in the Americas. Controlling the vector is challenging and needs strategic action involving government and civil society. Infection by dengue virus can be asymptomatic, mild or cause a serious disease that puts the patient's life at risk, who will need to be admitted to a hospital for treatment. It is known that hospital beds are limited, the demand for dengue is representative and hospitalization generates costs. The incidence of dengue has tendency and seasonality, the main components of a time series. To contribute to state and municipal health management in combating Aedes aegypti, as well as hospital management of dengue hospitalizations, this research created an algorithm for the prediction of dengue hospitalizations using computational statistical models for time series analysis focusing on planning and management of disease control. The main statistical techniques used (Exponential Smoothing, Autoregressive Integrated Moving Average Model (ARIMA), Autoregressive Artificial Neural Networks, Model combination, Linear Regression and Naive Methods) to forecast 8-week time series and a real estimate of 4-weeks, because DATASUS releases data is 4-weeks late. The adjustment of the parameters of each model was performed automatically in the Integrated Development Environment (IDE) RStudio, by functions of the forecast package that contains implementations of the statistical models of time series for the programming language R. Using multiple forecasting methods applied concomitantly over the same time series has improved forecast accuracy. The algorithm made about 8 predictions every 10 with Mean Absolute Percentage Error (MAPE) below 26%. This is another strategy with potential to be used in dengue control in Brazil, because the algorithm created may be the basis for the development, in the future works, of a web service that provides health managers (Ministers, Secretaries, Directors and Coordinators) the possibility of predicting hospitalizations for dengue according to reality of each one. From this study, research opportunities arose to explore statistical methods that deal with count time series for predicting dengue hospitalizations with a focus on the health establishment where the data occur, as well as conducting a Systematic Literature Review, considering the classical methods and machine learning techniques, to answer the questions: Which statistical methods for forecasting time series (discrete/count or continuous) are most used? Are classical methods more efficient than machine learning approaches? Which error metrics are safer for choosing the most accurate model among candidates for a given time series forecast?Universidade Estadual da ParaíbaPró-Reitoria de Pós-Graduação e Pesquisa - PRPGPBrasilUEPBPrograma de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTSAraujo, Wellington Candeia de04565507471http://lattes.cnpq.br/7101691755497961Carvalho Filho, Djalma de Melo81530439434http://lattes.cnpq.br/8550727408970303Costa, Rodrigo Alves00766722473http://lattes.cnpq.br/9704524780307293Milanez, Alysson Filgueira07558211492Silva, Fabio Junior Francisco da2020-05-05T15:42:34Z2019-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, F. J. F. da. Previsão de internações hospitalares de dengue por meio de séries temporais. 2019. 119f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2019.http://tede.bc.uepb.edu.br/jspui/handle/tede/3626porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UEPBinstname:Universidade Estadual da Paraíba (UEPB)instacron:UEPB2020-05-06T04:32:35Zoai:tede.bc.uepb.edu.br:tede/3626Biblioteca Digital de Teses e Dissertaçõeshttp://tede.bc.uepb.edu.br/jspui/PUBhttp://tede.bc.uepb.edu.br/oai/requestbc@uepb.edu.br||opendoar:2020-05-06T04:32:35Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB)false |
dc.title.none.fl_str_mv |
Previsão de internações hospitalares de dengue por meio de séries temporais |
title |
Previsão de internações hospitalares de dengue por meio de séries temporais |
spellingShingle |
Previsão de internações hospitalares de dengue por meio de séries temporais Silva, Fabio Junior Francisco da Modelos estatísticos Inteligência artificial Previsão de séries temporais Aedes aegypti Statistical models Artificial intelligence Forecast of time series Dengue CIENCIAS DA SAUDE::MEDICINA |
title_short |
Previsão de internações hospitalares de dengue por meio de séries temporais |
title_full |
Previsão de internações hospitalares de dengue por meio de séries temporais |
title_fullStr |
Previsão de internações hospitalares de dengue por meio de séries temporais |
title_full_unstemmed |
Previsão de internações hospitalares de dengue por meio de séries temporais |
title_sort |
Previsão de internações hospitalares de dengue por meio de séries temporais |
author |
Silva, Fabio Junior Francisco da |
author_facet |
Silva, Fabio Junior Francisco da |
author_role |
author |
dc.contributor.none.fl_str_mv |
Araujo, Wellington Candeia de 04565507471 http://lattes.cnpq.br/7101691755497961 Carvalho Filho, Djalma de Melo 81530439434 http://lattes.cnpq.br/8550727408970303 Costa, Rodrigo Alves 00766722473 http://lattes.cnpq.br/9704524780307293 Milanez, Alysson Filgueira 07558211492 |
dc.contributor.author.fl_str_mv |
Silva, Fabio Junior Francisco da |
dc.subject.por.fl_str_mv |
Modelos estatísticos Inteligência artificial Previsão de séries temporais Aedes aegypti Statistical models Artificial intelligence Forecast of time series Dengue CIENCIAS DA SAUDE::MEDICINA |
topic |
Modelos estatísticos Inteligência artificial Previsão de séries temporais Aedes aegypti Statistical models Artificial intelligence Forecast of time series Dengue CIENCIAS DA SAUDE::MEDICINA |
description |
O Aedes aegypti é o vetor das comorbidades febre amarela, dengue, chikungunya e zika. Dentre elas, a dengue é a mais comum e a que causa mais mortes, se tornando preocupação de saúde pública no Brasil e no mundo. O Brasil apresenta condições ideais para a proliferação do mosquito e concentra a maior parte dos casos de dengue nas Américas. Controlar o vetor é desafiador e precisa de ações estratégicas envolvendo governo e a sociedade civil. A infecção pelo vírus da dengue pode ser assintomática, branda ou ocasionar doença grave que coloca em risco a vida do paciente, o qual precisará ser internado em hospital para tratamento. Sabe-se que os leitos hospitalares são limitados, a demanda de internações por dengue é representativa e a internação gera custo. A incidência de dengue apresenta tendência e sazonalidade, principais componentes de uma série temporal. Para contribuir com a gestão estadual e municipal de saúde no combate ao Aedes aegypti, bem como a gestão hospitalar das internações, esta pesquisa definiu um algoritmo para a previsão de internações hospitalares por dengue utilizando modelos estatísticos computacionais para análise de séries temporais com foco no planejamento e gestão do combate à doença. Foram utilizadas as técnicas estatísticas (Suavização Exponencial, Modelo de Média Móvel Integrado Autorregressivo (ARIMA), Redes Neurais Artificiais Autorregressivas, Combinação de modelos, Regressão Linear e método inocentes/ingênuo) para realizar a previsão das séries temporais com horizonte de 8 semanas e estimativa real de 4 semanas, pois o DATASUS libera os dados com 4 semanas de atraso. O ajuste dos parâmetros de cada modelo foi executado de forma automática no ambiente de desenvolvimento integrado (IDE) RStudio, por funções do pacote forecast que contém implementações dos modelos estatísticos de séries temporais para a linguagem de programação R. A utilização de diversos métodos de previsão aplicados concomitantemente sobre a mesma série temporal melhorou a precisão da previsão. O algoritmo realizou cerca de 8 previsões a cada 10 com erro médio percentual absoluto (MAPE) inferior a 26%. Esta é mais uma estratégia com potencial para ser utilizada no controle da dengue no Brasil, pois o algoritmo criado pode ser a base para o desenvolvimento, em trabalhos futuros, de um serviço web que forneça aos gestores da saúde (Ministros, Secretários, Diretores e Coordenadores) a realização de previsão de internações por dengue de acordo com a realidade local. A partir deste estudo surgiram oportunidades de pesquisa para exploração de métodos estatísticos que lidam com séries temporais contáveis para a previsão de internações por dengue com foco no estabelecimento de saúde onde os dados ocorrem, bem como a realização de Revisão Sistemática da Literatura, considerando o métodos clássicos e técnicas de aprendizagem de máquina, para responder as perguntas: Quais métodos estatísticos para a previsão de séries temporais (discretas/contáveis ou contínuas) são mais utilizados? Os métodos clássicos são mais eficientes que as abordagens com aprendizagem de máquina? Quais métricas de erro são mais seguras para a escolha do modelo mais preciso entre os candidatos a determinada previsão de série temporal? |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-12-20 2020-05-05T15:42:34Z |
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 |
SILVA, F. J. F. da. Previsão de internações hospitalares de dengue por meio de séries temporais. 2019. 119f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2019. http://tede.bc.uepb.edu.br/jspui/handle/tede/3626 |
identifier_str_mv |
SILVA, F. J. F. da. Previsão de internações hospitalares de dengue por meio de séries temporais. 2019. 119f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2019. |
url |
http://tede.bc.uepb.edu.br/jspui/handle/tede/3626 |
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.publisher.none.fl_str_mv |
Universidade Estadual da Paraíba Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP Brasil UEPB Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
publisher.none.fl_str_mv |
Universidade Estadual da Paraíba Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP Brasil UEPB Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UEPB instname:Universidade Estadual da Paraíba (UEPB) instacron:UEPB |
instname_str |
Universidade Estadual da Paraíba (UEPB) |
instacron_str |
UEPB |
institution |
UEPB |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UEPB |
collection |
Biblioteca Digital de Teses e Dissertações da UEPB |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB) |
repository.mail.fl_str_mv |
bc@uepb.edu.br|| |
_version_ |
1811813184272596992 |