MAPDI - Modelo Autoajustável para Predição do Aumento do Número de Casos de Doenças Infectocontagiosas

• Autor(a) principal: TELES, Iúri Batista
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/0013000012d41
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/52330
• topic: Doenças infectocontagiosas; ARIMA; LSTM; Prophet; CID

Esta dissertação propõe-se a apresentar a construção de um processo nomeado de MAPDI (Modelo autoajustável para previsão doenças infectocontagiosas), que visa ajudar gestores em saúde na tomada de decisões, de forma proativa, em relação ao crescimento desenfreado do número de casos de doenças infectocontagiosas. Com isso, fizemos o uso de três algoritmos de séries temporais (ARIMA, LSTM e Prophet) nos dados oriundos de consultas clínicas, realizadas nas unidades especializadas em SRAG (Síndrome Respiratória Aguda Grave), do município do Recife, localizado no estado de Pernambuco. Os dados utilizados são referentes aos diagnósticos aplicados nos prontuários médicos de pacientes, por meio da Classificação Internacional de Doenças (CID) ou por meio da Classificação Internacional de Assistência Pri- mária (CIAP). Com isso, os CIDs/CIAPs que apresentarem comportamentos anômalos (maior quantidade de ocorrência) serão encaminhados de forma automatizada para os algoritmos de séries temporais, que auto ajustarão seus parâmetros visando entregar os melhores resultados para previsão da semana seguinte. O nosso estudo não tem como premissa definir quais são os melhores algoritmos, mas sim validar se não há diferença estatística entre os resultados obtidos e os dados observados. Assim, disponibilizamos para os gestores três dos possíveis cenários para o crescimento ou declínio do número de casos para doenças com alto grau de transmissão, facilitando a tomada de decisão de forma proativa e não reativa, como vem sendo realizado na saúde pública do país. Os resultados encontrados em relação aos modelos produzidos a partir da automação, em comparação aos dados observados, apresentaram equivalência. Com isso, observamos que o uso de mais de um algoritmo pode complementar a percepção dos gestores na tomada de decisão, sem divergir das ocorrências reais.