Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/45993 |
Resumo: | A prevenção e o controle das arboviroses têm sido um grande desafio de saúde pública para muitos países. No Brasil, especialmente a partir de 2015, a situação se agravou, uma vez que o vírus zika e o vírus chikungunya foram introduzidos no país. No intuito de auxiliar na prevenção de surtos de casos de arboviroses, vários trabalhos têm sido direcionados para o estudo de modelos de predição a partir de séries históricas das doenças e das variáveis climáticas, visto que fatores climáticos e ambientais interferem desde a eclosão dos ovos até a dispersão do mosquito. Apesar dos resultados positivos desse tipo de abordagem, a modelagem temporal não leva em consideração a heterogeneidade espacial na transmissão das arboviroses, o que se dá por meio de uma modelagem espaço- temporal. No entanto, esta abordagem tem sido pouco explorada devido à complexidade da estimativa dos parâmetros para a modelagem espaço-temporal e das variações inerentes ao processo epidemiológico. Adicionalmente, o avanço das tecnologias de Epidemiologia Digital e técnicas de geoprocessamento, juntamente ao desenvolvimento de técnicas de Mineração de Dados e Aprendizado de Máquina, podem proporcionar um rápido monitoramento, controle e simulação da propagação de doenças, auxiliando os sistemas de saúde pública no controle de epidemias e fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Este trabalho tem, portanto, como objetivo construir uma ferramenta de predição da distribuição dos casos de arboviroses transmitidas pelo mosquito Aedes aegypti utilizando séries históricas de mapas de distribuição dos casos das doenças e das variáveis climáticas (pluviometria, temperatura e velocidade dos ventos). Para tanto, foram coletadas informações de interesse climático a partir da base de dados fornecida pelo Instituto Nacional de Meteorologia (INMET) e da Agência Pernambucana de Águas e Climas (APAC), bem como das informações de interesse epidemiológico e geográfico obtidas através do Portal de Dados Abertos da Cidade do Recife. Para a modelagem da distribuição dos casos das doenças foram testadas as técnicas de Regressão Linear, Máquina de Vetor de Suporte para regressão (SVMreg) e as Redes Neurais Artificiais (RNAs). Os resultados mostraram que a modelagem espaço-temporal utilizando técnicas de aprendizagem de máquina mostrou-se bastante eficaz na predição da distribuição dos casos de arboviroses na cidade do Recife, tornando-se relevante no apoio aos gestores e epidemiologistas da saúde no planejamento de ações de curto e médio prazo para prevenir surtos de arboviroses transmitidos pelo Aedes aegypti. |
id |
UFPE_e9dec42d8efa99d479692789d3fe3ddf |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/45993 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
LIMA, Clarisse Lins dehttp://lattes.cnpq.br/6614432647002151http://lattes.cnpq.br/6413917211782026SANTOS, Wellington Pinheiro dos2022-08-26T14:56:57Z2022-08-26T14:56:57Z2020-02-19LIMA, Clarisse Lins de. Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika. 2020. Dissertação (Mestrado em Engenharia Biomédica) - Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/45993A prevenção e o controle das arboviroses têm sido um grande desafio de saúde pública para muitos países. No Brasil, especialmente a partir de 2015, a situação se agravou, uma vez que o vírus zika e o vírus chikungunya foram introduzidos no país. No intuito de auxiliar na prevenção de surtos de casos de arboviroses, vários trabalhos têm sido direcionados para o estudo de modelos de predição a partir de séries históricas das doenças e das variáveis climáticas, visto que fatores climáticos e ambientais interferem desde a eclosão dos ovos até a dispersão do mosquito. Apesar dos resultados positivos desse tipo de abordagem, a modelagem temporal não leva em consideração a heterogeneidade espacial na transmissão das arboviroses, o que se dá por meio de uma modelagem espaço- temporal. No entanto, esta abordagem tem sido pouco explorada devido à complexidade da estimativa dos parâmetros para a modelagem espaço-temporal e das variações inerentes ao processo epidemiológico. Adicionalmente, o avanço das tecnologias de Epidemiologia Digital e técnicas de geoprocessamento, juntamente ao desenvolvimento de técnicas de Mineração de Dados e Aprendizado de Máquina, podem proporcionar um rápido monitoramento, controle e simulação da propagação de doenças, auxiliando os sistemas de saúde pública no controle de epidemias e fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Este trabalho tem, portanto, como objetivo construir uma ferramenta de predição da distribuição dos casos de arboviroses transmitidas pelo mosquito Aedes aegypti utilizando séries históricas de mapas de distribuição dos casos das doenças e das variáveis climáticas (pluviometria, temperatura e velocidade dos ventos). Para tanto, foram coletadas informações de interesse climático a partir da base de dados fornecida pelo Instituto Nacional de Meteorologia (INMET) e da Agência Pernambucana de Águas e Climas (APAC), bem como das informações de interesse epidemiológico e geográfico obtidas através do Portal de Dados Abertos da Cidade do Recife. Para a modelagem da distribuição dos casos das doenças foram testadas as técnicas de Regressão Linear, Máquina de Vetor de Suporte para regressão (SVMreg) e as Redes Neurais Artificiais (RNAs). Os resultados mostraram que a modelagem espaço-temporal utilizando técnicas de aprendizagem de máquina mostrou-se bastante eficaz na predição da distribuição dos casos de arboviroses na cidade do Recife, tornando-se relevante no apoio aos gestores e epidemiologistas da saúde no planejamento de ações de curto e médio prazo para prevenir surtos de arboviroses transmitidos pelo Aedes aegypti.The prevention and control of arboviruses has been a major public health challenge for many countries. In Brazil, especially since 2015, the situation has worsened, since the zika virus and the chikungunya virus were introduced in the country. In order to prevent outbreaks of cases of arboviruses, several studies have been directed to the study of prediction models from historical series of diseases and climatic variables, since climatic and environmental factors interfere from the hatching of eggs to the dispersion of the mosquito. Despite the positive results of this type of approach, the temporal modeling does not take into account the spatial heterogeneity in the transmission of arboviruses, which occurs through a space-temporal modeling. However, this type of approach has been little explored due to the complexity of estimating parameters for spatio-temporal modeling and the variations inherent to the epidemiological process. In addition, the advancement of Digital Epidemiology technologies and geoprocessing techniques, together with the development of Data Mining and Machine Learning techniques, can provide rapid monitoring, control and simulation of the spread of diseases, helping public health systems to control epidemics and environmental and behavioral factors that favor the vectors of these diseases. This work, therefore, aims to build a tool for predicting the distribution of cases of arboviruses transmitted by the Aedes aegypti mosquito using historical series of distribution maps of cases of diseases and climatic variables (pluviometry, temperature and wind speed). For this purpose, information of climatic interest was collected from the database provided by the National Institute of Meteorology (INMET) and the Pernambuco and Water and Climate Agency (APAC), as well as information of epidemiological and geographic interest obtained through the Information Portal. Recife Open Data. For modeling the distribution of disease cases, the techniques of Linear Regression, Support Vector Machine for regression (SVMreg) and also Artificial Neural Networks (ANNs) were tested. The results showed that space-time modeling using machine learning techniques proved to be quite effective in predicting the distribution of cases of arboviruses in the city of Recife, becoming relevant in supporting health managers and epidemiologists in planning short-term actions and medium term to prevent outbreaks of arboviruses transmitted from Aedes aegypti.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia BiomedicaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia BiomédicaArbovirosesEpidemiologia digitalAprendizagem de máquinaPredição de arbovirosesModelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zikainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPELICENSElicense.txtlicense.txttext/plain; charset=utf-82142https://repositorio.ufpe.br/bitstream/123456789/45993/3/license.txt6928b9260b07fb2755249a5ca9903395MD53TEXTDISSERTAÇÃO Clarisse Lins de Lima.pdf.txtDISSERTAÇÃO Clarisse Lins de Lima.pdf.txtExtracted texttext/plain178182https://repositorio.ufpe.br/bitstream/123456789/45993/4/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdf.txt35af95f27e75765047270762ea857c1cMD54THUMBNAILDISSERTAÇÃO Clarisse Lins de Lima.pdf.jpgDISSERTAÇÃO Clarisse Lins de Lima.pdf.jpgGenerated Thumbnailimage/jpeg1277https://repositorio.ufpe.br/bitstream/123456789/45993/5/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdf.jpgf409ff7e559daddfb4226d6af8864032MD55ORIGINALDISSERTAÇÃO Clarisse Lins de Lima.pdfDISSERTAÇÃO Clarisse Lins de Lima.pdfapplication/pdf15582657https://repositorio.ufpe.br/bitstream/123456789/45993/1/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdfdd445864ba722fd8f5b1ad50e3fde40fMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/45993/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52123456789/459932022-08-27 02:36:11.222oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212022-08-27T05:36:11Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
title |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
spellingShingle |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika LIMA, Clarisse Lins de Engenharia Biomédica Arboviroses Epidemiologia digital Aprendizagem de máquina Predição de arboviroses |
title_short |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
title_full |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
title_fullStr |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
title_full_unstemmed |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
title_sort |
Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika |
author |
LIMA, Clarisse Lins de |
author_facet |
LIMA, Clarisse Lins de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6614432647002151 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6413917211782026 |
dc.contributor.author.fl_str_mv |
LIMA, Clarisse Lins de |
dc.contributor.advisor1.fl_str_mv |
SANTOS, Wellington Pinheiro dos |
contributor_str_mv |
SANTOS, Wellington Pinheiro dos |
dc.subject.por.fl_str_mv |
Engenharia Biomédica Arboviroses Epidemiologia digital Aprendizagem de máquina Predição de arboviroses |
topic |
Engenharia Biomédica Arboviroses Epidemiologia digital Aprendizagem de máquina Predição de arboviroses |
description |
A prevenção e o controle das arboviroses têm sido um grande desafio de saúde pública para muitos países. No Brasil, especialmente a partir de 2015, a situação se agravou, uma vez que o vírus zika e o vírus chikungunya foram introduzidos no país. No intuito de auxiliar na prevenção de surtos de casos de arboviroses, vários trabalhos têm sido direcionados para o estudo de modelos de predição a partir de séries históricas das doenças e das variáveis climáticas, visto que fatores climáticos e ambientais interferem desde a eclosão dos ovos até a dispersão do mosquito. Apesar dos resultados positivos desse tipo de abordagem, a modelagem temporal não leva em consideração a heterogeneidade espacial na transmissão das arboviroses, o que se dá por meio de uma modelagem espaço- temporal. No entanto, esta abordagem tem sido pouco explorada devido à complexidade da estimativa dos parâmetros para a modelagem espaço-temporal e das variações inerentes ao processo epidemiológico. Adicionalmente, o avanço das tecnologias de Epidemiologia Digital e técnicas de geoprocessamento, juntamente ao desenvolvimento de técnicas de Mineração de Dados e Aprendizado de Máquina, podem proporcionar um rápido monitoramento, controle e simulação da propagação de doenças, auxiliando os sistemas de saúde pública no controle de epidemias e fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Este trabalho tem, portanto, como objetivo construir uma ferramenta de predição da distribuição dos casos de arboviroses transmitidas pelo mosquito Aedes aegypti utilizando séries históricas de mapas de distribuição dos casos das doenças e das variáveis climáticas (pluviometria, temperatura e velocidade dos ventos). Para tanto, foram coletadas informações de interesse climático a partir da base de dados fornecida pelo Instituto Nacional de Meteorologia (INMET) e da Agência Pernambucana de Águas e Climas (APAC), bem como das informações de interesse epidemiológico e geográfico obtidas através do Portal de Dados Abertos da Cidade do Recife. Para a modelagem da distribuição dos casos das doenças foram testadas as técnicas de Regressão Linear, Máquina de Vetor de Suporte para regressão (SVMreg) e as Redes Neurais Artificiais (RNAs). Os resultados mostraram que a modelagem espaço-temporal utilizando técnicas de aprendizagem de máquina mostrou-se bastante eficaz na predição da distribuição dos casos de arboviroses na cidade do Recife, tornando-se relevante no apoio aos gestores e epidemiologistas da saúde no planejamento de ações de curto e médio prazo para prevenir surtos de arboviroses transmitidos pelo Aedes aegypti. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-02-19 |
dc.date.accessioned.fl_str_mv |
2022-08-26T14:56:57Z |
dc.date.available.fl_str_mv |
2022-08-26T14:56:57Z |
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 |
LIMA, Clarisse Lins de. Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika. 2020. Dissertação (Mestrado em Engenharia Biomédica) - Universidade Federal de Pernambuco, Recife, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/45993 |
identifier_str_mv |
LIMA, Clarisse Lins de. Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika. 2020. Dissertação (Mestrado em Engenharia Biomédica) - Universidade Federal de Pernambuco, Recife, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/45993 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia Biomedica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/45993/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/45993/4/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/45993/5/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/45993/1/DISSERTA%c3%87%c3%83O%20Clarisse%20Lins%20de%20Lima.pdf https://repositorio.ufpe.br/bitstream/123456789/45993/2/license_rdf |
bitstream.checksum.fl_str_mv |
6928b9260b07fb2755249a5ca9903395 35af95f27e75765047270762ea857c1c f409ff7e559daddfb4226d6af8864032 dd445864ba722fd8f5b1ad50e3fde40f e39d27027a6cc9cb039ad269a5db8e34 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310630229671936 |