Explorando dados climáticos e do Google Trends na predição de casos de dengue no Brasil : uma abordagem com aprendizado de máquina

• Autor(a) principal: Martins, João Maieron
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/273006
• topic: Dengue; Saúde pública; Modelos preditivos; Aprendizado de máquina; Time series; LSTM

A dengue é uma arbovirose que representa grande perigo à saúde pública no Brasil, onde anualmente são registrados números altíssimos de casos, e surtos têm se tornado cada vez mais recorrentes. Nos últimos anos, técnicas de aprendizado de máquina têm se mostrado muito úteis em esforços de monitoramento e contenção dessa doença. No entanto, esforços do tipo são bastante recentes e há muitos caminhos ainda não explorados. Este trabalho consiste na montagem de modelos preditivos de casos de dengue para todas as unidades federativas do Brasil, com uso das técnicas Random Forest (RF), Support Vector Regressor (SVR) e Long Short-term Memory (LSTM), treinados sobre séries temporais que englobam dados climáticos e números de buscas na Internet. Além de previsões por modelos individuais, foi testada uma modalidade ensemble por macrorregião, a fim de explorar a fundo a possibilidade de previsões nesse nível no país. Realizados os experi mentos, observou-se grande variação de performance sobre cada estado, indicando que há entre eles fortes diferenças na qualidade dos dados ou nas formas como se manifesta a doença, o que torna alguns deles mais favoráveis a predições desse tipo. Percebeu-se leve queda de performance com o uso de ensemble, o que reforçou esse entendimento. Os mo delos conseguiram, sobre uma parcela dos estados, captar bem as tendências temporais, ainda que com discrepâncias nos números exatos de casos. Também comprovaram-se a utilidade de dados do Google Trends e a boa adequação de SVR e LSTM para pes quisas deste tipo. Embora os modelos construídos não sejam precisos o bastante para o monitoramento da dengue, espera-se que as descobertas feitas possam direcionar esforços futuros, com foco nos locais e nas técnicas mais promissoras, para construir modelos mais eficientes.