Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/256774 |
Resumo: | Peixoto et al.(2020) apresentaram uma metodologia que utiliza dados oriundos da mobilidade de pessoas para classificar municípios de um estado em três zonas de risco (baixo, médio e alto) em relação a uma doença contagiosa transmissível pelo ar. Os autores aplicaram o modelo para avaliar a exposição dos municípios dos estados de São Paulo e Rio de Janeiro à COVID-19, antes que o vírus estivesse amplamente disseminado. Nosso objetivo neste artigo é avaliar como essa metodologia de classificação de risco se aplica no Rio Grande do Sul e como ela se relacionou com a evolução da COVID-19 no estado. A partir dela, obtivemos uma classificação dos municípios do estado em três grupos de risco. Nessa divisão, com raras exceções, municípios mais próximos de Porto Alegre ficaram classificados como alto risco. A região da serra, do litoral e de alguns municípios no oeste do estado ficaram em um risco médio. Os demais municípios foram classificados com risco baixo. Em comparação com os dados oficiais sobre a disseminação da doença no estado verificamos que o risco atribuído foi coerente com a evolução da COVID-19. De um ponto de vista metodológico, encontramos evidências, via clusterização espectral, que dividir os municípios em três grupos é a melhor escolha para os nossos dados. |
id |
UFRGS-2_a30a21363440bc66392265fe212e1f09 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/256774 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Sibemberg, Lucas SivieroAllem, Luiz EmílioHoppen, CarlosPeixoto, Pedro da Silva2023-04-07T03:25:32Z20212179-460Xhttp://hdl.handle.net/10183/256774001164102Peixoto et al.(2020) apresentaram uma metodologia que utiliza dados oriundos da mobilidade de pessoas para classificar municípios de um estado em três zonas de risco (baixo, médio e alto) em relação a uma doença contagiosa transmissível pelo ar. Os autores aplicaram o modelo para avaliar a exposição dos municípios dos estados de São Paulo e Rio de Janeiro à COVID-19, antes que o vírus estivesse amplamente disseminado. Nosso objetivo neste artigo é avaliar como essa metodologia de classificação de risco se aplica no Rio Grande do Sul e como ela se relacionou com a evolução da COVID-19 no estado. A partir dela, obtivemos uma classificação dos municípios do estado em três grupos de risco. Nessa divisão, com raras exceções, municípios mais próximos de Porto Alegre ficaram classificados como alto risco. A região da serra, do litoral e de alguns municípios no oeste do estado ficaram em um risco médio. Os demais municípios foram classificados com risco baixo. Em comparação com os dados oficiais sobre a disseminação da doença no estado verificamos que o risco atribuído foi coerente com a evolução da COVID-19. De um ponto de vista metodológico, encontramos evidências, via clusterização espectral, que dividir os municípios em três grupos é a melhor escolha para os nossos dados.application/pdfporCiência e Natura. Santa Maria : UFSM, 2021. Vol. 43, Ed. esp. X ERMAC RS (2021), [24] p.BiomatemáticaCOVID-19Dinâmica espacialCluster analysisClassificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do SulRisk classification in complex networks : the case of COVID-19 in Rio Grande do Sulinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001164102.pdf.txt001164102.pdf.txtExtracted Texttext/plain43804http://www.lume.ufrgs.br/bitstream/10183/256774/2/001164102.pdf.txte9d05a6ce5c7c5fab8caf657c4b83658MD52ORIGINAL001164102.pdfTexto completoapplication/pdf1339386http://www.lume.ufrgs.br/bitstream/10183/256774/1/001164102.pdfe78a40e84fd32cd80c0982303ad987d6MD5110183/2567742023-04-08 03:29:07.916537oai:www.lume.ufrgs.br:10183/256774Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2023-04-08T06:29:07Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
dc.title.alternative.en.fl_str_mv |
Risk classification in complex networks : the case of COVID-19 in Rio Grande do Sul |
title |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
spellingShingle |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul Sibemberg, Lucas Siviero Biomatemática COVID-19 Dinâmica espacial Cluster analysis |
title_short |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
title_full |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
title_fullStr |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
title_full_unstemmed |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
title_sort |
Classificação de risco em redes complexas : o caso da COVID-19 no Rio Grande do Sul |
author |
Sibemberg, Lucas Siviero |
author_facet |
Sibemberg, Lucas Siviero Allem, Luiz Emílio Hoppen, Carlos Peixoto, Pedro da Silva |
author_role |
author |
author2 |
Allem, Luiz Emílio Hoppen, Carlos Peixoto, Pedro da Silva |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Sibemberg, Lucas Siviero Allem, Luiz Emílio Hoppen, Carlos Peixoto, Pedro da Silva |
dc.subject.por.fl_str_mv |
Biomatemática COVID-19 Dinâmica espacial Cluster analysis |
topic |
Biomatemática COVID-19 Dinâmica espacial Cluster analysis |
description |
Peixoto et al.(2020) apresentaram uma metodologia que utiliza dados oriundos da mobilidade de pessoas para classificar municípios de um estado em três zonas de risco (baixo, médio e alto) em relação a uma doença contagiosa transmissível pelo ar. Os autores aplicaram o modelo para avaliar a exposição dos municípios dos estados de São Paulo e Rio de Janeiro à COVID-19, antes que o vírus estivesse amplamente disseminado. Nosso objetivo neste artigo é avaliar como essa metodologia de classificação de risco se aplica no Rio Grande do Sul e como ela se relacionou com a evolução da COVID-19 no estado. A partir dela, obtivemos uma classificação dos municípios do estado em três grupos de risco. Nessa divisão, com raras exceções, municípios mais próximos de Porto Alegre ficaram classificados como alto risco. A região da serra, do litoral e de alguns municípios no oeste do estado ficaram em um risco médio. Os demais municípios foram classificados com risco baixo. Em comparação com os dados oficiais sobre a disseminação da doença no estado verificamos que o risco atribuído foi coerente com a evolução da COVID-19. De um ponto de vista metodológico, encontramos evidências, via clusterização espectral, que dividir os municípios em três grupos é a melhor escolha para os nossos dados. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021 |
dc.date.accessioned.fl_str_mv |
2023-04-07T03:25:32Z |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/other |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/256774 |
dc.identifier.issn.pt_BR.fl_str_mv |
2179-460X |
dc.identifier.nrb.pt_BR.fl_str_mv |
001164102 |
identifier_str_mv |
2179-460X 001164102 |
url |
http://hdl.handle.net/10183/256774 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.ispartof.pt_BR.fl_str_mv |
Ciência e Natura. Santa Maria : UFSM, 2021. Vol. 43, Ed. esp. X ERMAC RS (2021), [24] p. |
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 Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/256774/2/001164102.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/256774/1/001164102.pdf |
bitstream.checksum.fl_str_mv |
e9d05a6ce5c7c5fab8caf657c4b83658 e78a40e84fd32cd80c0982303ad987d6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801225085533552640 |