Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , , , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UnB |
Texto Completo: | https://repositorio.unb.br/handle/10482/41508 https://doi.org/10.1590/1413-81232021265.02312021 https://orcid.org/0000-0002-6262-3276 https://orcid.org/0000-0002-3710-6437 https://orcid.org/0000-0003-0129-8382 https://orcid.org/0000-0003-4434-0667 https://orcid.org/0000-0002-0809-2152 https://orcid.org/0000-0001-5126-6835 https://orcid.org/0000-0003-1315-6226 https://orcid.org/0000-0002-6468-2894 https://orcid.org/0000-0002-5746-5170 https://orcid.org/0000-0001-7276-0402 |
Resumo: | O objetivo deste artigo é analisar o uso da inteligência artificial espacial no contexto da imunização contra COVID-19 para a seleção adequada dos recursos necessários. Trata-se de estudo ecológico de caráter transversal baseado em uma abordagem espaço-temporal utilizando dados secundários, em Unidades Básicas de Saúde do Brasil. Foram adotados quatro passos analíticos para atribuir um volume de população por unidade básica, aplicando algoritmos de inteligência artificial a imagens de satélite. Em paralelo, as condições de acesso à internet móvel e o mapeamento de tendências espaço-temporais de casos graves de COVID-19 foram utilizados para caracterizar cada município do país. Cerca de 18% da população idosa brasileira está a mais de 4 quilômetros de distância de uma sala de vacina. No total, 4.790 municípios apresentaram tendência de agudização de casos de Síndrome Respiratória Aguda Grave. As regiões Norte e Nordeste apresentaram o maior número de Unidades Básicas de Saúde com mais de 5 quilômetros de distância de antenas de celular. O Plano nacional de vacinação requer o uso de estratégias inovadoras para contornar os desafios do país. O uso de metodologias baseadas em inteligência artificial espacial pode contribuir para melhoria do planejamento das ações de resposta à COVID-19. |
id |
UNB_cac2c749645b09ccb9f70c0b6c16b966 |
---|---|
oai_identifier_str |
oai:repositorio.unb.br:10482/41508 |
network_acronym_str |
UNB |
network_name_str |
Repositório Institucional da UnB |
repository_id_str |
|
spelling |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafiosNational COVID-19 vaccination plan : using artificial spatial intelligence to overcome challenges in BrazilAnálise espacialInteligência artificialVacinação em massaProgramas de imunizaçãoMapeamento geográficoO objetivo deste artigo é analisar o uso da inteligência artificial espacial no contexto da imunização contra COVID-19 para a seleção adequada dos recursos necessários. Trata-se de estudo ecológico de caráter transversal baseado em uma abordagem espaço-temporal utilizando dados secundários, em Unidades Básicas de Saúde do Brasil. Foram adotados quatro passos analíticos para atribuir um volume de população por unidade básica, aplicando algoritmos de inteligência artificial a imagens de satélite. Em paralelo, as condições de acesso à internet móvel e o mapeamento de tendências espaço-temporais de casos graves de COVID-19 foram utilizados para caracterizar cada município do país. Cerca de 18% da população idosa brasileira está a mais de 4 quilômetros de distância de uma sala de vacina. No total, 4.790 municípios apresentaram tendência de agudização de casos de Síndrome Respiratória Aguda Grave. As regiões Norte e Nordeste apresentaram o maior número de Unidades Básicas de Saúde com mais de 5 quilômetros de distância de antenas de celular. O Plano nacional de vacinação requer o uso de estratégias inovadoras para contornar os desafios do país. O uso de metodologias baseadas em inteligência artificial espacial pode contribuir para melhoria do planejamento das ações de resposta à COVID-19.This article explores the use of spatial artificial intelligence to estimate the resources needed to implement Brazil’s COVID-19 immu nization campaign. Using secondary data, we conducted a cross-sectional ecological study adop ting a time-series design. The unit of analysis was Brazil’s primary care centers (PCCs). A four-step analysis was performed to estimate the popula tion in PCC catchment areas using artificial in telligence algorithms and satellite imagery. We also assessed internet access in each PCC and con ducted a space-time cluster analysis of trends in cases of SARS linked to COVID-19 at municipal level. Around 18% of Brazil’s elderly population live more than 4 kilometer from a vaccination point. A total of 4,790 municipalities showed an upward trend in SARS cases. The number of PCCs located more than 5 kilometer from cell towers was largest in the North and Northeast regions. Innovative stra tegies are needed to address the challenges posed by the implementation of the country’s National COVID-19 Vaccination Plan. The use of spatial artificial intelligence-based methodologies can help improve the country’s COVID-19 response.Faculdade de Medicina (FMD)ABRASCO - Associação Brasileira de Saúde Coletiva2021-07-27T17:16:46Z2021-07-27T17:16:46Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfapplication/pdfRocha, Thiago Augusto Hernandes et al. Plano nacional de vacinação contra a COVID-19: uso de inteligência artificial espacial para superação de desafios. Ciência & Saúde Coletiva, Rio de Janeiro, v. 26, n. 5, p. 1885-1898, 2021. DOI: https://doi.org/10.1590/1413-81232021265.02312021. Disponível em: https://doi.org/10.1590/1413-81232021265.02312021. Epub 28 Maio 2021. ISSN 1678-4561. Acesso em: 27 jul. 2021.https://repositorio.unb.br/handle/10482/41508https://doi.org/10.1590/1413-81232021265.02312021https://orcid.org/0000-0002-6262-3276https://orcid.org/0000-0002-3710-6437https://orcid.org/0000-0003-0129-8382https://orcid.org/0000-0003-4434-0667https://orcid.org/0000-0002-0809-2152https://orcid.org/0000-0001-5126-6835https://orcid.org/0000-0003-1315-6226https://orcid.org/0000-0002-6468-2894https://orcid.org/0000-0002-5746-5170https://orcid.org/0000-0001-7276-0402Inglêspor(CC BY) - Este é um artigo publicado em acesso aberto sob uma licença Creative Commons.info:eu-repo/semantics/openAccessRocha, Thiago Augusto HernandesBoitrago, Ghabriela MouraMônica, Rayanne BarbosaAlmeida, Dante Grapiuna deSilva, Núbia Cristina daSilva, Debora MarcolinoTerabe, Sandro HaruyukiStaton, CatherineFacchini, Luiz AugustoVissoci, João Ricardo Nickenigreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-05-24T10:55:44Zoai:repositorio.unb.br:10482/41508Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-05-24T10:55:44Repositório Institucional da UnB - Universidade de Brasília (UnB)false |
dc.title.none.fl_str_mv |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios National COVID-19 vaccination plan : using artificial spatial intelligence to overcome challenges in Brazil |
title |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
spellingShingle |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios Rocha, Thiago Augusto Hernandes Análise espacial Inteligência artificial Vacinação em massa Programas de imunização Mapeamento geográfico |
title_short |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
title_full |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
title_fullStr |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
title_full_unstemmed |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
title_sort |
Plano nacional de vacinação contra a COVID-19 : uso de inteligência artificial espacial para superação de desafios |
author |
Rocha, Thiago Augusto Hernandes |
author_facet |
Rocha, Thiago Augusto Hernandes Boitrago, Ghabriela Moura Mônica, Rayanne Barbosa Almeida, Dante Grapiuna de Silva, Núbia Cristina da Silva, Debora Marcolino Terabe, Sandro Haruyuki Staton, Catherine Facchini, Luiz Augusto Vissoci, João Ricardo Nickenig |
author_role |
author |
author2 |
Boitrago, Ghabriela Moura Mônica, Rayanne Barbosa Almeida, Dante Grapiuna de Silva, Núbia Cristina da Silva, Debora Marcolino Terabe, Sandro Haruyuki Staton, Catherine Facchini, Luiz Augusto Vissoci, João Ricardo Nickenig |
author2_role |
author author author author author author author author author |
dc.contributor.author.fl_str_mv |
Rocha, Thiago Augusto Hernandes Boitrago, Ghabriela Moura Mônica, Rayanne Barbosa Almeida, Dante Grapiuna de Silva, Núbia Cristina da Silva, Debora Marcolino Terabe, Sandro Haruyuki Staton, Catherine Facchini, Luiz Augusto Vissoci, João Ricardo Nickenig |
dc.subject.por.fl_str_mv |
Análise espacial Inteligência artificial Vacinação em massa Programas de imunização Mapeamento geográfico |
topic |
Análise espacial Inteligência artificial Vacinação em massa Programas de imunização Mapeamento geográfico |
description |
O objetivo deste artigo é analisar o uso da inteligência artificial espacial no contexto da imunização contra COVID-19 para a seleção adequada dos recursos necessários. Trata-se de estudo ecológico de caráter transversal baseado em uma abordagem espaço-temporal utilizando dados secundários, em Unidades Básicas de Saúde do Brasil. Foram adotados quatro passos analíticos para atribuir um volume de população por unidade básica, aplicando algoritmos de inteligência artificial a imagens de satélite. Em paralelo, as condições de acesso à internet móvel e o mapeamento de tendências espaço-temporais de casos graves de COVID-19 foram utilizados para caracterizar cada município do país. Cerca de 18% da população idosa brasileira está a mais de 4 quilômetros de distância de uma sala de vacina. No total, 4.790 municípios apresentaram tendência de agudização de casos de Síndrome Respiratória Aguda Grave. As regiões Norte e Nordeste apresentaram o maior número de Unidades Básicas de Saúde com mais de 5 quilômetros de distância de antenas de celular. O Plano nacional de vacinação requer o uso de estratégias inovadoras para contornar os desafios do país. O uso de metodologias baseadas em inteligência artificial espacial pode contribuir para melhoria do planejamento das ações de resposta à COVID-19. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-07-27T17:16:46Z 2021-07-27T17:16:46Z 2021 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Rocha, Thiago Augusto Hernandes et al. Plano nacional de vacinação contra a COVID-19: uso de inteligência artificial espacial para superação de desafios. Ciência & Saúde Coletiva, Rio de Janeiro, v. 26, n. 5, p. 1885-1898, 2021. DOI: https://doi.org/10.1590/1413-81232021265.02312021. Disponível em: https://doi.org/10.1590/1413-81232021265.02312021. Epub 28 Maio 2021. ISSN 1678-4561. Acesso em: 27 jul. 2021. https://repositorio.unb.br/handle/10482/41508 https://doi.org/10.1590/1413-81232021265.02312021 https://orcid.org/0000-0002-6262-3276 https://orcid.org/0000-0002-3710-6437 https://orcid.org/0000-0003-0129-8382 https://orcid.org/0000-0003-4434-0667 https://orcid.org/0000-0002-0809-2152 https://orcid.org/0000-0001-5126-6835 https://orcid.org/0000-0003-1315-6226 https://orcid.org/0000-0002-6468-2894 https://orcid.org/0000-0002-5746-5170 https://orcid.org/0000-0001-7276-0402 |
identifier_str_mv |
Rocha, Thiago Augusto Hernandes et al. Plano nacional de vacinação contra a COVID-19: uso de inteligência artificial espacial para superação de desafios. Ciência & Saúde Coletiva, Rio de Janeiro, v. 26, n. 5, p. 1885-1898, 2021. DOI: https://doi.org/10.1590/1413-81232021265.02312021. Disponível em: https://doi.org/10.1590/1413-81232021265.02312021. Epub 28 Maio 2021. ISSN 1678-4561. Acesso em: 27 jul. 2021. |
url |
https://repositorio.unb.br/handle/10482/41508 https://doi.org/10.1590/1413-81232021265.02312021 https://orcid.org/0000-0002-6262-3276 https://orcid.org/0000-0002-3710-6437 https://orcid.org/0000-0003-0129-8382 https://orcid.org/0000-0003-4434-0667 https://orcid.org/0000-0002-0809-2152 https://orcid.org/0000-0001-5126-6835 https://orcid.org/0000-0003-1315-6226 https://orcid.org/0000-0002-6468-2894 https://orcid.org/0000-0002-5746-5170 https://orcid.org/0000-0001-7276-0402 |
dc.language.iso.fl_str_mv |
Inglês por |
language_invalid_str_mv |
Inglês |
language |
por |
dc.rights.driver.fl_str_mv |
(CC BY) - Este é um artigo publicado em acesso aberto sob uma licença Creative Commons. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
(CC BY) - Este é um artigo publicado em acesso aberto sob uma licença Creative Commons. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
ABRASCO - Associação Brasileira de Saúde Coletiva |
publisher.none.fl_str_mv |
ABRASCO - Associação Brasileira de Saúde Coletiva |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Repositório Institucional da UnB |
collection |
Repositório Institucional da UnB |
repository.name.fl_str_mv |
Repositório Institucional da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
repositorio@unb.br |
_version_ |
1814508217993003008 |