Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/18281 |
Resumo: | Orientador: Mateus Giesbrecht |
id |
UNICAMP-30_a1375804db8d490f4806bbafbb7a0f55 |
---|---|
oai_identifier_str |
oai::1390316 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadoresDengue risk assessment in São Luís do Maranhão : integration of regressor models and classifiersDengueAprendizado de máquinaClassificaçãoAnálise de regressãoPrevisãoDengueMachine learningClassificationRegression analysisForecastingOrientador: Mateus GiesbrechtTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Esta tese apresenta um estudo sobre a previsão da incidência de casos de dengue por meio de modelos de regressão e classificação. Para realizar o estudo, foram construídos quatro conjuntos de dados, avaliando a influência de diferentes variáveis, tanto no mês em que se deseja prever a incidência de dengue quanto em meses anteriores. A análise revelou a importância das variáveis geográficas, como latitude e longitude, indicando que a localização é um fator importante na ocorrência da doença. Além disso, a velocidade e direção do vento do mês vigente e as condições climáticas passadas, como a temperatura máxima registrada dois meses antes e precipitação de três meses anteriores, mostraram-se relevantes para a previsão da incidência de casos de dengue. Sem considerar o aspecto temporal, foi descoberto que mesmo com pouca chuva, mas com temperaturas elevadas, a probabilidade de ocorrência da dengue aumentou em locais com elevada vegetação. Dentre os modelos de aprendizado de máquina avaliados, o modelo Floresta Aleatória se destacou, apresentando melhores valores de sensibilidade e especificidade em comparação com outros modelos, melhorando os resultados também quando comparados com outras referências encontradas na literatura. Os resultados enfatizam a importância de considerar um conjunto abrangente de variáveis que ofereçam insights para apoiar a tomada de decisões em saúde pública relacionadas à dengueAbstract: This thesis presents a study on predicting the incidence of dengue cases using regression and classification models. Three datasets were created to conduct the study, evaluating the influence of different variables, both during the month in which the incidence of dengue fever would be predicted and in previous months. The analysis revealed the importance of geographic variables, such as latitude and longitude, indicating that location is an important factor to be considered when predicting the disease incidence. Furthermore, the wind speed and direction in the current month and past climatic conditions, such as the maximum temperature recorded two months before and precipitation in the previous three months, were relevant for predicting dengue case incidence. Without considering the temporal aspect, it was found out that, even with low rain occurence, locations with dense vegetation and high temperature are more prone to a high incidence of dengue. The Random Forest model stood out, presenting better sensitivity and specificity values better than other models and improving results compared to other references found in the literature. The results emphasize the importance of considering a comprehensive set of variables that offers insights to support public health decision-making related to dengueAbertoDoutoradoAutomaçãoDoutora em Engenharia ElétricaCAPES88887.486268/2020-00[s.n.]Giesbrecht, Mateus, 1984-Ferrari, RafaelAttux, Romis Ribeiro de FaissolPastore, Dayse HaimeQuiles, Marcos GonçalvesUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASRocha, Fernanda Paula, 1988-20242024-02-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (104 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/18281ROCHA, Fernanda Paula. Avaliação de risco de dengue em São Luís do Maranhão: integração de modelos regressores e classificadores. 2024. 1 recurso online (104 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18281. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1390316Cover: https://repositorio.unicamp.br/capa/capa?codigo=1390316porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2024-06-18T10:53:02Zoai::1390316Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2024-06-18T10:53:02Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores Dengue risk assessment in São Luís do Maranhão : integration of regressor models and classifiers |
title |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
spellingShingle |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores Rocha, Fernanda Paula, 1988- Dengue Aprendizado de máquina Classificação Análise de regressão Previsão Dengue Machine learning Classification Regression analysis Forecasting |
title_short |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
title_full |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
title_fullStr |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
title_full_unstemmed |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
title_sort |
Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores |
author |
Rocha, Fernanda Paula, 1988- |
author_facet |
Rocha, Fernanda Paula, 1988- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Giesbrecht, Mateus, 1984- Ferrari, Rafael Attux, Romis Ribeiro de Faissol Pastore, Dayse Haime Quiles, Marcos Gonçalves Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação Programa de Pós-Graduação em Engenharia Elétrica UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Rocha, Fernanda Paula, 1988- |
dc.subject.por.fl_str_mv |
Dengue Aprendizado de máquina Classificação Análise de regressão Previsão Dengue Machine learning Classification Regression analysis Forecasting |
topic |
Dengue Aprendizado de máquina Classificação Análise de regressão Previsão Dengue Machine learning Classification Regression analysis Forecasting |
description |
Orientador: Mateus Giesbrecht |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024 2024-02-19T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/18281 ROCHA, Fernanda Paula. Avaliação de risco de dengue em São Luís do Maranhão: integração de modelos regressores e classificadores. 2024. 1 recurso online (104 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18281. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/18281 |
identifier_str_mv |
ROCHA, Fernanda Paula. Avaliação de risco de dengue em São Luís do Maranhão: integração de modelos regressores e classificadores. 2024. 1 recurso online (104 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18281. Acesso em: 3 set. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/1390316 Cover: https://repositorio.unicamp.br/capa/capa?codigo=1390316 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 1 recurso online (104 p.) : il., digital, arquivo PDF. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809189198807171072 |