Avaliação de risco de dengue em São Luís do Maranhão : integração de modelos regressores e classificadores

Detalhes bibliográficos
Autor(a) principal: Rocha, Fernanda Paula, 1988-
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

Registros relacionados