Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos

Detalhes bibliográficos
Autor(a) principal: Nasri, André Luiz Xavier Guimarães
Data de Publicação: 2024
Outros Autores: Masset, Guy Globa
Tipo de documento: Artigo
Idioma: por
Título da fonte: Research, Society and Development
Texto Completo: https://rsdjournal.org/index.php/rsd/article/view/45446
Resumo: The present study aims to statistically research Covid-19 data to determine the profile greatest vulnerability of the disease, developing logistic regression models as a methodological strategy. Additionally, hypothesis testing, odds ratios and statistical prediction techniques are used to investigate the conditions of symptom exacerbation and to estimate the numbers of deaths and recoveries in different places. According to the results obtained from the multivariate models, it was defined that male individuals with pre-existing Hepatic, Neurological or Pneumopathy conditions represent the patients at greatest risk of death. Furthermore, a logistic regression model with a numerical independent variable was developed to predict the odds of belonging to the death class, thus determining the recovered and deceased cases. The model obtained positive results with significant accuracy in different municipalities and is available on the author's GitHub profile.
id UNIFEI_7b124d06e7184959fc8ef38fc6a3bfb3
oai_identifier_str oai:ojs.pkp.sfu.ca:article/45446
network_acronym_str UNIFEI
network_name_str Research, Society and Development
repository_id_str
spelling Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de ÓbitosDevelopment of Logistic Regression Models for Binary Classification of Covid-19 and Statistical Prediction of DeathsDesarrollo de Modelos de Regresión Logística para la Clasificación Binaria de Covid-19 y Predicción Estadística de DefuncionesAnálisis predictivoClasificación binariaPerfil de riesgoRazón de probabilidadesRegresión logística.Predictive analysisBinary classificationRisk profileOdds RatioLogistic regression.Análise preditivaClassificação bináriaPerfil de riscoRazão de chancesRegressão logística.The present study aims to statistically research Covid-19 data to determine the profile greatest vulnerability of the disease, developing logistic regression models as a methodological strategy. Additionally, hypothesis testing, odds ratios and statistical prediction techniques are used to investigate the conditions of symptom exacerbation and to estimate the numbers of deaths and recoveries in different places. According to the results obtained from the multivariate models, it was defined that male individuals with pre-existing Hepatic, Neurological or Pneumopathy conditions represent the patients at greatest risk of death. Furthermore, a logistic regression model with a numerical independent variable was developed to predict the odds of belonging to the death class, thus determining the recovered and deceased cases. The model obtained positive results with significant accuracy in different municipalities and is available on the author's GitHub profile.El presente estudio tiene como objetivo investigar estadísticamente los datos de Covid-19 para determinar el perfil de más vulnerable a la enfermedad, desarrollando modelos de regresión logística como estrategia metodológica. Además, se utilizan pruebas de hipótesis, razón de posibilidades y técnicas de predicción estadística para investigar las condiciones que agravan los síntomas y estimar el número de muertes y recuperaciones en diferentes localidades. Según los resultados obtenidos por los modelos multivariados de categorias dicotómicas mutuamente excluyentes, se definió que las condiciones de sexo masculino con preexistencia de Enfermedad Hepática, Enfermedad Neurológica o Neumopatía representan a los pacientes con mayor riesgo. Adicional a esto, se desarrolló un modelo de regresión logística con variable independiente numérica para predecir las posibilidades de pertencer a la clase de defunción, determinando así los casos recuperados y de fallecimiento. El modelo obtuvo resultados positivos con una precisión significativa en diferentes municipios y está disponible en el perfil de GitHub de los autores.O presente estudo tem como objetivo pesquisar estatisticamente os dados de Covid-19 para determinar o perfil de maior vulnerabilidade à doença, desenvolvendo modelos de regressão logística como estratégia metodológica. Adicionalmente a isso, utiliza-se testes de hipóteses, razão de chances e técnicas de predição estatística para investigar as condições de maior agravo aos sintomas e estimar os números de óbitos e recuperações em diferentes localidades. De acordo com os resultados obtidos pelos modelos multivariados, de categorias dicotômicas mutuamente exclusivas, definiu-se que as condições sexo masculino com pré-existência de Doença Hepática, Doença Neurológica ou Pneumopatia representam os pacientes com maior risco. Além disso, desenvolveu-se um modelo de regressão logística com variável independente numérica para previsão das chances de pertencimento à classe óbito, determinando, assim, os casos recuperados e de falecimento. O modelo obteve resultados positivos com acurácia significativa em diferentes municípios e encontra-se disponível no perfil do GitHub dos autores.Research, Society and Development2024-04-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://rsdjournal.org/index.php/rsd/article/view/4544610.33448/rsd-v13i4.45446Research, Society and Development; Vol. 13 No. 4; e0113445446Research, Society and Development; Vol. 13 Núm. 4; e0113445446Research, Society and Development; v. 13 n. 4; e01134454462525-3409reponame:Research, Society and Developmentinstname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIporhttps://rsdjournal.org/index.php/rsd/article/view/45446/36211Copyright (c) 2024 André Luiz Xavier Guimarães Nasri; Guy Globa Massethttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessNasri, André Luiz Xavier Guimarães Masset, Guy Globa 2024-04-04T18:36:37Zoai:ojs.pkp.sfu.ca:article/45446Revistahttps://rsdjournal.org/index.php/rsd/indexPUBhttps://rsdjournal.org/index.php/rsd/oairsd.articles@gmail.com2525-34092525-3409opendoar:2024-04-04T18:36:37Research, Society and Development - Universidade Federal de Itajubá (UNIFEI)false
dc.title.none.fl_str_mv Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
Development of Logistic Regression Models for Binary Classification of Covid-19 and Statistical Prediction of Deaths
Desarrollo de Modelos de Regresión Logística para la Clasificación Binaria de Covid-19 y Predicción Estadística de Defunciones
title Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
spellingShingle Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
Nasri, André Luiz Xavier Guimarães
Análisis predictivo
Clasificación binaria
Perfil de riesgo
Razón de probabilidades
Regresión logística.
Predictive analysis
Binary classification
Risk profile
Odds Ratio
Logistic regression.
Análise preditiva
Classificação binária
Perfil de risco
Razão de chances
Regressão logística.
title_short Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
title_full Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
title_fullStr Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
title_full_unstemmed Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
title_sort Desenvolvimento de Modelos de Regressão Logística para Classificação Binária de Covid-19 e Previsão Estatística de Óbitos
author Nasri, André Luiz Xavier Guimarães
author_facet Nasri, André Luiz Xavier Guimarães
Masset, Guy Globa
author_role author
author2 Masset, Guy Globa
author2_role author
dc.contributor.author.fl_str_mv Nasri, André Luiz Xavier Guimarães
Masset, Guy Globa
dc.subject.por.fl_str_mv Análisis predictivo
Clasificación binaria
Perfil de riesgo
Razón de probabilidades
Regresión logística.
Predictive analysis
Binary classification
Risk profile
Odds Ratio
Logistic regression.
Análise preditiva
Classificação binária
Perfil de risco
Razão de chances
Regressão logística.
topic Análisis predictivo
Clasificación binaria
Perfil de riesgo
Razón de probabilidades
Regresión logística.
Predictive analysis
Binary classification
Risk profile
Odds Ratio
Logistic regression.
Análise preditiva
Classificação binária
Perfil de risco
Razão de chances
Regressão logística.
description The present study aims to statistically research Covid-19 data to determine the profile greatest vulnerability of the disease, developing logistic regression models as a methodological strategy. Additionally, hypothesis testing, odds ratios and statistical prediction techniques are used to investigate the conditions of symptom exacerbation and to estimate the numbers of deaths and recoveries in different places. According to the results obtained from the multivariate models, it was defined that male individuals with pre-existing Hepatic, Neurological or Pneumopathy conditions represent the patients at greatest risk of death. Furthermore, a logistic regression model with a numerical independent variable was developed to predict the odds of belonging to the death class, thus determining the recovered and deceased cases. The model obtained positive results with significant accuracy in different municipalities and is available on the author's GitHub profile.
publishDate 2024
dc.date.none.fl_str_mv 2024-04-05
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://rsdjournal.org/index.php/rsd/article/view/45446
10.33448/rsd-v13i4.45446
url https://rsdjournal.org/index.php/rsd/article/view/45446
identifier_str_mv 10.33448/rsd-v13i4.45446
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://rsdjournal.org/index.php/rsd/article/view/45446/36211
dc.rights.driver.fl_str_mv Copyright (c) 2024 André Luiz Xavier Guimarães Nasri; Guy Globa Masset
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2024 André Luiz Xavier Guimarães Nasri; Guy Globa Masset
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Research, Society and Development
publisher.none.fl_str_mv Research, Society and Development
dc.source.none.fl_str_mv Research, Society and Development; Vol. 13 No. 4; e0113445446
Research, Society and Development; Vol. 13 Núm. 4; e0113445446
Research, Society and Development; v. 13 n. 4; e0113445446
2525-3409
reponame:Research, Society and Development
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Research, Society and Development
collection Research, Society and Development
repository.name.fl_str_mv Research, Society and Development - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv rsd.articles@gmail.com
_version_ 1797052639702155264

Registros relacionados