PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Interfaces Científicas. Saúde e Ambiente (Online) |
Texto Completo: | https://periodicos.set.edu.br/saude/article/view/5434 |
Resumo: | A dengue é uma arbovirose que tem como vetores transmissores os mosquitos do gênero Aedes, e é considerada uma das doenças mais perigosas das quais pode ser transmitida elo mosquito Aedes, já que a sua difusão pode ser bem rápida causando mortalidade (na forma de dengue hemorrágica principalmente) do indivíduo que a contrai. No Brasil, os números de casos de dengue vêm crescendo de forma preocupante, com surtos cíclicos, intercalando-se com ocorrências de epidemias. Portanto, os investimentos governamentais têm sido cada vez maiores objetivando diminuir esta propensão, buscando principalmente o entendimento das variáveis que favorecem o desenvolvimento do vetor, bem como a utilização de ferramentas computacionais para prever os casos de incidência. Neste contexto, faz-se necessário o tratamento de dados confiáveis, os quais traduzam a dinâmica da incidência da doença. Desta forma, a obtenção dos dados de casos de dengue na forma de séries de temporais tem sido utilizada recorrentemente. Em posse desses dados, é possível desenvolver métodos analíticos os quais permitam efetuar o prognóstico e posterior prevenção da manifestação de casos da referida doença. Uma das técnicas mais eficiente e recorrentemente citada na literatura é a análise das séries temporais através da associação de sistemas inteligentes (como as Redes Neurais Artificiais) com técnicas de análise de sinais (como a Transformada Wavelet Discreta). Essa técnica denominada por alguns autores como conjunção TWD-RNA (Transformada Wavelet Discreta com Rede Neural Artificial) tem apresentado resultados superiores em relação a métodos clássicos baseados somente em estatística. Desta forma, neste trabalho buscou-se investigar a eficiência da conjunção TWD-RNA no prognóstico de casos de dengue na cidade de Salvador, a partir dos dados mensais de casos de dengue evidenciados entre os anos de 2000 a 2008 obtidos no site da SINAN (Sistema de Informações de Agravos de Notificação). |
id |
UNIT-1_aa4c0317b47c8abb0d1940532d006b1c |
---|---|
oai_identifier_str |
oai:ojs.emnuvens.com.br:article/5434 |
network_acronym_str |
UNIT-1 |
network_name_str |
Interfaces Científicas. Saúde e Ambiente (Online) |
repository_id_str |
|
spelling |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAISTransformada Wavelet ContínuaDengueSalvadorRNAA dengue é uma arbovirose que tem como vetores transmissores os mosquitos do gênero Aedes, e é considerada uma das doenças mais perigosas das quais pode ser transmitida elo mosquito Aedes, já que a sua difusão pode ser bem rápida causando mortalidade (na forma de dengue hemorrágica principalmente) do indivíduo que a contrai. No Brasil, os números de casos de dengue vêm crescendo de forma preocupante, com surtos cíclicos, intercalando-se com ocorrências de epidemias. Portanto, os investimentos governamentais têm sido cada vez maiores objetivando diminuir esta propensão, buscando principalmente o entendimento das variáveis que favorecem o desenvolvimento do vetor, bem como a utilização de ferramentas computacionais para prever os casos de incidência. Neste contexto, faz-se necessário o tratamento de dados confiáveis, os quais traduzam a dinâmica da incidência da doença. Desta forma, a obtenção dos dados de casos de dengue na forma de séries de temporais tem sido utilizada recorrentemente. Em posse desses dados, é possível desenvolver métodos analíticos os quais permitam efetuar o prognóstico e posterior prevenção da manifestação de casos da referida doença. Uma das técnicas mais eficiente e recorrentemente citada na literatura é a análise das séries temporais através da associação de sistemas inteligentes (como as Redes Neurais Artificiais) com técnicas de análise de sinais (como a Transformada Wavelet Discreta). Essa técnica denominada por alguns autores como conjunção TWD-RNA (Transformada Wavelet Discreta com Rede Neural Artificial) tem apresentado resultados superiores em relação a métodos clássicos baseados somente em estatística. Desta forma, neste trabalho buscou-se investigar a eficiência da conjunção TWD-RNA no prognóstico de casos de dengue na cidade de Salvador, a partir dos dados mensais de casos de dengue evidenciados entre os anos de 2000 a 2008 obtidos no site da SINAN (Sistema de Informações de Agravos de Notificação).Editora Universitária Tiradentes2018-06-26info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.set.edu.br/saude/article/view/543410.17564/2316-3798.2018v6n3p53-62Interfaces Científicas - Saúde e Ambiente; v. 6 n. 3 (2018); 53-622316-37982316-331310.17564/2316-3798.2018v6n3reponame:Interfaces Científicas. Saúde e Ambiente (Online)instname:Universidade Tiradentes (UNIT)instacron:UNITporhttps://periodicos.set.edu.br/saude/article/view/5434/pdfCopyright (c) 2018 Interfaces Científicas - Saúde e Ambienteinfo:eu-repo/semantics/openAccessSoares, Arthur Pontes de Miranda RamosAlves, Pedro Henrique PereiraMartins, Isabela CavalcanteBarreto, Lucas CostaCarvalho, Frede de Oliveira2020-11-17T18:32:37Zoai:ojs.emnuvens.com.br:article/5434Revistahttps://periodicos.set.edu.br/saudePRIhttps://periodicos.set.edu.br/index.php/saude/oai||crismporto@gmail.com||interfaces_saude_editor@yahoo.com.br2316-37982316-3313opendoar:2020-11-17T18:32:37Interfaces Científicas. Saúde e Ambiente (Online) - Universidade Tiradentes (UNIT)false |
dc.title.none.fl_str_mv |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
title |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
spellingShingle |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS Soares, Arthur Pontes de Miranda Ramos Transformada Wavelet Contínua Dengue Salvador RNA |
title_short |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
title_full |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
title_fullStr |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
title_full_unstemmed |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
title_sort |
PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS |
author |
Soares, Arthur Pontes de Miranda Ramos |
author_facet |
Soares, Arthur Pontes de Miranda Ramos Alves, Pedro Henrique Pereira Martins, Isabela Cavalcante Barreto, Lucas Costa Carvalho, Frede de Oliveira |
author_role |
author |
author2 |
Alves, Pedro Henrique Pereira Martins, Isabela Cavalcante Barreto, Lucas Costa Carvalho, Frede de Oliveira |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Soares, Arthur Pontes de Miranda Ramos Alves, Pedro Henrique Pereira Martins, Isabela Cavalcante Barreto, Lucas Costa Carvalho, Frede de Oliveira |
dc.subject.por.fl_str_mv |
Transformada Wavelet Contínua Dengue Salvador RNA |
topic |
Transformada Wavelet Contínua Dengue Salvador RNA |
description |
A dengue é uma arbovirose que tem como vetores transmissores os mosquitos do gênero Aedes, e é considerada uma das doenças mais perigosas das quais pode ser transmitida elo mosquito Aedes, já que a sua difusão pode ser bem rápida causando mortalidade (na forma de dengue hemorrágica principalmente) do indivíduo que a contrai. No Brasil, os números de casos de dengue vêm crescendo de forma preocupante, com surtos cíclicos, intercalando-se com ocorrências de epidemias. Portanto, os investimentos governamentais têm sido cada vez maiores objetivando diminuir esta propensão, buscando principalmente o entendimento das variáveis que favorecem o desenvolvimento do vetor, bem como a utilização de ferramentas computacionais para prever os casos de incidência. Neste contexto, faz-se necessário o tratamento de dados confiáveis, os quais traduzam a dinâmica da incidência da doença. Desta forma, a obtenção dos dados de casos de dengue na forma de séries de temporais tem sido utilizada recorrentemente. Em posse desses dados, é possível desenvolver métodos analíticos os quais permitam efetuar o prognóstico e posterior prevenção da manifestação de casos da referida doença. Uma das técnicas mais eficiente e recorrentemente citada na literatura é a análise das séries temporais através da associação de sistemas inteligentes (como as Redes Neurais Artificiais) com técnicas de análise de sinais (como a Transformada Wavelet Discreta). Essa técnica denominada por alguns autores como conjunção TWD-RNA (Transformada Wavelet Discreta com Rede Neural Artificial) tem apresentado resultados superiores em relação a métodos clássicos baseados somente em estatística. Desta forma, neste trabalho buscou-se investigar a eficiência da conjunção TWD-RNA no prognóstico de casos de dengue na cidade de Salvador, a partir dos dados mensais de casos de dengue evidenciados entre os anos de 2000 a 2008 obtidos no site da SINAN (Sistema de Informações de Agravos de Notificação). |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-06-26 |
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://periodicos.set.edu.br/saude/article/view/5434 10.17564/2316-3798.2018v6n3p53-62 |
url |
https://periodicos.set.edu.br/saude/article/view/5434 |
identifier_str_mv |
10.17564/2316-3798.2018v6n3p53-62 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://periodicos.set.edu.br/saude/article/view/5434/pdf |
dc.rights.driver.fl_str_mv |
Copyright (c) 2018 Interfaces Científicas - Saúde e Ambiente info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2018 Interfaces Científicas - Saúde e Ambiente |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Editora Universitária Tiradentes |
publisher.none.fl_str_mv |
Editora Universitária Tiradentes |
dc.source.none.fl_str_mv |
Interfaces Científicas - Saúde e Ambiente; v. 6 n. 3 (2018); 53-62 2316-3798 2316-3313 10.17564/2316-3798.2018v6n3 reponame:Interfaces Científicas. Saúde e Ambiente (Online) instname:Universidade Tiradentes (UNIT) instacron:UNIT |
instname_str |
Universidade Tiradentes (UNIT) |
instacron_str |
UNIT |
institution |
UNIT |
reponame_str |
Interfaces Científicas. Saúde e Ambiente (Online) |
collection |
Interfaces Científicas. Saúde e Ambiente (Online) |
repository.name.fl_str_mv |
Interfaces Científicas. Saúde e Ambiente (Online) - Universidade Tiradentes (UNIT) |
repository.mail.fl_str_mv |
||crismporto@gmail.com||interfaces_saude_editor@yahoo.com.br |
_version_ |
1800220508012150784 |