PROGNÓSTICO DA INCIDÊNCIA DE CASOS DE DENGUE NA CIDADE DE SALVADOR – BAHIA, UTILIZANDO A TRANSFORMADA WAVELET DISCRETA EM CONJUNÇÃO COM REDES NEURAIS ARTIFICIAIS

Detalhes bibliográficos
Autor(a) principal: Soares, Arthur Pontes de Miranda Ramos
Data de Publicação: 2018
Outros Autores: Alves, Pedro Henrique Pereira, Martins, Isabela Cavalcante, Barreto, Lucas Costa, Carvalho, Frede de Oliveira
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