Parto prematuro e poluentes do ar em São José dos Campos-SP: uma abordagem fuzzy e neuro-fuzzy

• Autor(a) principal: Castellões, Taynara de Oliveira
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/252031; https://lattes.cnpq.br/7859229629174276
• topic: Prematuridade; Mortalidade infantil; Poluentes do ar; Lógica fuzzy; Saúde pública; Prematuros; Ar-poluição; Mortalidade infantil; Lógica difusa; Prematurity neonatal; Mortality; Fuzzy logic; Air pollution; Public health

Os efeitos do parto prematuro são diversos e não se limitam apenas a infância, podendo gerar dificuldades de aprendizagem e complicações até a fase adulta. Estudos relacionam a prematuridade a inúmeros fatores como falta de acompanhamento pré-natal, idade e escolaridade materna, alcoolismo, tabagismo até a exposição a poluentes do ar. Esse trabalho tem por objetivo investigar a associação entre parto prematuro, idade da mãe, número de consultas pré-natal e exposição da gestante ao Material particulado com diâmetro menor que 10 µm (PM10) e Dióxido de Nitrogênio (NO2). Foram desenvolvidos modelos de predição utilizando técnicas de inteligência artificial: fuzzy e neuro-fuzzy. Os modelos foram validados por meio das métricas de avaliação como correlação (r), coeficiente de determinação (R2), erro médio absoluto (MAE), raiz do erro quadrático médio (RMSE), erro percentual absoluto médio (MAPE) e erro médio quadrático (MSE) entre os dados reais e preditos. Para aquisição dos dados, foram utilizadas informações da cidade de São José dos Campos-SP, entre os anos de 2016 a 2018. Os relatórios diários de poluentes utilizados foram extraídos do portal da CETESB (Companhia Ambiental do Estado de São Paulo), e os dados da Declaração de Nascidos Vivos (DNV), extraídos do portal de livre acesso do DATASUS (Departamento de Informática do Sistema Único de Saúde). Dentre todos os modelos de predição desenvolvidos, apresentou melhor desempenho o modelo neuro-fuzzy com validação simples 50:50, estrutura do tipo grid partition, método de otimização híbrido, com 20 épocas, entradas gaussianas, sendo as entradas idade da mãe, número de consultas pré-natal e concentração de PM10 com quatro funções de pertinência e a concentração de NO2 com três funções, e variável de saída constante, com métricas r=0,59, R2=0,35, MAE=1,70, RMSE=2,83, MAPE=5,35% e MSE=8,00. A abordagem apresentada desse estudo possui potencial para beneficiar a sociedade como um todo, auxiliando gestores na implementação de medidas preventivas voltadas à redução da emissão de gases poluentes. Visando não apenas melhoria na saúde da gestante e recém-nascido, mas também promoção de qualidade de vida para gerações futuras.