Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | eng por |
Título da fonte: | Revista de Saúde Pública |
Texto Completo: | https://www.revistas.usp.br/rsp/article/view/138311 |
Resumo: | OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma. |
id |
USP-23_fc4e271f328646bb932528d45f2f3418 |
---|---|
oai_identifier_str |
oai:revistas.usp.br:article/138311 |
network_acronym_str |
USP-23 |
network_name_str |
Revista de Saúde Pública |
repository_id_str |
|
spelling |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollutionModelo fuzzy para estimar o número de internações por asma e pneumonia sob os efeitos da poluição do arAir Pollutionadverse effectsAsthmaepidemiologyPneumoniaHospitalizationFuzzy LogicPoluição do Arefeitos adversosAsmaepidemiologiaPneumoniaHospitalizaçãoLógica Fuzzy OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma. OBJECTIVE Predict the number of hospitalizations for asthma and pneumonia associated with exposure to air pollutants in the city of São José dos Campos, São Paulo State. METHODS This is a computational model using fuzzy logic based on Mamdani’s inference method. For the fuzzification of the input variables of particulate matter, ozone, sulfur dioxide and apparent temperature, we considered two relevancy functions for each variable with the linguistic approach: good and bad. For the output variable number of hospitalizations for asthma and pneumonia, we considered five relevancy functions: very low, low, medium, high and very high. DATASUS was our source for the number of hospitalizations in the year 2007 and the result provided by the model was correlated with the actual data of hospitalization with lag from zero to two days. The accuracy of the model was estimated by the ROC curve for each pollutant and in those lags. RESULTS In the year of 2007, 1,710 hospitalizations by pneumonia and asthma were recorded in São José dos Campos, State of São Paulo, with a daily average of 4.9 hospitalizations (SD = 2.9). The model output data showed positive and significant correlation (r = 0.38) with the actual data; the accuracies evaluated for the model were higher for sulfur dioxide in lag 0 and 2 and for particulate matter in lag 1. CONCLUSIONS Fuzzy modeling proved accurate for the pollutant exposure effects and hospitalization for pneumonia and asthma approach.Universidade de São Paulo. Faculdade de Saúde Pública2017-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfhttps://www.revistas.usp.br/rsp/article/view/13831110.1590/s1518-8787.2017051006501Revista de Saúde Pública; Vol. 51 (2017); 55Revista de Saúde Pública; Vol. 51 (2017); 55Revista de Saúde Pública; v. 51 (2017); 551518-87870034-8910reponame:Revista de Saúde Públicainstname:Universidade de São Paulo (USP)instacron:USPengporhttps://www.revistas.usp.br/rsp/article/view/138311/133773https://www.revistas.usp.br/rsp/article/view/138311/133774Copyright (c) 2017 Revista de Saúde Públicainfo:eu-repo/semantics/openAccessChaves, Luciano EustáquioNascimento, Luiz Fernando CostaRizol, Paloma Maria Silva Rocha2017-12-14T10:16:02Zoai:revistas.usp.br:article/138311Revistahttps://www.revistas.usp.br/rsp/indexONGhttps://www.revistas.usp.br/rsp/oairevsp@org.usp.br||revsp1@usp.br1518-87870034-8910opendoar:2017-12-14T10:16:02Revista de Saúde Pública - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution Modelo fuzzy para estimar o número de internações por asma e pneumonia sob os efeitos da poluição do ar |
title |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
spellingShingle |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution Chaves, Luciano Eustáquio Air Pollution adverse effects Asthma epidemiology Pneumonia Hospitalization Fuzzy Logic Poluição do Ar efeitos adversos Asma epidemiologia Pneumonia Hospitalização Lógica Fuzzy |
title_short |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
title_full |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
title_fullStr |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
title_full_unstemmed |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
title_sort |
Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution |
author |
Chaves, Luciano Eustáquio |
author_facet |
Chaves, Luciano Eustáquio Nascimento, Luiz Fernando Costa Rizol, Paloma Maria Silva Rocha |
author_role |
author |
author2 |
Nascimento, Luiz Fernando Costa Rizol, Paloma Maria Silva Rocha |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Chaves, Luciano Eustáquio Nascimento, Luiz Fernando Costa Rizol, Paloma Maria Silva Rocha |
dc.subject.por.fl_str_mv |
Air Pollution adverse effects Asthma epidemiology Pneumonia Hospitalization Fuzzy Logic Poluição do Ar efeitos adversos Asma epidemiologia Pneumonia Hospitalização Lógica Fuzzy |
topic |
Air Pollution adverse effects Asthma epidemiology Pneumonia Hospitalization Fuzzy Logic Poluição do Ar efeitos adversos Asma epidemiologia Pneumonia Hospitalização Lógica Fuzzy |
description |
OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-01-01 |
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://www.revistas.usp.br/rsp/article/view/138311 10.1590/s1518-8787.2017051006501 |
url |
https://www.revistas.usp.br/rsp/article/view/138311 |
identifier_str_mv |
10.1590/s1518-8787.2017051006501 |
dc.language.iso.fl_str_mv |
eng por |
language |
eng por |
dc.relation.none.fl_str_mv |
https://www.revistas.usp.br/rsp/article/view/138311/133773 https://www.revistas.usp.br/rsp/article/view/138311/133774 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2017 Revista de Saúde Pública info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2017 Revista de Saúde Pública |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo. Faculdade de Saúde Pública |
publisher.none.fl_str_mv |
Universidade de São Paulo. Faculdade de Saúde Pública |
dc.source.none.fl_str_mv |
Revista de Saúde Pública; Vol. 51 (2017); 55 Revista de Saúde Pública; Vol. 51 (2017); 55 Revista de Saúde Pública; v. 51 (2017); 55 1518-8787 0034-8910 reponame:Revista de Saúde Pública instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Revista de Saúde Pública |
collection |
Revista de Saúde Pública |
repository.name.fl_str_mv |
Revista de Saúde Pública - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
revsp@org.usp.br||revsp1@usp.br |
_version_ |
1800221798422282240 |