Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Bomfim, Rafael Pontes |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/581512
|
Resumo: |
A dengue é um problema significativo de saúde pública em áreas urbanas, onde a densidade populacional e a mobilidade das pessoas contribuem para sua transmissão. O movimento das pessoas, particularmente através do transporte público de ônibus, desempenha um papel crucial na propagação da dengue. No entanto, a intrincada interação entre esses aspectos ainda é pouco estudada. Esta pesquisa visa explorar e entender essa interação e alavancar conhecimento para aumentar a precisão dos modelos preditivos para prever casos de dengue, em especial prever o mais rápido possível quando um ano será epidêmico. O estudo tem como foco Fortaleza, uma cidade com aproximadamente 2,6 milhões de habitantes no nordeste do Brasil que, nas últimas décadas, vem sofrendo com a transmissão endêmica da dengue, intercalada com epidemias maiores. Esta tese fornece uma caracterização dos casos de dengue em Fortaleza de 2007 a 2020, bem como dados de mobilidade humana de 2015 e 2020. Os dados de casos de dengue, incluindo o número de casos e sua distribuição espacial, são obtidos das autoridades de saúde locais ou sistemas de vigilância em saúde. Os padrões de movimento das pessoas são derivados de dados de transporte público de ônibus, como contagem de passageiros, rotas e paradas de ônibus. Esses conjuntos de dados são integrados e novos modelos de redes neurais são desenvolvidos para prever o comportamento da doença considerando diferentes métricas. Uma arquitetura de rede neural recorrente foi proposta para aprender o impacto de cada bairro na transmissão de casos de dengue na cidade de Fortaleza como um todo. Versões mais elaboradas do modelo levaram em conta a população residente de cada bairro como informação heurística de forma a incrementar a precisão do modelo nas previsões para cada bairro. Essa arquitetura proposta teve um desempenho melhor do que outras abordagens usando apenas informações isoladas sobre incidência ou exclusivamente número de casos. Ademais, uma análise sobre o quanto os dados de mobilidade dentro da cidade poderiam aumentar a acurácia de modelos preditivos foi realizada. Um sistema de previsão de casos de dengue em Fortaleza usando redes neurias recorrentes do tipo LSTM foi proposto e comparado com um modelo tradicional mecanicista de transmissão da doença. Os resultados mostram que tanto as redes neurais artificiais quanto os modelos mecanísticos podem prever com precisão os casos de dengue e que os dados de mobilidade humana podem melhorar substancialmente o desempenho de ambos os sistemas em prever antecipadamente os picos de caso de Dengue. Os resultados da pesquisa destacam uma associação significativa entre os casos de dengue e a movimentação de pessoas no transporte público de ônibus. A análise espacial, particularmente no ano de 2020, quando a epidemia de COVID-19 obrigou a proibição completa de deslocamentos na cidade (lockdown), revela o impacto da movimentação de pessoas na taxa de contágio da Dengue. Além disso, a incorporação de dados de transporte de ônibus nos modelos preditivos melhora substancialmente a precisão das previsões indicando que os modelos capturam a intrincada relação entre os padrões de mobilidade das pessoas e a dinâmica da transmissão da dengue. O conhecimento da interação entre dados de mobilidade em uma grande cidade e modelos preditivos de Dengue que essa tese desvela tem implicações importantes para a previsão de doenças e intervenções proativas. Abre-se a possibilidade para estratégias mais eficazes no combate a surtos de dengue e minimização de seu impacto nas populações urbanas. A maior precisão dos modelos permite a identificação precoce de potenciais focos de dengue e facilita intervenções de saúde pública direcionadas. Ao considerar a influência do transporte público de ônibus na transmissão da dengue, as autoridades podem implementar medidas oportunas de controle de vetores, alocar recursos de forma eficiente e desenvolver estratégias eficazes de prevenção. Palavras-chave: dengue, previsão, rede neural, mobilidade humana |
