Estimativa de incidência de dengue no município de São Paulo utilizando o método de Random Forest em Python

• Autor(a) principal: Sacay, Rodrigo Seiti [UNIFESP]
• Data de Publicação: 2025
• Outros Autores: Mendes, Jorge Luiz [UNIFESP]
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIFESP
• dARK ID: ark:/48912/001300001tqdz
• Texto Completo: https://hdl.handle.net/11600/74590
• topic: Dengue; Predição de tendências; Modelagem; Python; Trend prediction; Modeling; 3. Saúde e bem-estar

A dengue é uma doença viral transmitida pelo mosquito Aedes aegypti que, nas últimas décadas, tem representado um desafio crescente para a saúde pública em diversas regiões do Brasil, especialmente devido às condições climáticas favoráveis à proliferação do vetor. a para a expansão dos casos, tornando essencial a adoção de estratégias mais eficazes para a previsão e o controle da doença. Este projeto teve como objetivo utilizar o algoritmo de aprendizado de máquina (machine learning, ML) Random Forest, para prever o cenário de dengue no município de São Paulo. A análise baseou-se em dados históricos de casos de dengue disponibilizados pelo Sistema Único de Saúde (SUS) e dados meteorológicos gerados pelo Instituto Nacional de Meteorologia (INMET). Para a realização do estudo, utilizou-se a linguagem de programação Python, aplicando o modelo de machine learning Random Forest. Inicialmente, foram coletados e tratados os dados históricos de dengue registrados pelo SUS, disponíveis na ferramenta TabNet DataSUS. Esses dados foram integrados a bases que fornecem informações históricas sobre umidade, pluviosidade e temperatura, buscando aumentar a precisão do modelo. Após a preparação dos dados, o algoritmo foi ajustado e modelo treinado para realizar predições relacionadas à incidência da doença, categorizadas em casos prováveis, casos confirmados, casos graves e óbitos. Observando as tendências para os próximos anos a partir do processamento dos dados e o treinamento do modelo, foram realizadas projeções gráficas sobre o cenário da dengue, levando em consideração fatores como a incidência da doença e sua letalidade. Os resultados finais apontam para uma relação direta entre o aumento da temperatura e da umidade com a elevação do número de casos, especialmente em períodos críticos e de surto da doença. As projeções sugerem uma redução de casos em relação ao ano de 2024 e 2025, com o pico no número de casos e de letalidade em abril de 2026, reforçando a necessidade de medidas preventivas. A utilização de modelos preditivos na saúde pública é uma estratégia promissora para antecipar cenários e planejar ações que minimizem os impactos sociais e econômicos de doenças como a dengue. A partir dessa perspectiva preditiva, este estudo busca fornecer informações que sirvam de subsídio para a saúde pública, contribuindo para o desenvolvimento de políticas voltadas à prevenção da dengue e à gestão eficiente de recursos em eventuais surtos.