Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina (2022)
- Authors:
- Autor USP: ALEIXO, ROBSON PEREIRA - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/D.45.2022.tde-26012023-200820
- Subjects: APRENDIZADO COMPUTACIONAL; DENGUE; INTELIGÊNCIA ARTIFICIAL; SÍFILIS
- Keywords: Aprendizado de máquina; Artificial intelligence; Machine learning; Outbreak; Syphilis
- Agências de fomento:
- Language: Português
- Abstract: Duas doenças que preocupam diversos países atualmente são sífilis congênita e dengue. A sífilis é uma infecção sexualmente transmissível (IST) causada pela bactéria Treponema Pallidum. Ao ser transmitida em crianças durante o período da gestação, é chamada de sífilis congênita. Já a dengue é uma doença viral transmitida pelas espécies de mosquitos Aedes Aegypti e Aedes Albopictus. No Brasil, há uma preocupação constante com o aumento do número de casos. Utilizando o município do Rio de Janeiro como escopo de trabalho, propomos dois modelos de aprendizado de máquina. O primeiro deles estima a probabilidade da criança nascer com sífilis a partir de dados públicos do Sistema Único de Saúde (SUS). O segundo prevê casos de dengue para cada bairro da cidade, aplicando modelo de regressão. Neste caso, para o treinamento e teste do modelo, foram considerados dados sociodemográficos, climáticos, série histórica de casos da doença, quantidade de estabelecimentos de saúde, índice de mensuração da quantidade de mosquitos na região e série histórica de casos de zika e chikungunya. No caso da sífilis congênita, avaliamos os modelos pela métrica AUC (Area Under Curve) da curva ROC e o melhor resultado foi 68% para a predição de casos positivos, obtidos pelos modelos LightGBM e XGBoost. No que se refere à dengue, mensuramos o desempenho do modelo em diferentes métricas e cenários. O modelo que obteve os melhores resultados foi o Catboost, identificando 75% dos surtos em até três meses deprevisão. Além disso, dedicamos parte significativa deste trabalho na explicabilidade das previsões de dengue. Para isso, utilizamos a ferramenta SHAP que proporciona diferentes visões que contemplam tanto a visão geral como a local de impacto das variáveis na previsão
- Imprenta:
- Data da defesa: 27.10.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ALEIXO, Robson Pereira. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/. Acesso em: 05 jun. 2024. -
APA
Aleixo, R. P. (2022). Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/ -
NLM
Aleixo RP. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2024 jun. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/ -
Vancouver
Aleixo RP. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2024 jun. 05 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/
Informações sobre o DOI: 10.11606/D.45.2022.tde-26012023-200820 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas