Exportar registro bibliográfico


Metrics:

Análise da distribuição geográfica de doenças causadoras de óbitos na cidade de São Paulo utilizando aprendizado de máquina (2023)

  • Authors:
  • Autor USP: MARTINELLI, GIOVANA - IME
  • Unidade: IME
  • Sigla do Departamento: MAC
  • DOI: 10.11606/D.45.2023.tde-24112023-144503
  • Subjects: APRENDIZADO COMPUTACIONAL; EPIDEMIOLOGIA; MORTALIDADE; SAÚDE PÚBLICA; SISTEMA ÚNICO DE SAÚDE
  • Keywords: Análise espacial; Aprendizado de máquina; Ciência de dados; Data science; Epidemiology; Machine learning; Mortality; Public health; Spacial analysis; SUS
  • Agências de fomento:
  • Language: Português
  • Abstract: Novos estudos na área de epidemiologia estão surgindo constantemente, trazendo grandes contribuições no contexto de saúde pública. Alguns estudos existentes analisam a distribuição geográfica de doenças específicas em determinadas regiões, porém poucos estudos investigam a similaridade da distribuição geográfica de diferentes doenças. Essa falta de pesquisas reflete uma falta de conhecimento sobre como criar políticas públicas específicas com base no território para diferentes grupos de doenças. Este trabalho tem como objetivo estudar, através do uso de análises estatísticas espaciais e aprendizado de máquina, quais doenças causadoras de óbitos na cidade de São Paulo possuem distribuições geográficas similares. Nossa contribuição é dupla: definição de uma nova metodologia para identificar de quais grupos de doenças possuem comportamentos semelhantes em relação às suas distribuições geográficas de óbitos, e também prover um estudo de caso para a cidade de São Paulo. As principais conclusões foram que as maiores taxas de mortalidade associadas às neoplasias estão concentradas na região central da cidade, enquanto as maiores taxas de mortalidade associadas às doenças do sistema circulatório estão concentradas na periferia. Isso mostra que, para as regiões com melhores condições socioeconômicas, a população vai a óbito por causas inevitáveis, que não possuem cura, pois recebem bons tratamentos para as demais causas. Pelo contrário, a população em situação mais vulnerável vai aóbito antes, por uma causa para a qual existe cura e prevenção, porém essas regiões possuem uma maior precariedade no acesso a serviços de saúde. Já com relação às doenças endócrinas, nutricionais e metabólicas, uma parcela das regiões central e oeste possuem taxas de mortalidade um pouco mais baixas em relação às demais regiões. Essas são doenças que são prevenidas com boa alimentação e prática de atividades físicas, o que a população de mais alta renda consegue obter com maior facilidade. Porém, para as doenças do sistema nervoso, essas regiões possuem taxas mais altas que para as demais áreas. Trabalhos futuros podem trazer justificativas desse comportamento para apoiar o desenvolvimento de novas políticas de saúde
  • Imprenta:
  • Data da defesa: 14.04.2023
  • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/D.45.2023.tde-24112023-144503 (Fonte: oaDOI API)
    • 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

    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MARTINELLI, Giovana. Análise da distribuição geográfica de doenças causadoras de óbitos na cidade de São Paulo utilizando aprendizado de máquina. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-24112023-144503/. Acesso em: 23 maio 2024.
    • APA

      Martinelli, G. (2023). Análise da distribuição geográfica de doenças causadoras de óbitos na cidade de São Paulo utilizando aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-24112023-144503/
    • NLM

      Martinelli G. Análise da distribuição geográfica de doenças causadoras de óbitos na cidade de São Paulo utilizando aprendizado de máquina [Internet]. 2023 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-24112023-144503/
    • Vancouver

      Martinelli G. Análise da distribuição geográfica de doenças causadoras de óbitos na cidade de São Paulo utilizando aprendizado de máquina [Internet]. 2023 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-24112023-144503/


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024