Vigilância epidemiológica: uso de aprendizado de máquina na predição de surtos de Síndrome Respiratória Aguda Grave
Carregando...
Data
2022
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editora
Wagner Wessfll
Editor Literário
Resumo
Introdução: Surtos de Síndrome Respiratória Aguda Grave (SRAG) ocorrem
anualmente em diversas regiões geográficas, com o período dos picos de
notificação de casos de internação variando de região para região. Os gestores da
saúde necessitam de ferramentas para planejamento de recursos adequados a cada
temporada de SRAG. Objetivo: Com o uso de Aprendizado de Máquina (AM), gerar
modelos para a predição de surtos de SRAG para um próximo período (ano).
Método: Foram utilizados dados de notificação de casos de internação por SRAG no
Brasil, do período de 2013 a 2021, excluindo casos de SRAG ocasionados por
Covid-19. Esses dados foram preparados de forma a alimentar uma rede neural
configurada para gerar modelos preditivos para séries temporais. A rede neural foi
implementada com uma ferramenta de pipeline que permitiu, de forma rápida, a
simulação de inúmeros modelos. Foram gerados modelos para as cinco regiões
brasileiras, porém são destacados os modelos preditivos para as regiões Sul e
Sudeste. A validação dos modelos gerados foi feita para diferentes anos de
ocorrência de surtos de SRAG. Na validação de temporadas com menor número de
períodos (anos), os modelos preditivos tiveram menor desempenho devido à menor
quantidade de dados disponíveis para treinamento. Resultados: Com o uso de
redes neurais foi possível gerar modelos preditivos que possibilitam predizer curvas
com picos de SRAG, volume de casos por temporada e início do período pré
epidêmico com boa qualidade (R² = 0,91, considerando a temporada observada de
2019). Conclusão: Mesmo com uma quantidade deficiente de dados é possível,
com o uso de AM, gerar modelos preditivos para SRAG, contribuindo para medidas
de controle de surtos e epidemias.
Descrição
Dissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
Palavras-chave
Síndrome Respiratória Aguda Grave, Inteligência Artificial, Aprendizado de Máquina, Modelos Preditivos, Redes Neurais de Computação, Vigilância Epidemiológica, [en] Severe Acute Respiratory Syndrome, [en] Artificial Intelligence, [en] Machine Learning, [en] Neural Networks, Computer, [en] Epidemiological Monitoring