O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Albuquerque, Italo Giullian Carvalho de
Orientador(a): Prati, Ronaldo Cristiano
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do ABC
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127577&midiaext=81612
Resumo: Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
id UFBC_08fe222bbf2240c667359dadc3ddb61e
oai_identifier_str oai:BDTD:127577
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisO uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya2024-10-03Prati, Ronaldo CristianoAlbuquerque, Italo Giullian Carvalho deUniversidade Federal do ABCPrograma de Pós-Graduação em Ciência da ComputaçãoUFABCporQUANTIFICAÇÃO DE INCERTEZASAPRENDIZADO COMPUTACIONALANDENGUECHIKUNGUNYAUNCERTAINTY QUANTIFICATIONMACHINE LEARNINGTIME SERIESPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABCCoordenação de Aperfeiçoamento de Pessoal de Nivel SuperiorA dengue e a chikungunya representam desafios críticos de saúde pública, especialmente em áreas urbanas densamente povoadas, como o Rio de Janeiro. Este estudo propôs uma metodologia para prever a incidência dessas doenças, incorporando a quantificação de incertezas nas previsões. Dados epidemiológicos de 2015 a 2023, coletados em dez bairros do Rio de Janeiro, foram analisados utilizando modelos autorregressivos ForecasterAutoreg com RandomForestRegressor, a técnica de redes neurais DeepAR, e a quantificação de incertezas com o método MAPIE. Os resultados do modelo autorregressivo demonstraram variações no desempenho dos modelos entre os bairros, com a Vila Militar apresentando o menor MSE (0,91), e Realengo o maior (66,76), refletindo diferenças nas dinâmicas epidemiológicas locais. Embora os modelos tenham capturado padrões sazonais e tendências temporais, a cobertura dos intervalos de confiança foi limitada em bairros com alta variabilidade, sugerindo ajustes para aprimorar a confiabilidade. O DeepAR destacou-se na identificação de picos de incidência, mas também enfrentou dificuldades em alcançar coberturas consistentes de incerteza em bairros mais dinâmicos. Este estudo reforça a importância de integrar a quantificação de incerteza às previsões para melhorar a gestão de saúde pública.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127577&midiaext=81612application/pdfreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2026-01-15T22:12:09Zoai:BDTD:127577Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2025-03-27T15:11:23Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.pt.fl_str_mv O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
title O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
spellingShingle O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
Albuquerque, Italo Giullian Carvalho de
title_short O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
title_full O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
title_fullStr O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
title_full_unstemmed O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
title_sort O uso do aprendizado de máquina para quantificação de incerteza na predição de incidência da dengue e chikungunya
author Albuquerque, Italo Giullian Carvalho de
author_facet Albuquerque, Italo Giullian Carvalho de
author_role author
dc.contributor.advisor1.fl_str_mv Prati, Ronaldo Cristiano
dc.contributor.author.fl_str_mv Albuquerque, Italo Giullian Carvalho de
contributor_str_mv Prati, Ronaldo Cristiano
description Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
publishDate 2024
dc.date.issued.fl_str_mv 2024-10-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127577&midiaext=81612
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127577&midiaext=81612
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do ABC
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciência da Computação
dc.publisher.initials.fl_str_mv UFABC
publisher.none.fl_str_mv Universidade Federal do ABC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1854475892722499584

Registros relacionados