Modelagem fuzzy de dados climáticos estimados por modelo matemático - CCATT-BRAMS

• Ano de defesa: 2015
• Autor(a) principal: Vieira, Luciana Cristina Pompeo Ferreira da Silva [UNESP]
• Orientador(a): Nascimento, Luiz Fernando Costa [UNESP], Rizzol, Paloma Maria Silva Rocha [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Ar - Poluição; Lógica difusa; Aparelho respiratorio - Doenças; Modelos matematicos; Fuzzy logic
• Link de acesso: http://hdl.handle.net/11449/139420; http://www.athena.biblioteca.unesp.br/exlibris/bd/cathedra/18-05-2016/000863376.pdf

Atualmente, estudos sobre a qualidade do ar tem sido de extrema importância pois os poluentes existentes no ar causam efeitos diretos no sistema respiratório provocando custos sociais. Dada a importância de prever hospitalização por doenças respiratórias para que o gestor municipal possa preparar funcionalmente o serviço de saúde para possíveis admissões, esta dissertação teve como objetivo elaborar e validar um modelo linguístico fuzzy para previsão de hospitalização por doenças respiratórias. Foi construído um modelo fuzzy para predição de internações por pneumonias, bronquite, bronquiolite e asma (J12 a J18 e J45 da CID 10) segundo exposição ao PM2,5 e CO em residentes de Volta Redonda, RJ, em 2012. Foram construídos três modelos: dois com duas entradas (PM2,5 / TEMP e CO / TEMP) e um com três entradas (PM2,5 / CO / TEMP). Para o modelo com duas entradas havia três funções de pertinência para cada uma, para as concentrações do PM2,5 ou CO e temperatura, e uma saída com três funções de pertinência para internações, que foram obtidos do DATASUS. Para o modelo com três entradas, as funções de pertinência se mantiveram e a saída mudou para quatro funções de pertinência. Os modelos mostraram uma boa acurácia. Para o modelo com PM2,5 o resultado foi entre 90% e 76,5% para os lags 1, 2 e 3; para o modelo com CO o resultado foi entre 94,7% e 80,1% para os lags 1, 2 e 3; e para o modelo com PM2,5 e CO simultaneamente a acurácia ficou entre 91,4% e 80,1% (PM2,5) e 92,9% e 82,1% (CO) para os lags 1, 2 e 3, possibilitando assim sua aplicação por gestores de saúde