巴西亚马逊地区疟疾病例评估的预测模型

N. Santos, E. Silva, C. Beluzo, L. C. Alves
{"title":"巴西亚马逊地区疟疾病例评估的预测模型","authors":"N. Santos, E. Silva, C. Beluzo, L. C. Alves","doi":"10.5753/eniac.2022.227370","DOIUrl":null,"url":null,"abstract":"A malária é uma doença infecciosa que acomete milhares de pessoas todos os anos ao redor do mundo. A região conhecida como Amazônia Legal brasileira, composta por nove estados das regiões norte, nordeste e centro-oeste, é a mais afetada no território nacional. Este trabalho realizou uma análise da série temporal do números de casos de malária ocorridos nesta região, a fim de identificar e treinar modelos estatísticos capazes de prever a incidência da doença no futuro (1 mês), baseando-se em dados históricos. Os dados utilizados foram obtidos do SIVEP-Malária (Sistema de Informação de Vigilância Epidemiológica da Malária) que é responsável pela coleta e divulgação de informações sobre a Malária no Brasil e contém registro de mais de três milhões de notificações entre os anos de 2006 a 2019. Os resultados da utilização do método de Validação Walk-Foward para modelos ARIMA se mostraram satisfatórios para a previsão de casos na região como um todo e, também, em cada um dos estados separadamente, com exceção do estado de Tocantins que possui uma incidência muito baixa de infecções.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Modelos de Previsão para Avaliação de Casos de Malária na Amazônia Legal Brasileira\",\"authors\":\"N. Santos, E. Silva, C. Beluzo, L. C. Alves\",\"doi\":\"10.5753/eniac.2022.227370\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"A malária é uma doença infecciosa que acomete milhares de pessoas todos os anos ao redor do mundo. A região conhecida como Amazônia Legal brasileira, composta por nove estados das regiões norte, nordeste e centro-oeste, é a mais afetada no território nacional. Este trabalho realizou uma análise da série temporal do números de casos de malária ocorridos nesta região, a fim de identificar e treinar modelos estatísticos capazes de prever a incidência da doença no futuro (1 mês), baseando-se em dados históricos. Os dados utilizados foram obtidos do SIVEP-Malária (Sistema de Informação de Vigilância Epidemiológica da Malária) que é responsável pela coleta e divulgação de informações sobre a Malária no Brasil e contém registro de mais de três milhões de notificações entre os anos de 2006 a 2019. Os resultados da utilização do método de Validação Walk-Foward para modelos ARIMA se mostraram satisfatórios para a previsão de casos na região como um todo e, também, em cada um dos estados separadamente, com exceção do estado de Tocantins que possui uma incidência muito baixa de infecções.\",\"PeriodicalId\":165095,\"journal\":{\"name\":\"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-11-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/eniac.2022.227370\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2022.227370","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

疟疾是一种传染病,每年影响全世界成千上万的人。巴西亚马逊地区由北部、东北部和中西部的9个州组成,是巴西受影响最严重的地区。这项工作对该地区发生的疟疾病例数量进行了时间序列分析,以确定和训练能够根据历史数据预测未来(1个月)疟疾发病率的统计模型。使用的数据来自SIVEP- malaria(疟疾流行病学监测信息系统),该系统负责收集和传播巴西疟疾信息,包含2006年至2019年期间300多万份报告的记录。对ARIMA模型使用步进验证方法的结果证明,对于整个地区的病例预测和每个州的病例预测都是令人满意的,除了托坎廷斯州,那里的感染发生率非常低。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Modelos de Previsão para Avaliação de Casos de Malária na Amazônia Legal Brasileira
A malária é uma doença infecciosa que acomete milhares de pessoas todos os anos ao redor do mundo. A região conhecida como Amazônia Legal brasileira, composta por nove estados das regiões norte, nordeste e centro-oeste, é a mais afetada no território nacional. Este trabalho realizou uma análise da série temporal do números de casos de malária ocorridos nesta região, a fim de identificar e treinar modelos estatísticos capazes de prever a incidência da doença no futuro (1 mês), baseando-se em dados históricos. Os dados utilizados foram obtidos do SIVEP-Malária (Sistema de Informação de Vigilância Epidemiológica da Malária) que é responsável pela coleta e divulgação de informações sobre a Malária no Brasil e contém registro de mais de três milhões de notificações entre os anos de 2006 a 2019. Os resultados da utilização do método de Validação Walk-Foward para modelos ARIMA se mostraram satisfatórios para a previsão de casos na região como um todo e, também, em cada um dos estados separadamente, com exceção do estado de Tocantins que possui uma incidência muito baixa de infecções.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信