Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina (2023)
- Authors:
- USP affiliated authors: KON, FABIO - IME ; Aleixo, Robson -
- Unidade: IME
- DOI: 10.5753/sbcas_estendido.2023.229432
- Subjects: APRENDIZADO COMPUTACIONAL; DIAGNÓSTICO POR COMPUTADOR
- Language: Português
- Abstract: A sífilis congênita e a dengue são duas doenças que causam impactos significativos no Brasil e em outros países do Hemisfério Sul, afetando a saúde de milhões de pessoas. A sífilis é uma infecção sexualmente transmissível (IST) que ao ser transmitida em crianças durante o período da gestação, é chamada de sífilis congênita. Já a dengue é uma doença viral transmitida pelos mosquitos Aedes Aegypti e Aedes Albopictus. Nesta dissertação, desenvolvemos aplicações inovadoras de modelos de aprendizado de máquina para essas doenças. O primeiro deles estima a probabilidade de uma criança nascer com sífilis. O segundo prevê surtos de dengue com base em dados sociodemográficos, climáticos, série histórica de casos, número de unidades de saúde, índice de mensuração de mosquitos e séries históricas de zika e chikungunya. No caso da sífilis congênita, avaliamos os modelos pela métrica AUC (Area Under Curve) e o resultado foi bom mas não excelente, i.e., 0.68 para a predição de casos positivos, obtidos pelos modelos LightGBM e XGBoost. No que se refere à dengue, o modelo Catboost obteve resultados muito bons, identificando 75% dos surtos com três meses de antecedência. Parte significativa deste trabalho foi investida na explicabilidade das predições de dengue, o que torna o modelo um importante aliado para a desenho de políticas públicas de saúde.
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2023
- Source:
- Conference titles: Simpósio Brasileiro de Computação Aplicada à Saúde - SBCAS
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
-
ABNT
ALEIXO, Robson e KON, Fábio e CAMARGO, Raphael Y. de. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/sbcas_estendido.2023.229432. Acesso em: 16 maio 2024. -
APA
Aleixo, R., Kon, F., & Camargo, R. Y. de. (2023). Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina. In Anais. Porto Alegre: SBC. doi:10.5753/sbcas_estendido.2023.229432 -
NLM
Aleixo R, Kon F, Camargo RY de. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. Anais. 2023 ;[citado 2024 maio 16 ] Available from: https://doi.org/10.5753/sbcas_estendido.2023.229432 -
Vancouver
Aleixo R, Kon F, Camargo RY de. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. Anais. 2023 ;[citado 2024 maio 16 ] Available from: https://doi.org/10.5753/sbcas_estendido.2023.229432 - Design, implementation, and performance of an automatic configuration service for distributed component systems
- Agile team perceptions of productivity factors
- Strategies for checkpoint storage on opportunistic grids
- Computação aplicada a cidades inteligentes: como dados, serviços e aplicações podem melhorar a qualidade de vida nas cidades
- Patterns for testing distributed systems interaction
- Bringing test-driven development to web service choreographies
- Developing adaptive distributed applications: a framework overview and experimental results
- The Internet’s deep impact. [Editorial]
- Adaptive software systems. [Editorial]
- Early-stage software startups: main challenges and possible answers
Informações sobre o DOI: 10.5753/sbcas_estendido.2023.229432 (Fonte: oaDOI API)
Download do texto completo
Tipo | Nome | Link | |
---|---|---|---|
3180007.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas