Ver registro no DEDALUS
Exportar registro bibliográfico

Metrics


Metrics:

Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models (2018)

  • Authors:
  • USP affiliated authors: BAQUERO, OSWALDO SANTOS - FMVZ ; CHIARAVALLOTI NETO, FRANCISCO - FSP
  • USP Schools: FMVZ; FSP
  • DOI: 10.1371/journal.pone.0195065
  • Subjects: DENGUE; VÍRUS DA DENGUE; MODELOS (ANÁLISE MULTIVARIADA); FATORES DE RISCO
  • Agências de fomento:
  • Language: Inglês
  • Imprenta:
  • Source:
    • Título do periódico: PLOS ONE
    • ISSN: 1932-6203
    • Volume/Número/Paginação/Ano: v. 13, n. 4, e0195065 [12 p.], 2018
  • Acesso online ao documento

    Online accessDOI or search this record in
    Informações sobre o DOI: 10.1371/journal.pone.0195065 (Fonte: oaDOI API)
    • Este periódico é de acesso aberto
    • Este artigo é de acesso aberto
    • URL de acesso aberto
    • Cor do Acesso Aberto: hybrid
    • Licença: cc-by
    Versões disponíveis em Acesso Aberto do: 10.1371/journal.pone.0195065 (Fonte: Unpaywall API)

    Título do periódico: PLOS ONE

    ISSN: 1932-6203

    • Melhor URL em Acesso Aberto:


    • Outras alternativas de URLs em Acesso Aberto:


        • Página do artigo
        • Evidência: oa journal (via doaj)
        • Licença: cc-by
        • Versão: publishedVersion
        • Tipo de hospedagem: publisher


    Informações sobre o Citescore
  • Título: PLoS ONE

    ISSN: 1932-6203

    Citescore - 2017: 3.01

    SJR - 2017: 1.164

    SNIP - 2017: 1.111


  • How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BAQUERO, Oswaldo Santos; SANTANA, Lidia Maria Reis; CHIARAVALLOTI NETO, Francisco. Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models. PLOS ONE, San Francisco, CA, v. 13, n. 4, p. e0195065 [12 ], 2018. Disponível em: < http://dx.doi.org/10.1371/journal.pone.0195065 > DOI: 10.1371/journal.pone.0195065.
    • APA

      Baquero, O. S., Santana, L. M. R., & Chiaravalloti Neto, F. (2018). Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models. PLOS ONE, 13( 4), e0195065 [12 ]. doi:10.1371/journal.pone.0195065
    • NLM

      Baquero OS, Santana LMR, Chiaravalloti Neto F. Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models [Internet]. PLOS ONE. 2018 ; 13( 4): e0195065 [12 ].Available from: http://dx.doi.org/10.1371/journal.pone.0195065
    • Vancouver

      Baquero OS, Santana LMR, Chiaravalloti Neto F. Dengue forecasting in São Paulo city with generalized additive models, artificial neural networks and seasonal autoregressive integrated moving average models [Internet]. PLOS ONE. 2018 ; 13( 4): e0195065 [12 ].Available from: http://dx.doi.org/10.1371/journal.pone.0195065

    Referências citadas na obra
    Centro de Vigilância Epidemiológica do Estado de São Paulo. Dengue. Distribuição dos casos de dengue notificados e confirmados (autóctones e importados) no Estado de SP, segundo o município de residência, por mês de início de sintomas, ano 2015 [Internet]. 2015. http://www.cve.saude.sp.gov.br/htm/zoo/dengue_dados.html
    Autor: MG Guzman
    Título: Dengue: a continuing global threat
    Título do periódico: Nat Rev Microbiol
    Volume: 8
    Fascículo: 12 Suppl
    Primeira página: S7
    Ano: 2010
    DOI: 10.1038/nrmicro2460
    Autor: S Bhatt
    Título: The global distribution and burden of dengue
    Título do periódico: Nature [Internet]. Nature Research
    Volume: 496
    Fascículo: 7446
    Primeira página: 504
    Ano: 2013
    Pan American Health Organization. Number of Reported Cases of Dengue and Severe Dengue (SD) in the Americas, by Country [Internet]. 2016. http://www.paho.org/hq/index.php?option=com_topics&view=rdmore&cid=6290&Itemid=40734
    Autor: V Racloz
    Título: Surveillance of dengue fever virus: a review of epidemiological models and early warning systems
    Título do periódico: PLoS Negl Trop Dis [Internet]
    Volume: 6
    Fascículo: 5
    Primeira página: e1648
    Ano: 2012
    DOI: 10.1371/journal.pntd.0001648
    Google. Google flu trends [Internet]. 2009. http://www.google.org/flutrends/
    Autor: D Lazer
    Título: The parable of Google Flu: traps in big data analysis
    Título do periódico: Science (80-). American Association for the Advancement of Science
    Volume: 343
    Fascículo: 6176
    Primeira página: 1203
    Ano: 2014
    DOI: 10.1126/science.1248506
    Autor: BM Althouse
    Título: Enhancing disease surveillance with novel data streams: challenges and opportunities
    Título do periódico: EPJ Data Sci [Internet]. Springer Berlin Heidelberg
    Volume: 4
    Fascículo: 1
    Primeira página: 17
    Ano: 2015
    DOI: 10.1140/epjds/s13688-015-0054-0
    Autor: Q Yuan
    Título: Monitoring Influenza Epidemics in China with Search Query from Baidu
    Título do periódico: PLoS One [Internet]. Public Library of Science
    Volume: 8
    Fascículo: 5
    Primeira página: e64323
    Ano: 2013
    DOI: 10.1371/journal.pone.0064323
    Autor: CW Morin
    Título: Climate and Dengue Transmission: Evidence and Implications
    Título do periódico: Environ Health Perspect [Internet]
    Ano: 2013
    Autor: AF Gomes
    Título: Temporal analysis of the relationship between dengue and meteorological variables in the city of Rio de Janeiro, Brazil, 2001–2009
    Título do periódico: Cad Saude Publica [Internet]
    Volume: 28
    Fascículo: 11
    Primeira página: 2189
    Ano: 2012
    DOI: 10.1590/S0102-311X2012001100018
    Autor: PM Luz
    Título: Time series analysis of dengue incidence in Rio de Janeiro, Brazil
    Título do periódico: Am J Trop Med Hyg [Internet]
    Volume: 79
    Fascículo: 6
    Primeira página: 933
    Ano: 2008
    Autor: AL Ramadona
    Título: Prediction of Dengue Outbreaks Based on Disease Surveillance and Meteorological Data
    Título do periódico: PLoS One [Internet]. Public Library of Science
    Volume: 11
    Fascículo: 3
    Primeira página: 1
    Ano: 2016
    Autor: HM Aburas
    Título: Dengue confirmed-cases prediction: A neural network model
    Título do periódico: Expert Syst Appl
    Volume: 37
    Fascículo: 6
    Primeira página: 4256
    Ano: 2010
    DOI: 10.1016/j.eswa.2009.11.077
    Autor: LB Sousa
    Título: Regularized Linear and Nonlinear Autoregressive Models for Dengue Confirmed-Cases Prediction
    Primeira página: 121
    Ano: 2015
    Autor: R Lowe
    Título: Dengue outlook for the World Cup in Brazil: an early warning model framework driven by real-time seasonal climate forecasts
    Título do periódico: Lancet Infect Dis [Internet]. Elsevier
    Volume: 14
    Fascículo: 7
    Primeira página: 619
    Ano: 2014
    DOI: 10.1016/S1473-3099(14)70781-9
    Autor: R Lowe
    Título: The development of an early warning system for climate-sensitive disease risk with a focus on dengue epidemics in Southeast Brazil
    Título do periódico: Stat Med [Internet]. John Wiley & Sons, Ltd
    Volume: 32
    Fascículo: 5
    Primeira página: 864
    Ano: 2013
    Autor: MA Johansson
    Título: Evaluating the performance of infectious disease forecasts: A comparison of climate-driven and seasonal dengue forecasts for Mexico
    Título do periódico: Sci Rep [Internet]. Nature Publishing Group
    Volume: 6
    Fascículo: 1
    Primeira página: 33707
    Ano: 2016
    Autor: R Lowe
    Título: Evaluating probabilistic dengue risk forecasts from a prototype early warning system for Brazil
    Título do periódico: Elife [Internet]. eLife Sciences Publications Limited
    Volume: 5
    Primeira página: e11285
    Ano: 2016
    Autor: R Hyndman
    Título: Forecasting: principles and practice
    Primeira página: 292
    Ano: 2013
    Autor: J Schmidhuber
    Título: Deep learning in neural networks: An overview
    Título do periódico: Neural Networks
    Volume: 61
    Primeira página: 85
    Ano: 2015
    DOI: 10.1016/j.neunet.2014.09.003
    Autor: K Greff
    Título: LSTM: A Search Space Odyssey
    Título do periódico: IEEE Trans Neural Networks Learn Syst [Internet]
    Primeira página: 1
    Ano: 2016
    Ministério da Saúdede Vigilância em Saúde. Guia de vigilância epidemiológica. Ministério da Saúde Brasília; 2005.
    INMET. Instituto Nacional de Meteorologia [Internet]. 2016. http://www.inmet.gov.br/portal/
    Autor: M Kuhn
    Título: Applied predictive modeling
    Ano: 2013
    DOI: 10.1007/978-1-4614-6849-3
    Autor: T Hastie
    Título: The elements of statistical learning : data mining, inference, and prediction
    Primeira página: 745
    Ano: 2016
    Gamboa J. Deep Learning for Time-Series Analysis. arXive Prepr arXive170101887 [Internet]. 2017 [cited 2018 Feb 2]; https://arxiv.org/pdf/1701.01887.pdf
    Autor: DE Rumelhart
    Título: Learning representations by back-propagating errors
    Título do periódico: Nature [Internet]. Nature Publishing Group
    Volume: 323
    Fascículo: 6088
    Primeira página: 533
    Ano: 1986
    Autor: L-C Chien
    Título: Impact of meteorological factors on the spatiotemporal patterns of dengue fever incidence
    Título do periódico: Environ Int [Internet]
    Volume: 73
    Primeira página: 46
    Ano: 2014
    DOI: 10.1016/j.envint.2014.06.018
    Kingma DP, Ba JL. ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION. In: International Conference on Learning Representations [Internet]. 2015 [cited 2017 Mar 13]. https://arxiv.org/pdf/1412.6980.pdf
    Glorot X, Bordes A, Bengio Y. Deep Sparse Rectifier Neural Networks. In: International Conference on Artificial Intelligence and Statistics [Internet]. 2011 [cited 2017 Mar 13]. http://www.jmlr.org/proceedings/papers/v15/glorot11a/glorot11a.pdf