Home > Computação e Estatística
A pandemia da COVID-19 no Brasil: uma aplicação do método de clusterização k-means
Por: Henrique José de Paula Alves; Kelly Pereira de Lima; Ben Dêivide de Oliveira Batista; Tales Jesus Fernandes
Autor contato: Tales Jesus Fernandes (tales.jfernandes@ufla.br)
Resumo
A COVID-19 é uma infecção causada pelo coronavírus SARS-CoV-2, sendo que seus primeiros registros foram na cidade chinesa de Wuhan em dezembro de 2019, e foi considerada pela Organização Mundial da Saúde (OMS) uma pandemia mundial em março de 2020. No Brasil, a COVID-19 se espalhou atingindo as 27 unidades federativas (UFs). Com isso, as tomadas de decisões para diminuir a velocidade de transmissão foram baseadas nas recomendações da OMS, onde a principal é o isolamento social. Entretanto, devido a heterogeneidade da população em cada uma das UFs, a pandemia se difundiu de forma distinta. Deste modo, é interessante fazer o agrupamento das UFs por similaridade devido algumas características, e assim, observar as medidas de combate a COVID-19 realizadas em cada um desses grupos. O objetivo deste estudo foi agrupar as UFs usando análise de cluster pelo método não-hierárquico k-means considerando os coeficientes epidemiológicos como incidência, prevalência e letalidade. Os dados foram obtidos do site do Ministério da Saúde do Brasil e foi constituído pelas variáveis número de casos e óbitos novos e acumulados nas UFs, além da população em risco. Para análise de cluster a base de dados foi dividida em três períodos cronológicos para os três coeficientes em estudo. Com a análise de cluster foi possível verificar a estratificação da UFs conforme suas similaridades em relação a COVID-19. Assim, a estratificação da incidência, prevalência e letalidade por UFs pode se apresentar como um recurso adicional para sinalizar quais locais e quais medidas deverão ser adotadas e onde essas medidas foram eficazes
Palavras-chave: Clusters; COVID-19; Coronavírus in Brazil; SARS-CoV-2.
Publicado em: RESEARCH, SOCIETY AND DEVELOPMENT (2020)
Artigo completo: https://doi.org/10.33448/rsd-v9i10.9059
O vírus e a desigualdade socioeconômica: um modelo baseado em agentes para simular e avaliar o impacto de intervenções para reduzir a disseminação do COVID-19 no Rio de Janeiro, Brasil
Por: Vinícius Prata Klôh; Gabrieli Dutra Silva; Mariza Ferro; Eric Araújo; Cristiano Barros de Melo; José Roberto Pinho de Andrade Lima
Autor contato: Eric Araújo (eric@ufla.br)
Resumo
O surgimento do COVID-19 na China, em dezembro de 2019, levou a uma epidemia local
que se espalhou rapidamente para vários países do mundo, incluindo o Brasil. Atualmente,
há uma busca acelerada para entender a dinâmica da disseminação da doença e avaliar a
eficácia das medidas de intervenção. Dadas essas condições socioeconômicas especiais em
torno do Brasil, o uso dos modelos preditivos desenvolvidos para outros países pode fazer
uma imagem muito incompleta da epidemia, uma vez que essas diferenças podem resultar
em padrões diferentes em contextos de baixa renda. O objetivo deste trabalho é simular
intervenções e entender o impacto para reduzir a disseminação do COVID-19,
considerando as condições socioeconômicas do Brasil. Com esse objetivo, usamos um
modelo baseado em agentes (ABM), uma subárea da Inteligência Artificial, pois permite
tratar cada indivíduo de maneira personalizada, bem como o ambiente do qual eles fazem
parte. As simulações têm populações heterogêneas, considerando diferentes faixas etárias,
diferenças socioeconômicas e número de membros por família, contatos e movimentos
intra e inter subpopulações (favelas e não-favelas), número de unidades de terapia intensiva (UTI) e estudam diferentes cenários mostrar como as intervenções podem influenciar a
propagação do vírus na população de ambientes simulados.
Palavras-chave: COVID19, SARS-CoV-2, modelagem baseada em agente, favelas, favelas, simulação, inteligência artificial
Publicado em: Brazilian Journal of health Review (2020)
Artigo completo: https://doi.org/10.34119/bjhrv3n2-192
Panorama da fase inicial do crescimento dos números de casos e óbitos causados pela COVID-19 no Brasil
Por: Felipe Augusto Fernandes; Henrique José de Paula Alves; Tales Jesus Fernandes; Joel Augusto Muniz
Autor contato: Felipe Augusto Fernandes
Resumo
Um surto contínuo de pneumonia associado a um novo corona vírus (COVID-19) foi relatado na cidade de Wuhan na China e rapidamente se espalhou para muitos países, inclusive o Brasil. Como se trata de uma doença muito contagiosa e de rápido agravamento do quadro clínico do paciente, entender como se deu o desenvolvimento dos casos e óbitos nos primeiros dias pode ajudar no planejamento de medidas governamentais, até mesmo para possíveis pandemias futuras. Com isso, o objetivo deste trabalho é apresentar como se deu o crescimento do número de infectados nos primeiros sessenta dias e de mortes confirmadas nos quarenta dias iniciais a partir do primeiro registro, causada pela COVID-19 no Brasil. Foram ajustados modelos de regressão não lineares, com dados foram retirados do Painel Coronavírus do Ministério da Saúde, para modelar estatisticamente como se comportam os dados no período supracitado, e apresentados os mapas que descrevem como se deu a evolução da COVID-19 nos estados brasileiros, até o fim do mês de abril do ano de 2020. Os resultados mostraram que os modelos utilizados (Gompertz e Logístico) foram adequados para explicar o desenvolvimento do número de casos e óbitos da doença em sua fase inicial, sendo que neste período estudado a epidemia ainda não havia alcançado o pico, momento em que tem maior número de casos e óbitos, sendo possível estimar ainda a taxa de crescimento. O mapa mostrou-se adequado para verificar como se deu o crescimento dos casos e mortes nos estados com relação ao período em estudo.
Palavras-chave: COVID-19, Growth curve, Coronavirus in Brazil, Modeling
Publicado em: RESEARCH, SOCIETY AND DEVELOPMENT (2020)
Artigo completo: https://doi.org/10.33448/rsd-v9i10.8560
Disconnecting for the good: A network-oriented model for social contagion of opinions and social network interventions to increase adherence to social distancing
Por: Eric Araújo; Mariza Ferro; Gabrieli Silva
Autor contato: Eric Araújo (eric@ufla.br)
Resumo
The pandemic of the new COVID-19 has raised many questions to a very connected society as to how to best respond to such a challenge at this current time. The best response so far is to call people for following the instructions from the World Health Organisation (WHO) as a way of reducing the spread of the virus and thus relieving the health system, striving to avoid a collapse. This work studies the spread of positive opinion on adhering to social distancing based on network topology and metrics using a network-oriented model for social contagion. It is shown that interventions based on social network measurements can be used to boost the spread of positive opinion about adhering to these measures. It is also shown that our model accounts for the relevance the health authorities have on encouraging people to partake in social distancing voluntarily.
Publicado em: ANAIS DO BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING (BRASNAM) (2020)
Artigo completo: https://doi.org/10.5753/brasnam.2020.11170