Busca avançada
Ano de início
Entree

Modelagem de doenças transmitidas por vetores

Processo: 19/26595-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de agosto de 2020
Vigência (Término): 31 de dezembro de 2022
Área do conhecimento:Ciências Exatas e da Terra - Física - Física Geral
Pesquisador responsável:Francisco Aparecido Rodrigues
Beneficiário:Kirstin Roster
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Aprendizado computacional   Epidemiologia

Resumo

Modelos de doenças transmitidas por vetores são tradicionalmente baseados em conhecimento detalhado do patógeno, hospedeiro, vetor e processo de transmissão. Modelos compartimentais amplamente usados, por exemplo, contêm várias equações diferenciais e parâmetros para cada espécie de vetor e hospedeiro. Abordagens alternativas usam métodos de big data e aprendizado de máquina para prever a incidência de doenças, mas fornecem poucas informações sobre as causas que precisam ser abordadas para prevenir e controlar epidemias. Onde os fatores causadores de doenças foram identificados, a literatura está focada nas correlações de pequenos conjuntos de variáveis com a incidência da doença. Embora os pontos de dados correlacionados possam ajudar a prever doenças, eles não são confiáveis em um ambiente em mudança, como é produzido, por exemplo, pelas mudanças climáticas e pelo desenvolvimento tecnológico. Este projeto tem como objetivo examinar os fatores causais de doenças transmitidas por vetores no Brasil. Compilaremos dados sobre fatores conhecidos, tais como dados climáticos e socioeconômicos, e analisaremos suas relações causais com a incidência de doenças em municípios e estados, utilizando abordagens de redes complexas. Com esses resultados, construiremos um modelo de aprendizado de máquina para previsão de epidemias.Este estudo visa aumentar a compreensão dos fatores causadores de doenças, o que ajudará a ajustar melhor os modelos existentes, selecionar fontes de dados relevantes para previsões mais precisas e aprimorar decisões de saúde pública. (AU)