Análise Exploratória da Malária na Amazônia Brasileira por Meio da Plataforma de Ciência de Dados aplicada à Saúde

• Lais Ribeiro Baroni
• Balthazar Paixão
• Alvaro Chrispino
• Gustavo Guedes
• Christovam Barcellos
• Marcel Pedroso
• Eduardo Ogasawara

DOI: https://doi.org/10.5753/bresci.2019.10025

Resumo

A malária é uma doença infecciosa que atinge principalmente a Amazônia Legal. O Departamento de Informática do Sistema Único de Saúde (DATASUS) hospeda e disponibiliza o Sistema de Informações de Vigilância Epidemiológica da Malária. Acompanhá-lo e integrar seus dados com fontes adicionais, bem como realizar a preparação dos dados é de vital importância para se compreender os fenômenos por trás das ocorrências e dos atendimentos médicos por meio das notificações realizadas no sistema. Para tanto, neste trabalho fazemos uso da Plataforma de Ciência de Dados aplicada à Saúde (PCDaS) como ferramenta para viabilizar a análise da evolução da malária na Amazônia Legal. A partir do seu uso, levantamos perguntas de pesquisas que podem ajudar na compreensão e no combate da malária no Brasil.

 

Referências

Confalonieri, U., Margonari, C., and Quintão, A. (2014). Environmental change and the dynamics of parasitic diseases in the Amazon. Acta Tropica, 129(1):33–41.

Diallo, A., Sié, A., Sirima, S., Sylla, K., Ndiaye, M., Bountogo, M., Ouedraogo, E., Tine, R., Ndiaye, A., Coulibaly, B., and others (2017). An epidemiological study to assess Plasmodium falciparum parasite prevalence and malaria control measures in Burkina Faso and Senegal. Malaria journal, 16(1):63.

Griffing, S. M., Tauil, P. L., Udhayakumar, V., and Silva-Flannery, L. (2015). A historical perspective on malaria control in Brazil. Memórias do Instituto Oswaldo Cruz, 110(6):701–718.

Guerin, P. J., Olliaro, P., Nosten, F., Druilhe, P., Laxminarayan, R., Binka, F., Kilama,W. L., Ford, N., and White, N. J. (2002). Malaria: current status of control, diagnosis, treatment, and a proposed agenda for research and development. The Lancet infectious diseases, 2(9):564–573.

Han, J., Kamber, M., and Pei, J. (2011). Data Mining: Concepts and Techniques. Morgan Kaufmann, Haryana, India; Burlington, MA, 3 edition.

Johansson, E., Selling, K., Nsona, H., Mappin, B., Gething, P., Petzold, M., Peterson, S., and Hildenwall, H. (2016). Integrated paediatric fever management and antibiotic over-treatment in Malawi health facilities: Data mining a national facility census. Malaria Journal, 15(1).

Labbo, R., Fandeur, T., Jeanne, I., Czeher, C., Williams, E., Arzika, I., Soumana, A., Lazoumar, R., and Duchemin, J.-B. (2016). Ecology of urban malaria vectors in Niamey, Republic of Niger. Malaria journal, 15(1):314.

Loucoubar, C., Paul, R., Bar-Hen, A., Huret, A., Tall, A., Sokhna, C., Trape, J.-F., Ly, A., Faye, J., Badiane, A., Diakhaby, G., Sarr, F., Diop, A., Sakuntabhai, A., and Bureau, J.-F. (2011). An exhaustive, non-euclidean, non-parametric data mining tool for Unraveling the complexity of biological systems - novel insights into malaria. PLoS ONE, 6(9).

Recht, J., Siqueira, A. M., Monteiro, W. M., Herrera, S. M., Herrera, S., and Lacerda, M. V. (2017). Malaria in Brazil, Colombia, Peru and Venezuela: current challenges in malaria control and elimination. Malaria journal, 16(1):273.

Sahle, G. and Meshesha, M. (2014). Uncovering knowledge that supports malaria prevention and control intervention program in ethiopia. Electronic Journal of Health Informatics, 8(1).

Sweeney, A., Beebe, N., and Cooper, R. (2007). Analysis of environmental factors influencing the range of anopheline mosquitoes in northern Australia using a genetic algorithm and data mining methods. Ecological Modelling, 203(3-4):375–386.

WHO (2018). World malaria report 2018. World Health Organization.

Wiefels, A., Wolfarth-Couto, B., Filizola, N., Durieux, L., and Mangeas, M. (2016). Accuracy of the malaria epidemiological surveillance system data in the state of Amazonas. Acta Amazonica, 46(4):383–390.