Algoritmos de Regressão Aplicados à Predição de Casos de Arboviroses no Cariri Paraibano

José G. da Silva Lima; Pedro L. G. Prata; José G. L. Filho; Roberto R. C. de Franca; Tiago B. Araújo

doi:10.5753/sbsi_estendido.2022.222294

José G. da Silva Lima Instituto Federal da Paraíba
Pedro L. G. Prata Instituto Federal da Paraíba
José G. L. Filho Instituto Federal da Paraíba
Roberto R. C. de Franca Instituto Federal da Paraíba
Tiago B. Araújo Instituto Federal da Paraíba

DOI: https://doi.org/10.5753/sbsi_estendido.2022.222294

Resumo

O presente estudo pretende colaborar com a compreensão da elevada incidência de arboviroses na Paraíba, investigando a região do cariri, utilizando-se de técnicas de Inteligência Artificial (IA) para o amplo entendimento do problema. Também, coopera com o desenvolvimento nacional na área de Ciência e Tecnologia, na busca de técnicas computacionais que possam auxiliar na construção e validação de ações para o combate das arboviroses transmitas pelo Aedes aegypti. Foram utilizados dois algoritmos de aprendizagem de máquina para comparação de resultados: Random Forest Regression e Regressão Linear. A partir dos resultados obtidos, é possível evidenciar que os algoritmos apresentaram resultados similares, sendo, portanto, alternativas promissoras para a predição de casos de arboviroses.

Palavras-chave: Algoritmos de Regressão, Inteligência Artificial, Arboviroses

Referências

ARAUJO, S. (2019). Dengue e seus avanços. Rev. bras. anal. clin, p. 196-201.

BRASIL, Ministério da Saúde. Boletim Epidemiológico 38. Brasília, set. 2020. Disponível em: [link]. Acesso em: 02 março de 2021.

CARDOSO, B. F. et al. Detection of Oropouche virus segment S in patients andin Culex quinquefasciatus in the state of Mato Grosso, Brazil. Mem Inst. Oswaldo Cruz, [S.L], v. 110, n. 6, p. 745-54, 2015.

Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute error (Arguments against avoiding RMSE in the literature. Geoscientific model development 7 (3), 1247-1250.

Dunteman, G. H. (1989). Principal components analysis .

MORRISON, A. et al. (2004) Evaluation of a Sampling Methodology for Rapid Assessment of Aedes aegypti Infestation Levels in Iquitos, Peru. Journal of Medical Entomology, Peru, v. 41, n. 3, p. 502 510.

SEBER, George AF; LEE, Alan J. (2012). Linear regression analysis. John Wiley & Sons.

Segal, M. R. (2004). Machine learning benchmarks and random forest regression.

WHO, World Health Organization. Dengue hemorrhagic fever: diagnosis, treatment, prevention and control. Geneva, 1997. Disponível em: http://www.who.int/sorry/en/. Acessado em: 03 mar. 2021.

PINHEIRO, T. F., ALVES, J. B., SILVA, Y. R. N. (2020). O impacto financeiro das arboviroses oriundas do Aedes Aegypti no Brasil: uma projeção para 2019. Brazilian Journal of Development, Curitiba, v. 6, n. 5, p. 30757-30767.