Ciência de Dados Aplicada à COVID-19: Os Dados Implícitos em Meio à Pandemia
Resumo
A Sars-CoV-2 alterou drasticamente o padrão de vida da população global e, com grande destaque, a brasileira. Em um país de grandes dimensões como este, também é notória suas desigualdades socioeconômicas. Nesse contexto, cada Unidade Federativa combate os impactos da doença e reage a ela de maneira singular. Assim, para compreender os impactos e disseminação da COVID-19, a análise de dados estatísticos baseada em Ciência de Dados é de grande valia no cenário atual e futuro. Resultados experimentais iniciais apontam que a pandemia e seus efeitos possuem relação próxima com as realidades discrepantes presentes nos Estados brasileiros. íIndices sociais, econômicos e educacionais podem auxiliar na elucidação de pontos relativos a essa questão.Referências
Ans inclui teste sorológico para covid-19 no rol de coberturas obrigatórias. http://www.ans.gov.br/aans/noticias-ans/coronavirus-covid-19/coronavirus-todas-as-noticias/5648-ans-inclui-teste-sorologico-para-covid-19-no-rol-de-coberturas-obrigatorias. Accessed: 2020-08-10.
Grid5000, 2020. https://www.grid5000.fr/w/Grid5000:Home. Accessed: 2020-08-10.
Sistema de computação petaópica do sinapad, 2020. https://sdumont.lncc.br/. Accessed: 2020-08-10.
do Amaral Schenkel, M. (2020). Por que as desigualdades no brasil são ainda mais visíveis no cenário de enfrentamento ao covid-19? Instituto de Filosoa e Ciências Humanas (IFCH) — UFRGS.
do Nascimento, M. G., Iorio, G., Thomé, T. G., Medeiros, A. A., Mendonça, F. M., Campos, F. A., David, J. M., Ströele, V., and Dantas, M. A. (2020). Covid-19: A digital transformation approach to a public primary healthcare environment. Technical report, EasyChair.
Han, J., Kamber, M., and Pei, J. (2011). Data mining concepts and techni- ques third edition. The Morgan Kaufmann Series in Data Management Systems, pages 83–124.
Hassanin, A. (2020). Coronavirus origins: genome analysis suggests two viruses may have combined. In World Economic Forum.
Koyama, T., Platt, D., and Parida, L. (2020). Variant analysis of sars- cov-2 genomes. Bulletin of the World Health Organization, 98(7):495.
Lam, T. T.-Y., Jia, N., Zhang, Y.-W., Shum, M. H.-H., Jiang, J.-F., Zhu, H.-C., Tong, Y.-G., Shi, Y.-X., Ni, X.-B., Liao, Y.-S., et al. (2020). Identifying sars- cov-2-related coronaviruses in malayan pangolins. Nature, pages 1–4.
Latif, S., Usman, M., Manzoor, S., Iqbal, W., Qadir, J., Tyson, G., Castro, I., Razi, A., Boulos, M. N. K., Weller, A., et al. (2020). Leveraging data science to combat covid-19: A comprehensive review.
Patel, J., Nielsen, F., Badiani, A., Assi, S., Unadkat, V., Patel, B., Ra- vindrane, R., and Wardle, H. (2020). Poverty, inequality and covid-19: the forgotten vulnerable. Public health, 183:110.
Ray, D., Salvatore, M., Bhattacharyya, R., Wang, L., Du, J., Mohammed, S., Purkayastha, S., Halder, A., Rix, A., Barker, D., et al. (2020). Predictions, role of in- terventions and effects of a historic national lockdown in india's response to the covid- 19 pandemic: data science call to arms. Harvard data science review, 2020(Suppl 1).
San Lau, L., Samari, G., Moresky, R. T., Casey, S. E., Kachur, S. P., Roberts, L. F., and Zard, M. (2020). Covid-19 in humanitarian settings and lessons learned from past epidemics. Nature Medicine, 26(5):647–648.
Tuite, A. R., Fisman, D. N., and Greer, A. L. (2020). Mathematical mo- delling of covid-19 transmission and mitigation strategies in the population of ontario, canada. CMAJ, 192(19):E497–E505.
Wu, F., Zhao, S., Yu, B., Chen, Y.-M., Wang, W., Song, Z.-G., Hu, Y., Tao, Z.-W., Tian, J.-H., Pei, Y.-Y., et al. (2020). A new coronavirus associated with human respiratory disease in china. Nature, 579(7798):265–269.
Zhou, P., Yang, X.-L., Wang, X.-G., Hu, B., Zhang, L., Zhang, W., Si, H.-R., Zhu, Y., Li, B., Huang, C.-L., et al. (2020). A pneumonia outbreak associated with a new coronavirus of probable bat origin. nature, 579(7798):270–273.
Grid5000, 2020. https://www.grid5000.fr/w/Grid5000:Home. Accessed: 2020-08-10.
Sistema de computação petaópica do sinapad, 2020. https://sdumont.lncc.br/. Accessed: 2020-08-10.
do Amaral Schenkel, M. (2020). Por que as desigualdades no brasil são ainda mais visíveis no cenário de enfrentamento ao covid-19? Instituto de Filosoa e Ciências Humanas (IFCH) — UFRGS.
do Nascimento, M. G., Iorio, G., Thomé, T. G., Medeiros, A. A., Mendonça, F. M., Campos, F. A., David, J. M., Ströele, V., and Dantas, M. A. (2020). Covid-19: A digital transformation approach to a public primary healthcare environment. Technical report, EasyChair.
Han, J., Kamber, M., and Pei, J. (2011). Data mining concepts and techni- ques third edition. The Morgan Kaufmann Series in Data Management Systems, pages 83–124.
Hassanin, A. (2020). Coronavirus origins: genome analysis suggests two viruses may have combined. In World Economic Forum.
Koyama, T., Platt, D., and Parida, L. (2020). Variant analysis of sars- cov-2 genomes. Bulletin of the World Health Organization, 98(7):495.
Lam, T. T.-Y., Jia, N., Zhang, Y.-W., Shum, M. H.-H., Jiang, J.-F., Zhu, H.-C., Tong, Y.-G., Shi, Y.-X., Ni, X.-B., Liao, Y.-S., et al. (2020). Identifying sars- cov-2-related coronaviruses in malayan pangolins. Nature, pages 1–4.
Latif, S., Usman, M., Manzoor, S., Iqbal, W., Qadir, J., Tyson, G., Castro, I., Razi, A., Boulos, M. N. K., Weller, A., et al. (2020). Leveraging data science to combat covid-19: A comprehensive review.
Patel, J., Nielsen, F., Badiani, A., Assi, S., Unadkat, V., Patel, B., Ra- vindrane, R., and Wardle, H. (2020). Poverty, inequality and covid-19: the forgotten vulnerable. Public health, 183:110.
Ray, D., Salvatore, M., Bhattacharyya, R., Wang, L., Du, J., Mohammed, S., Purkayastha, S., Halder, A., Rix, A., Barker, D., et al. (2020). Predictions, role of in- terventions and effects of a historic national lockdown in india's response to the covid- 19 pandemic: data science call to arms. Harvard data science review, 2020(Suppl 1).
San Lau, L., Samari, G., Moresky, R. T., Casey, S. E., Kachur, S. P., Roberts, L. F., and Zard, M. (2020). Covid-19 in humanitarian settings and lessons learned from past epidemics. Nature Medicine, 26(5):647–648.
Tuite, A. R., Fisman, D. N., and Greer, A. L. (2020). Mathematical mo- delling of covid-19 transmission and mitigation strategies in the population of ontario, canada. CMAJ, 192(19):E497–E505.
Wu, F., Zhao, S., Yu, B., Chen, Y.-M., Wang, W., Song, Z.-G., Hu, Y., Tao, Z.-W., Tian, J.-H., Pei, Y.-Y., et al. (2020). A new coronavirus associated with human respiratory disease in china. Nature, 579(7798):265–269.
Zhou, P., Yang, X.-L., Wang, X.-G., Hu, B., Zhang, L., Zhang, W., Si, H.-R., Zhu, Y., Li, B., Huang, C.-L., et al. (2020). A pneumonia outbreak associated with a new coronavirus of probable bat origin. nature, 579(7798):270–273.
Publicado
21/10/2020
Como Citar
SILVA, Gabriel; STRÖELE, Victor; DANTAS, Mário; MENDONÇA, Fabrício.
Ciência de Dados Aplicada à COVID-19: Os Dados Implícitos em Meio à Pandemia. In: WORKSHOP DE INICIAÇÃO CIENTÍFICA - SIMPÓSIO EM SISTEMAS COMPUTACIONAIS DE ALTO DESEMPENHO (SSCAD), 21. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 78-85.
DOI: https://doi.org/10.5753/wscad_estendido.2020.14092.
