skip to main content
Idioma:

Alertas sanitários em cidades inteligentes: artefato para previsão de doenças com base em dados de redes sociais

Santos, Kleber Rodrigues Dos

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Economia, Administração e Contabilidade 2023-04-24

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Alertas sanitários em cidades inteligentes: artefato para previsão de doenças com base em dados de redes sociais
  • Autor: Santos, Kleber Rodrigues Dos
  • Orientador: Mantovani, Daielly Melina Nassif
  • Assuntos: Análise Textual; Redes Sociais; Pandemia; Modelo Preditivo; Inteligência Artificial; Geolocalização; Covid-19; Aprendizado De Máquina; Vigilância Sanitária; Cidades Inteligentes; Machine Learning; Health Surveillance; Pandemic; Predictive Model; Geolocation; Social Networks; Textual Analysis; Artificial Intelligence
  • Notas: Mestrado Profissionalizante
  • Descrição: Durante a elaboração desta dissertação, o mundo enfrentou a pandemia do COVID- 19. No Brasil, entre janeiro de 2020 e fevereiro de 2023, 697mil brasileiros morreram devido a COVID-19 e 36,9 milhões de casos foram registrados. Além disso, os impactos econômicos e sobre os sistemas produtivos levaram a uma crise de proporções globais, com aumentos de preços, redução dos níveis de emprego e escassez de matérias primas entre outros. Essa pandemia também deixou claro que a demanda por serviços de saúde pode se tornar imprevisível, o que fortalece a relevância de se construir modelos e métodos capazes de antecipar tendências. Dentre as diversas fontes de dados complementares, as redes sociais têm sido utilizadas por bilhões de pessoas como uma ferramenta de comunicação, gerando conteúdo sobre tópicos variados e permitindo o compartilhamento de informações. Com um bom levantamento de dados, as plataformas de redes sociais estão se tornando ferramentas essenciais. Compreender essas informações, opiniões, momento, local e sua disseminação pode fornecer recursos inestimáveis para também alimentar os sistemas de alerta precoce. Para explorar o potencial dos dados das redes sociais, este estudo realiza uma análise retrospectiva da pandemia de COVID-19 no Brasil e investiga mais de 10 milhões de tweets. Com a ajuda de técnicas de processamento de linguagem natural, aprendizado de máquina e modelagem de tópico, identifica o conteúdo textual de cada tweet refletindo assim o contexto dos posts sobre o momento da pandemia. Após analisar os posts, foram criados modelos de regressão temporal demonstrando ser possível criar alertas para o aumento de casos, combinado com informações oficiais de contagens de casos anteriores. São calibrados três modelos que foram capazes de estimar os casos semanais com 1 semana de antecedência com razoável precisão, sendo um modelo para a São Paulo, outro para Amazonas e um modelo para o Brasil. Essa abordagem tem as vantagens de rapidez, quantidade, informação temporal e espacial, além de boa previsibilidade para auxiliar no desdobramento de crises, podendo alimentar os atuais sistemas de acompanhamento ajudando as agências governamentais a melhorarem os alertas precoces em tempo hábil
  • DOI: 10.11606/D.12.2023.tde-15062023-152656
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Economia, Administração e Contabilidade
  • Data de criação/publicação: 2023-04-24
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.