Bacharelado em Sistemas de Informação - DCET1

URI Permanente para esta coleção

https://saberaberto.uneb.br/handle/20.500.11896/1243

Navegar

Navegando Bacharelado em Sistemas de Informação - DCET1 por Orientador "Restovic, Maria Inés Valderrama"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Uma abordagem de clusterização em casos confirmados do vírus zika relacionados a variáveis climáticas e geográficas
    (UNEB, 2021-07-12) Maurício , Adriano Da Silva; Restovic, Maria Inés Valderrama; Chaves, Débora Alcina Rego; Suárez, Diego Gervasio Frías
    A escassez de estudos que buscam relacionar os genótipos do vírus Zika e seu comportamento ao decorrer dos anos, tem sempre gerado uma aflição quanto ao surgimento de novos surtos epidêmicos. Pouca atenção tem sido dada aos efeitos das mudanças climáticas sobre os arbovírus, o que provavelmente é preocupante, pois alguns investigadores prevêem consequências graves devido aos aumentos projetados de doenças transmitidas por vetores, relacionados a mudança climática global. Este trabalho utiliza conceitos de Data Science sobre casos confirmados de Zika vírus presente no banco de dados epidemiológico molecular Arthropod Borne Virus Database (ABVdb), com a finalidade de extrair insights pertinentes a distribuição dos casos registrados. Através de uma metodologia quantitativa, foi feita a análise dos casos de humanos infectados pelo vírus Zika e seu respectivo genótipo e sintoma associado, juntamente com fatores climáticos e geográficos. Para atingir a expectativa da análise, foi utilizado a técnica de agrupamento Kprototype proposto por Huang (1997), devido a sua versatilidade de lidar com dados númericos e categóricos presentes nas bases de dados de análise do trabalho. As métricas avaliativas F1-score e Rand Index foram utilizadas para avaliar a consistência dos agrupamentos encontrados. Os resultados obtidos das análises dos casos confirmados supostamente apontaram uma tendência das variáveis climáticas e geográficas na incidência dos casos confirmados, indicando também a necessidade de sintetizar os dados categóricos para melhores avaliações.