Associação entre variáveis socioeconômicas e a ocorrência de dengue no estado de Goiás: uma análise a partir de algoritmos de machine learning
| dc.creator | Gioia, Thamy Barbara | |
| dc.creator | Barros, Juliana Ramalho | |
| dc.date.accessioned | 2024-07-24T16:47:53Z | |
| dc.date.available | 2024-07-24T16:47:53Z | |
| dc.date.issued | 2022-02 | |
| dc.description.abstract | Dengue is considered one of the diseases with the most significant rates in Brazil. The increasing rates directly affect public health services, so that evaluating the environmental and social conditions in areas with high rates of the disease can assist in the development of diagnoses and health actions. In this sense, the objective of this study was to identify the most important socioeconomic variables for the prediction of dengue prevalence rates in municipalities of the state of Goiás. The evaluation was performed based on 38 socioeconomic variables obtained from the database of Instituto Brasileiro de Geografia e Estatística-IBGE, Fundação João Pinheiro-FJP and from the calculation of dengue prevalence rates based on data available in Sistema de Informação de Agravos de Notificação-SINAN for the periods 2001-2009 and 2010-2018. Modeling was performed from the evaluation of three machine learning algorithms: Random Forest, XGBoost and KNN. The results indicated that the most important variables showed an inverse relationship to the conditions of low income, illiteracy and deficiency in basic sanitation services. | |
| dc.description.resumo | A dengue é considerada uma das doenças com índices mais expressivos no Brasil. O crescente aumento nas taxas observadas afeta diretamente os serviços públicos de saúde de forma que avaliar as condições ambientais e sociais em áreas com altos índices da doença pode auxiliar na elaboração de diagnósticos e ações em saúde. Nesse sentido, o objetivo deste trabalho foi identificar variáveis socioeconômicas mais importantes para a predição das taxas de prevalência de dengue nos municípios do estado de Goiás. A avaliação foi realizada com base em 38 variáveis socioeconômicas obtidas no banco de dados do Instituto Brasileiro de Geografia e Estatística-IBGE, da Fundação João Pinheiro-FJP e a partir do cálculo das taxas de prevalência de dengue baseado nos dados disponíveis no Sistema de Informação de Agravos de Notificação-SINAN para os períodos de 2001-2009 e 2010-2018. A modelagem foi realizada a partir da avaliação de três algoritmos de machine learning: Random Forest, XGBoost e KNN. Os resultados indicaram que as variáveis mais importantes apresentaram relação inversa às condições de baixa renda, analfabetismo e deficiência em serviços de saneamento básico. | |
| dc.identifier.citation | GIOIA, Thamy Barbara; BARROS, Juliana Ramalho. Associação entre variáveis socioeconômicas e a ocorrência de dengue no estado de Goiás: uma análise a partir de algoritmos de machine learning. Hygeia, Uberlândia, p. 98–109, 2022. Edição especial: XGeoSaude. DOI: 10.14393/Hygeia64263. Disponível em: https://seer.ufu.br/index.php/hygeia/article/view/64263. Acesso em: 17 jul. 2024. | |
| dc.identifier.doi | 10.14393/Hygeia64263 | |
| dc.identifier.issn | e- 1980-1726 | |
| dc.identifier.uri | http://repositorio.bc.ufg.br//handle/ri/25005 | |
| dc.language.iso | por | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Instituto de Estudos Socioambientais - IESA (RMG) | |
| dc.rights | Acesso Aberto | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Determinantes sociais | |
| dc.subject | Random forest | |
| dc.subject | XGBoost | |
| dc.subject | KNN | |
| dc.subject | Social determinants | |
| dc.title | Associação entre variáveis socioeconômicas e a ocorrência de dengue no estado de Goiás: uma análise a partir de algoritmos de machine learning | |
| dc.title.alternative | Association between socioeconomic variables and the occurrence of dengue in the state of Goiás: an analysis based on machine learning algorithms | |
| dc.type | Artigo |