Proposta de índice para avaliação de situação de vulnerabilidade social ao COVID-19
| dc.creator | Barros, Juliana Ramalho | |
| dc.creator | Gioia, Thamy Barbara | |
| dc.creator | Vasques, Hérika Silva | |
| dc.date.accessioned | 2024-07-24T17:11:09Z | |
| dc.date.available | 2024-07-24T17:11:09Z | |
| dc.date.issued | 2020-06 | |
| dc.description.abstract | The health-disease process encompasses factors beyond genetic and biological susceptibility, but also includes variables linked to socialand economic conditions that can lead to health vulnerability. The expanding situation of COVID-19 in Brazil has demonstrated how social inequalities affect this health-disease process; thus, evaluating such disparities can help the country confront thedisease. The objective of this article was to establish an index to assess the situation of social vulnerability to COVID-19. From the 12 selected variables, the modeling identified those the predicted the occurrence of COVID-19 in the State of Goiás andthe Federal District. For this, two machine learning algorithms were tested: Random Forest and XGBoost. The results indicated the most predictive variables were income status, the total hospitalizations for ailments classified as very vulnerable, and the percentage of the population working informally. Therefore, approximately 23% of the municipalities were classified with high to very high vulnerability. | |
| dc.description.resumo | O processo saúde-doença é permeado por fatores que vão além da susceptibilidade genética e biológica, mas também por variáveis ligadas às condições sociais e econômicas que podem ser expressas em situações de vulnerabilidade em saúde. O cenário de expansão da COVID-19 no Brasil tem demonstrado como as desigualdades sociais repercutem nesse processo saúde-doença, de modo que, avaliar tais disparidades pode oferecer suporte ao enfrentamento da doença no País. O objetivo do presente artigo foi estabelecer um índice para avaliação da situação de vulnerabilidade social à COVID-19. A partir da seleção de 12 variáveis, a modelagem consistiu na identificação das mais preditivas à ocorrência da COVID-19 no Estado de Goiás e no Distrito Federal. Para isso,foram testados dois algoritmos de machine learning: Random Forest e XGBoost. Os resultados indicaram como mais preditivas as variáveis: condições de renda, total de internações por doenças classificadas como mais vulneráveis e porcentagem da população em condições de trabalho informal.Diante disso, aproximadamente 23% dos municípios foram classificados em alta a muito alta vulnerabilidade. | |
| dc.identifier.citation | BARROS, Juliana Ramalho; GIOIA, Thamy Barbara; VASQUES, Hérika Silva. Proposta de índice para avaliação de situação de vulnerabilidade social ao COVID-19. Hygeia, Uberlândia, p. 361–369, 2020. Edição Especial: COVID-19. DOI: 10.14393/Hygeia0054537. Disponível em: https://seer.ufu.br/index.php/hygeia/article/view/54537. Acesso em: 17 jul. 2024. | |
| dc.identifier.doi | 10.14393/Hygeia0054537 | |
| dc.identifier.issn | e- 1980-1726 | |
| dc.identifier.uri | http://repositorio.bc.ufg.br//handle/ri/25008 | |
| 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 | Índice de vulnerabilidade social | |
| dc.subject | Algoritmos de machine learning | |
| dc.subject | COVID-19 | |
| dc.subject | Goiás | |
| dc.subject | Social vulnerability index | |
| dc.subject | Machine learning algorithms | |
| dc.title | Proposta de índice para avaliação de situação de vulnerabilidade social ao COVID-19 | |
| dc.title.alternative | Proposed index to assess situation of social vulnerability to COVID-19 | |
| dc.type | Artigo |