Supporting public health policy decisions through live birth predictions for health regions of Goiás with machine learning

Página do item simplificado
dc.contributor.advisor1Galvão Filho, Arlindo Rodrigues
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7744765287200890pt_BR
dc.contributor.referee1Galvão Filho, Arlindo Rodrigues
dc.contributor.referee2Coelho, Clarimar José
dc.contributor.referee3Soares, Anderson da Silva
dc.creatorVitória, Arthur Ricardo de Sousa
dc.creator.Latteshttp://lattes.cnpq.br/9864430320062298pt_BR
dc.date.accessioned2023-05-26T11:31:22Z
dc.date.available2023-05-26T11:31:22Z
dc.date.issued2023-04-11
dc.description.abstractThe use of forecasting models is becoming even more common in healthcare and administration applications because they can be reliable decision support tools. The live birth rate is a health index that is directly linked with maternal and newborn health, and its prediction can assist health managers to anticipate resources destined for obstetric and pediatric services. Thus, the objective of this work is to forecast the number of live births in the state of Goiás (Brazil) for a 24-month horizon, providing useful information to support the planning and implementation of public policies. This study investigates two distinct approaches: univariate and multivariate, allowing a better understanding and management of the Brazilian territorial hierarchy. Both approaches are evaluated with data provided by the information system on live births of the information department of the single health system (SINASC-DATASUS). The dataset is composed of 252 monthly records of the number of live births for the 18 health regions of Goiás. The results were measured in prediction ability by Mean Absolute Percentual Error (MAPE) and Mean Absolute Error (MAE). For the univariate approach using a LMU, the average MAPE and MAE achieved were 6.4614 and 19.9136, respectively. The multivariate approach was combined with the K-means method for clustering similar time series using a dynamic time warping measure, generating an average result of 5.5985 and 18.1360 for MAPE and MAE, respectively.eng
dc.description.provenanceSubmitted by Dayane Basílio (dayanebasilio@ufg.br) on 2023-05-25T15:35:20Z No. of bitstreams: 2 Dissertação - Arthur Ricardo de Sousa Vitória - 2023.pdf: 3552013 bytes, checksum: a151efc6d2c2321a9a1043e674898da9 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2023-05-26T11:31:22Z (GMT) No. of bitstreams: 2 Dissertação - Arthur Ricardo de Sousa Vitória - 2023.pdf: 3552013 bytes, checksum: a151efc6d2c2321a9a1043e674898da9 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2023-05-26T11:31:22Z (GMT). No. of bitstreams: 2 Dissertação - Arthur Ricardo de Sousa Vitória - 2023.pdf: 3552013 bytes, checksum: a151efc6d2c2321a9a1043e674898da9 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2023-04-11en
dc.description.resumoModelos de previsão de séries temporais estão se tornando cada vez mais comuns em aplicações de saúde e administração, pois podem ser ferramentas confiáveis de apoio à decisão. A taxa de nascidos vivos é um índice de saúde diretamente ligado à saúde materna e neonatal, e sua previsão pode ajudar gestores de saúde a antecipar recursos para serviços obstétricos e pediátricos. Assim, o objetivo deste trabalho é prever o número de nascidos vivos no estado de Goiás (Brasil) para um horizonte de 24 meses, fornecendo informações úteis para apoiar o planejamento e a implementação de políticas públicas. Este estudo investiga duas abordagens distintas: univariada e multivariada, permitindo uma melhor compreensão e gestão da hierarquia territorial brasileira. Ambas as abordagens são avaliadas com dados fornecidos pelo Sistema de Informação sobre Nascidos Vivos do Departamento de Informação do Sistema Único de Saúde (SINASCDATASUS). O conjunto de dados é composto por 252 registros mensais do número de nascidos vivos para as 18 regiões de saúde de Goiás. Os resultados foram mensurados pela capacidade de previsão pelo Erro Percentual Médio Absoluto (Mean Average Percentual Error, MAPE) e Erro Médio Absoluto (Mean Absolute Error, MAE). Para a abordagem univariada utilizando a LMU, a média de MAPE e MAE alcançada foi de 6,4614 e 19,9136, respectivamente. A abordagem multivariada foi combinada com o método Kmeans para agrupar séries temporais similares usando o empenamento dinâmico do tempo (dynamic time warping) como medida de similaridade, gerando um resultado médio de 5,5985 e 18,1360 para MAPE e MAE, respectivamente.pt_BR
dc.description.sponsorshipFundação de Apoio à Pesquisapt_BR
dc.identifier.citationVITÓRIA, A. R. S. Supporting public health policy decisions through live birth predictions for health regions of Goiás with machine learning. 2023.45 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2023.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/12860
dc.languageengpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RMG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectAprendizado de máquinapor
dc.subjectPredição de nascidos vivospor
dc.subjectSéries temporais univariadaspor
dc.subjectSéries temporais multivariadaspor
dc.subjectMachine learningeng
dc.subjectLive births predictioneng
dc.subjectUnivariate time serieseng
dc.subjectMultivariate Time Serieseng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titleSupporting public health policy decisions through live birth predictions for health regions of Goiás with machine learningpt_BR
dc.title.alternativeApoio às decisões sobre políticas de saúde pública através de previsões de nascimentos ao vivo para regiões de saúde de Goiás com aprendizado de máquinapor
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Arthur Ricardo de Sousa Vitória - 2023.pdf
Tamanho:
3.39 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)