Supporting public health policy decisions through live birth predictions for health regions of Goiás with machine learning
dc.contributor.advisor1 | Galvão Filho, Arlindo Rodrigues | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7744765287200890 | pt_BR |
dc.contributor.referee1 | Galvão Filho, Arlindo Rodrigues | |
dc.contributor.referee2 | Coelho, Clarimar José | |
dc.contributor.referee3 | Soares, Anderson da Silva | |
dc.creator | Vitória, Arthur Ricardo de Sousa | |
dc.creator.Lattes | http://lattes.cnpq.br/9864430320062298 | pt_BR |
dc.date.accessioned | 2023-05-26T11:31:22Z | |
dc.date.available | 2023-05-26T11:31:22Z | |
dc.date.issued | 2023-04-11 | |
dc.description.abstract | The 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.provenance | Submitted 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.provenance | Approved 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.provenance | Made 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: 2023-04-11 | en |
dc.description.resumo | Modelos 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.sponsorship | Fundação de Apoio à Pesquisa | pt_BR |
dc.identifier.citation | VITÓRIA, 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.uri | http://repositorio.bc.ufg.br/tede/handle/tede/12860 | |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Instituto de Informática - INF (RMG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Ciência da Computação (INF) | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Aprendizado de máquina | por |
dc.subject | Predição de nascidos vivos | por |
dc.subject | Séries temporais univariadas | por |
dc.subject | Séries temporais multivariadas | por |
dc.subject | Machine learning | eng |
dc.subject | Live births prediction | eng |
dc.subject | Univariate time series | eng |
dc.subject | Multivariate Time Series | eng |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | pt_BR |
dc.title | Supporting public health policy decisions through live birth predictions for health regions of Goiás with machine learning | pt_BR |
dc.title.alternative | Apoio às decisões sobre políticas de saúde pública através de previsões de nascimentos ao vivo para regiões de saúde de Goiás com aprendizado de máquina | por |
dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
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:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: