dc.contributor.author | Santos, Felipe Alexandre | |
dc.date.accessioned | 2021-04-06T12:42:20Z | |
dc.date.available | 2021-04-06T12:42:20Z | |
dc.date.issued | 2021-02-12 | |
dc.identifier.citation | SANTOS, Felipe Alexandre. Um estudo aplicado no estado de São Paulo utilizando Redes Bayesianas na predição do controle no avanço de COVID-19. 2021. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14076. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/14076 | |
dc.description.abstract | Since december 2019, our planet has been suffering from an unexpected pandemic of coronavirus 2019 (COVID-19), due to severe respiratory sindrome caused by coronavius 2 (SARS-CoV-2). Since it trasmits by droplets from cough or sneeze and with physical contact with infected people resulted in aproximately 1 million of death all around the world.
Patients' clinical and epidemiological features of COVID-19 are being informed, and a diversity of systems are being developed to diagnose this virus to contain its advance. In this study, we propose and simulate a predictive model based on a Bayesian Network to model the classification used bay Sao Paulo state to contain the virus, which is based on the health system and epidemic advance. Furthermore, a Bayesian Network based on clinical and epidemiological data off COVID-19 was developed, thus to verify probabilities and correlations of death index given analyzed features. The models weredeveloped using existing data available by SEADE, Health Ministery and Plano SP, thus, being possible to infer befitting decisions made by Plano SP and it is added a flexibilization node to be used by a managing unit. Moreover, the second Bayesian Network was possible to observe a probabilistic relationship between risk factors and number of deaths in Sao Paulo state. | por |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Rede Bayesiana, COVID-19, SARS-CoV-2, Modelo Preditivo, MLE | por |
dc.title | Um estudo aplicado no estado de São Paulo utilizando Redes Bayesianas na predição do controle no avanço de COVID-19 | por |
dc.title.alternative | A study applied to Sao Paulo state using Bayesian Networks in predicting the control of COVID-19 uprise | por |
dc.type | TCC | por |
dc.contributor.advisor1 | Hernandes, André Carmona | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6806138514642732 | por |
dc.description.resumo | Desde dezembro de 2019, o planeta tem sofrido de uma inesperada pandemia da doença corona vírus 2019 (CoronaVirus Disease-19), causada por um severo dano respiratório síndrome corona vírus 2 (SARS-CoV-2). Devido ao seu modo de transmissão, contato com fluidos respiratórios por tosse ou espirro e contato físico com pessoas infectadas resultou em aproximadamente 1 milhão de mortes em todo o mundo. Características clínicas e epidemiológicas de pacientes com COVID-19 têm sido relatadas, e diversos sistemas estão sendo desenvolvidos para diagnosticar o vírus como uma maneira de conter tal avanço. Neste estudo, propomos e simulamos um modelo preditivo baseado em uma Rede Bayesiana para modelar a classificação usada pelo estado de São Paulo na contenção do vírus com base nos critérios do sistema de saúde e avanço da pandemia. Além disso, fez-se uma Rede Bayesiana com base nos relatos clínicos e epidemiológicos da COVID – 19, para verificar a probabilidade e correlações do índice de óbito dado um conjunto de fatores. O modelo foi desenvolvido levando em consideração os dados existentes do corona vírus disponibilizados pelo SEADE, Ministério da Saúde e Plano SP, foi possível obter uma inferência condizente com as decisões já feitas pelo Plano SP e possibilita uma flexibilização da inferência por parte de uma unidade gestora. Por fim a Rede Bayesiana para observação de óbitos a possibilitou uma ampla análise probabilística dos fatores de risco do vírus no estado de São Paulo. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/7056190080136428 | por |
dc.publisher.course | Engenharia Elétrica - EE | por |