Publicação
Sistema inteligente de predição espaciotemporal para avaliação de risco no combate ao Sars-Cov-2 em Portugal continental
| Resumo: | A COVID-19 foi declarada pela OMS como doença pandémica a 12 de março de 2020. Atualmente a doença causada pelo SARS-CoV-2 continua a constituir um dos maiores problemas de saúde pública a nível mundial. Apesar de ter sido desenvolvida uma vacina, esta apenas diminui o risco de contágio, e não garante que o indivíduo vacinado não venha a contrair a doença. Este trabalho de investigação tem como principal objetivo auxiliar na tomada de decisão para combate ao SARS-CoV-2. Deste modo, é fundamental a aplicação de métodos que possibilitem um melhor conhecimento sobre os processos de difusão do vírus não só a nível espacial, como também a nível espaciotemporal. Neste sentido, procurou-se compreender a distribuição espacial da patologia COVID-19 em Portugal Continental a nível municipal e entender de que modo a mobilidade influencia os processos de difusão; identificar padrões espaciotemporais de propagação do vírus; analisar o risco através da determinação da probabilidade de densidade de casos de infetados por SARS-CoV-2 por setor de atividade; e determinar o possível comportamento futuro da incidência de casos. Assim, verificou-se que a maioria dos hotspots dos casos de infetados por SARS-CoV-2 ocorrem nos municípios das AMs (Áreas Metropolitanas). No entanto, após a aplicação de medidas de restrição à mobilidade estes ocorrem em municípios do interior. No que diz respeito à análise espaciotemporal, esta identificou a maioria dos municípios como oscillating hotspots, o que corrobora a ideia apresentada anteriormente. A função utilizada para definir a probabilidade de densidade de casos por setor de atividade apresentou um bom ajuste. O modelo preditivo apresentou um erro reduzido, e prevê que o número de casos continue a oscilar. |
|---|---|
| Autores principais: | David, Melissa |
| Outros Autores: | Betco, Iuria; Capinha, César; Rocha, Jorge |
| Assunto: | SARS-CoV-2 Análise espaciotemporal Mobilidade Predição |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | capítulo de livro |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | A COVID-19 foi declarada pela OMS como doença pandémica a 12 de março de 2020. Atualmente a doença causada pelo SARS-CoV-2 continua a constituir um dos maiores problemas de saúde pública a nível mundial. Apesar de ter sido desenvolvida uma vacina, esta apenas diminui o risco de contágio, e não garante que o indivíduo vacinado não venha a contrair a doença. Este trabalho de investigação tem como principal objetivo auxiliar na tomada de decisão para combate ao SARS-CoV-2. Deste modo, é fundamental a aplicação de métodos que possibilitem um melhor conhecimento sobre os processos de difusão do vírus não só a nível espacial, como também a nível espaciotemporal. Neste sentido, procurou-se compreender a distribuição espacial da patologia COVID-19 em Portugal Continental a nível municipal e entender de que modo a mobilidade influencia os processos de difusão; identificar padrões espaciotemporais de propagação do vírus; analisar o risco através da determinação da probabilidade de densidade de casos de infetados por SARS-CoV-2 por setor de atividade; e determinar o possível comportamento futuro da incidência de casos. Assim, verificou-se que a maioria dos hotspots dos casos de infetados por SARS-CoV-2 ocorrem nos municípios das AMs (Áreas Metropolitanas). No entanto, após a aplicação de medidas de restrição à mobilidade estes ocorrem em municípios do interior. No que diz respeito à análise espaciotemporal, esta identificou a maioria dos municípios como oscillating hotspots, o que corrobora a ideia apresentada anteriormente. A função utilizada para definir a probabilidade de densidade de casos por setor de atividade apresentou um bom ajuste. O modelo preditivo apresentou um erro reduzido, e prevê que o número de casos continue a oscilar. |
|---|