Modelagem e simulação da transmissão de arboviroses baseados em agentes inteligentes para predição de casos de dengue, chikungunya e zika

Abstract

A prevenção e o controle das arboviroses têm sido um grande desafio de saúde pública para muitos países. No Brasil, especialmente a partir de 2015, a situação se agravou, uma vez que o vírus zika e o vírus chikungunya foram introduzidos no país. No intuito de auxiliar na prevenção de surtos de casos de arboviroses, vários trabalhos têm sido direcionados para o estudo de modelos de predição a partir de séries históricas das doenças e das variáveis climáticas, visto que fatores climáticos e ambientais interferem desde a eclosão dos ovos até a dispersão do mosquito. Apesar dos resultados positivos desse tipo de abordagem, a modelagem temporal não leva em consideração a heterogeneidade espacial na transmissão das arboviroses, o que se dá por meio de uma modelagem espaço- temporal. No entanto, esta abordagem tem sido pouco explorada devido à complexidade da estimativa dos parâmetros para a modelagem espaço-temporal e das variações inerentes ao processo epidemiológico. Adicionalmente, o avanço das tecnologias de Epidemiologia Digital e técnicas de geoprocessamento, juntamente ao desenvolvimento de técnicas de Mineração de Dados e Aprendizado de Máquina, podem proporcionar um rápido monitoramento, controle e simulação da propagação de doenças, auxiliando os sistemas de saúde pública no controle de epidemias e fatores ambientais e comportamentais que favorecem os vetores dessas doenças. Este trabalho tem, portanto, como objetivo construir uma ferramenta de predição da distribuição dos casos de arboviroses transmitidas pelo mosquito Aedes aegypti utilizando séries históricas de mapas de distribuição dos casos das doenças e das variáveis climáticas (pluviometria, temperatura e velocidade dos ventos). Para tanto, foram coletadas informações de interesse climático a partir da base de dados fornecida pelo Instituto Nacional de Meteorologia (INMET) e da Agência Pernambucana de Águas e Climas (APAC), bem como das informações de interesse epidemiológico e geográfico obtidas através do Portal de Dados Abertos da Cidade do Recife. Para a modelagem da distribuição dos casos das doenças foram testadas as técnicas de Regressão Linear, Máquina de Vetor de Suporte para regressão (SVMreg) e as Redes Neurais Artificiais (RNAs). Os resultados mostraram que a modelagem espaço-temporal utilizando técnicas de aprendizagem de máquina mostrou-se bastante eficaz na predição da distribuição dos casos de arboviroses na cidade do Recife, tornando-se relevante no apoio aos gestores e epidemiologistas da saúde no planejamento de ações de curto e médio prazo para prevenir surtos de arboviroses transmitidos pelo Aedes aegypti.