Ciência de dados aplicada em informações Epidemiológicas e Demográficas como estratégia para simulação e vigilância de casos de malária na Amazônia brasileira

Período:

2019 - Atual

Descrição:

Um grande desafio no combate à malária é a sustentabilidade das ações voltadas para o seu controle em um contexto de redução dos gastos em saúde. A malária acontece quase inteiramente na região Norte, onde os sistemas de saúde são menos adaptáveis a mudanças. Uma situação a ser enfrentada também é a diminuição da redução dos esforços de contenção da transmissão quando há uma redução no número de casos, o que leva em pouco tempo ao ressurgimento da doença. É notório que a eliminação da malária no Brasil é possível, mas que para atingi-la é necessário um plano de médio e longo prazo com estratégias que levem à sustentabilidade. Entre essas ações destaca a adaptação das medidas de controle dos vetores, com integração e fortalecimento do sistema de saúde local. Isso requer tanto inovações técnicas quanto compromisso político para garantir os recursos humanos e financeiros. Atualmente existem poucos recursos para realização de vigilância de casos de malária na Amazônia e, geralmente, são baseados em dados históricos e realizados por recursos humanos altamente especializados, tornando o trabalho custoso e muitas vezes inviável pelo fato de não se conseguir inferir conhecimento em tempo hábil para realização de ações preventivas ou até mesmo corretivas. Além disto, as ações que poderiam ser realizadas pelos gestores públicos são limitadas pela carência de ferramentas para exploração desses dados, especialmente aquelas que são baseadas em métodos de visualização de informações, as quais permitem análises de forma dinâmica, interativa e até mesmo em tempo real (caso os dados estejam integrados). A grande maioria das ações para o problema em questão são reativas, efetuadas após constatado por observação de casos reais. É neste cenário que se insere o presente projeto de pesquisa. É importante apontar que vários estudos prévios realizados no país exploraram a questão da transmissão da malária na Amazônia brasileira, tanto de uma perspectiva epidemiológica, quanto biológica, de vetores e geográfica. Faz-necessário o desenvolvimento de novas abordagens e estratégias brasileira, tanto de uma perspectiva epidemiológica, quanto biológica, de vetores e geográfica. Faz-necessário o desenvolvimento de novas abordagens e estratégias que proponham uma identificação e controle mais eficientes. É de extrema importância identificar e analisar os fatores que possuem maior impacto nos casos de malária na Região Amazônica. Acredita-se que coma aplicação de métodos de aprendizado de máquina utilizando dados demográficos, epidemiológicos, climáticos e clínicos possa ser realizada uma previsão de comportamento dos casos de malária na região e, consequentemente, favorecer a implementação de ações preventivas mais eficazes e melhor manejo da doença. O objetivo geral do presente projeto é desenvolver ferramentas para visualização de dados e serviço de simulação de espalhamento de focos de malária baseado em métodos de aprendizado de máquina, utilizando dados demográficos, epidemiológicos, climáticos e clínicos referentes à malária na Amazônia brasileira. Os objetivos específicos deste projeto são: construção de uma base de dados integrada, com dados de diferentes domínios (demográficos, epidemiológicos, climáticos e clínicos) combinando diferentes fontes de dados disponibilizadas pelo poder público; construção de um serviço de visualização de dados dinâmico e interativo; avaliar a aplicação de modelos de aprendizado de máquina, utilizando a base de dados construída, para simulação de comportamento de expansão/retração de focos de malária; estabelecer os fatores determinantes de casos notificados de malária a partir da base de dados criadas; implementar e disponibilizar o serviços em forma de ferramenta em uma plataforma web; integrar ferramentas deste projeto à Plataforma Web para apoio a gestores de saúde.

Coordenador(a):

Luciana Correia Alves

Financiador:

CNPq/Gates