National holidays and social mobility behaviors: Alternatives for forecasting covid-19 deaths in brazil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal do Rio Grande do Norte-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorAragão, Dunfrey Pires-
Autor(es): dc.creatorDos Santos, Davi Henrique-
Autor(es): dc.creatorMondini, Adriano-
Autor(es): dc.creatorGonçalves, Luiz Marcos Garcia-
Data de aceite: dc.date.accessioned2025-08-21T18:40:45Z-
Data de disponibilização: dc.date.available2025-08-21T18:40:45Z-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2021-10-31-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.3390/ijerph182111595-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/222777-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/222777-
Descrição: dc.descriptionIn this paper, we investigate the influence of holidays and community mobility on the transmission rate and death count of COVID-19 in Brazil. We identify national holidays and hallmark holidays to assess their effect on disease reports of confirmed cases and deaths. First, we use a one-variate model with the number of infected people as input data to forecast the number of deaths. This simple model is compared with a more robust deep learning multi-variate model that uses mobility and transmission rates (R0, Re ) from a SEIRD model as input data. A principal components model of community mobility, generated by the principal component analysis (PCA) method, is added to improve the input features for the multi-variate model. The deep learning model architecture is an LSTM stacked layer combined with a dense layer to regress daily deaths caused by COVID-19. The multi-variate model incremented with engineered input features can enhance the forecast performance by up to 18.99% compared to the standard one-variate data-driven model.-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionPós-Graduação em Engenharia Elétrica e de Computação Universidade Federal do Rio Grande do Norte, Av. Salgado Filho, 3000, Lagoa Nova-
Descrição: dc.descriptionFaculdade de Ciências Farmacêuticas Universidade Estadual Paulista “Júlio Mesquita Filho”, Rodovia Araraquara-Jaú, Km 1, Campus Ville-
Descrição: dc.descriptionFaculdade de Ciências Farmacêuticas Universidade Estadual Paulista “Júlio Mesquita Filho”, Rodovia Araraquara-Jaú, Km 1, Campus Ville-
Descrição: dc.descriptionCNPq: 311640/2018-4-
Descrição: dc.descriptionCAPES: 88881.506890/2020-01-
Idioma: dc.languageen-
Relação: dc.relationInternational Journal of Environmental Research and Public Health-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectCOVID-19-
Palavras-chave: dc.subjectEpidemiological SEIRD model-
Palavras-chave: dc.subjectLSTM-
Palavras-chave: dc.subjectPCA-
Palavras-chave: dc.subjectTime-series forecast-
Título: dc.titleNational holidays and social mobility behaviors: Alternatives for forecasting covid-19 deaths in brazil-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.