Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorMelo, Everton-
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorSiqueira, Hugo Valadares-
Autor(es): dc.contributorBaroncini, Virgínia Helena Varotto-
Autor(es): dc.creatorFerreira, Caio-
Autor(es): dc.creatorSoares, Vinicios Roberto-
Data de aceite: dc.date.accessioned2022-08-04T20:21:22Z-
Data de disponibilização: dc.date.available2022-08-04T20:21:22Z-
Data de envio: dc.date.issued2022-07-12-
Data de envio: dc.date.issued2022-07-12-
Data de envio: dc.date.issued2021-12-07-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/29085-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/707226-
Descrição: dc.descriptionThe Covid-19 pandemic is caused by the severe acute respiratory syndrome coronavirus 2, or SARS-CoV-2. Alerted by the Chinese government in a press release of 2020, the virus which was first identified in Wuhan, China, has caused global panic as well as a race against time to find plausible methods to curb the spread of the disease. On March, 2020, based on these data, WHO, World Health Organization, officially stated that the virus was elevated to pandemic level. The main objective of this present work is to enumerate these methods in data and, via a Bayesian network, which uses the relationship between events prior to an already known subsequent event - which in this case will be the mortality that the disease causes as an end-event - to identify which methods have a direct relationship with the effectiveness in minimizing deaths. The utilized data will be used in relation to the countries of Brazil, Chile, Germany, Finland and the United States of America. As results, it was found that in the absence of a specific vaccine, the most effective policy is based on lockdown. Even with the vaccine available, giving up other public health policies is not the optimal action to prevent a new outbreak.-
Descrição: dc.descriptionA pandemia do Covid-19 e causada pela síndrome respiratória aguda grave coronavírus 2, ou SARS-CoV-2. Alertada pelo governo chinês em meados de 2020, o virus que foi primeiramente identificado em Wuhan, na China, causou pânico global, assim como uma corrida contra o tempo para encontrar métodos plausíveis de se frear a proliferação da doença. A partir de marco de 2020, a OMS, Organização Mundial da Saúde, declarou oficialmente que o vírus foi elevado ao nível de pandemia. O presente trabalho tem como objetivo principal enumerar em dados estes métodos e, via uma rede bayesiana, que utiliza da relação entre eventos anteriores a um evento posterior já conhecido - que no caso é a mortalidade que a doença causa como evento-fim - para identificar quais métodos utilizados possuem relação direta com a eficácia na minimização de mortes. O conjunto de dados que será utilizado é relativo aos países Alemanha, Brasil, Chile, Estados Unidos e Finlândia. Como resultados encontrou-se que na falta de vacina especifica, a política mais eficaz e baseada no lockdown. Mesmo com a vacina disponível abrir mão de outras políticas de saúde pública não é o ação ótima para evitar um novo surto.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Engenharia Elétrica-
Publicador: dc.publisherEngenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectSíndrome do desconforto respiratório-
Palavras-chave: dc.subjectInteligência computacional-
Palavras-chave: dc.subjectTeoria bayesiana de decisão estatística-
Palavras-chave: dc.subjectRespiratory distress syndrome-
Palavras-chave: dc.subjectComputational intelligence-
Palavras-chave: dc.subjectBayesian statistical decision theory-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleAnálise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas-
Título: dc.titleImpact analysis of factors associated with combat and containment of SARS-CoV-2 using bayesian networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.