
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Garcia, Vanessa da Silva | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2206038698250045 | - |
| Autor(es): dc.contributor | Costa, Kelly Alonso | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8918904607205362 | - |
| Autor(es): dc.contributor | Sigette, Elaine Ribeiro | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2297389441666968 | - |
| Autor(es): dc.contributor | Queiroz, Rafael Alves Bonfim de | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8602778120667424 | - |
| Autor(es): dc.contributor | Almeida, Josimar Ribeiro de | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/3215586187698472 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/4367207875022889 | - |
| Autor(es): dc.creator | Grillo, Douglas Rosa | - |
| Data de aceite: dc.date.accessioned | 2024-07-11T17:36:54Z | - |
| Data de disponibilização: dc.date.available | 2024-07-11T17:36:54Z | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Data de envio: dc.date.issued | 2023-07-07 | - |
| Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/29296 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/753883 | - |
| Descrição: dc.description | Em dezembro de 2019 surgiu na China uma doença causada pelo vírus Sars-Cov2 chamada Covid-19, sua capacidade de contágio é tão alta que logo a Organização Mundial de Saúde (OMS) decretou estado pandêmico. Por causa da doença houveram muitos problemas não só de saúde como também sociais e econômicos. Gestores de todas as áreas se viram obrigados a tomarem decisões sem contar com uma ferramenta de apoio a tomada de decisão. Decisões da área de saúde como a compra de medicamentos, insumos médicos e hospitalares, implementação de hospitais de campanha, reforço do efetivo da saúde, foram sendo experimentadas. A presente pesquisa propõe um modelo preditivo da propagação da doença por meio de p-fuzzy, que significa parcialmente fuzzy, quando a população é submetida a vacinação. Para resolver o problema foi utilizado um Sistema Baseado em Regras Fuzzy (SBRF) no lugar das tradicionais Equações Diferencias Ordinárias (EDO) normalmente utilizadas em modelos epidemiológicos clássicos. A solução do modelo contou com um código de programação em linguagem Python. Os resultados obtidos mostram que pode haver a possibilidade de utilização do modelo como apoio a tomada de decisão. Ao entender como se propaga a doença um gestor poderá embasar as suas decisões de modo a causar menor impacto social e econômico, seja no setor da saúde pública ou privada. Outra conclusão é de que a vacinação pode ser uma boa estratégia de combate a propagação da Covid-19. | - |
| Descrição: dc.description | In December 2019, a disease caused by the Sars-Cov2 virus called Covid-19 emerged in China. Its high contagiousness led the World Health Organization (WHO) to declare a pandemic state. The disease resulted in numerous health, social, and economic problems. Managers in all areas found themselves compelled to make decisions without the support of a decision-making tool. Decisions in the healthcare field, such as the purchase of medications, medical and hospital supplies, implementation of field hospitals, and reinforcement of healthcare personnel, were being experimented with. This research proposes a predictive model of disease spread using p-fuzzy, which stands for partially fuzzy, when the population undergoes vaccination. To solve the problem, a Fuzzy Rule-Based System (FRBS) was used instead of the traditional Ordinary Differential Equations (ODE) typically employed in classical epidemiological models. The model's solution involved a programming code in Python language. The obtained results demonstrate the potential use of the model as a decision-making support tool. By understanding how the disease spreads, a manager can base their decisions in a way that minimizes social and economic impact, whether in the public or private healthcare sector. Another conclusion is that vaccination can be an effective strategy in combating the spread of Covid-19. | - |
| Descrição: dc.description | 92 p. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Open Access | - |
| Direitos: dc.rights | CC-BY-SA | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | Sistema p-fuzzy | - |
| Palavras-chave: dc.subject | Vacinação | - |
| Palavras-chave: dc.subject | Propagação do Sars-Cov2 | - |
| Palavras-chave: dc.subject | Modelagem matemática | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | Cobertura vacinal | - |
| Palavras-chave: dc.subject | Sistema p-fuzzy | - |
| Palavras-chave: dc.subject | Modelagem matemática | - |
| Palavras-chave: dc.subject | Linguagem Python | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | p-fuzzy system | - |
| Palavras-chave: dc.subject | Vaccination | - |
| Palavras-chave: dc.subject | Spread of Sars-Cov2 | - |
| Palavras-chave: dc.subject | Mathematical modeling | - |
| Título: dc.title | Modelo preditivo p-fuzzy para estudo da propagação da Covid-19 frente a cobertura vacinal | - |
| Tipo de arquivo: dc.type | Dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: