Modelo preditivo p-fuzzy para estudo da propagação da Covid-19 frente a cobertura vacinal

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGarcia, Vanessa da Silva-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2206038698250045-
Autor(es): dc.contributorCosta, Kelly Alonso-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8918904607205362-
Autor(es): dc.contributorSigette, Elaine Ribeiro-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2297389441666968-
Autor(es): dc.contributorQueiroz, Rafael Alves Bonfim de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8602778120667424-
Autor(es): dc.contributorAlmeida, Josimar Ribeiro de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3215586187698472-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4367207875022889-
Autor(es): dc.creatorGrillo, Douglas Rosa-
Data de aceite: dc.date.accessioned2024-07-11T17:36:54Z-
Data de disponibilização: dc.date.available2024-07-11T17:36:54Z-
Data de envio: dc.date.issued2023-07-07-
Data de envio: dc.date.issued2023-07-07-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/29296-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/753883-
Descrição: dc.descriptionEm 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.descriptionIn 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.description92 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCovid-19-
Palavras-chave: dc.subjectSistema p-fuzzy-
Palavras-chave: dc.subjectVacinação-
Palavras-chave: dc.subjectPropagação do Sars-Cov2-
Palavras-chave: dc.subjectModelagem matemática-
Palavras-chave: dc.subjectCovid-19-
Palavras-chave: dc.subjectCobertura vacinal-
Palavras-chave: dc.subjectSistema p-fuzzy-
Palavras-chave: dc.subjectModelagem matemática-
Palavras-chave: dc.subjectLinguagem Python-
Palavras-chave: dc.subjectCovid-19-
Palavras-chave: dc.subjectp-fuzzy system-
Palavras-chave: dc.subjectVaccination-
Palavras-chave: dc.subjectSpread of Sars-Cov2-
Palavras-chave: dc.subjectMathematical modeling-
Título: dc.titleModelo preditivo p-fuzzy para estudo da propagação da Covid-19 frente a cobertura vacinal-
Tipo de arquivo: dc.typeDissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.