O impacto da COVID-19 no Brasil: um estudo da evolução dos casos e de algoritmos de regressão para previsão da taxa de reprodução básica com base nas ações governamentais para contenção da pandemia

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMedeiros, Dianne Scherly Varela de-
Autor(es): dc.contributorFernandes, Natalia Castro-
Autor(es): dc.contributorQueiroz, Gabriel Fontes Carvalho de-
Autor(es): dc.contributorOliveira, Nicollas Rodrigues de-
Autor(es): dc.creatorNunes, Aline Manes Castro-
Data de aceite: dc.date.accessioned2024-07-11T17:59:04Z-
Data de disponibilização: dc.date.available2024-07-11T17:59:04Z-
Data de envio: dc.date.issued2021-05-11-
Data de envio: dc.date.issued2021-05-11-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/21984-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/761364-
Descrição: dc.descriptionA COVID-19 ocasionou uma pandemia que, só no Brasil, já provocou mais de 300 mil mortes e 12 milhões de casos. Cada unidade federativa brasileira possui autonomia para implantar medidas restritivas para contenção da doença, acarretando em variação no contágio. Este projeto tem como objetivo estudar a evolução da COVID-19 no Brasil e em suas unidades federativas e verificar a possibilidade de utilizar algoritmos de regressão para prever a taxa de reprodução básica R 0 com base nas ações governamentais para contenção da doença. Para isso, utiliza-se dois conjuntos de dados principais. O primeiro contém informações sobre o monitoramento da doença no país, enquanto o segundo contém informações sobre as ações governamentais. Esse segundo conjunto de dados é obtido a partir de um rastreador web desenvolvido neste trabalho para coletar tweets no Twitter sobre as ações governamentais no Brasil. Os dois conjuntos de dados são integrados em um único conjunto, que é usado na análise de regressão para tentar prever a taxa R 0 com base nas ações governamentais. Os resultados do estudo da evolução da doença no país mostram que não há uma relação direta entre o número de casos cumulativos e o número de habitantes da unidade federativa. São encontradas três tendências principais em relação ao número de casos nos últimos 14 dias dos dados coletados, estabilidade, crescimento e redução, sendo que, no período analisado, 48% das unidades federativas estavam em tendência de estabilidade, 26% em crescimento e 26% em redução. O Brasil permanece em tendência de estabilidade nos últimos 42 dias. Os resultados da análise de regressão mostram que nenhum algoritmo de regressão consegue prever R 0 com confiabilidade, pois, apesar de apresentarem baixos erros, a análise de valores residuais não apresenta o comportamento adequado. No entanto, o algoritmo Ridge Bayesiano tem potencial, sendo necessário melhorar a modelagem para alcançar previsões mais assertivas-
Descrição: dc.descriptionThe COVID-19 engendered a pandemic that, in Brazil alone, has already caused more than 300 thousand deaths and 12 million cases. Each Brazilian federative unit has the autonomy to implement restrictive measures to contain the disease, resulting in variation in contagion. This project aims to study the evolution of COVID-19 in Brazil and its federative units and to verify the possibility of using regression algorithms to predict the basic reproduction rate R 0 based on government actions to contain the disease. To this end, two main datasets are used. The first contains information on monitoring the disease in the country, while the second contains information on government actions. The second dataset is obtained from a web crawler developed in this work to collect tweets from Twitter on government actions in Brazil. The two datasets are integrated into a single one, which is used in the regression analysis to predict the rate R 0 based on government actions. The study of the disease evolution in the country shows no direct relationship between the number of cumulative cases and the number of inhabitants of the federative unit. Three main trends are found according to the number of cases in the last 14 days of the data collected, stability, growth, and reduction, with 48% of the federative units in the analyzed period in a stable trend, 26% in growth, and 26% in reduction. Brazil has remained in a stable trend for the last 42 days. The regression analysis results show that none of the regression algorithms can predict R 0 reliably because, although they have low errors, the residual values analysis does not present the appropriate behavior. However, the Ridge Bayesian algorithm has potential, and it is necessary to improve the modeling to achieve more assertive predictions-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal Fluminense-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCiência de dados-
Palavras-chave: dc.subjectRastreador web-
Palavras-chave: dc.subjectAlgoritmos de regressão-
Palavras-chave: dc.subjectRazão de reprodução básica-
Palavras-chave: dc.subjectCoronavírus-
Palavras-chave: dc.subjectAlgoritmo-
Palavras-chave: dc.subjectEngenharia de telecomunicação-
Palavras-chave: dc.subjectData analysis-
Palavras-chave: dc.subjectData science-
Palavras-chave: dc.subjectWeb crawler-
Palavras-chave: dc.subjectRegression algorithms-
Palavras-chave: dc.subjectBasic reproduction ratio-
Título: dc.titleO impacto da COVID-19 no Brasil: um estudo da evolução dos casos e de algoritmos de regressão para previsão da taxa de reprodução básica com base nas ações governamentais para contenção da pandemia-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.