Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29085| Título: | Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas |
| Título(s) alternativo(s): | Impact analysis of factors associated with combat and containment of SARS-CoV-2 using bayesian networks |
| Autor(es): | Ferreira, Caio Soares, Vinicios Roberto |
| Orientador(es): | Martins, Marcella Scoczynski Ribeiro |
| Palavras-chave: | Síndrome do desconforto respiratório Inteligência computacional Teoria bayesiana de decisão estatística Respiratory distress syndrome Computational intelligence Bayesian statistical decision theory |
| Data do documento: | 8-Dez-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | FERREIRA, Caio; SOARES, Vinicios Roberto. Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2021. |
| Resumo: | A 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. |
| Abstract: | The 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. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29085 |
| Aparece nas coleções: | PG - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analisecombatecontencaosarscov.pdf | 1,45 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
