Imagem da capa

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

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...

ver descrição completa

Principais autores: Ferreira, Caio, Soares, Vinicios Roberto
Formato: Trabalho de Conclusão de Curso (Graduação)
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná 2022
Assuntos:
Síndrome do desconforto respiratório
Inteligência computacional
Teoria bayesiana de decisão estatística
Respiratory distress syndrome
Computational intelligence
Bayesian statistical decision theory
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/29085
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-29085
recordtype dspace
spelling riut-1-290852022-07-13T06:06:19Z Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas Impact analysis of factors associated with combat and containment of SARS-CoV-2 using bayesian networks Ferreira, Caio Soares, Vinicios Roberto Martins, Marcella Scoczynski Ribeiro Melo, Everton Martins, Marcella Scoczynski Ribeiro Siqueira, Hugo Valadares Baroncini, Virgínia Helena Varotto Síndrome do desconforto respiratório Inteligência computacional Teoria bayesiana de decisão estatística Respiratory distress syndrome Computational intelligence Bayesian statistical decision theory CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA 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. 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. 2022-07-12T17:13:21Z 2022-07-12T17:13:21Z 2021-12-08 bachelorThesis 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. http://repositorio.utfpr.edu.br/jspui/handle/1/29085 por openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Tecnológica Federal do Paraná Ponta Grossa Brasil Departamento Acadêmico de Engenharia Elétrica Engenharia Elétrica UTFPR
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Síndrome do desconforto respiratório
Inteligência computacional
Teoria bayesiana de decisão estatística
Respiratory distress syndrome
Computational intelligence
Bayesian statistical decision theory
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Síndrome do desconforto respiratório
Inteligência computacional
Teoria bayesiana de decisão estatística
Respiratory distress syndrome
Computational intelligence
Bayesian statistical decision theory
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ferreira, Caio
Soares, Vinicios Roberto
Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
description 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.
format Trabalho de Conclusão de Curso (Graduação)
author Ferreira, Caio
Soares, Vinicios Roberto
author_sort Ferreira, Caio
title Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
title_short Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
title_full Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
title_fullStr Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
title_full_unstemmed Análise de impacto dos fatores associados ao combate e contenção do SARS-CoV-2 utilizando redes bayesianas
title_sort análise de impacto dos fatores associados ao combate e contenção do sars-cov-2 utilizando redes bayesianas
publisher Universidade Tecnológica Federal do Paraná
publishDate 2022
citation 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.
url http://repositorio.utfpr.edu.br/jspui/handle/1/29085
_version_ 1805323318551642112
score 10,814766

Registros relacionados