Novo algoritmo remove anomalias em dados estatísticos observadas em 27 capitais brasileiras
É possível
relacionar a incidência de covid-19 a mobilidade urbana e meteorologia para
obter dados mais precisos sobre a disseminação da doença? O georreferenciamento
como ferramenta de gestão na saúde pública foi bem explorado no estudo de Tiago
Tiburcio da Silva, Rodrigo Francisquini e Mariá Nascimento, do Instituto de
Ciência e Tecnologia (ICT/Unifesp) - Campus São José dos Campos. Os pesquisadores
elaboraram um algoritmo capaz de gerar previsões sobre as taxas de transmissão
do SARS-CoV-2 26,73% mais precisas do que as atuais. Isso foi possível após
cruzamento de dados sobre temperatura, umidade, precipitação, deslocamento e,
claro, número de casos da doença, de moradores em 27 capitais brasileiras.
Os números da
covid-19 foram obtidos no site Brasil.io, que compila newsletters das
Secretarias Estaduais de Saúde do Brasil. Já as informações meteorológicas
foram coletadas no Centro de Previsão de Tempo e Estudos Climáticos localizado
no Instituto Nacional de Pesquisas Espaciais (Inpe), e foram considerados
apenas os dados sobre temperatura (graus Celsius), umidade do ar e precipitação
(em milímetros). Os dados sobre mobilidade humana, referentes a 2020, foram
adquiridos pelos pesquisadores nos relatórios de mobilidade comunitária sobre a
covid-19 elaborados pelo Google.
Algumas informações
contribuíram bastante para a precisão do algoritmo. Em 11 dos municípios
avaliados, a variável meteorológica correlacionada foi a temperatura mínima.
Outros pontos observados foram a relação direta entre o aumento do número de
casos e a diminuição da temperatura mínima. A mesma proporcionalidade foi
verificada, também, entre o número de casos da síndrome respiratória e a
mobilidade das populações - exceto em áreas residenciais.
Tudo foi organizado
por meio do EEMD-ARIMAX, método estatístico de predição de séries temporais,
proposto pelos pesquisadores, e que pode ser utilizado em outros bancos de
dados, inclusive os de hospitais e postos de saúde. Conforme explica
Nascimento, orientadora da pesquisa, o algoritmo permite agora a obtenção de
dados mais fiéis à realidade. "Em alguns casos, os softwares utilizados
registravam números negativos de casos de covid-19 em uma região, o que
tecnicamente é impossível. O algoritmo conseguiu suavizar bastante as anomalias
de antes", conclui.
Nenhum comentário:
Postar um comentário