Mobilidade humana em grandes cidades a nível de bairro e seus impactos na epidemiologia da dengue em Fortaleza [Digital]
Tese
Português
614:62
Fortaleza, 2023.
115f.
A dengue é um problema significativo de saúde pública em áreas urbanas, onde a densidade populacional e a mobilidade das pessoas contribuem para sua transmissão. O movimento das pessoas, particularmente através do transporte público de ônibus, desempenha um papel crucial na propagação da dengue. No...
Ver mais
A dengue é um problema significativo de saúde pública em áreas urbanas, onde a densidade populacional e a mobilidade das pessoas contribuem para sua transmissão. O movimento das pessoas, particularmente através do transporte público de ônibus, desempenha um papel crucial na propagação da dengue. No entanto, a intrincada interação entre esses aspectos ainda é pouco estudada. Esta pesquisa visa explorar e entender essa interação e alavancar conhecimento para aumentar a precisão dos modelos preditivos para prever casos de dengue, em especial prever o mais rápido possível quando um ano será epidêmico. O estudo tem como foco Fortaleza, uma cidade com aproximadamente 2,6 milhões de habitantes no nordeste do Brasil que, nas últimas décadas, vem sofrendo com a transmissão endêmica da dengue, intercalada com epidemias maiores. Esta tese fornece uma caracterização dos casos de dengue em Fortaleza de 2007 a 2020, bem como dados de mobilidade humana de 2015 e 2020. Os dados de casos de dengue, incluindo o número de casos e sua distribuição espacial, são obtidos das autoridades de saúde locais ou sistemas de vigilância em saúde. Os padrões de movimento das pessoas são derivados de dados de transporte público de ônibus, como contagem de passageiros, rotas e paradas de ônibus. Esses conjuntos de dados são integrados e novos modelos de redes neurais são desenvolvidos para prever o comportamento da doença considerando diferentes métricas. Uma arquitetura de rede neural recorrente foi proposta para aprender o impacto de cada bairro na transmissão de casos de dengue na cidade de Fortaleza como um todo. Versões mais elaboradas do modelo levaram em conta a população residente de cada bairro como informação heurística de forma a incrementar a precisão do modelo nas previsões para cada bairro. Essa arquitetura proposta teve um desempenho melhor do que outras abordagens usando apenas informações isoladas sobre incidência ou exclusivamente número de casos. Ademais, uma análise sobre o quanto os dados de mobilidade dentro da cidade poderiam aumentar a acurácia de modelos preditivos foi realizada. Um sistema de previsão de casos de dengue em Fortaleza usando redes neurias recorrentes do tipo LSTM foi proposto e comparado com um modelo tradicional mecanicista de transmissão da doença. Os resultados mostram que tanto as redes neurais artificiais quanto os modelos mecanísticos podem prever com precisão os casos de dengue e que os dados de mobilidade humana podem melhorar substancialmente o desempenho de ambos os sistemas em prever antecipadamente os picos de caso de Dengue. Os resultados da pesquisa destacam uma associação significativa entre os casos de dengue e a
movimentação de pessoas no transporte público de ônibus. A análise espacial, particularmente no ano de 2020, quando a epidemia de COVID-19 obrigou a proibição completa de deslocamentos na cidade (lockdown), revela o impacto da movimentação de pessoas na taxa de contágio da Dengue. Além disso, a incorporação de dados de transporte de ônibus nos modelos preditivos melhora substancialmente a precisão das previsões indicando que os modelos capturam a intrincada relação entre os padrões de mobilidade das pessoas e a dinâmica da transmissão da dengue. O conhecimento da interação entre dados de mobilidade em uma grande cidade e modelos preditivos de Dengue que essa tese desvela tem implicações importantes para a previsão de doenças e intervenções proativas. Abre-se a possibilidade para estratégias mais eficazes no combate a surtos de dengue e minimização de seu impacto nas populações urbanas. A maior precisão dos modelos permite a identificação precoce de potenciais focos de dengue e facilita intervenções de saúde pública direcionadas. Ao considerar a influência do transporte público de ônibus na transmissão da dengue, as autoridades podem implementar medidas oportunas de controle de vetores, alocar recursos de forma eficiente e desenvolver estratégias eficazes de prevenção.
Palavras-chave: dengue, previsão, rede neural, mobilidade humana Ver menos
movimentação de pessoas no transporte público de ônibus. A análise espacial, particularmente no ano de 2020, quando a epidemia de COVID-19 obrigou a proibição completa de deslocamentos na cidade (lockdown), revela o impacto da movimentação de pessoas na taxa de contágio da Dengue. Além disso, a incorporação de dados de transporte de ônibus nos modelos preditivos melhora substancialmente a precisão das previsões indicando que os modelos capturam a intrincada relação entre os padrões de mobilidade das pessoas e a dinâmica da transmissão da dengue. O conhecimento da interação entre dados de mobilidade em uma grande cidade e modelos preditivos de Dengue que essa tese desvela tem implicações importantes para a previsão de doenças e intervenções proativas. Abre-se a possibilidade para estratégias mais eficazes no combate a surtos de dengue e minimização de seu impacto nas populações urbanas. A maior precisão dos modelos permite a identificação precoce de potenciais focos de dengue e facilita intervenções de saúde pública direcionadas. Ao considerar a influência do transporte público de ônibus na transmissão da dengue, as autoridades podem implementar medidas oportunas de controle de vetores, alocar recursos de forma eficiente e desenvolver estratégias eficazes de prevenção.
Palavras-chave: dengue, previsão, rede neural, mobilidade humana Ver menos
Dengue is a significant public health problem in urban areas, where population density and people’s mobility contribute to its transmission. The movement of people, particularly through public bus transportation, plays a crucial role in the spread of dengue. However, the intricate interaction...
Ver mais
Dengue is a significant public health problem in urban areas, where population density and people’s mobility contribute to its transmission. The movement of people, particularly through public bus transportation, plays a crucial role in the spread of dengue. However, the intricate interaction between these aspects is still poorly understood. This research aims to explore and understand this interaction, leveraging knowledge to improve the accuracy of predictive models for forecasting dengue cases, especially predicting as early as possible when a year will be epidemic. The study focuses on Fortaleza, a city with approximately 2.6 million inhabitants in northeas#tern Brazil, which has been experiencing endemic dengue transmission over the last decades, interspersed with larger epidemics. This thesis provides a characterization of dengue cases in Fortaleza from 2007 to 2020, along with human mobility data from 2015 and 2020. Dengue case data, including the number of cases and their spatial distribution, are obtained from local health authorities or health surveillance systems. People’s movement patterns are derived from public bus transportation data, such as passenger counts, routes, and bus stops. These datasets are integrated, and new neural network models are developed to predict the disease’s behavior considering different metrics. A recurrent neural network architecture was proposed to learn the impact of each neighborhood on the transmission of dengue cases in the city of Fortaleza as a whole. More elaborate versions of the model took into account the resident population of each neighborhood as heuristic information to enhance the model’s accuracy in predictions for each neighborhood. This proposed architecture outperformed other approaches using only isolated information on incidence or solely the number of cases. Furthermore, an analysis of how much mobility data within the city could increase the accuracy of predictive models was conducted. A dengue case forecasting system in Fortaleza using LSTM-type recurrent neural networks was proposed and compared with a traditional mechanistic model of disease transmission. The results show that both artificial neural networks and mechanistic models can accurately predict dengue cases and that human mobility data can substantially improve the performance of both systems in early forecasting of Dengue case peaks. The research results highlight a significant association between dengue cases and people’s movement in public bus transportation. Spatial analysis, particularly in the year 2020, when the COVID-19 epidemic forced a complete ban on travel in the city (lockdown), reveals the impact of people’s movement on the Dengue transmission rate. Furthermore, the incorporation of bus transportation data into predictive models substantially improves the accuracy of forecasts, indicating that the models capture the intricate relationship between people’s mobility patterns and the dynamics of dengue transmission. The knowledge of the interaction between mobility data in a large city and predictive models of Dengue revealed by this thesis has important implications for disease forecasting and proactive interventions. It opens up the possibility for more effective strategies in combating dengue outbreaks and minimizing their impact on urban populations. The increased accuracy of the models allows for early identification of potential dengue hotspots and facilitates targeted public health interventions. By considering the influence of public bus transportation on dengue
transmission, authorities can implement timely vector control measures, allocate resources efficiently, and develop effective prevention strategies.
Keywords: dengue, forecasting, neural network, human mobility Ver menos
transmission, authorities can implement timely vector control measures, allocate resources efficiently, and develop effective prevention strategies.
Keywords: dengue, forecasting, neural network, human mobility Ver menos
Furtado, João José Vasco Peixoto
Orientador
Araújo, Jorge Luiz Bezerra de
Coorientador
Andrade Junior, José Soares de
Banca examinadora
Lima Neto, Antonio Silva
Banca examinadora
Macêdo, José Antônio Fernandes de
Banca examinadora
Caminha Neto, Carlos de Oliveira
Banca examinadora