Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 654
Aluno: Cloves Alberto Chaves de Lima
Orientadora: Profa. Patricia Cabral de Azevedo Restelli Tedesco
Título: Modelagem sintética de comunidades socialmente vulneráveis com uso de modelo compartimentado adaptado no apoio a protocolos epidemiológicos
Data: 18/12/2024
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Ricardo Bastos Cavalcante Prudêncio (UFPE / Centro de Informática)
Prof. Evandro de Barros Cost a (UFAL / Instituto de Computação)
Prof. Wemerson Delcio Parreira (PUC-Campinas / Escola Politécnica)
Prof. André Fabiano de Moraes (IFCatarinense – Campus Camboriú)
Prof. Rafael Ferreira Leite de Mello (UFRPE / Departamento de Computação)
RESUMO:
Surtos de novas doenças infecciosas com potencial pandêmico representam uma significativa ameaça à vida e ao desenvolvimento humano. Este estudo investiga a relação entre fatores socioeconômicos, como desigualdade e acesso à saúde, e a disseminação de doenças infecciosas, evidenciando a influência direta da pobreza na incidência de enfermidades com alto grau de disseminação. Para aprimorar a previsão e a resposta a esses surtos, adaptou-se o modelo matemático SEIR para o SEPAI3R3O, incorporando a taxa de subnotificação, que está diretamente ligada a fatores sociais. Além disso, utilizou-se uma abordagem de otimização baseada em algoritmos genéticos para aumentar a precisão das predições em diferentes cenários.
A análise incluiu a simulação do comportamento social durante a pandemia de COVID-19 em uma comunidade vulnerável no Recife, permitindo a avaliação de intervenções específicas, como isolamento social e uso de máscaras. O desempenho do modelo SEPAI3R3O foi comparado com técnicas de aprendizado de máquina e séries temporais, demonstrando que a integração da simulação social com modelos compartimentados oferece uma base robusta para a tomada de decisões informadas. Os resultados destacam a importância de considerar fatores sociais na formulação de políticas públicas, promovendo respostas mais eficazes e equitativas às pandemias e protegendo as comunidades mais vulneráveis. Conclui-se que a inclusão de variáveis sociais nos modelos epidemiológicos é essencial para compreender plenamente a dinâmica das pandemias em áreas de alta vulnerabilidade social, auxiliando na elaboração de estratégias de intervenção mais eficazes.
Palavras-chave: modelagem epidemiológica; algoritmos genéticos; machine learning; séries temporais; multi-agentes.
Comentários desativados