Browsing by Author "Leal, Maria da Conceição Dias"
Now showing 1 - 9 of 9
Results Per Page
Sort Options
- Exploring forms of disaggregating Covid-19 data: an examplePublication . Leal, Maria da Conceição Dias; Mukherjee, Amitava; Oliveira, Amilcar; Oliveira, Teresa A.COVID-19 data provided by Portuguese public health authorities lack consis tency in periodicity and metrics. To facilitate time series analysis, we transformed those data to achieve homogeneous periodicity and metrics. We present one method we used and assess the potential introduced bias and its impact on spatial distribution models of COVID-19 in Portugal, using spatial and non-spatial models. Comparing models fitted with transformed data to those with observed data for two specific days, we found no clear evidence of a worse fit for the disaggregated data.
- Fundamentos e aplicações da metodologia de superfície de respostaPublication . Leal, Maria da Conceição Dias; Oliveira, Teresa; Oliveira, AmílcarA otimização de processos e produtos, a caracterização do sistema e a quantificação do impacto da incerteza dos parâmetros de entrada na resposta do sistema, assumem importância cada vez maior na investigação nas mais diversas áreas da sociedade, seja pelo impacto económico seja pelas consequências que possam advir. A Metodologia de Superfície de Resposta (MSR), nas suas mais diversas abordagens, tem-se revelado uma ferramenta da maior importância nestas áreas. Desde a publicação do artigo de Box e Wilson (1951) que a metodologia foi sendo objeto do interesse de investigadores no âmbito dos fundamentos e das aplicações. Esta metodologia, na abordagem tradicional, tem um carater sequencial e em cada iteração contemplam-se três etapas: definição do planeamento experimental, ajuste do modelo e otimização. Nestas seis décadas, os planeamentos experimentais foram sendo desenvolvidos para responder às aplicações e aos objetivos, com vista a proporcionar um modelo o mais preciso possível. Os modelos utilizados para aproximar a resposta foram evoluindo dos modelos polinomiais de primeira e segunda ordem para os modelos de aprendizagem automática, passando por diferentes modelos não lineares. Os métodos de otimização passaram pelo mesmo processo de expansão da metodologia, com vista a responder a desafios cada vez mais exigentes. A este caminho não são alheios o desenvolvimento computacional e a simulação. Se no início a metodologia se aplicava apenas a sistemas reais, hoje, a simulação de sistemas, nas mais diversas áreas e com crescente grau de complexidade, socorre-se dos metamodelos para reduzir os custos computacionais associados. A quantificação probabilística da incerteza é um excelente exemplo da aplicação da MSR. A quantificação do impacto da incerteza nas variáveis de entrada na resposta do sistema pode ser obtida implementando a metodologia com uma abordagem estocástica. Esta forma de implementação da metodologia também permite implementar a análise de sensibilidade. Neste trabalho faz-se um levantamento dos desenvolvimentos da MSR, nas várias fases da implementação da metodologia, nas seis décadas que decorreram desde a sua introdução. Apresentam-se três aplicações: na indústria da cerâmica, na produção florestal e na área da saúde, mais especificamente no prognóstico do cancro da mama.
- Mathematical and statistical modelling for assessing COVID-19 superspreader contagion: analysis of geographical heterogeneous impacts from public eventsPublication . Leal, Maria da Conceição Dias; Morgado, Leonel; Oliveira, Teresa A.During a pandemic, public discussion and decision-making may be required in face of limited evidence. Data-grounded analysis can support decision-makers in such contexts, contributing to inform public policies. We present an empirical analysis method based on regression modelling and hypotheses testing to assess events for the possibility of occurrence of superspreading contagion with geographically heterogeneous impacts. We demonstrate the method by evaluating the case of the May 1st, 2020 Demonstration in Lisbon, Portugal, on regional growth patterns of COVID-19 cases. The methodology enabled concluding that the counties associated with the change in the growth pattern were those where likely means of travel to the demonstration were chartered buses or private cars, rather than subway or trains. Consequently, superspreading was likely due to travelling to/from the event, not from participating in it. The method is straightforward, prescribing systematic steps. Its application to events subject to media controversy enables extracting well founded conclusions, contributing to informed public discussion and decision-making, within a short time frame of the event occurring.
- Modelação de dados espaço-temporais da COVID-19 em Portugal com desagregação temporal: uma abordagem estatística e epidemiológicaPublication . Leal, Maria da Conceição Dias; Oliveira, Teresa; Oliveira, Amílcar; Mukherjee, AmitavaA monitorização estatística analisa dados recolhidos ao longo do tempo e/ou espaço, para detetar e quantificar alterações, anomalias ou tendências nos processos subjacentes. Esta tese desenvolve e aplica métodos estatísticos para monitorizar dados espaço-temporais, considerando as suas especificidades e desafios. Usando como caso prático a COVID-19 em concelhos de Portugal Continental, o trabalho visa compreender a dinâmica de disseminação de uma epidemia, apoiar a tomada de decisão em Saúde Pública e contribuir com metodologias inovadoras em estatística. A tese propõe três contributos principais: 1) desagregação temporal de dados, em que se obtém dados mais detalhados e confiáveis a partir de dados de diferentes fontes que os recolhem e tratam com critérios distintos, recorrendo a algoritmos que permitem infundir informação relevante do domínio; 2) modelação de dados, considerando efeitos espaciais, temporais e de interação 𝑒𝑠𝑝𝑎ç𝑜 × 𝑡𝑒𝑚𝑝𝑜, com recurso ao ajuste de modelos hierárquicos bayesianos aos dados observados e desagregados, para análise e deteção de padrões temporais e espaciais; e 3) análise e deteção de fatores de risco e avaliação do impacto de eventos públicos e de covariáveis meteorológicas na disseminação de uma epidemia/pandemia, usando modelos lineares generalizados, visualização e testes de hipóteses. A tese explora dois casos relevantes com dados de COVID-19 de concelhos de Portugal Continental, criando formas mais sólidas de análise e monitorização dos dados. A tese demonstra como a matemática e a epidemiologia se unem para enfrentar desafios da humanidade, como a pandemia COVID-19, avançando o conhecimento científico e melhorando as políticas públicas de saúde e outros processos.
- Modelos de equações estruturais: métodos computacionaisPublication . Leal, Maria da Conceição Dias; Oliveira, Teresa; Oliveira, AmílcarResolver problemas complexos requer a capacidade, proporcionada pela Modelação de Equações Estruturais – SEM (Structural Equation Modelling), de examinar múltiplas influências e múltiplas respostas simultaneamente. Dada a sua flexibilidade e abrangência das aplicações, a SEM oferece um meio para desenvolver e avaliar ideias sobre relações multivariadas complexas, o que a torna capaz de responder a problemas e desafios quer das Ciências Sociais e Humanas quer das Ciências Naturais. SEM “is modeling hypotheses with structural equations” (Grace, 2006). Esta é a definição que melhor se adequa à diversidade de abordagens que admite, seja na modelação, na análise ou ainda nas aplicações. Mais que uma metodologia, a SEM é uma coleção de técnicas estatísticas multivariadas que tem como objetivo principal avaliar em que grau um modelo teórico proposto é suportado pelos dados, o que a pode tornar um motor do conhecimento. De facto, na SEM a teoria é o motor da análise e os dados servem para testar a teoria, paradigma que rompe com a racionalidade estatística inferencial clássica, onde a análise dos dados precede a elaboração da teoria (Hair et al., 2010). Relativamente às técnicas multivariadas convencionais, a SEM tem duas vantagens que a tornam uma ferramenta capaz de lidar com problemas complexos e de gerar conhecimento em vários domínios: a capacidade de examinar simultaneamente múltiplas influências e múltiplas respostas e a capacidade de lidar com os erros de medição nos dados observados. Aliada a estas características acresce a facilidade em lidar com um elevado volume de dados e de diferentes tipos, de lidar com grupos múltiplos e com níveis múltiplos. Se se considerar ainda o facto de dispor de ferramentas para lidar com dados omissos, situação muito frequente quer nas Ciências Sociais e Humanas, quer na Ciências Naturais, melhor se percebe a importância da SEM na atualidade e a grande quantidade de artigos que ilustram a sua aplicação nas mais diversas áreas destas ciências. O desenvolvimento computacional impulsionou a conceção de métodos estatísticos para melhorar a qualidade de produção científica e a automatização da recolha e armazenamento de dados, potenciando um aumento dramático da complexidade dos modelos e dos métodos. A SEM não foi exceção. Beneficiou, por um lado, com o ii desenvolvimento de diversos softwares para a análise SEM, uns comerciais, como o AMOS, LISREL ou MPlus, a título de exemplo, e outros livres, disponíveis no software R, capazes de rivalizar com os comerciais. Por outro lado, por ser adequada para lidar com grandes volumes de dados, foi objeto de desenvolvimentos e aplicações cada vez mais complexas e mais abrangentes. O objetivo do presente trabalho é o de fazer uma revisão da Modelação de Equações Estruturais, no que respeita a aplicações, fundamentos teóricos da SEM convencional (Analise Fatorial Confirmatória e Regressão Linear), com especial ênfase na análise SEM com dados omissos, tendo como motivação a exploração das potencialidades do software R, como recurso de livre acesso aos investigadores das diferentes áreas em que a SEM é especialmente útil. No âmbito das aplicações, as aplicações em Ciências da Vida e em Ciências Naturais foram o foco principal dado que, nas últimas décadas, estas sofreram grande expansão e a SEM tem contribuído para um maior amadurecimento de teorias e investigações. De facto, recorrer a formas de conectar modelos de equações estruturais com o processo científico é necessário se se quiser obter o máximo impacto de modelos e análises no processo de construção de conhecimento.
- On response surface modelsPublication . Leal, Maria da Conceição Dias; Oliveira, Amilcar; Oliveira, Teresa A.
- Potential impact of a demonstration on COVID-19 contagion: an application of a methodPublication . Leal, Maria da Conceição Dias; Morgado, Leonel; Oliveira, Teresa A.There is evidence that some outdoor events may have contributed to the spread of COVID-19. We updated an empirical methodology based on regression modeling and hypothesis testing to analyze the potential impact of a demonstration that took place in Lisbon, within the scope of the ’Black Lives Matter’ context, on the contagion pattern in the region where this event occurred. We find that in the post-impact period there was no acceleration in the number of cases in the region, unlike in a prior event in the region. The proportion of counties where there was a potential impact of the event is not statistically significant. This result demonstrates that not all outdoor events contributed to the spread of COVID-19 and exemplifies how to apply the selected empirical methodology.
- Stochastic response surface methodology: a study in the human health areaPublication . Leal, Maria da Conceição Dias; Oliveira, Amilcar; Oliveira, Teresa A.In this paper we review Stochastic Response Surface Methodology as a tool for modeling uncertainty in the context of Risk Analysis. An application in the survival analysis in the breast cancer context is implemented with R software.
- Stochastic response surface methodology: a tool to risk assessmentPublication . Leal, Maria da Conceição Dias; Oliveira, Amilcar; Oliveira, Teresa A.