Matemática Aplicada e Modelação | Applied Mathematics and Modelling
Permanent URI for this community
Browse
Browsing Matemática Aplicada e Modelação | Applied Mathematics and Modelling by Subject "COVID-19"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Análise e avaliação do risco de contágio da COVID-19 em MoçambiquePublication . Taero, Élio José; Oliveira, Teresa A.; Teodoro, Maria Filomena AlvesA COVID-19 é uma doença viral com impacto relevante para saúde pública de um País, com destaque para os sistemas de saúde devido a sua rápida propagação. Para a compreensão da forma de transmissão e a análise da distribuição espacial dos casos da COVID-19, são descritos nesta tese um conjuntos de modelos matemáticos e estatísticos, que são usualmente mais aplicados na modelação de doenças infeciosas. São ainda apresentados e descritos, vários métodos e técnicas úteis para avaliação do risco na epidemiologia. A tese avalia e estima o risco de contágio da COVID-19 em Moçambique, a partir da metodologia mapeamento de doenças, recorrendo a aplicação dos modelos ICAR, BYM , BYM2 e Leroux, que foram formulados baseando-se na estrutura bayesiana hierárquica. Estes modelos foram propostos para capturar a dependência espacial entre as regiões vizinhas, permitindo uma estimativa mais precisa do risco relativo. Os modelos ICAR, BYM , BYM2 e Leroux, foram ajustados com o pacote R-INLA e para seleção do modelo aplicado para estimar o risco relativo de contágio da COVID-19 foram aplicados os critérios de Informação do Desvio e de Watanabe-Akaike, para além do Logaritmo da Pseudo-Verossimilhança Marginal e a visualização gráfica. São também aplicados, neste trabalho, os testes para deteção de agrupamentos da doença. Ao concluir a tese, ficou evidente que em termos comparativos a região Sul de Moçambique apresentou um risco relativo de contágio da COVID-19 mais alto, com destaque para Cidade de Maputo que apresentou um valor bastante elevado.
- 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.