A carregar...
Publicação
Modelação do padrão espaciotemporal do COVID-19 em Portugal Continental: uma ferramenta de apoio à decisão
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.87 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Apesar de ter sido desenvolvida uma vacina para o COVID-19, esta apenas diminui o risco de contágio, e não garante que o indivíduo vacinado não venha a contrair a doença. Assim, uma vez que o processo de vacinação é moroso, é fundamental a identificação dos fatores que mais contribuem para a evolução espaciotemporal da prevalência do COVID-19. Este tipo de análise pode auxiliar a definição de estratégias preventivas para tomada de decisão, prevendo os principais fatores que influenciam os padrões espaciotemporais de uma epidemia. Os sistemas de apoio à decisão espacial têm se tornado cada vez mais importantes na gestão de risco na área da saúde. Efetivamente, atualmente tornou-se evidente a falta de um sistema computacional que permita aos decisores aproveitar os dados disponíveis para resolver problemas espaciais através de uma interface dinâmica e integrada que permita organizar, analisar e visualizar os dados. Este sistema facilitará a deteção de locais de alto risco de ocorrência da COVID-19, a otimização de instalações médicas, a cenarização da propagação de surtos e melhorar as tomadas de decisão em saúde pública. Este trabalho identifica os padrões geográficos da dispersão da COVID-19 relacionando a evolução espaciotemporal da prevalência da doença com fatores de vizinhança. Usando o teste de tendência de Mann Kendall são analisados os dados recolhidos ao longo do tempo para identificar tendências consistentemente crescentes ou decrescentes (monotónicas) nos casos de COVID-19. Este teste é não paramétrico, o que significa que funciona para todas as distribuições (i.e., não têm que atender à suposição de normalidade), Foram assim identificados os padrões espaciotemporais de propagação.
Descrição
Palavras-chave
Padrões espaciais Man-Kendall Padrões temporais Clusters Covid-19