Defesa de Proposta de Dissertação (19/12/2025): Ramon De La Vega Garcia
Discente: Ramon De La Vega Garcia
Título: Modelagem Preditiva de Casos de Dengue Usando Dados Climáticos, Epidemiológicos e de Infraestrutura de Saúde
Orientador: Eduardo Bezerra
Banca: Eduardo Bezerra (Cefet/RJ), Jorge de Abreu Soares (Cefet/RJ) e Rejane Sobrino Pinheiro (IESC/UFRJ)
Dia/Hora: 19/12/2025 às 10h
Sala: https://teams.microsoft.com/
Resumo: A dengue é um importante problema de saúde pública no Brasil, com transmissão endêmica persistente apesar de décadas de esforços de controle vetorial. Fatores climáticos como temperatura, precipitação e umidade, aliados a condições socioambientais, desempenham papel central na proliferação do Aedes aegypti e na dinâmica de disseminação viral. Este estudo propõe um framework de modelagem preditiva para estimar casos diários e semanais de dengue em níveis regionais e por unidade de saúde, integrando dados epidemiológicos (SINAN), registros de infraestrutura de saúde (CNES) e reanálises meteorológicas (ERA5). A metodologia inclui pré-processamento de dados, engenharia de variáveis baseada no conhecimento biológico do vetor e treinamento de modelos de aprendizado de máquina, a saber: Random Forest, XGBoost com função de perda Poisson e um modelo híbrido Zero-Inflated Poisson (ZIP), para lidar com os desafios de dados de contagem caracterizados por sobredispersão e excesso de zeros. A otimização de hiperparâmetros foi realizada por busca Bayesiana utilizando o Optuna, e o desempenho dos modelos foi avaliado por meio de múltiplas execuções com divisões temporais rígidas para duas cidades brasileiras: Natal (RN) e Rio de Janeiro (RJ). Os resultados indicam que a inclusão de variáveis inspiradas em conhecimento biológico melhora a acurácia preditiva e que o modelo ZIP fornece previsões mais realistas durante períodos de baixa incidência. A abordagem proposta contribui para o desenvolvimento de sistemas operacionais de alerta precoce, permitindo intervenções oportunas em saúde pública e alocação mais eficiente de recursos em regiões endêmicas de dengue.