Aplicação de modelagem computacional e inteligência artificial na classificação do risco de surtos de doenças infecciosas na cidade de Maceió, Alagoas

Página do item simplificado
dc.contributor.advisor-co1Silva, Cledja Karina Rolim da
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1770216488772332
dc.contributor.advisor1Souza, Társis Marinho de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9808563385937929
dc.contributor.referee1Souza, Társis Marinho de
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9808563385937929
dc.contributor.referee2Silva, Cledja Karina Rolim da
dc.contributor.referee2Latteshttp://lattes.cnpq.br/1770216488772332
dc.contributor.referee3Santos, Edvonaldo Horácio dos
dc.contributor.referee3Latteshttp://lattes.cnpq.br/8960641809330500
dc.contributor.referee4Silva, Leonardo Soares e
dc.contributor.referee4Latteshttp://lattes.cnpq.br/4856480961305199
dc.creatorOliveira, Samila Raphaela de
dc.creator.Latteshttp://lattes.cnpq.br/6739787491122486
dc.creator2Lemos, Victor Luan de Lima
dc.creator2.Latteshttp://lattes.cnpq.br/4683311172720616
dc.date.accessioned2026-04-08T14:49:29Z
dc.date.available2026-04-08T14:49:29Z
dc.date.issued2026-02-20
dc.description.abstractInfectious diseases have historically represented a significant threat to populations worldwide and remain a relevant and priority challenge for public health, reinforcing the need for innovative strategies focused on prevention, surveillance, and control. In Brazil, despite the existence of national epidemiological surveillance systems, the occurrence of outbreaks and the reemergence of infectious diseases reveal limitations and vulnerabilities in the capacity to anticipate and respond to epidemic events. In this context, the early identification of risk patterns is essential to support timely public health actions. Within this scenario, models based on artificial intelligence have gained prominence due to their ability to identify complex patterns and support public health planning. These approaches have demonstrated performance comparable to or superior to traditional statistical methods, becoming essential tools for epidemic monitoring and control. Therefore, this study aims to analyze and compare computational models and machine learning algorithms applied to the classification of the risk of infectious disease outbreaks, using data from the Notifiable Diseases Information System (SINAN). The study seeks to contribute to the advancement of computational modeling in public health and to the strengthening of evidence-based strategies in epidemiological surveillance.
dc.description.resumoAo longo da história, as doenças infecciosas vêm representando uma ameaça significativa à população mundial, permanecendo como um desafio relevante e prioritário para a saúde pública, o que corrobora a necessidade de estratégias inovadoras voltadas à prevenção, à vigilância e ao controle. No Brasil, apesar da existência de sistemas nacionais de vigilância epidemiológica, a ocorrência de surtos e a reemergência de agravos infecciosos evidenciam limitações e fragilidades na capacidade de antecipação e de resposta diante de eventos epidêmicos. Nesse contexto, a identificação precoce de padrões de risco é de fundamental importância para subsidiar ações oportunas em saúde pública. Diante desse cenário, os modelos baseados em inteligência artificial destacam-se por sua capacidade de identificar padrões complexos e por fornecer subsídios ao planejamento de ações em saúde pública, apresentando desempenho comparável ou superior às abordagens estatísticas tradicionais e tornando-se ferramentas essenciais no monitoramento e no controle de epidemias. Sendo assim, este trabalho tem como objetivo analisar e comparar modelos computacionais e algoritmos de aprendizado de máquina aplicados à classificação do risco de surtos de doenças infecciosas, a partir de dados provenientes do Sistema de Informação de Agravos de Notificação (SINAN). Com isso, busca-se contribuir para o avanço da modelagem computacional em saúde pública e para o fortalecimento de estratégias baseadas em evidências no monitoramento epidemiológico.
dc.description.sponsorshipInstituto Federal de Educação Ciência e Tecnologia de Alagoas - IFAL
dc.identifier.citationOliveira, Samila Raphaela de. Aplicação de modelagem computacional e inteligência artificial na classificação de risco de surtos de doenças infecciosas na cidade de Maceió, Alagoas / Samilla Raphaela de Oliveira, Victor Luan de Lima Lemos – Dados eletrônicos (1 arquivo : 3,1 MB). – 2026. Sistema requerido: Adobe Acrobat Reader. Modo de acesso: Internet. Orientação: Prof. Dr. Tarsis Marinho de Souza. Co-orientador: Profa. Dra.Cledja Karina Rolim da Silva. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Instituto Federal de Alagoas, Campus Arapiraca, Arapiraca, 2026. 1. Análise de dados. 2. Doenças infecciosas. 3. Visualização de dados. 4. Aprendizado de máquina. 5. Saúde. I. Lemos, Victor Luan de Lima. II. Título..
dc.identifier.urihttps://repositorio.ifal.edu.br/handle/123456789/1481
dc.language.isopt
dc.publisherINSTITUTO FEDERAL DE ALAGOAS - Ifal
dc.publisher.countryBrasil
dc.publisher.departmentCampus Arapiraca
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.subjectAnálise de Dados
dc.subjectDoenças Infecciosas
dc.subjectVisualização de Dados
dc.subjectAprendizado de Máquina
dc.subjectSaúde
dc.subjectInfectious Diseases
dc.subjectData Analysis
dc.subjectData Visualization
dc.subjectHealth
dc.subjectMachine Learning
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA
dc.titleAplicação de modelagem computacional e inteligência artificial na classificação do risco de surtos de doenças infecciosas na cidade de Maceió, Alagoas
dc.typeTrabalho de Conclusão de Curso

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_Samila Raphaela de Oliveira e Victor Luan de Lima Lemos.pdf
Tamanho:
3.26 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.66 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC Sistemas de Informação