Modelo preditivo para a proliferação do Aedes aegypti em Itajaí (Santa Catarina): Uma abordagem integrando fatores climáticos locais e globais

Eduardo Ribeiro; Cleusa Matiola; Mario Quadro; Matheus Souza; Isabel Bohn; João Fuck; Raul Guimarães; Thiago Alves

doi:10.53455/re.v5i1.207

Autores/as

Eduardo Augusto Werneck Ribeiro Instituto Federal Catarinense https://orcid.org/0000-0003-3313-6783
Cleusa Matiola Secretaria de Educação do estado de Santa Catarina https://orcid.org/0000-0002-6902-1307
Mario Francisco Leal de Quadro Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina
Matheus Ferreira de Souza Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina https://orcid.org/0000-0002-9539-5695
Isabel Cristina Bohn Secretaria Municipal de Educação de Navegantes https://orcid.org/0000-0003-2338-9322
João Augusto Brancher Fuck Secretaria de Estado da Saúde de Santa Catarina https://orcid.org/0000-0001-8716-3432
Raul Borges Guimarães Universidad Estatal Paulista
Thiago Pereira Alves Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina https://orcid.org/0000-0002-0939-1306

DOI:

https://doi.org/10.53455/re.v5i1.207

Palabras clave:

Random Forest, Modelo predictivo, Variabilidad climática, Aedes aegypti

Resumen

Contexto: Itajaí, una ciudad costera en Santa Catarina, enfrenta desafíos únicos relacionados con la proliferación del mosquito Aedes aegypti, vector de varias enfermedades. Este artículo presenta un modelo predictivo desarrollado para prever focos de Aedes aegypti en la región, considerando la compleja interacción entre variables climáticas locales y fenómenos globales como El Niño y La Niña. Metodologia: Utilizando un algoritmo de Random Forest, el modelo es capaz de capturar relaciones no lineales en los datos, ofreciendo perspectivas sobre la influencia de los factores climáticos en la actividad del mosquito. La elección de este algoritmo se debe a su robustez y capacidad para considerar la multiplicidad de factores que influyen en la proliferación del mosquito. Al agrupar datos por estación, el modelo incorpora matices estacionales, reflejando las variaciones climáticas de Itajaí. Resultados: La integración de patrones climáticos más amplios destaca la interconexión entre factores locales y globales. Este modelo ofrece una herramienta valiosa para las autoridades sanitarias de Itajaí, permitiendo acciones proactivas y optimización de recursos en la lucha contra el Aedes aegypti. En resumen, este estudio propone un enfoque innovador y práctico para prevenir enfermedades transmitidas por mosquitos, con el potencial de impactar positivamente en la salud pública en regiones similares.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Alexander J, Wilke ABB, Mantero A, Vasquez C, Petrie W, Kumar N, et al. (2022) Using machine learning to understand microgeographic determinants of the Zika vector, Aedes aegypti. PLoS ONE 17(12): e0265472. https://doi.org/10.1371/journal.pone.0265472 DOI: https://doi.org/10.1371/journal.pone.0265472

Chicco, D., Warrens, M. J., & Jurman, G. (2021). The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation. PeerJ. Computer science, 7, e623. https://doi.org/10.7717/peerj-cs.623 DOI: https://doi.org/10.7717/peerj-cs.623

Guerra, C., & Quadro, M. (2021). Estudo da variabilidade diurna da precipitação região sul do Brasil. Estrabão, 2(1), 205–209. https://doi.org/10.53455/re.v2i.56 DOI: https://doi.org/10.53455/re.v2i.56

Jupyter. (s.d.). Recuperado de https://jupyter.org/

Matiola, C. Avaliação da relação entre focos de Aedes aegypti com a distribuição espacial da temperatura nomunicípio de Itajaí/SC, por geoprocessamento. Metodologias e Aprendizado, 1, 30 – 35, 2019. https://doi.org/10.21166/metapre.v1i0.645 DOI: https://doi.org/10.21166/metapre.v1i0.645

Matiola, C. et al. O uso de dados de temperatura e precipitação deMERRA2 para compreender a dinâmica ecológica do A. aegypti no município de Chapecó/SC - 2007 a 2017. Revista Brasileira de Geografia Física, v. 12, n. 4, p. 1385-1398, nov. 2019.https://doi.org/10.26848/rbgf.v12.4.p1385-1398 DOI: https://doi.org/10.26848/rbgf.v12.4.p1385-1398

Ochida, N., Mangeas, M., Dupont‐Rouzeyrol, M., Dutheil, C., Forfait, C., Peltier, A., … & Menkès, C. E. (2022). Modeling present and future climate risk of dengue outbreak, a case study in new caledonia. Environmental Health, 21(1). https://doi.org/10.1186/s12940-022-00829-z DOI: https://doi.org/10.1186/s12940-022-00829-z

Rahman, M. S., Pientong, C., Zafar, S., Ekalaksananan, T., Paul, R. E., Haque, U., Rocklöv, J., & Overgaard, H. J. (2021). Mapping the spatial distribution of the dengue vector Aedes aegypti and predicting its abundance in northeastern Thailand using machine-learning approach. One Health, 13(7446), 100358. https://doi.org/10.1016/j.onehlt.2021.100358 DOI: https://doi.org/10.1016/j.onehlt.2021.100358

Ribeiro, E., Matiola, C., Mattedi, M., Bohn, I., Fuck, J., Guimaraes, R., Quadro, M., & Alves, T. (2023). Desafios e Aprendizados na Aplicação do Projeto Índice de Positividade de Armadilhas (IPA): Um Estudo sobre o Controle do Aedes aegypti em Santa Catarina, Brasil. Metodologias E Aprendizado, 6, 740–743. https://doi.org/10.21166/metapre.v6i.4174 DOI: https://doi.org/10.21166/metapre.v6i.4174

Santos, J. M., Capinha, C., Rocha, J., & Sousa, C. A. (2022). The current and future distribution of the yellow fever mosquito (Aedes aegypti) on Madeira Island. PLOS Neglected Tropical Diseases, 16(9), e0010715. https://doi.org/10.1371/journal.pntd.0010715 DOI: https://doi.org/10.1371/journal.pntd.0010715