Proposta de um método de combate ao mosquito da dengue consorciando controle biológico e inteligência artificial

Autores

DOI:

https://doi.org/10.47385/tudoeciencia.1794.2024

Palavras-chave:

Aedes aegypti. Algoritmos de aprendizado de máquina. Saúde pública. Epidemias.

Resumo

A dengue continua sendo um enorme desafio de saúde pública em todo o mundo. No ano passado a Organização Mundial da Saúde (OMS) registrou quase três milhões de casos suspeitos e confirmados de dengue, sendo que o Brasil liderava o ranking global com 2,3 milhões de ocorrências. Segundo Xavier et al. (2024), no primeiro trimestre desse ano, somente em nosso país, os casos confirmados de dengue aumentaram em comparação ao mesmo período de 2023. O Estado do Rio de Janeiro, por exemplo, registrou 17.544 casos apenas em janeiro de 2024, o que equivale a doze vezes mais do que em janeiro de 2023. Diante deste cenário o objetivo do presente trabalho é propor consorciar o uso de Inteligência Artificial a métodos de controle biológico que possam ser implementados, visando reduzir significativamente a população do mosquito Aedes aegypti e a transmissão de dengue de forma integrada e sustentável. A relevância do estudo é a de possibilitar a elaboração de um plano mais eficaz que aqueles até agora utilizados no mundo, uma vez que o emprego de Inteligência Artificial conseguir analisar grandes volumes de dados epidemiológicos, meteorológicos e ambientais para identificar padrões e prever surtos de dengue. Além disso, os algoritmos de aprendizado de máquina, conforme Silva (2023). podem detectar correlações entre variáveis como temperatura, precipitação, e incidência de casos, permitindo uma resposta antecipada, o que é crucial para a prevenção, controle e redução do impacto dessa doença. Portanto, o consórcio das abordagens envolvendo controle biológico e Inteligência Artificial pode resultar em um programa de controle mais eficaz, sustentável e de longo prazo, reduzindo a incidência da dengue e protegendo a saúde pública. 

Downloads

Não há dados estatísticos.

Referências

DE CASTRO, Anna Lya Godoi et al. Eficácia das formas de prevenção e combate à dengue no Brasil. Revista Educação em Saúde, v. 10, p. 22-30, 2022. Acesso em: 16 set. 2024.

DE LOURDES ARAÚJO, Isabela et al. Comparação da performance de algoritmos de aprendizado de máquina para análise preditiva de febre amarela no estado de Minas Gerais. 2023. Acesso em: 14 set. 2024.

DIAS, Grazielle Maria Coutinho et al. Epidemia de Dengue: uma análise sobre as projeções para o ano de 2024. CONTRIBUCIONES A LAS CIENCIAS SOCIALES, v. 17, n. 8, p. e9210-e9210, 2024. Acesso em: 14 set. 2024.

MESQUITA, Tayane Cristiele Rodrigues. Análise da relação saúde, saneamento e ambiente nas epidemias do Zika vírus e microcefalia no Brasil. 2023. Acesso em: 12 set. 2024.

ROSA, Bruna Betim et al. Evolução do saneamento básico e a sua relação com a saúde pública. J Health Sci Inst.,[s. l], p. 33-41, 2021. Acesso em: 12 set. 2024.

SILVA, Julia Mombach da. Viés nos Algoritmos de aprendizado de máquina para a saúde: uma revisão sistemática. 2023. Acesso em: 14 set. 2024.

VIEIRA, George Felipe Fernandes; DE CASTRO, Angélica Félix; DE OLIVEIRA, Amanda Gondim. Analysis of dengue data, in the municipality of Mossoró, Northeast Brazil, between the years 2015 and 2020, using Python language. In: 2023 18th Iberian Conference on Information Systems and Technologies (CISTI). IEEE, 2023. p. 1-7. Acesso em: 12 set. 2024.

XAVIER, Fernando et al. Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue. Revista de Saúde Pública, v. 58, p. 17, 2024. Acesso em: 16 set. 2024.

Downloads

Publicado

21-01-2025

Como Citar

de Cássia Cardoso Beraldo, B., Coelho Rocha, F., & Faria de Araujo, M. V. (2025). Proposta de um método de combate ao mosquito da dengue consorciando controle biológico e inteligência artificial. Tudo é Ciência: Congresso Brasileiro De Ciências E Saberes Multidisciplinares, (3), 1–8. https://doi.org/10.47385/tudoeciencia.1794.2024

Edição

Seção

Ciências Exatas, Tecnologias e Engenharias

Artigos mais lidos pelo mesmo(s) autor(es)