SlideShare uma empresa Scribd logo
1 de 25
Baixar para ler offline
Sistema de Alerta de Dengue Utilizando 
Dados Híbridos de Redes Sociais, 
Monitoramento Entomológico, 
Epidemiológico e Climático 
Flávio Codeço Coelho 
fccoelho@fgv.br 
EMAp - FGV
Big Data e Saúde Pública 
● Mudança no olhar sobre o tempo 
de resposta adequado 
● Gestão baseada em evidência. 
● Estatística descritiva/exploratória 
vs. Modelagem Estatística 
● Desenhos de estudo vs. 
Classificação/inferência
Projeto Alerta Dengue 
alerta.dengue.mat.br
O que é? 
● Alerta de Situação 
● Municipal (segmentado) 
● Semanal 
● Adaptativo
Dados Híbridos 
● Clima 
● LIRAa 
● Casos 
● Densidade vetorial 
● Redes sociais
Fase I: Rio de janeiro 
Fontes de dados
Dengue and Tweets
Casos no espaço
Alerta baseado em tweets 
tweets=157 
Modelo: 
Média de tweets (baixa):
Rt mede o crescimento da curva epidêmica 
Rt > 1 : espalhamento 
Rt > 1 por mais de 3 semanas: transmissão 
sustentada
transmissão sustentada x temperatura 
t24 = número de dias com temp > 24 graus
Oviposição x temperatura 
t24 = número de dias com temp > 24 graus 
t24 = 3.7 dias
2010/11 2011/12 2012/13 
regressão binomial negativa, modelo completo com todas as interações
Níveis de Alerta 
● Nível 1: Sem casos e sem condições climáticas 
favoráveis para a transmissão. 
○ Ações: Monitoramento e controle de criadouros, 
disseminação de informação sobre controle 
● Nível 2: Casos esporádicos. Rt < 1, condições 
favoráveis. 
○ Ações: Controle vetorial, Campanhas para 
engajamento público no controle. 
● Nível 3: Surtos. Rt > 1, Condições favoráveis, menos de 
300 casos por 100 mil habitantes 
○ Ações: Intensificação do controle vetorial em áreas 
de maior incidência. Intensificação da vigilância 
epidemiológica. 
● Nível 4: Epidemia. Todas as características do nível 3 e 
mais de 300 casos por 100 mil habitantes 
○ Ações: Máxima Ativação de todas Unidade de 
controle da dengue. 
Baseado em: www.health.qld.gov.au/dengue/documents/dengue-mgt-
Resolução Espacial
Alerta por APS
Estações Meteorológicas 
APs Estações Estações Prox. 
1.0 São Cristovão, Centro 
2.1 Copacabana 
2.2 Tijuca 
3.1 - (Centro,Irajá) 
3.2 - (Irajá, Tijuca) 
3.3 Irajá 
4.0 Aerop. Jacarepauá ?? 
5.1 Bangu 
5.2 Campo Grande 
5.3 - Campo Grande
Temperatura e Umidade
Pluviosidade
Densidade Vetorial 
(Dados de fev - ago 2013, dez 2013 - jan 2014) 
IDO = (Total Ovos)/(Total Armadilhas) 
IPO = % Armadilhas positivas
Densidade Vetorial IDO = (Total Ovos)/(Total Armadilhas) 
IPO = % Armadilhas positivas
Desafios 
● Continuidade 
○ Acesso aos dados já utilizados 
○ Incorporação de novas fontes de informação 
○ Melhoria dos modelos 
● Previsão do Risco 
● Expansão para o Resto do Brasil
A Equipe do Projeto
Apoio
Obrigado 
http://alerta.dengue.mat.br 
Lançamento em setembro de 2014

Mais conteúdo relacionado

Semelhante a Alerta dengue abrasco 2014

As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
As ciências geográficas e a vigilância epidemiológica e entomológica das doen...As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
Luis Antunes
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
joelma88
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
joelma88
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
joelma88
 
Apresentação Dengue Completa PET
Apresentação Dengue Completa PETApresentação Dengue Completa PET
Apresentação Dengue Completa PET
aline_galucio
 
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMAMODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
Paulo Antonio de Souza Gonçalves
 

Semelhante a Alerta dengue abrasco 2014 (20)

Big dengue
Big dengueBig dengue
Big dengue
 
As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
As ciências geográficas e a vigilância epidemiológica e entomológica das doen...As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
As ciências geográficas e a vigilância epidemiológica e entomológica das doen...
 
Sistema de Alerta de Dengue Utilizando Dados Hbridos de Redes Sociais, Moni...
Sistema de Alerta de Dengue Utilizando Dados Hbridos de Redes Sociais, Moni...Sistema de Alerta de Dengue Utilizando Dados Hbridos de Redes Sociais, Moni...
Sistema de Alerta de Dengue Utilizando Dados Hbridos de Redes Sociais, Moni...
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
 
Franciscopolis 3
Franciscopolis 3Franciscopolis 3
Franciscopolis 3
 
Ações Estratégicas para Enfrentamento da Dengue - Verão 2011/2012
Ações Estratégicas para Enfrentamento da Dengue - Verão 2011/2012Ações Estratégicas para Enfrentamento da Dengue - Verão 2011/2012
Ações Estratégicas para Enfrentamento da Dengue - Verão 2011/2012
 
FATORES DETERMINANTES E CONDICIONANTES DE ENDEMIAS E EPIDEMIAS
FATORES DETERMINANTES E CONDICIONANTES DE ENDEMIAS E EPIDEMIASFATORES DETERMINANTES E CONDICIONANTES DE ENDEMIAS E EPIDEMIAS
FATORES DETERMINANTES E CONDICIONANTES DE ENDEMIAS E EPIDEMIAS
 
IEncontroestudos de caso
IEncontroestudos de casoIEncontroestudos de caso
IEncontroestudos de caso
 
Balanço da campanha e ações para enfrentamento da influenza
Balanço da campanha e ações para enfrentamento da influenzaBalanço da campanha e ações para enfrentamento da influenza
Balanço da campanha e ações para enfrentamento da influenza
 
Plano Estadual de Enfrentamento a SR e SRAG, com ênfase na Influenza
Plano Estadual de Enfrentamento a SR e SRAG, com ênfase na InfluenzaPlano Estadual de Enfrentamento a SR e SRAG, com ênfase na Influenza
Plano Estadual de Enfrentamento a SR e SRAG, com ênfase na Influenza
 
Apresentação Dengue Completa PET
Apresentação Dengue Completa PETApresentação Dengue Completa PET
Apresentação Dengue Completa PET
 
Epidemiologia no Controle do Surto de COVID-19
Epidemiologia no Controle do Surto de  COVID-19Epidemiologia no Controle do Surto de  COVID-19
Epidemiologia no Controle do Surto de COVID-19
 
COVID-19 Projecoes de Medio e Longo Prazo
COVID-19 Projecoes de Medio e Longo PrazoCOVID-19 Projecoes de Medio e Longo Prazo
COVID-19 Projecoes de Medio e Longo Prazo
 
Introdução da vacina dTpa para gestantes no SUS
Introdução da vacina  dTpa para gestantes no SUSIntrodução da vacina  dTpa para gestantes no SUS
Introdução da vacina dTpa para gestantes no SUS
 
Por que não é momento de flexibilizar isolamento social
Por que não é momento de flexibilizar isolamento socialPor que não é momento de flexibilizar isolamento social
Por que não é momento de flexibilizar isolamento social
 
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMAMODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
MODELO PARA A PREVISÃO DA INCIDÊNCIA DE TRIPES EM CEBOLA PELO CLIMA
 
Eventos de massa | Dengue
Eventos de massa | DengueEventos de massa | Dengue
Eventos de massa | Dengue
 
Aula 4 medidas de frequência de uma doença
Aula 4   medidas de frequência de uma doençaAula 4   medidas de frequência de uma doença
Aula 4 medidas de frequência de uma doença
 
DENGUE NO ÁMBITO DE SAÚDE AMBIENTAL
DENGUE NO ÁMBITO DE SAÚDE AMBIENTALDENGUE NO ÁMBITO DE SAÚDE AMBIENTAL
DENGUE NO ÁMBITO DE SAÚDE AMBIENTAL
 

Mais de Flávio Codeço Coelho

Mais de Flávio Codeço Coelho (13)

Alerta_Dengue simplified english
Alerta_Dengue simplified englishAlerta_Dengue simplified english
Alerta_Dengue simplified english
 
dengueARS0
dengueARS0dengueARS0
dengueARS0
 
Mauricio barreto:Big data: how can it help to expand epidemiological investig...
Mauricio barreto:Big data: how can it help to expand epidemiological investig...Mauricio barreto:Big data: how can it help to expand epidemiological investig...
Mauricio barreto:Big data: how can it help to expand epidemiological investig...
 
Fabricio Silva: Cloud Computing Technologies for Genomic Big Data Analysis
Fabricio  Silva: Cloud Computing Technologies for Genomic Big Data AnalysisFabricio  Silva: Cloud Computing Technologies for Genomic Big Data Analysis
Fabricio Silva: Cloud Computing Technologies for Genomic Big Data Analysis
 
Gabriela gomes: Mathematical Modeling and Data Needs
Gabriela gomes: Mathematical Modeling and Data NeedsGabriela gomes: Mathematical Modeling and Data Needs
Gabriela gomes: Mathematical Modeling and Data Needs
 
Carl koppeschaar: Disease Radar: Measuring and Forecasting the Spread of Infe...
Carl koppeschaar: Disease Radar: Measuring and Forecasting the Spread of Infe...Carl koppeschaar: Disease Radar: Measuring and Forecasting the Spread of Infe...
Carl koppeschaar: Disease Radar: Measuring and Forecasting the Spread of Infe...
 
Sander van noort: Influenzanet: self-reporting of influenza-like illness in c...
Sander van noort: Influenzanet: self-reporting of influenza-like illness in c...Sander van noort: Influenzanet: self-reporting of influenza-like illness in c...
Sander van noort: Influenzanet: self-reporting of influenza-like illness in c...
 
Claudia medina: Linking Health Records for Population Health Research in Brazil.
Claudia medina: Linking Health Records for Population Health Research in Brazil.Claudia medina: Linking Health Records for Population Health Research in Brazil.
Claudia medina: Linking Health Records for Population Health Research in Brazil.
 
Mark smolinski big data and public health
Mark smolinski   big data and public healthMark smolinski   big data and public health
Mark smolinski big data and public health
 
Wim de Grave: Big Data in life sciences
Wim de Grave:  Big Data in life sciencesWim de Grave:  Big Data in life sciences
Wim de Grave: Big Data in life sciences
 
Mining legal texts with Python
Mining legal texts with PythonMining legal texts with Python
Mining legal texts with Python
 
Causal Bayesian Networks
Causal Bayesian NetworksCausal Bayesian Networks
Causal Bayesian Networks
 
In trodução ao Epigrass
In trodução ao EpigrassIn trodução ao Epigrass
In trodução ao Epigrass
 

Último (7)

FOUCAULT, Michel. A coragem da verdade.pdf
FOUCAULT, Michel. A coragem da verdade.pdfFOUCAULT, Michel. A coragem da verdade.pdf
FOUCAULT, Michel. A coragem da verdade.pdf
 
Bilhete de Identidade sobre o Tungsténio.pptx
Bilhete de Identidade sobre o Tungsténio.pptxBilhete de Identidade sobre o Tungsténio.pptx
Bilhete de Identidade sobre o Tungsténio.pptx
 
Apresentação sobre o cientista linus pauling.pptx
Apresentação sobre o cientista linus pauling.pptxApresentação sobre o cientista linus pauling.pptx
Apresentação sobre o cientista linus pauling.pptx
 
Estudo Dirigido Sistema Cardiovascular - 8°.docx
Estudo Dirigido Sistema Cardiovascular - 8°.docxEstudo Dirigido Sistema Cardiovascular - 8°.docx
Estudo Dirigido Sistema Cardiovascular - 8°.docx
 
NEUROCIENCIA I (1).ppt aula explicativa 1
NEUROCIENCIA I (1).ppt aula explicativa 1NEUROCIENCIA I (1).ppt aula explicativa 1
NEUROCIENCIA I (1).ppt aula explicativa 1
 
Planejamento do viveiro de mudas florestais
Planejamento do viveiro de mudas florestaisPlanejamento do viveiro de mudas florestais
Planejamento do viveiro de mudas florestais
 
Historia da Agricultura Agronomia 2017.pptx
Historia da Agricultura Agronomia 2017.pptxHistoria da Agricultura Agronomia 2017.pptx
Historia da Agricultura Agronomia 2017.pptx
 

Alerta dengue abrasco 2014

  • 1. Sistema de Alerta de Dengue Utilizando Dados Híbridos de Redes Sociais, Monitoramento Entomológico, Epidemiológico e Climático Flávio Codeço Coelho fccoelho@fgv.br EMAp - FGV
  • 2. Big Data e Saúde Pública ● Mudança no olhar sobre o tempo de resposta adequado ● Gestão baseada em evidência. ● Estatística descritiva/exploratória vs. Modelagem Estatística ● Desenhos de estudo vs. Classificação/inferência
  • 3. Projeto Alerta Dengue alerta.dengue.mat.br
  • 4. O que é? ● Alerta de Situação ● Municipal (segmentado) ● Semanal ● Adaptativo
  • 5. Dados Híbridos ● Clima ● LIRAa ● Casos ● Densidade vetorial ● Redes sociais
  • 6. Fase I: Rio de janeiro Fontes de dados
  • 9. Alerta baseado em tweets tweets=157 Modelo: Média de tweets (baixa):
  • 10. Rt mede o crescimento da curva epidêmica Rt > 1 : espalhamento Rt > 1 por mais de 3 semanas: transmissão sustentada
  • 11. transmissão sustentada x temperatura t24 = número de dias com temp > 24 graus
  • 12. Oviposição x temperatura t24 = número de dias com temp > 24 graus t24 = 3.7 dias
  • 13. 2010/11 2011/12 2012/13 regressão binomial negativa, modelo completo com todas as interações
  • 14. Níveis de Alerta ● Nível 1: Sem casos e sem condições climáticas favoráveis para a transmissão. ○ Ações: Monitoramento e controle de criadouros, disseminação de informação sobre controle ● Nível 2: Casos esporádicos. Rt < 1, condições favoráveis. ○ Ações: Controle vetorial, Campanhas para engajamento público no controle. ● Nível 3: Surtos. Rt > 1, Condições favoráveis, menos de 300 casos por 100 mil habitantes ○ Ações: Intensificação do controle vetorial em áreas de maior incidência. Intensificação da vigilância epidemiológica. ● Nível 4: Epidemia. Todas as características do nível 3 e mais de 300 casos por 100 mil habitantes ○ Ações: Máxima Ativação de todas Unidade de controle da dengue. Baseado em: www.health.qld.gov.au/dengue/documents/dengue-mgt-
  • 17. Estações Meteorológicas APs Estações Estações Prox. 1.0 São Cristovão, Centro 2.1 Copacabana 2.2 Tijuca 3.1 - (Centro,Irajá) 3.2 - (Irajá, Tijuca) 3.3 Irajá 4.0 Aerop. Jacarepauá ?? 5.1 Bangu 5.2 Campo Grande 5.3 - Campo Grande
  • 20. Densidade Vetorial (Dados de fev - ago 2013, dez 2013 - jan 2014) IDO = (Total Ovos)/(Total Armadilhas) IPO = % Armadilhas positivas
  • 21. Densidade Vetorial IDO = (Total Ovos)/(Total Armadilhas) IPO = % Armadilhas positivas
  • 22. Desafios ● Continuidade ○ Acesso aos dados já utilizados ○ Incorporação de novas fontes de informação ○ Melhoria dos modelos ● Previsão do Risco ● Expansão para o Resto do Brasil
  • 23. A Equipe do Projeto
  • 24. Apoio