UTILIZAÇÃO DE DADOS PÚBLICOS REFERENTES A ARBOVÍRUS NA TENTATIVA DE EXTRAIR PADRÕES CLÍNICO EPIDEMIOLÓGICOS ASSOCIADOS A ESSAS DOENÇAS |
O elevado número de casos de doenças provocadas pelo Aedes aegypti no Brasil tem preocupado as autoridades de saúde, pois além da dengue, o mosquito apresenta coinfecção com outros arbovírus, como o chikungunya, zika vírus e febre amarela, constituindo um sério problema de saúde pública. É nesse contexto epidemiológico que surge um dos maiores desafios enfrentados pelas autoridades de saúde, a dificuldade de lidar com diagnóstico, pois além da falta de recursos financeiros e demora nos resultados dos exames laboratoriais, os sintomas dessas doenças se assemelham. Sendo assim este trabalho pretende analisar por meio de revisão de literatura, publicações relacionadas a utilização de técnicas computacionais de mineração de dados na extração de padrões de doenças causadas pelo Aedes aegypti, levando em consideração dados epidemiológicos e a sintomatologia apresentada pelo indivíduo. O estudo foi feito de maneira descritiva e qualitativa por meio de revisão bibliográfica. A amostra a ser estudada foi composta de 5 artigos relacionados com a temática do estudo. A busca deu-se na biblioteca virtual de saúde iniciando a pesquisa com os seguintes critérios: artigos completos; em português e inglês; indexados IBECS, Lilacs, Medline nos anos de 2015 a 2018, em seguida apresentam-se os resultados e as discussões. Técnicas computacionais tais como Árvores de Decisão (ADs) e Redes Neurais Artificiais (RNA) foram aplicadas pelos pesquisadores para auxiliar na tarefa de classificação de arboviroses transmitidas pelo Aedes aegypti. O desempenho obtido pelo método de Árvores de Decisão para classificar que uma pessoa estava com dengue chega alcançar 95,2% de acerto. Demonstrando que embora métodos de aprendizagem de máquina sejam relativamente recentes, são métodos que têm se mostrado eficazes em problemas de classificação de doenças. Os estudos revelam a possibilidade de um método que auxilia no diagnóstico de arboviroses de forma mais assertiva e de maneira não invasiva, isto é sem exames laboratoriais. |