Published November 16, 2020 | Version 1
Other Open

História e processos da modelagem de doenças infecciosas

Creators

  • 1. Center of Data and Knowledge Integration for Health (CIDACS), Instituto Gonçalo Moniz, Fundação Oswaldo Cruz, Salvador, Bahia, Brazil
  • 2. Instituto de Matemática e Estatística, Universidade Federal da Bahia, Salvador, Bahia, Brazil
  • 3. Fundação Oswaldo Cruz, Instituto Gonçalo Moniz, Bahia, Brazil
  • 4. Fundação Oswaldo Cruz, Porto Velho, Rondônia, Brazil

Contributors

  • 1. Faculdade de Letras, Universidade Federal da Bahia, Bahia, Brazil
  • 2. Center of Data and Knowledge Integration for Health (CIDACS), Instituto Gonçalo Moniz, Fundação Oswaldo Cruz, Salvador, Bahia, Brazil

Description

O aparecimento e reemergência de doenças infecciosas são continuamente documentados na história da humanidade com o delineamento de suas transmissões, sendo fortemente relacionados à globalização econômica,  mudanças ambientais, demográficas e tecnológicas.   Alguns agentes infecciosos causaram  inúmeras mortes antes do seu desaparecimento; outros se tornaram endêmicos (epidemias periódicas) em uma população e, consequentemente,  traçou um perfil de desigualdades, destacando regiões pobres e com precários sistemas de saúde. Patologias como a malária, cólera, esquistossomose, tuberculose, arbovírus de maneira geral (enfermidades transmitidas por vetores como mosquitos), problemas respiratórios, dentre outras, têm um impacto significativamente negativo na expectativa de vida da população, e afeta a economia de um país, uma vez que uma população doente tem sua força de trabalho reduzida. Neste  cenário, a modelagem tem se tornado  uma aliada, contribuindo  para a compreensão das complexidades da transmissão e evolução  dos patógenos, predição de tendências e seu controle.  São modelos que se harmonizam aos contextos variados,  capturam características individuais até um nível macro - levando em consideração características regionais,  sociais e econômicas da população.   Os resultados obtidos guiam  áreas da epidemiologia e saúde pública no estudo da dinâmica de transmissão e controle de contágio de doenças infecciosas.

Notes

O projeto tem apoio do Programa Fiocruz de Fomento à Inovação: ideias e produtos inovadores - COVID-19, encomendas e estratégias - INOVA-FIOCRUZ (Processo VPPIS-005-FIO-20-2-40). Trabalho de colaboração entre o "Centro de Integração de Dados e Conhecimentos para Saúde (CIDACS)" e a "Fundação Oswaldo Cruz de Rondônia". Revisão: Paloma Fonseca de Oliveira. Divulgação científica: Raíza Tourinho dos Reis Silva Lima

Files

N2.pdf

Files (973.3 kB)

Name Size Download all
md5:bc32953e1a909eab101cb6891c1aafd0
973.3 kB Preview Download

Additional details

References

  • Barreto, Mauricio L., Maria Glória Teixeira, and Eduardo Hage Carmo. "Infectious diseases epidemiology." Journal of Epidemiology & Community Health 60, no. 3 (2006): 192-195.
  • Saker, L., Lee, K., Cannito, B., Gilmore, A. and Campbell-Lendrum, D.H., 2004. Globalization and infectious diseases: a review of the linkages (No. TDR/STR/SEB/ST/04.2). World Health Organization.
  • Holmes, K.K., Bertozzi, S., Bloom, B.R., Jha, P., Gelband, H., DeMaria, L.M. and Horton, S., 2017. Major infectious diseases: key messages from disease control priorities.
  • Smith, D. and Keyfitz, N., 2012. Mathematical demography: selected papers (Vol. 6). Springer Science & Business Media.
  • Fenner, F., Henderson, D.A., Arita, I., Jezek, Z. and Ladnyi, I.D., 1988. Smallpox and its eradication (Vol. 6). Geneva: World Health Organization.
  • Bacaër, N., 2011. Daniel Bernoulli, d'Alembert and the inoculation of smallpox (1760). In A short history of mathematical population dynamics (pp. 21-30). Springer, London.
  • Bernoulli, D. and Blower, S., 2004. An attempt at a new analysis of the mortality caused by smallpox and of the advantages of inoculation to prevent it. Reviews in medical virology, 14(5), p.275.
  • WHO. Cholera: The Forgotten Pandemic (2018). https://www.who.int/cholera/the-forgotten-pandemic/en/
  • Snow, J., 1855. On the mode of communication of cholera. John Churchill.
  • Smith, D.R., 2019. Herd Immunity. The Veterinary clinics of North America. Food animal practice, 35(3), pp.593-604.
  • Fine, P.E., 1993. Herd immunity: history, theory, practice. Epidemiologic reviews, 15(2), pp.265-302.
  • McNabb, S.J., Jajosky, R.A., Hall-Baker, P.A., Adams, D.A., Sharp, P., Anderson, W.J., Javier, A.J., Jones, G.J., Nitschke, D.A., Worshams, C.A. and Richard Jr, R.A., 2007. Summary of notifiable diseases---United States, 2005. MMWR. Morbidity and mortality weekly report, 54(53), p.1.
  • Fine, P., Eames, K. and Heymann, D.L., 2011. "Herd immunity": a rough guide. Clinical infectious diseases, 52(7), pp.911-916.
  • Foppa, I.M., 2016. A Historical Introduction to Mathematical Modeling of Infectious Diseases: Seminal Papers in Epidemiology. Academic Press.
  • En'ko, P.D. (1889). On the course of epidemics of some infectious diseases. Vrach. St. Petersburg, X, 1008-10010, 1039-1042, 1061-1063 (in Russian). English translation by Dietz, K. International Journal of Epidemiology 18, 749-755, 1989.
  • Hamer, William Heaton (1906). The Milroy lectures on epidemic disease in England; the evidence of variability and of persistency of type. https://archive.org/details/milroylectureson00hameuoft/page/26/mode/2up
  • Ross, Sir Ronald. Memoirs with a full account of The Great Malaria Problem and its Solution. Albemarle Street, W. London: John Murray. p. https://archive.org/details/b29825738/page/n13/mode/2up, 1923.
  • Amad, Alan, Aureliano Sancho Souza Paiva, Caio Porto de Castro, Daniel Cardoso Pereira Jorge, Diego Santos Souza, Elaine Cristina Cambui Barbosa, Gabriel Bertolino et al. Boletim CoVida – Acompanhamento da pandemia por Covid-19 no Brasil: destaque para a situação na Bahia. https://redecovida.org/relatorios/boletim-covida/, 2020.
  • Amad, Alan, Aureliano Sancho Souza Paiva, Caio Porto de Castro, Daniel Cardoso Pereira Jorge, Diego Santos Souza, Elaine Cristina Cambui Barbosa, Gabriel Bertolino et al. Boletim CoVida – Pandemia de Covid-19. https://redecovida.org/relatorios/boletim-covida-ed-02/, 2020.
  • Amad, A., Paiva, A.S.S., Castro, C.P.D., Jorge, D.C.P., Souza, D.S., Barbosa, E.C.C., Bertolino, G., Miranda, J.G.V., Oliveira, J.F.D., Silva, M.S. and Torquato, M.F., 2020. Boletim CoVida: Pandemia de COVID-19: fortalecer o Sistema de Saúde para proteger a população.
  • Memória, J.M.P., 2004. Breve história da estatística. Área de Informação da Sede-Texto para Discussão (ALICE).
  • Stanton, J.M., 2001. Galton, Pearson, and the peas: A brief history of linear regression for statistics instructors. Journal of Statistics Education, 9(3).
  • Stigler, S.M., 2007. The epic story of maximum likelihood. Statistical Science, 22(4), pp.598-620.
  • Stigler, S.M., 1986. The history of statistics: The measurement of uncertainty before 1900. Harvard University Press.
  • Brooks, S., Gelman, A., Jones, G. and Meng, X.L. eds., 2011. Handbook of markov chain monte carlo. CRC press.
  • Szwarcwald, C.L. and Castilho, E.A.D., 1992. Os caminhos da estatística e suas incursões pela epidemiologia. Cadernos de Saúde Pública, 8, pp.5-21.
  • Brown, G. and Ozanne, M., 2019. Statistical Models for Infectious Diseases: A Useful Tool for Practical Decision-Making. The American Journal of Tropical Medicine and Hygiene, 101(1), p.1.
  • Metropolis, N. and Ulam, S., 1949. The monte carlo method. Journal of the American statistical association, 44(247), pp.335-341.
  • Mahoney, MS. Historical perspectives on models and modeling. XIIIth DHS-DLMPS joint conference on "scientific models: Their historical and philosophical relevance, 2000.
  • Stallings, W., 2010. Arquitetura e Organização de Computadores 8a Edição.
  • Gabardo, A.C., 2015. Análise de redes sociais: uma visão computacional. Novatec Editora.
  • Kuyven, Neiva Larisane and Antunes, Carlos André and de Barros Vanzin, Vinicius João and da Silva, João Luis Tavares and Krassmann, Aliane Loureiro and Tarouco, Liane Margarida Rockenbach. Chatbots na educação: uma Revisão Sistemática da Literatura. RENOTE-Revista Novas Tecnologias na Educação, 16, 1, 2018.
  • Maeda, A and Moraes, S. Chatbot baseado em deep learning: um estudo para língua portuguesa. Symposium on Knowledge Discovery, Mining and Learning, 5th, 2017.
  • Dubey, A.K. and Jain, V., 2019. A review of face recognition methods using deep learning network. Journal of Information and Optimization Sciences, 40(2), pp.547-558.
  • Banerjee, A., Ray, S., Vorselaars, B., Kitson, J., Mamalakis, M., Weeks, S., Baker, M. and Mackenzie, L.S., 2020. Use of machine learning and artificial intelligence to predict SARS-CoV-2 infection from full blood counts in a population. International immunopharmacology, 86, p.106705.
  • de Moraes Batista, A.F., Miraglia, J.L., Donato, T.H.R. and Chiavegatto Filho, A.D.P., 2020. COVID-19 diagnosis prediction in emergency care patients: a machine learning approach. medRxiv.
  • Harmon, S.A., Sanford, T.H., Xu, S., Turkbey, E.B., Roth, H., Xu, Z., Yang, D., Myronenko, A., Anderson, V., Amalou, A. and Blain, M., 2020. Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets. Nature communications, 11(1), pp.1-7.
  • Liang, W., Yao, J., Chen, A., Lv, Q., Zanin, M., Liu, J., Wong, S., Li, Y., Lu, J., Liang, H. and Chen, G., 2020. Early triage of critically ill COVID-19 patients using deep learning. Nature communications, 11(1), pp.1-7.
  • Kannan, S., Subbaram, K., Ali, S. and Kannan, H., 2020. The role of artificial intelligence and machine learning techniques: Race for covid-19 vaccine. Archives of Clinical Infectious Diseases, 15(2).