Data-driven mathematical models for assessing the COVID-19: SIRD-type equations

Página do item simplificado
dc.contributor.advisorOishi, Cássio Machiaveli [UNESP]
dc.contributor.advisorCasaca, Wallace Correa de Oliveira [UNESP]
dc.contributor.authorAmaral, Fábio Vinícius Goes
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2021-09-08T18:46:14Z
dc.date.available2021-09-08T18:46:14Z
dc.date.issued2021-07-29
dc.description.abstractSão Paulo is the most populous state in Brazil, home to around 22% of the country’s population. The total number of COVID-19-infected people in São Paulo has reached more than 1 million, while its total death toll stands at 25% of all the country’s deceases. Join- ing the Brazilian academia efforts in the fight against COVID-19, in this work we describe a unified framework for monitoring and forecasting the COVID-19 progress. A novel fore- casting data-driven method has been proposed, by combining the so-called Susceptible- Infectious-Recovered-Deceased model with machine learning strategies to properly fit the mathematical model’s coefficients for predicting Infections, Recoveries, Deaths, and Viral Reproduction Numbers. We show that the resulting predictor is capable of dealing with badly conditioned data samples while still delivering accurate 10-day predictions. Our in- tegrated computational system can be used for guiding government actions mainly in two basic aspects: real-time data assessment and dynamic predictions of COVID-19 curves for different regions of the state and country. Finally, we extend our methodology to in- vestigate the effects of the vaccination process with a more complex model. In particular, our studies are able to predict different scenarios varying the rate of vaccination and the effectiveness of the vaccines.en
dc.description.abstractSão Paulo é o estado mais populoso do Brasil, com de cerca de 22% da população do país. O número total de pessoas infectadas pelo COVID-19 em São Paulo ultrapassou a marca de um milhão em janeiro de 2021, enquanto o número total de óbitos é de cerca de 25% dos óbitos do país. Juntando-se aos esforços acadêmicos brasileiros na luta contra a progressão da COVID-19 no país, um novo método de projeção baseado em dados é proposto, combinando o modelo chamado Suscetível-Infectados-Recuperado-Óbitos com estratégias de aprendizado de máquina para ajustar adequadamente os coeficientes do modelo para predição de Infecções, Recuperações, Óbitos e o número de reprodução do vírus. Mostramos que o preditor resultante é capaz de lidar com dados mal-condicionados enquanto gera projeções acuradas de 10 dias. Nosso sistema integrado pode ser utilizado para guiar ações governamentais principalmente baseados em dois aspectos: avaliação em tempo real dos dados e projeções dinâmicas para as curvas da COVID-19 em diferentes regiões do estado e país. Finalmente, estendemos a metodologia para investigar os efeitos do processo de vacinação utilizando um modelo mais complexo. Em particular, estudos mostram diferentes cenários variando da taxa de vacinação e eficácias de vacinas.pt
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.description.sponsorshipId88882.441642/2019-01
dc.identifier.capes33004129046P9
dc.identifier.urihttp://hdl.handle.net/11449/214330
dc.language.isoeng
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectNeural networks (computer science)en
dc.subjectForecastingen
dc.subjectMass vaccinationen
dc.subjectRedes neurais (ciência da computação)pt
dc.subjectPrevisãopt
dc.subjectVacinação em massapt
dc.titleData-driven mathematical models for assessing the COVID-19: SIRD-type equationsen
dc.title.alternativeModelos matemáticos baseados em dados para avaliar a COVID-19: equações do tipo SIRDpt
dc.typeDissertação de mestrado
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências e Tecnologia, Presidente Prudentept
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramMatemática Aplicada e Computacional - FCTpt
unesp.knowledgeAreaMatemática aplicada e computacionalpt
unesp.researchAreaInteligência artificial aplicada em equações diferenciaispt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
amaral_fvg_me_prud.pdf
Tamanho:
8.58 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.97 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Presidente Prudente - FCT - Faculdade de Ciências e Tecnologia