Modelo fuzzy para estimar o número de internações por asma e pneumonia sob os efeitos da poluição do ar

Made available in DSpace on 2019-09-12T16:25:53Z (GMT). No. of bitstreams: 0 Previous issue date: 2017RESUMO OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma.ABSTRACT OBJECTIVE Predict the number of hospitalizations for asthma and pneumonia associated with exposure to air pollutants in the city of São José dos Campos, São Paulo State. METHODS This is a computational model using fuzzy logic based on Mamdani’s inference method. For the fuzzification of the input variables of particulate matter, ozone, sulfur dioxide and apparent temperature, we considered two relevancy functions for each variable with the linguistic approach: good and bad. For the output variable number of hospitalizations for asthma and pneumonia, we considered five relevancy functions: very low, low, medium, high and very high. DATASUS was our source for the number of hospitalizations in the year 2007 and the result provided by the model was correlated with the actual data of hospitalization with lag from zero to two days. The accuracy of the model was estimated by the ROC curve for each pollutant and in those lags. RESULTS In the year of 2007, 1,710 hospitalizations by pneumonia and asthma were recorded in São José dos Campos, State of São Paulo, with a daily average of 4.9 hospitalizations (SD = 2.9). The model output data showed positive and significant correlation (r = 0.38) with the actual data; the accuracies evaluated for the model were higher for sulfur dioxide in lag 0 and 2 and for particulate matter in lag 1. CONCLUSIONS Fuzzy modeling proved accurate for the pollutant exposure effects and hospitalization for pneumonia and asthma approach.[Nascimento, Luiz Fernando Costa] Universidade Estadual Paulista, BrazilChaves, Luciano Eustáquio] Faculdade de Pindamonhangaba, BrazilRizol, Paloma Maria Silva Rocha] Universidade Estadual Paulista, BrazilNascimento, Luiz Fernando Costa] Universidade de Taubaté, BrazilChaves, Luciano Eustáquio] Universidade Estadual Paulista, Brazi