Plataforma de Monitoreo Inteligente COVID-19
DOI:
https://doi.org/10.33448/rsd-v11i14.36659Palabras clave:
Big data; Aprendizaje automático; COVID-19; Análisis de datos.Resumen
Durante la pandemia de COVID-19 surgieron plataformas de monitoreo de la enfermedad a través del análisis y visualización de datos. El enfoque de la mayoría de las plataformas fue el monitoreo a nivel estatal, con información concentrada en macrorregiones. Como resultado, las ciudades y municipios quedaron sin la debida atención a sus datos internos, lo que resultó en una difícil toma de decisiones y estrategias de afrontamiento adaptadas a sus necesidades locales. Con la experiencia previa en el monitoreo del COVID-19 en el Estado de Paraná, utilizando datos de acceso público, fue posible identificar nuevos tipos de datos y análisis que podrían realizarse con información específica para cada ciudad o municipio, con el fin de generar información útil en las características locales del contexto, como una forma de ayudar a los gerentes en la toma de decisiones. La capacidad de la plataforma para analizar y visualizar datos está directamente relacionada con los desafíos de establecer un estándar para obtener los más variados tipos de datos que se encuentran en las organizaciones internas de las ciudades y municipios brasileños. Así, este trabajo presenta una metodología para el monitoreo inteligente de datos de COVID-19, que comprende los pasos de obtención, extracción, limpieza, análisis y visualización de los datos. Con el análisis de datos, fue posible investigar acciones y definir estrategias con foco en las características locales, generando una plataforma que fue transferida a algunos municipios de Paraná en 2021.
Citas
Alsunaidi, S. J., Almuhaideb, A. M., Ibrahim, N. M., Shaikh, F. S., Alqudaihi, K. S., Alhaidari, F. A., Khan I. U., Aslam, N., & Alshahrani, M. S. (2021). Applications of Big Data Analytics to Control COVID-19 Pandemic. Sensors (Basel). 21(7), 2282. 10.3390/s21072282
Ayyoubzadeh, S. M., Zahedi, H., Ahmadi, M., & Niakan Kalhori, S. R. (2020). Predicting COVID-19 incidence through analysis of google trends data in Iran: data mining and deep learning pilot study. JMIR public health and surveillance. 6(2), 18828. 10.2196/18828
Blackwood, J. C., & Childs, L. M. (2018). An introduction to compartmental modeling for the budding infectious disease modeler. Letters in Biomathematics 2018, 5(1), 195.10.1080/23737867.2018.1509026
Clement, F., Kaur, A., Sedghi, M., Krishnaswamy, D., & Punithakumar, K. (2020). Interactive Data Driven Visualization for COVID-19 with Trends, Analytics and Forecasting. 2020 24th International Conference Information Visualisation(IV), 593-598. 10.1109/IV51561.2020.00101
Cota, W. (2020). Monitoring the number of COVID-19 cases and deaths in Brazil at municipal and federative units level. SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.362
Hu, T., et al. (2021). Human mobility data in the COVID-19 pandemic: characteristics, applications, and challenges. International Journal of Digital Earth, 14(9), 1126-1147. https://doi.org/10.1080/17538947.2021.1952324
Ito, G. C. (2021). Informar para superar: retratos sobre a COVID-19 na web. Livros Editora UniFil. http://periodicos.unifil.br/index.php/livros_unifil/article/view/1478
Luo, Y., Chai, C. Qin, X., Tang, N., & Li, G. (2020). Interactive cleaning for progressive visualization through composite questions. IEEE. 2020 36th International Conference on Data Engineering (ICDE). [S.l.: s.n.], 733–744. 10.1109/ICDE48307.2020.00069
Madeiro, C. (2020). Covid-19 já é a maior causa de mortes no Brasil registrada em um único ano. Uol. https://noticias.uol.com.br/saude/ultimas-noticias/redacao/2020/09/15/com-133-mil-obitos-covid-ja-tem-recorde-como-causa-morte-no-pais-em-um-ano.htm
Matheus, D., et al. (2020). Universidades públicas de São Paulo juntas no combate à covid-19. Jornal da USP. https://jornal.usp.br/institucional/universidades-publicas-de-sao-paulo-juntas-no-combate-a-covid-19/
Moreira, A., & Pinheiro, L. (2020). OMS declara pandemia de coronavírus. G1 – Bem-Estar. https://g1.globo.com/bemestar/coronavirus/noticia/2020/03/11/oms-declara-pandemia-de-coronavirus.ghtml
Pham, Q., Nguyen, D., Huynh-The, T., Hwang, W., & Pathirana, P. (2020). Artificial intelligence (AI) and big data for coronavirus (COVID-19) pandemic: a survey on the state-of-the-arts. IEEE access, Institute of Electrical e Electronics Engineers, 8, 130820-130839. 10.1109/ACCESS.2020.3009328
Piccolomini, E. L., & Zama, F. (2020) Monitoring Italian COVID-19 spread by a forced SEIRD model. PloS one, 15(8), e0237417. https://doi.org/10.1371/journal.pone.0237417
Ponjavic, M., Karabegović, A., Ferhatbegović, E., Tahirović, E., Uzunović, S., Travar, M., Pilav, A., Mulić, M., Karakaš, S., Avdić, N., Mulabdić, Z., Pavić, G., Bičo, M., Vasilj, I., Mamić, D., & Hukić, M. (2020). Spatio-temporal data visualization for monitoring of control measures in the prevention of the spread of COVID-19 in Bosnia and Herzegovina. Med Glas (Zenica), 17(2), 265–274. 10.17392/1215-20
PowerBI: Dashboards para usuários de negócios do serviço do Power BI (2022). Microsoft Ignite. https://learn.microsoft.com/pt-br/power-bi/consumer/end-user-dashboards
Ribeiro, M., Nisi, V., Prandi, C., & Nuneset, N. (2020). A data visualization interactive exploration of human mobility data during the COVID-19 outbreak: a case study 2020 IEEE Symposium on Computers and Communications (ISCC), 1–6. 10.1109/ISCC50000.2020.9219552
Roh, Y., Heo, G., & Whang, S. E. (2019). A survey on data collection for machine learning: a big data-ai integration perspective. IEEE Transactions on Knowledge and Data Engineering, 33(4), 1328-1347. 10.1109/TKDE.2019.2946162
Saini, S. K., Dhull, V., Singh, S., & Sharma, A. (2020). Visual exploratory data analysis of covid-19 pandemic. 5th IEEE International Conference on Recent Advances and Innovations in Engineering (ICRAIE). 1-6. 10.1109/ICRAIE51050.2020.9358331
Salloum, S., Dautov, R., Chen, X., et al. (2016). Big data analytics on Apache Spark. International Journal of Data Science and Analytics, 1(3), 145-164, https://doi.org/10.1007/s41060-016-0027-9
SESI-ODS: Projeto desenvolvido na UTFPR de Santa Helena ganha Prêmio SESI ODS (2020). O Presente. https://www.opresente.com.br/municipios/projeto-desenvolvido-na-utfpr-de-santa-helena-ganha-o-premio-sesi-ods-2020/
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Arlete Teresinha Beuren; Hugo José Teixeira de Freitas; Thiago França Naves; Hugo Andrés Ruiz Flórez; Gloria Patrícia López Sepúlveda; Anderson da Silva Soares; Telma Woerle de Lima Soares
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
