Propuesta de un framework para mejorar la toma de decisiones multicriterio relacionadas con epidemias utilizando datos espaciales heterogéneos y algoritmos evolutivos
DOI:
https://doi.org/10.33448/rsd-v12i2.39844Palabras clave:
Toma de decisiones; Integración de múltiples fuentes; Análisis de datos espacio-temporales; Algoritmo evolutivo; Visualización de mapas.Resumen
La toma de decisiones de problemas complejos, como el monitoreo y control de epidemias, involucra múltiples datos heterogéneos y aspectos espaciales y temporales. La mayoría de los problemas no se pueden reducir a un objetivo, caracterizado como problemas de toma de decisiones de criterios múltiples (MCDM). Agregar aspectos temporales y espaciales aumenta aún más la complejidad de abordar esos problemas. Este documento propuso un marco que utiliza algoritmos evolutivos y álgebra de mapas para abordar problemas complejos multidimensionales espaciales y temporales. Se evaluó en un estudio de caso de enfermedades de dengue y tuberculosis en un medio urbano, considerando datos multiresolución y un algoritmo genético. Se realizaron varios análisis, generando mapas e información esencial para generar conocimientos sobre el problema y comprender mejor las relaciones espaciales entre las variables. El marco y el código implementado podrían aplicarse a diferentes problemas, resoluciones espaciales y objetivos.
Citas
Almeida, E. (2012). Econometria espacial. Alínea.
Alves, J. D. G. (2020). O Índice Paulista de Vulnerabilidade Social (IPVS) como ferramenta para promoção políticas públicas: aplicação do índice no município de Piracicaba–São Paulo. Anais, 1-6.
Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical analysis, 27(2), 93-115.
Câmara, G., Monteiro, A. M., Fucks, S. D., & Carvalho, M. S. (2004). Análise espacial e geoprocessamento. Análise espacial de dados geográficos. Brasília: EMBRAPA, 21-54.
Chabuk, A., Al-Ansari, N., Hussain, H. M., Knutsson, S., Pusch, R., & Laue, J. (2017). Combining GIS applications and method of multi-criteria decision-making (AHP) for landfill siting in Al-Hashimiyah Qadhaa, Babylon, Iraq. Sustainability, 9(11), 1932.
Covre, E. R., Pereira, N. D., Oliveira, N. N. D., Charlo, P. B., Oliveira, M. L. F. D., Oliveira, R. R. D., ... & Salci, M. A. (2022). Correlação espacial da covid-19 com leitos de unidades de terapia intensiva no Paraná. Revista de Saúde Pública, 56.
Duan, C., Zhang, J., Chen, Y., Lang, Q., Zhang, Y., Wu, C., & Zhang, Z. (2022). Comprehensive Risk Assessment of Urban Waterlogging Disaster Based on MCDA-GIS Integration: The Case Study of Changchun, China. Remote Sensing, 14(13), 3101.
Eiben, A. E., & Smith, J. E. (2003). Introduction to evolutionary computing (Vol. 53, p. 18). Berlin: springer.
Ferreira, P. S., & Silva, C. A. D. (2020). O método AHP e a Álgebra de Mapas para determinar a fragilidade ambiental da bacia hidrográfica do Rio Brilhante (Mato Grosso do Sul/Brasil), proposições para a gestão do território. Confins. Revue franco-brésilienne de géographie/Revista franco-brasilera de geografia, (46).
Goldbarg, E., Goldbarg, M., & Luna, H. (2017). Otimização combinatória e metaheurísticas: algoritmos e apliacações. Elsevier Brasil.
Holland, J. H. (1973). Genetic algorithms and the optimal allocation of trials. SIAM journal on computing, 2(2), 88-105.
Hongoh, V., Hoen, A. G., Aenishaenslin, C., Waaub, J. P., Bélanger, D., & Michel, P. (2011). Spatially explicit multi-criteria decision analysis for managing vector-borne diseases. International Journal of Health Geographics, 10(1), 1-9.
Li, H., Calder, C. A., & Cressie, N. (2007). Beyond Moran's I: testing for spatial dependence based on the spatial autoregressive model. Geographical analysis, 39(4), 357-375.
Lopes, G. R., Delbem, A. C., da Silva, R. F., Júnior, C. B., de Mattos, S. H. V. L., Scatolini, D., ... & Saraiva, A. M. (2022, November). MultiMaps: a tool for decision-making support in the analyzes of multiple epidemics. In Proceedings of the 3rd ACM SIGSPATIAL International Workshop on Spatial Computing for Epidemiology (pp. 22-25).
Lopes, G. R., Pelarigo, K. J., Delbem, A. C., & de Sousa, J. B. (2022). Análise Exploratória de Dados Espaciais com Python. Sociedade Brasileira de Computação.
Malczewski, J., & Rinner, C. (2015). Multicriteria decision analysis in geographic information science (Vol. 1, pp. 55-77). New York: Springer.
Matsumoto, P. S. S., da Castro Catão, R., & Guimarães, R. B. (2017). Mentiras com mapas na Geografia da Saúde: métodos de classificação e o caso da base de dados de LVA do SINAN e do CVE. Hygeia: Revista Brasileira de Geografia Médica e da Saúde, 13(26), 211.
MORAES, R. M., NOGUEIRA, J. A., & SOUSA, A. C. (2014). A new architecture for a spatio-temporal decision support system for epidemiological purposes. In Decision Making and Soft Computing: Proceedings of the 11th International FLINS Conference (pp. 17-23).
Moran, P. A. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17-23.
Niño, L., Gutiérrez-Lesmes, O., Diaz-Celis, C. A., & Manrique-Abril, F. (2020). Riesgo de transmisión de SARS-CoV-2: evaluación espacial multicriterio en un municipio de Colombia, 2020. Revista de Salud Pública, 22(2).
Odu, G. O. (2019). Weighting methods for multi-criteria decision making technique. Journal of Applied Sciences and Environmental Management, 23(8), 1449-1457.
Pfeiffer, D. U., Robinson, T. P., Stevenson, M., Stevens, K. B., Rogers, D. J., & Clements, A. C. (2008). Spatial analysis in epidemiology. OUP Oxford.
ur Rahman, A. (2022). Geo-Spatial Disease Clustering for Public Health Decision Making. Informatica, 46(6).
Vanolya, N. M., Jelokhani-Niaraki, M., & Toomanian, A. (2019). Validation of spatial multicriteria decision analysis results using public participation GIS. Applied Geography, 112, 102061.
Yalew, S. G., Van Griensven, A., & van der Zaag, P. (2016). AgriSuit: A web-based GIS-MCDA framework for agricultural land suitability assessment. Computers and Electronics in Agriculture, 128, 1-8.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Gesiel Rios Lopes; Roberto Fray da Silva; Karina Jorge Pelarigo; Mellina Yamamura; Alexandre C. B. Delbem; Denise Scatolini; Filippo Ghiglieno; Antonio Mauro Saraiva
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.
