Proposta de um framework para melhorar a tomada de decisão multicritério relacionada a epidemias usando dados espaciais heterogêneos e algoritmos evolutivos

Autores

DOI:

https://doi.org/10.33448/rsd-v12i2.39844

Palavras-chave:

Tomada de decisão; Integração de múltiplas fontes; Análise de dados espaço-temporais; Algoritmo evolutivo; Visualização de mapas.

Resumo

A tomada de decisão de problemas complexos, como monitoramento e controle de epidemias, envolve múltiplos dados heterogêneos e aspectos espaciais e temporais. A maioria dos problemas não pode ser reduzida a um objetivo, caracterizados como problemas de tomada de decisão multicritério (MCDM). Adicionar aspectos temporais e espaciais aumenta ainda mais a complexidade de lidar com esses problemas. Este artigo propôs uma estrutura que usa algoritmos evolutivos e álgebra de mapas para resolver problemas complexos multidimensionais espaciais e temporais. Foi avaliado em um estudo de caso das doenças dengue e tuberculose em ambiente urbano, considerando dados de multi-resolução e um algoritmo genético. Diversas análises foram realizadas, gerando mapas e informações essenciais para gerar insights sobre o problema e entender melhor as relações espaciais entre as variáveis. A estrutura e o código implementados podem ser aplicados a diferentes problemas, resoluções espaciais e objetivos.

Referências

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.

Downloads

Publicado

13/01/2023

Como Citar

LOPES, G. R. .; SILVA, R. F. da .; PELARIGO, K. J. .; YAMAMURA, M.; DELBEM, A. C. B. .; SCATOLINI, D.; GHIGLIENO, F.; SARAIVA, A. M. . Proposta de um framework para melhorar a tomada de decisão multicritério relacionada a epidemias usando dados espaciais heterogêneos e algoritmos evolutivos. Research, Society and Development, [S. l.], v. 12, n. 2, p. e0212239844, 2023. DOI: 10.33448/rsd-v12i2.39844. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/39844. Acesso em: 23 nov. 2024.

Edição

v. 12 n. 2

Seção

Ciências Exatas e da Terra

Licença

Copyright (c) 2023 Gesiel Rios Lopes; Roberto Fray da Silva; Karina Jorge Pelarigo; Mellina Yamamura; Alexandre C. B. Delbem; Denise Scatolini; Filippo Ghiglieno; Antonio Mauro Saraiva

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.