A pandemia da COVID-19 no Brasil: uma aplicação do método de clusterização k-means

Autores

DOI:

https://doi.org/10.33448/rsd-v9i10.9059

Palavras-chave:

Clusters; COVID-19; Coronavírus no Brasil; SARS-CoV-2.

Resumo

A COVID-19 é uma infecção causada pelo coronavírus SARS-CoV-2, sendo que seus primeiros registros foram na cidade chinesa de Wuhan em dezembro de 2019, e foi considerada pela Organização Mundial da Saúde (OMS) uma pandemia mundial em março de 2020.  No Brasil, a COVID-19 se espalhou atingindo as 27 unidades federativas (UFs). Com isso, as tomadas de decisões para diminuir a velocidade de transmissão foram baseadas nas recomendações da OMS, onde a principal é isolamento social. Entretanto, devido a heterogeneidade da população em cada uma das UFs, a pandemia se difundiu de forma distinta.  Deste modo, é interessante fazer o agrupamento das UFs por similaridade devido algumas características, e assim, observar as medidas de combate a COVID-19 realizadas em cada um desse grupos. O objetivo deste estudo foi agrupar as UFs usando análise de cluster pelo método não-hierárquico k-means considerando os coeficientes epidemiológicos como incidência, prevalência e letalidade. Os dados foram obtidos do site do Ministério da Saúde do Brasil e foi constituído pelas variáveis número de casos e óbitos novos e acumulados nas UFs, além da população em risco.  Para análise de cluster a base de dados foi dividida em três períodos cronológicos para os três coeficientes em estudo. Com a análise de cluster foi possível verificar a estratificação da UFs conforme suas similaridades em relação a COVID-19. Assim, a estratificação da incidência, prevalência e letalidade por UFs pode se apresentar como um recurso adicional para sinalizar quais locais e quais medidas deverão ser adotadas e onde essas medidas foram eficazes.

Referências

Brasil (2020). Ministério da Saúde. COVID-19 no Brasil. Recuperado de https://susanalitico .saude.gov.br/extensions/covid-19_html/covid-19_html.html

Charrad, M., Ghazzali, N., Boiteau, V., & Niknafs, A. (2015). Determining the best number of clusters in a data set. Package ‘NbClust’. Recuperado de http://cran.rediris.es/ web/packages/NbClust/NbClust.pdf

Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis, (5th ed.), John Wiley.

Fávero, L. P., & Belfiore, P. (2019). Data Science for Business and Decision Making. Academic Press, Cambridge, MA, USA.

Fernandes, F. A., Alves, H. J. P., Fernandes T. J., & Muniz. J. A. (2020). Panorama da fase inicial do crescimento dos números de casos e óbitos causados pela COVID-19 no Brasil. Research, Society and Development, 9(10), 1-19. DOI: http://dx.doi.org/10.33448/rsd-v9i10.8560

Ferreira, D. F. (2018). Estatística Multivariada, (3a ed.), 624. Editora UFLA, Universidade Federal de Lavras.

Fundação Oswaldo Cruz. (2020a). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 1. Recuperado de https://bigdata-covid19.icict.fiocruz.br

Fundação Oswaldo Cruz. (2020b). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 2. Recuperado de https://bigdata-covid19.icict.fiocruz.br

Fundação Oswaldo Cruz. (2020c). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 11.

Fundação Oswaldo Cruz. (2020d). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Monitora COVID-19. Nota Técnica 3. Recuperado de https://bigdata-covid19.icict.fiocruz.br

Guimarães, R. M., Eleuterio, T. D. A., & Monteiro-da-Silva, J. H. C. (2020). Estratificação de risco para predição de disseminação e gravidade da Covid-19 no Brasil. Revista Brasileira De Estudos De População, 37,.1-17. DOI: http://dx.doi.org/10.20947/s0102-3098a0122

Iritani, O., Okuno, T., Hama, D., Kane, A., Kodera, K., Morigaki, K., Terai, T., Maeno, N., & Morimoto, S. (2020). Clusters of covid-19 in long-term care hospitals and facilities in japan from 16 january to 9 may 2020. Geriatrics & gerontology international, 20(7), 715-719. DOI: 10.1111/ggi.13973

James, N., & Menzies, M. (2020). Cluster-based dual evolution for multivariate time series: Analyzing covid-19. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30. DOI: https://doi.org/10.1063/5.0013156

Johnson, R. A., & Wichern, D. W. (2002). Applied Multivariate Statistical Analysis. Prentice hall Upper Saddle River, NJ, Upper Saddle River, 5.

Khailany, R. A., Safdar, M., & Ozaslan, M. (2020). Genomic characterization of a novel sars-cov-2. Gene reports, 19, 1-6. DOI: https://doi.org/10.1016/j.genrep.2020.100682

Kodinariya, T. M., & Makwana, P. R. (2013). Review on determining number of cluster in k-means clustering. International Journal of Advance Research in Computer Science and Management Studies, 1(6), 90-95.

Kumar, S. (2020). Monitoring Novel Corona Virus (COVID-19) Infections in India by Cluster Analysis. Annals of Data Science, 7(3), 417-425. DOI: https://doi.org/10.1007/s40745-020-00289-7

Letko, M., Marzi, A., & Munster, V. (2020). Functional assessment of cell entry and receptor usage for SARS-CoV-2 and other lineage B betacoronaviruses. Nature Microbiology, 5, 562-569. DOI: https://doi.org/10.1038/s41564-020-0688-y

Maciel, E. L., Jabor, P., Goncalves Júnior, E., Tristão-Sá, R., Lima, R. C. D., Reis-Santos, B., Lira, P., Bussinguer, E. C. A., & Zandonade, E. (2020). Fatores associados ao óbito hospitalar por covid-19 no Espírito Santo. Epidemiologia e Serviços de Saúde, 29(4), 1-11. DOI: 10.5123/S1679-49742020000400022

Nassiri, R. (2020). Perspective on Wuhan viral pneumonia. Advances in Public Health, Community and Tropical Medicine, 2, 1-3.

Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.

R Core Team. R: a language and environment for statistical computing. Vienna, 2020. Recuperado de https://www.Rproject.org/

Ratkowsky, D., & Lance, G. (1978). Criterion for determining the number of groups in a classification. Australian Computer Journal, 10(3), 115-117.

Salathé, M., Althaus, C.L.b., Neher, R., Stringhini, S., Hodcroft, E., Fellay, J., Zwahlen, M., Senti, G., Battegay, M., Wilder-Smith, A., Eckerle I., Egger M., & Low N. (2020). Covid-19 epidemic in Switzerland: on the importance of testing, contact tracing and isolation. Swiss Medical Weekly, 150, 1-3. DOI: https://doi.org/10.4414/smw.2020.20225

Souza, C. D. F. D., Paiva, J. P. S. D., Leal, T. C., Silva, L. F. D., & Santos, L. G. (2020). Evolução espaçotemporal da letalidade por COVID-19 no Brasil, 2020. Jornal Brasileiro de Pneumologia, 46(4), 1-3. DOI: https://doi.org/10.36416/1806-3756/e20200208

Stier, A., Berman, M., & Bettencourt, L. (2020). COVID-19 attack rate increases with city size. Mansueto Institute for Urban Innovation Research Paper Forthcoming. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3564464

Velavan, T. P., & Meyer, C.G. (2020). The COVID-19 epidemic. Tropical Medicine and International Health, 25(3), 278-280. DOI: 10.1111/tmi.13383

Wang, C., Horby, P. W., Hayden, F. G., & Gao, G. F. (2020). A novel coronavirus outbreak of global health concern. The Lancet, 395, 470-473. DOI: https://doi.org/10.1016/S0140-6736(20)30185-9

Werneck, G. L., & Carvalho, M. S. (2020). A pandemia de COVID-19 no Brasil: crônica de uma crise sanitária anunciada. Cadernos de Saúde Pública, 36(5), 1-4. DOI: 10.1590/0102-311X00068820

Zarikas, V., Poulopoulos, S. G., Gareiou, Z., & Zervas, E. (2020). Clustering analysis of countries using the covid-19 cases dataset. Data in Brief, 31, 1-8. DOI: https://doi.org/10.1016/j.dib.2020.105787

Downloads

Publicado

09/10/2020

Como Citar

ALVES, H. J. de P. .; FERNANDES, F. A. .; LIMA, K. P. de; BATISTA , B. D. de O. .; FERNANDES , T. J. . A pandemia da COVID-19 no Brasil: uma aplicação do método de clusterização k-means. Research, Society and Development, [S. l.], v. 9, n. 10, p. e5829109059, 2020. DOI: 10.33448/rsd-v9i10.9059. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/9059. Acesso em: 22 nov. 2024.

Edição

v. 9 n. 10

Seção

Ciências da Saúde

Licença

Copyright (c) 2020 Henrique José de Paula Alves; Felipe Augusto Fernandes; Kelly Pereira de Lima; Ben Dêivide de Oliveira Batista ; Tales Jesus Fernandes

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.