Predição da distribuição de criadouros de Aedes aegypti por meio de análise espaço-temporal e aprendizado de máquina : estudo de caso em Recife, Pernambuco

Abstract

O controle da distribuição e disseminação do Aedes aegypti demonstra um verdadeiro desafio. Apesar de serem consideradas as situações em que os recursos destinados ao combate desse vetor sejam apropriados para a implementação de políticas públicas para enfrentamento deste, em sua maioria não se tem alcançado êxito. Neste contexto, o uso de preditores baseados em algoritmos de aprendizagem de máquina além da análise espaço-temporal apresentam-se eficazes para predição de criadouros de Aedes aegypti, fornecendo mapas de distribuição que apontam onde encontram-se as maiores concentrações de criadouros deste vetor. Este estudo apresenta como objetivo construir um protótipo de um sistema preditor da distribuição de criadouros de Aedes aegypti em Recife-PE utilizando métodos de regressão a fim de auxiliar gestores de saúde a planejarem ações de prevenção e promoção à saúde. Como metodologia aplicada, selecionou-se como sendo a área de estudo a cidade do Recife-PE, onde dados referentes ao levantamento rápido de índices de infestação pelo Aedes aegypti foram fornecidos pela prefeitura municipal. Utilizando o software Quantum GIS (QGIS), versão 2.18, onde uma camada vetorial de pontos foi construída (.shp) localizando os pontos das amostras. Para estimar a distribuição de criadouros do mosquito em pontos desconhecidos, foi utilizada a interpolação pelo inverso da distância (IDW). O conjunto de predição foi elaborado separando cada ano por bimestres. Para cada bimestre, foi gerado um conjunto de imagens as quais contemplam a distribuição dos criadouros, e os rasters de distribuição de variáveis climáticas (temperatura, velocidade dos ventos e pluviometria). A partir dessa sequência, foram gerados arquivos (.arff) referentes aos conjuntos de imagens dos seis bimestres que antecederam o bimestre que se desejava prever. Foram realizados experimentos computacionais utilizando um software para aprendizado de máquina, o Weka, versão 3.8. Utilizou-se 30% dos dados para o treinamento do modelo e 70% dos dados para testar o modelo. O treinamento e o teste utilizaram validação cruzada. Os testes foram individuais e repetidos 30 vezes para a predição da distribuição de criadouros de Aedes aegypti para cada bimestre de cada ano. Foi realizada uma avaliação quantitativa dos regressores utilizados nesta pesquisa, onde para análise dos dados, foram calculados o Coeficiente de Correlação (CC), como qualidade global e, o Erro Quadrático Relativo Percentual (RMSE%), como qualidade local. Além destes, também foi calculado o Erro Quadrático Médio (MAE). Após as análises, foram gerados mapas para o melhor e o pior preditores, realizando ao final, uma comparação entre eles. Verificou-se que o preditor kernel 2 apresentou maior coeficiente de correlação (> 0,9) e menor erro quadrático relativo percentual (< 1%). A partir dos resultados obtidos, pode-se concluir que o uso de preditores baseados em algoritmos de aprendizado de máquina apresentou-se eficaz para predição de criadouros de Aedes aegypti. A análise espaço-temporal foi capaz de fornecer uma ampla avaliação das áreas onde ocorrem mais ou menos focos de criadouros, sendo possível, diferenciar através de mapas de distribuição, as localidades com maior índice de focos de criadouros daquelas com baixa concentração, além das áreas estabelecidas dentro de um intervalo de transição.