| Summary: | A esquistossomose mansoni é uma doença endêmica, transmitida por hospedeiros intermediários do gênero Biomphalaria. A esquistossomose está presente em diversos países, principalmente os subdesenvolvidos, infectando uma grande quantidade de pessoas e colocando várias outras em situação de risco. Como a doença é determinada por fatores ambientais e sociais que variam no espaço e no tempo, o uso de um sistema de informações geográficas facilita a determinação da distribuição da doença e a delimitação das possíveis áreas de risco. Nesta dissertação, foram usados os dados de prevalência da esquistossomose em 197 municípios do Estado de Minas Gerais, para estimar a prevalência da esquistossomose para os 853 municípios do Estado, juntamente com variáveis de sensoriamento remoto oriundas dos sensores MODIS e SRTM, variáveis climáticas, variáveis socioeconômicas e variáveis de caracterização de vizinhança. Com este objetivo, foram usadas várias técnicas, tais como: análise de regressão linear, classificação imprecisa, regionalização e reconhecimento de padrões, para a geração e comparação dos modelos global, regional e de árvore de decisão. O modelo global foi desenvolvido usando um modelo de regressão linear para todo o Estado, alcançando 50,7% de exatidão global. O modelo regional contém um modelo de regressão linear para cada uma das quatro regiões propostas nesse trabalho e atingiu 66,90% de exatidão global. O modelo de árvore de decisão classificou a prevalência da doença em três faixas de risco: baixa, média e alta, alcançando 71,8% de exatidão global. A classificação imprecisa foi gerada a partir dos modelos de regressão linear usando intervalos de 55% e 60% de confiança, para o modelo global e regional, respectivamente. A classificação imprecisa atingiu 86,6% de exatidão global para o modelo global e 90,8% para o modelo regional. Finalmente a prevalência da doença foi estimada para os outros 656 municípios do Estado, onde não existem dados disponíveis, usando os cinco modelos desenvolvidos, sendo dois de regressão linear (global e regional), dois de classificações imprecisas e um de árvore de decisão. === The schistosomiasis mansoni is an endemic disease, transmitted by intermediate hosts of the genus Biomphalaria. The schistosomiasis is present in several countries, especially the underdeveloped, infecting a large number of people and putting several others in risk situation. As the disease is determined by environmental and social factors that vary in space and time, the use of a geographic information system facilitates the determination of the distribution of the disease and the delimitation of possible areas of risk. In this dissertation, were used the prevalence of schistosomiasis data in 197 municipalities in the Minas Gerais State, to estimate the prevalence of schistosomiasis for the 853 municipalities in the State, along with variables of remote sensing from the MODIS sensor and SRTM, climate variables, socioeconomic variables and variables of characterization of neighborhood. With this purpose, were used various techniques, such as linear regression analysis, imprecise classification, regionalization and pattern recognition for the generation and comparison of global, regional and decision tree models. The global model was developed using one linear regression model for all state, reaching 50.7% of overall accuracy. The regional model contains a linear regression model for each one of the four regions proposed in this work and reached 66.90% of overall accuracy. The model of decision tree classified the disease prevalence in three ranges of risk: low, medium and high, reaching 71.8% of overall accuracy. The imprecise classification was generated from the linear regression models using intervals of 55% and 60% confidence for the global and regional models, respectively. The imprecise classification reached 86.6% of overall accuracy for the global model and 90.8% for the regional model. Finally the disease prevalence has been estimated for the other 656 municipalities in the state, where no data are available, using the five models developed, two linear regression (global and regional), two of imprecise classifications, and one decision tree.
|
|---|
