s:
|
|
- Gabriela Sales
- 5 Há anos
- Visualizações:
Transcrição
1 ANÁLISE DA ESTRUTURA DO MBI: SENSIBLIDADE DA TAXA DE INFECÇÃO E DA POPULAÇÃO Karina Helena de Oliveira Giancotti, Francisco de Assis Dias, Wanderson Willer Motta Texeira, Erivelton Geraldo Nepomuceno, Samuel Maier Kurcbart Grupo de Controle e Modelagem, Departamento de Engenharia Elétrica, Universidade Federal de São João del-rei, Pça Frei Orlando, 170, Centro, São João del-rei, MG, Brasil s: karinajmjt@yahoocombr, franciscorcc@yahoocombr, wandersonwiller@yahoocombr, nepomuceno@ufsjedubr, samuelkurcbart@yahoocombr Abstract This work aims to investigate the structure of the MBI in three aspects and review the effectiveness of this model in epidemiology These aspects are: the population variable in time, dependence of the maximum number of infected and population size and different values of the force of infection Finally, it is a comparison between the force of infection of the MBI with the the traditional SIR model As a result, it appears that the MBI is highly sensitive to the parameter beta and the population size The sensitivity presents an explanation in real systems, which demonstrates the versatility of the MBI and the importance of this parameter for determining the structure Keywords modelling, SIR model, individual-based model Resumo Este trabalho objetiva investigar a estrutura do MBI em três aspectos e analisar a eficácia deste modelo na epidemiologia Estes aspectos são: população variável no tempo; dependência entre o número máximo de infectados e o tamanho da população e diferentes valores da força de infecção Por fim, faz-se uma comparação entre a força de infecção do MBI com o o tradicional modelo SIR Como resultado, verifica-se que o MBI é altamente sensível ao parâmetro β e a população A sensibilidade feita possui uma explicação em sistemas reais, mostrando assim, a versatilidade do MBI e a importância desse parâmetro para a determinação da estrutura Keywords modelagem, modelo SIR, modelo baseado em indivíduos 1 Introdução A modelagem matemática de sistemas complexos é um grande desafio para cientistas de diversas áreas em todo o mundo Determinar quais parâmetros são mais importantes na descrição de um modelo não é uma tarefa trivial (Aguirre, 2007) Um bom modelo deve ser suficientemente simples e ao mesmo tempo representativo do sistema real Uma vez realizada a modelagem do sistema, o modelo poderá ser usado para diversos fins, como a realização de predições e análise da dinâmica do sistema Modelos matemáticos tem sido largamente utilizados na ecologia, principalmente na epidemiologia matemática, que estuda a dinâmica da propagação de epidemias devido à interação entre os indivíduos A epidemiologia matemática é responsável por representar matematicamente a dinâmica dos sistemas As doenças infecciosas desempenham um enorme papel na história da humanidade (Earn et al, 2002; Day, 2002) Elas são uma das maiores fontes de mortalidade e constituem-se potentes forças seletivas (Oliveira et al, 2008; Barbosa et al, 2007; Day, 2002; Anderson e May, 1992; Hethcote, 2000) A literatura histórica e epidemiológica está repleta de casos de doenças infecciosas que invadiram comunidades humanas afetando a população e a organização social O número de mortes provocado pelas maiores epidemias de todos os tempos é impreciso, mas é incomparavelmente maior que o número de mortes provocados por todas as guerras (Anderson e May, 1992) Não são apenas os homens que estão sujeitos a doenças infecciosas Muitas doenças atacam animais domésticos e animais de alto valor econômico, disseminando ou reduzindo a produtividade de rebanhos bovinos, caprinos, entre outros (Barbosa et al, 2007; Paulin e Ferreira Neto, 2003; Barlow et al, 1997; Rowe e East, 1997; Poester et al, 2002) A epidemiologia matemática fundamenta-se em hipóteses matemáticas que quantificam alguns aspectos do fenômeno biológico da interação entre o parasita (vírus, bactéria e vírus) e hospedeiro (homem, animal, computador) Essa interação ocorre em dois níveis: individual e coletivo (Yang, 2001) No primeiro nível, o interesse recai sobre o mecanismo de transmissão, infecção e eventual imunidade no indivíduo No segundo, além desses aspectos, há também interesse na dinâmica do número de indivíduos infectados ao longo do tempo, isto é, se há presença de ciclos, picos, regimes estáveis, entre outras características Dentre as representações matemáticas mais utilizadas, destacamos o modelo SIR (Equação 1) que representa o sistema através de equações diferenciais não lineares (Kermack e McKendrick, 1927) e o Modelo Baseado em Indivíduos (MBI) que representa cada indivíduo da população como uma entidade única e discreta que possui ao menos uma característica que muda ao longo do seu ciclo 4858
2 de vida (Nepomuceno, 2005) O modelo SIR considera homogênea a distribuição espacial dos indivíduos, enquanto o MBI pode levar em consideração aspectos específicos de um determinado indivíduo, ou de um determinado conjunto de indivíduos em uma população No momento, o estudo sobre MBI desenvolvese principalmente sobre a formatação de uma técnica que possa determinar sua estrutura (Grimm et al, 2006; Grimm, 1999) Tem-se pensado na possibilidade de determinar um protocolo para auxiliar a comunidade científica na unificação da determinação de estrutura Entretanto, há problemas nessa tarefa uma vez que várias etapas do processo proposto são subjetivas e ficam a depender do usuário (Grimm et al, 2006) Um mecanismo que pode auxiliar nessa tarefa é a análise de sensibilidade dos parâmetros Essa idéia é decorrente da análise feita em outras representações, em particular os modelos NARMAX (Aguirre, 2007), nos quais é possível verificar que termo tem mais ou menos importância do que outro pelo critério da taxa de redução de erro (ERR) (Nepomuceno, 2002) Para iniciar essa investigação, pretende-se nesse artigo estudar a sensibilidade de alguns dos parâmetros do MBI, sempre direcionada para a compreensão novas abordagens que possam ampliar os conhecimentos da identificação da estrutura Para desenvolvê-lo, foi analisado a influência do tamanho da população, a sensibilidade à variação da força de infecção nos modelos SIR e MBI Também realizou-se o estudo da dinâmica do número máximo de indivíduos infectados influenciados pela variação da força de infecção e do tamanho da população no modelo MBI 2 Conceitos preliminares Nesta seção, são apresentados os modelos SIR e o MBI utilizados para simulação e avaliação computacional da propagação de epidemias, assim como as premissas adotadas neste trabalho 21 Modelo SIR O modelo epidemiológico SIR (Kermack e McKendrick, 1927) é um dos modelos mais utilizados para representação de doenças infecciosas A partir deste modelo são adotadas as premissas básicas para a construção conceitual dos demais modelos O modelo SIR é composto por equações diferenciais e utiliza a estratégia de compartimentos (Kermack e McKendrick, 1927) Esse modelo epidemiológico analisa a disseminação de doenças numa população O modelo divide a população em três compartimentos, ou classes: Suscetíveis (S): indivíduos que podem contrair a doença; Infectados (I): indivíduos que podem transmitir a doença; Recuperados (R): indivíduos que recuperaram da doença e não estão sujeitos a nova contaminação Figura 1: Representação esquemática do modelo SIR A Figura 1 apresenta um diagrama em que µ representa a taxa de novos suscetíveis por unidade de tempo (taxa de natalidade) e morrem a uma taxa d (taxa de mortalidade) Os indivíduos infectados possuem uma taxa a adicional à sua taxa de mortalidade, a taxa de letalidade β é o coeficiente de transmissão que determina a taxa em que novas infecções surgem como consequência do contato entre suscetíveis e infectados e γ é a taxa com que os infectados tornam-se recuperados Para se obter o conjunto de equações que representa o modelo SIR algumas considerações são feitas Ao considerar a população constante, o que equivale afirmar que d = µ Portanto o modelo SIR pode ser escrito como o conjunto de equações diferenciais: ds/dt = µn µs βis/n di/dt = βis/n γi µi dr/dt = γi µr em que S(t) + I(t) + R(t) = N (1) Quando consideramos a taxa de natalidade µ diferente da taxa de mortalidade d, temos uma população variável no tempo 22 Descrição do MBI Nepomuceno e colaboradores (Nepomuceno et al, 2006) expressaram o MBI, no qual um indivíduo é representado por I m,t = [C 1 C 2 C n ], (2) em que m é o tamanho da população, t é o instante em que o indivíduo apresenta um conjunto específico de características e C n é uma característica do indivíduo A primeira característica é o seu estado do ponto de vista epidemiológico, ou seja, suscetível, infectado, recuperado 4859
3 Outras características podem ser a idade, o tempo de duração da infecção, o sexo, a localização espacial ou quaisquer outras características do indivíduo consideradas relevantes Para que a modelagem do sistema ocorra de modo satisfatório trabalharemos com seis principais características: o estado (suscetível, infectado, recuperado ou agente de controle) do indivíduo; a idade corrente; a máxima idade em que o indivíduo viverá; o tempo em que o indivíduo se encontra no estado infectante; o máximo tempo em que o indivíduo permanece no estado infectante, ambos expresso em anos (Nepomuceno, 2005) Por sua vez, uma população de indivíduos é representada por: P t = [I 1,t I 2,t I 3,t I m,t ] T, (3) em que I m,t é um indivíduo no instante t e P é uma matriz mn 23 Premissas Epidemiológicas A seguir apresentamos as premissas epidemiológicas adotadas 1 População variável ou constante Investigouse o MBI sob três aspectos: adotou-se uma população constante ao investigar a sensibilidade deste modelo à força de infecção; premissa também adotada ao investigar a relação do número máximo de indivíduos infectados com o tamanho da população e a força de infecção Também foram estudados os efeitos de uma população variável no tempo, quando os outros parâmetros foram mantidos constantes 2 Características do indivíduo A dinâmica da transmissão de doenças infecciosas apresenta características multiparamétricas Elaborar modelos que contemplem todas as variáveis e reproduzam o que se observa em dados epidemiológicos, envolve uma tarefa árdua de discernir quais fatores desempenham papéis essenciais e quais têm influência secundária na transmissão de infecções Modelos de formulação simples apresentam a vantagem de permitir que se consiga verificar quais dentre os componentes considerados podem ou não ser fundamentais para a dinâmica de transmissão Neste trabalho, um indivíduo é caracterizado por um conjunto de n características 3 Categorias de indivíduos Há três categorias para um indivíduo: 0 (suscetível), 1 (infectado), 2 (recuperado) 4 Mudança de categoria Uma vez em uma categoria, o indivíduo pode mudar para uma outra categoria em cada instante de tempo Neste trabalho, adotou-se a transição discreta As transições podem ocorrer em uma das seguintes formas: 0,1,2 0 Isso significa que um indivíduo morreu e um outro nasceu, premissa essa adotada para manter a população constante (ver premissa 1) Caso o indivíduo não morra podem ocorrer as outras transições que seguem 0 1 Um indivíduo suscetível ao encontrar com um indivíduo infectado, pode adquirir a doença e passar para a categoria Um indivíduo infectado recupera-se e passa para a categoria Um indivíduo suscetível recebe a vacina e se torna recuperado 5 Distribuição estatística Para a mortalidade (e consequentemente nascimento no caso adotado para população constante) adotou-se a distribuição exponencial Essa distribuição também foi utilizada para a transição de recuperação 6 Processo de infecção Adotou-se que cada contato entre um indivíduo suscetível e um infectado pode provocar um novo indivíduo infectado seguindo uma distribuição uniforme Isso significa dizer que β% dos contatos tornarão os indivíduos suscetíveis em infectados A adoção dessa premissa baseia-se no princípio da homogeneidade da população (Hethcote, 2000) O processo de transição dos indivíduos, de suscetível para infectado, é estocástico ao invés de determinístico, o que acredita-se ser mais adequado para o estudo da propagação de doenças infecciosas 24 Simulação do MBI A simulação do MBI é baseada na realização estocástica de alguns parâmetros Como o MBI baseia-se no modelo SIR, acredita-se que haja uma certa equivalência entre esses modelos Ao levar em conta que o modelo é discreto, pode-se atribuir a seguinte relação: β 1 = t β, (4) em que β 1 é a taxa de infecção no modelo MBI, β é a taxa de infecção no modelo SIR e t é a constante de tempo Essa relação é evidenciada numericamente, simulando simultaneamente o modelo SIR e o modelo MBI 4860
4 25 Simulação de Monte Carlo O MBI foi avaliado utilizando o método de Monte Carlo (Aiello e da Silva, 2003; Martinez e Martinez, 2002) Esse método consiste em simular o modelo várias vezes e analisar o conjunto de dados obtidos Será feita uma análise de todas as simulações em um único gráfico 3 Metodologia Nesta seção são apresentadas os métodos utilizados nas análises da sensibilidade dos modelos MBI e SIR aos parâmetros referidos 31 Modelo MBI com população variável no tempo Na primeira análise realizada com a simulação MBI algumas alterações foram realizadas no algoritmo, foram adotadas as seguintes hipóteses: Taxas de natalidade e mortalidade são diferentes implicando em uma população variável no tempo O número de nascimentos de novos indivíduos por unidade de tempo t é proporcional ao tamanho da população N e a uma taxa de natalidade µ A taxa de natalidade é constante e não é alterada para indivíduos infectados Todo indivíduo recém-nascido pertence à classe de suscetíveis, ou seja, não há transmissão vertical da doença A taxa de mortalidade d não é relacionada à classe a qual o indivíduo pertença O MBI com população variável foi analisado para diversos valores de natalidade e mortalidade, que serão especificados posteriormente Os resultados obtidos foram comparados com os resultados do modelo SIR em que foram adotadas as mesmas premissas 32 Modelo MBI com variação da força de infecção A incidência (número de novos casos por unidade de tempo) de uma doença, ou taxa de ataque, recebe o nome de força de infecção A estimativa desta força de infecção é o grande desafio dos epidemiologistas, pois é ela que vai determinar não somente a dimensão da propagação de uma doença infecciosa como também o esforço necessário para combatê-la A força de infecção consiste em uma das etapas mais difíceis e importantes na construção de um modelo epidemiológico Em (Nepomuceno, 2005) adotou-se que cada contato entre um indivíduo suscetível e um indivíduo infectado pode provocar um novo indivíduo infectado seguindo uma distribuição uniforme A adoção dessa premissa baseia-se no princípio da homogeneidade da população (Hethcote, 2000) Contudo em uma população heterogênea alguns valores de β são mais pertinentes que outros, dado a localização geográfica, fatores sociais e culturais, características genéticas, entre outros Pretende-se, então, investigar a sensibilidade dos modelos a esse parâmetro Para isto, variou-se o parâmetro β (força de infecção) de 0,5 a 10, consequentemente β 1 variando de 0,05 a 1, dado que os parâmetros N, µ e γ foram mantidos fixos A comparação entre os modelos SIR e o MBI bem como a análise dos resultados podem ser vistos na seção Investigação do crescimento do número máximo de infectados com a variação do tamanho da população e da taxa de infecção Doenças como a AIDS são trágicas por deixarem sequelas nos indivíduos infectados O estudo do número máximo de infectados (I m ) para epidemias como estas é de grande importância para políticas públicas de controle de doenças no sentido de minimizar o número total de indivíduos infectados O objetivo deste item é apresentar um estudo da influência do tamanho da população e da força de infecção da doença (parâmetro β) na dinâmica do número máximo de infectados Na simulação do Modelo Baseado em Indivíduos modificado (MBIm), utilizou-se o Método de Monte Carlo ((Aiello e da Silva, 2003),(Martinez e Martinez, 2002)) O primeiro caso consistiu em verificar a influência do tamanho da população na dinâmica do número máximo de infectados Para isso foram realizadas simulações do MBIm no software livre Scilab, para taxas de infecção (parâmetro β modificado) nos valores de 0,05; 0,1; 0,2; 0,3; 0,4; 0,5; 0,6 ;0,7 ;0,8 ;0,9 e 1,0 (Figura 8) Para cada uma dessas situações foram feitas 100 simulações O segundo caso consistiu em verificar a influência do aumento do tamanho da população na dinâmica do I m, utilizando-se para isso populações de tamanhos 600, 700, 800, 900 e 1000 indivíduos e realizando também para cada caso 100 simulações Monte Carlo (Figura 9) Neste caso considerou-se os seguintes valores de β modificado: 0,05; 0,2; 0,4; 0,6; 0,8; 1,0 Os parâmetros utilizados para simulação do algoritmo do MBI foram: passo de integração, δ t = 0,1; taxa de mortalidade, µ = 1/60; taxa de recuperação, γ = 1/3 As condições iniciais foram S 0 = 0,9N, I 0 = 0,01N e R 0 = N S 0 I
5 4 Resultados e Discussão 41 Modelo MBI com população variável no tempo Ao simular o MBI com população variável, foi observado que, para populações em que a taxa de natalidade possui valores maiores (Figura 3), o número de infectados cresce e depois sofre um decrescimento em seguida e fica oscilando em torno de um ponto fixo havendo possibilidade de erradicação, o número de indivíduos suscetíveis é crescente e o número de indivíduos recuperados tem um crescimento, em um primeiro momento, e depois decresce Ao comparar com o SIR, pode ser observado que há semelhança na dinâmica dos três compartimentos do modelo em regime transitório Observa-se que em regime permanente, há uma sensível diferença no compartimento dos suscetíveis Contudo, nos outros compartimentos, a semelhança na dinâmica permanece Pode-se observar também, que ao adotar taxa de natalidade menor (Figura 2), a epidemia é erradicada O MBI com população variável, apresenta sua formulação bem representada comparada ao SIR Este fato é extremamente importante, tendo em vista, que as populações contempladas na natureza seguem uma dinâmica com população variável no tempo Este modelo mostra o impacto no aumento da taxa de natalidade na modelagem de epidemias Os modelos determinísticos apresentam bom acordo com os dados reais para populações grandes e intermediárias, porém a modelagem determinística falha consideravelmente em pequenas populações, em que a estocasticidade demográfica é importante O modelo estocástico pode capturar o componente periódico da dinâmica, mesmo para pequenas populações Após a simulação de Monte Carlo do MBI com população variável no software Scilab, podese compará-lo ao SIR, no qual observa-se uma equivalência de dinâmica dos modelos na região transitória do sistema As Figuras 2 e 3 apresentam os resultados com valores de β e d nas quais observa-se a validação da 4 42 Modelo MBI com variação da força de infecção Ao variarmos a força de infecção β, observamos que para valores pequenos deste parâmetro, há uma sensível diferença entre a dinâmica do SIR e do MBI Conforme há um aumento nos valores de β, valores acima de 02, o MBI apresenta dinâmica semelhante ao modelo SIR A justificativa para o MBI apresentar dinâmica diferente do SIR para valores de β pequenos, é decorrente de que estes modelos apresentam flutuações estocásticas que levam a uma probabilidade não nula de Figura 2: Comparação entre o MBI (preto) e SIR (azul) para população variável no tempo Foram adotados os seguintes parâmetros: N = 1000, t = 0,1,µ = 0,001, γ = 1/3, β = 2, 0, β 1 = 0,2 A condição inicial foi S0 = 0,99N, I0 = 0,01N e R0 = N S0 I0 Figura 3: Simulação Monte Carlo do MBI para população variável Foram adotados os seguintes parâmetros: N = 1000, t = 0,1,µ = 00027, γ = 1/3, β = 2,0, β 1 = 0,2 A condição inicial foi S0 = 0,99N, I0 = 0,01N e R0 = N S0 I0 erradicação da doença, fato que não acontece em equações diferencias 43 Investigação do crescimento do número máximo de infectados com a variação do tamanho da população e da taxa de infecção Segue-se análise das simulações dos dois casos considerados no item 33 Nas simulações realizadas, os valores dos parâmetros epidemiológicos µ, γ e β correspondem a situações de propagação da epidemia na população, em que a taxa básica de reprodução da infecção é maior do que um No entanto, ao longo das simulações verifica-se a erradicação da epidemia, pois o tempo de infecção é comparável ao tempo de vida dos indivíduos A taxa básica de reprodução é uma grandeza característica do modelo determinístico SIR, e serve como uma estimativa para a dinâmica da infecção Na Figura 8 estão os pontos relativos às simulações do primeiro caso considerado Realizou-se interpolação dos pontos e construiu-se as curvas de diferentes tamanhos de população, que destacam o comportamento do número máximo de infectados I m para diferentes valores de força de infecção As curvas construídas evidenciam um rápido crescimento de I m no intervalo entre 0,05 e 0,4 e um lento crescimento de I m para valores maiores que 4862
6 Figura 4: Comparação entre o modelo MBI(preto) e o modelo SIR(azul) para um valor de β = 0,5 Foram adotados os seguintes parâmetros: N = 1000, t = 0,1,µ = 1/60, γ = 1/3, β = 0,5, β 1 = 0,05 A condição inicial foi S0 = 0,99N, I0 = 0,01N e R0 = N S0 I0 Figura 6: Comparação entre o modelo MBI(preto) e o modelo SIR(azul) para um valor de β = 3,0 Foram adotados os seguintes parâmetros: N = 1000, t = 0,1,µ = 1/60, γ = 1/3, β = 3,0, β 1 = 0,3 A condição inicial foi S0 = 0,99N, I0 = 0,01N e R0 = N S0 I0 Figura 5: Comparação entre o modelo MBI(preto) e o modelo SIR(azul) para um valor de β = 1,0 Foram adotados os seguintes parâmetros: N = 1000, t = 0,1,µ = 1/60, γ = 1/3, β = 1,0, β 1 = 0,1, A condição inicial foi S0 = 0,99N,I0 = 0,01N e R0 = N S0 I0 Figura 7: Comparação entre o modelo MBI(preto) e o modelo SIR(azul) para um valor de β = 6,0 Foram adotados os seguintes parâmetros: N = 1000, t = 0,1, µ = 1/60, γ = 1/3, β = 6,0, β 1 = 0,6 A condição inicial foi S0 = 0,99N, I0 = 0,01N e R0 = N S0 I0 0,4 Na Figura 9 estão representados os pontos relativos às simulações do segundo caso Por meio de interpolação dos pontos construiu-se curvas e a análise dessas curvas sugerem um crescimento quase linear de I m com o aumento do tamanho da população 5 Conclusão Observa-se que o MBI com população variável, modelo estocástico, apresenta dinâmica similar à dinâmica observada no modelo determinístico SIR Tal conclusão, possibilita a utilização do MBI na modelagem de epidemias com populações menores em que são conhecidas as falhas dos modelos determinísticos Tal modelo também, pode contribuir consideravelmente na simulação de epidemias onde há diminuição do tamanho populacional Nestes casos, são assumidos o impacto da taxa de natalidade na modelagem e torna o modelo mais real, tendo em vista, que em ecologia trabalha-se muito com populações variantes no tempo No que diz respeito ao processo de infecção, apresentamos a comparação de uma abordagem estocástica para a modelagem de epidemias comparada com o clássico modelo SIR em situações diversas de força de infecção Observa-se que o modelo do MBI apresenta uma dinâmica semelhante ao modelo SIR As diferenças são decorrentes de que os modelos estocásticos apresentam uma probabilidade não nula de erradicação da doença, fenômeno muitas vezes observado na prática Este fato é extremamente importante, pois em situações que o modelo tenha parâmetros para o equilíbrio endêmico, pode haver erradicação da doença, fato é extremamente importante, pois em situações que o modelo tenha parâmetros para o equilíbrio endêmico, pode haver erradicação da doença, fato que não pode ser constatado usando o modelo SIR No estudo da dependência entre o número máximo de infectados e o tamanho da população, empregou-se o MBI modificado e evidenciou-se para populações entre 600 e 1000 indivíduos que este número máximo cresce quase linearmente com o tamanho da população e depende forte- 4863
7 Figura 8: Crescimento do Número Máximo de Infectados com o aumento da taxa de infecção da doença As curvas, de baixo para cima correspondem respectivamente a populações de 600, 700, 800, 900 e 1000 indivíduos O eixo horizontal corresponde à taxa de infecção β 1 (β modificado) e o eixo vertical corresponde ao Número Máximo de Infectados I m Figura 9: Crescimento do número máximo de infectados com o aumento do tamanho da população As curvas, de baixo para cima, representam respectivamente taxas de infecção β I = 0,05; 0,2; 0,4; 0,6; 0,8; 1,0 O eixo horizontal corresponde ao tamanho da população e o eixo vertical corresponde ao número máximo de infectados I m Agradecimentos mente da força de infecção Para o caso de epidemias em que o tempo de infecção é comparável ao tempo de vida dos indivíduos da população, este estudo de casos pode contribuir para políticas públicas de controle e erradicação destas epidemias Ao analisar a influência da variação do valor da força de infecção, pode-se perceber que, para pequenas populações, as curvas da Figura 8 evidenciam uma saturação no crescimento do Número Máximo de Infectados I m Já as curvas na Figura 9 evidenciam um crescimento aproximadamente linear de I m com o tamanho da população Essa situação é importante de analisar e tem sua aplicabilidade quando se observa alguma epidemia em populações cujas características sociais e econômicas permanecem relativamente constantes (isso implica em implica também na constância de β) e a população cresce Isso acontece, por exemplo, em países da Europa O segundo caso, a degradação sócio econômica varia, implicando em uma maior vulnerabilidade da população Esse caso acontece em países subdesenvolvidos Observa-se desse modo um resultado muito importante, pois uma doença pode ter o número de infectados ampliado em função de aspectos sociais e econômicos Esses resultados mostram claramente a relevância do parâmetro β para a determinação da estrutura do MBI Ao analisar sua sensibilidade, observa-se situações perceptíveis na sociedade, ou seja, sistema epidemiológicos reais Nesse sentido, os termos do MBI que possuem β devem ter seus parâmetros estimados levando-se em conta a relevância deste termo À CNPq, FAPEMIG e UFSJ pelo suporte financeiro e aos amigos do GCOM, Grupo de Controle e Modelagem que colaboraram com o desenvolvimento deste trabalho Referências Aguirre, L A (2007) Introdução à Identificação de Sistemas: técnicas lineares e nãolineares aplicadas a sistemas reais, Editora da UFMG 3 a edição Aiello, O E e da Silva, M A A (2003) New approach to dynamical Monte Carlo methods: application to an epidemic model, Physica A-Statistical Mechanics and its Applications 327(3 4): Anderson, R M e May, R M (1992) Infectious Diseases of Humans: Dynamics and Control, Oxford: Oxford University Press Barbosa, A M, Silva, M X, Pereira, E B e Nepomuceno, E G (2007) Modelagem e controle da brucelose bovina por meio de modelos baseados em indivíduos, VI Brazilian Conference on Dynamics, Control and Their Applications, São José do Rio Preto, SP, Brasil Barlow, N D, Kean, J M, Hickling, G, Livingstone, P G e Robson, A B (1997) A simulation model for the spread of bovine tuberculosis within New Zealand cattle herds, Preventive Veterinary Medicine 32(1 2):
8 Day, T (2002) On the evolution of virulence and the relationship between various measures of mortality, Proceedings of the Royal Society of London Series B-Biological Sciences 269(1498): Earn, D J D, Dushoff, J e Levin, S A (2002) Ecology and evolution of the flu, Trends in Ecology and Evolution 17(7): Grimm, V (1999) Ten years of individual-based modelling in ecology: what have we learned and what could we learn in the future?, Ecological Modelling 115(2-3): Grimm, V, Berger, U, Bastiansem, F, Eliassen, S e Ginot, V (2006) A standard protocol for describing individual-based and agent-based models, Ecological Modelling 198(2-3): Hethcote, H W (2000) The mathematics of infectious diseases, SIAM Review 42(4): Kermack, W e McKendrick, A (1927) A contribution to the mathematical theory of epidemics, Proceedings of the Royal Society of London Series A Mathematical and Physical Sciences A115: Martinez, W L e Martinez, A R (2002) Computational Statistics Handbook with MAT- LAB, Boca Raton, Florida: Chapman & Hall/CRC Nepomuceno, E G (2002) Identificação Multiobjetivo de Sistemas Não-Lineares, Dissertação de Mestrado, PPGEE, Universidade Federal de Minas Gerais, Belo Horizonte, Brasil Nepomuceno, E G (2005) Dinâmica, Modelagem e Controle de Epidemias, PhD thesis, Programa de Pós-Graduação em Engenharia Elétrica, UFMG Nepomuceno, E G, Aguirre, L A, Takahashi, R H C, Lamperti, R D, Alvarenga, L R e Kurcbart, S M (2006) Modelagem de sistemas epidemiológicos por meio de modelos baseados em indivíduos, Anais do XVI Congresso Brasileiro de Automática, Salvador BA Brasil, pp Oliveira, E, Lacerda, M J, Barbosa, A M e Nepomuceno, E G (2008) Desenvolvimento de estratégia de controle epidemiológico: Análise espacial e vacinação a partir do foco da doença, Anais do XVII Congresso Brasileiro de Automática, Juiz de Fora MG Brasil, pp 1 6 Paulin, L M e Ferreira Neto, J S (2003) O combate à brucelose bovina: situação brasileira, Technical report, Funep, Jabuticabal SP Poester, F, Goncalves, V e Lage, A (2002) Brucellosis in Brazil, Veterinary Microbiology 90(1-4): Rowe, J D e East, N E (1997) Risk factors for transmission and methods for control of caprine arthritis-encephalitis virus infection, Veterinary Clinics of North America- Food Animal Practice 13(1): Yang, H M (2001) Epidemiologia matemática: estudo dos efeitos da vacinação em doenças de transmissão direta, Editora da Unicamp, Campinas 4865
Análise de Estabilidade e Controle de Doenças Infecciosas por meio de Modelo Compartimental.
Análise de Estabilidade e Controle de Doenças Infecciosas por meio de Modelo Compartimental. BRUNO DE PAULA O. PAIVA *, ERIVELTON GERALDO NEPOMUCENO *. *Grupo de Controle e Modelagem, Departamento de Engenharia
Leia maiss:
VACINAÇÃO PULSADA EM SISTEMAS EPIDEMIOLÓGICOS UTILIZANDO O MODELO BASEADO EM INDIVÍDUOS (MBI) Rubisson Duarte Lamperti, Lucas Dal-Rios Neves, Nivaldo Ulisses Agostinho, Everthon de Souza Oliveira, Erivelton
Leia maisMBIF-MODELO BASEADO EM INDIVÍDUOS FUZZY: PROPOSTA E APLICAÇÃO EM UM SISTEMA COMPLEXO
MBIF-MODELO BASEADO EM INDIVÍDUOS FUZZY: PROPOSTA E APLICAÇÃO EM UM SISTEMA COMPLEXO Gledson Melotti, Lucymara de R. Alvarenga, Maurílio J. Inácio, Erivelton G. Nepomuceno, Eduardo M. A. M. Mendes, Ricardo
Leia maisModelos Epidemiológicos e Vacinação
Programa de Computação Científica - FIOCRUZ 8 de dezembro de 2004 Histórico Doenças Infecciosas Histórico Infecções presentes Agentes Infecciosos Qualidade de vida X Doenças Infecciosas (60s) Câncer e
Leia maiss:
MODELAGEM E COTROLE DE SISTEMAS EPIDEMIOLÓGICOS EM AUTÔMATOS CELULARES ivaldo Ulisses Agostinho, Lucas Dal-Rios eves, Rubisson Duarte Lamperti, João Matheus de Oliveira Arantes, Erivelton Geraldo epomuceno
Leia maisMODELOS COMPARTIMENTAIS INVESTIGADOS POR PROCESSOS ESTOCÁSTICOS
MODELOS COMPARTIMENTAIS INVESTIGADOS POR PROCESSOS ESTOCÁSTICOS Alisson Daniel de Macedo Vitor, Érica Keith Aparecida Luiz Morais, Erivelton Geraldo Nepomuceno Universidade Federal de São João del-rei
Leia maisDepartamento de Engenharia Elétrica-UFSJ.
UMA ABORDAGEM INTEGRADA ENTRE AUTÔMATOS CELULARES E LÓGICA FUZZY PARA A MODELAGEM E PROPAGAÇÃO ESPACIAL DE EPIDEMIAS Gledson Melotti, Erivelton G. Nepomuceno, Eduardo M. A. M. Mendes Programa de Pós-Graduação
Leia maisds/dt = µn - µs - ßI S/N di /dt = ßI S/N - I - µi (1) dr/dt = I - µr.
MODELO BASEADO EM INDIVÍDUOS PARA SISTEMAS EPIDEMIOLÓGICOS COM UM NÚMERO ARBITRÁRIO DE COMPARTIMENTOS 1. INTRODUÇÃO Samir Angelo Milani Martins (PIBIC/CNPq/UFSJ) Erivelton Geraldo Nepomuceno (Orientador,
Leia maisMODELAGEM DE EPIDEMIAS ATRAVÉS DE MODELOS BASEADOS EM INDIVÍDUOS
Programa de Pós-graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Lucymara de Resende Alvarenga Engenheira Eletricista - UFSJ MODELAGEM DE EPIDEMIAS ATRAVÉS DE MODELOS BASEADOS EM INDIVÍDUOS
Leia maisIntrodução aos modelos de transmissão de doenças infecciosas
Introdução aos modelos de transmissão de doenças infecciosas LNCC, Curso de Verão Janeiro, 2008 Modelo SIR ds di dr k = taxa contatos diarios β = risco de transmissao por contato = βksi /N (1) = βksi /N
Leia maisConsiderações sobre a Condição Inicial na Construção do Diagrama de Bifurcação para o Mapa Logístico
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Considerações sobre a Condição Inicial na Construção do Diagrama de
Leia maisUm novo atrator caótico em um modelo epidemiológico de vários sorotipos com imunidade temporária cruzada
Um novo atrator caótico em um modelo epidemiológico de vários sorotipos com imunidade temporária cruzada Bruna Cassol dos Santos IME-USP 4 de junho de 2018 Bruna Cassol dos Santos (IME-USP) Um novo atrator
Leia maisUM ESTUDO SOBRE MODELOS EPIDEMIOLÓGICOS ENVOLVENDO EQUAÇÕES DIFERENCIAIS ORDINÁRIAS
UM ESTUDO SOBRE MODELOS EPIDEMIOLÓGICOS ENVOLVENDO EQUAÇÕES DIFERENCIAIS ORDINÁRIAS Valdir Junior Florentin de Aguiar 1 ; Maristela Missio 1 Estudante do curso de Matemática da UEMS, Unidade Universitária
Leia maisRedes Complexas Aula 15
Redes Complexas Aula 5 Aula passada Resilience ( robustez ) Tipo de falhas Influência da estrutura Análise do ponto crítico Aula de hoje Epidemia em redes Modelos epidemiológicos Criticalidade em função
Leia maisMODELO BASEADO EM INDIVÍDUOS PARA ESTUDO DE PROPAGAÇÃO DE VÍRUS DE COMPUTADOR EM METAPOPULAÇÕES COM CARACTERÍSTICAS
MODELO BASEADO EM NDVÍDUOS PARA ESTUDO DE PROPAGAÇÃO DE VÍRUS DE COMPUTADOR EM METAPOPULAÇÕES COM CARACTERÍSTCAS HETEROGÊNEAS João Paulo Vieira, Márcio Júnior Lacerda, Samir Angelo Milani Martins, Erivelton
Leia maisMODELAGEM MATEMÁTICA APLICADA À SISTEMAS DINÂMICOS EPIDEMIOLÓGICOS: O MODELO SIR
MODELAGEM MATEMÁTICA APLICADA À SISTEMAS DINÂMICOS EPIDEMIOLÓGICOS: O MODELO SIR Isabeli Raiany de Miranda Silva¹, Jane Rosa¹ ¹, ²Instituto Federal do Paraná Campus Paranaguá ¹e-mail: isabeli.miranda@live.com
Leia maisEstratégias de Vacinação na Dinâmica da Varicela
Trabalho apresentado no CNMAC, Gramado - RS, 216. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Estratégias de Vacinação na Dinâmica da Varicela Eliza Maria Ferreira
Leia maisAnálise da Coexistência de Sorotipos de Dengue
Análise da Coexistência de Sorotipos de Dengue Thomas Nogueira ilches Claudia Pio Ferreira Depto. de Bioestatística BB UNESP 18618-97 - Botucatu SP E-mail: thomas vilches@ibb.unesp.br pio@ibb.unesp.br
Leia maisPROGRAMAÇÃO PARALELA CUDA PARA SIMULAÇÃO DE MODELOS EPIDEMIOLÓGICOS BASEADOS EM INDIVÍDUOS.
PROGRAMAÇÃO PARALELA CUDA PARA SIMULAÇÃO DE MODELOS EPIDEMIOLÓGICOS BASEADOS EM INDIVÍDUOS. Arlindo Rodrigues Galvão Filho, Fleuri Domingues Barreto Arruda, Roberto Kawakami Harrop Galvão, Takashi Yoneyama
Leia maisMODELAGEM, ANÁLISE E PREVISÃO EPIDEMIOLÓGICA DETERMINÍSTICA SOBRE DADOS DA GRIPE SUÍNA (H1N1) NO BRASIL NO ANO DE 2009.
1 MODELAGEM, ANÁLISE E PREVISÃO EPIDEMIOLÓGICA DETERMINÍSTICA SOBRE DADOS DA GRIPE SUÍNA (H1N1) NO BRASIL NO ANO DE 2009. Hildmir do Nascimento Rocha hildmir.rocha@icen.ufpa.br Leriana Chaves da Silva
Leia maisSimulação de um modelo epidemiológico com renovação de população em redes Small World
Simulação de um modelo epidemiológico com renovação de população em redes Small World Diego Robles Vieira Ribeiro, Reginaldo A. Zara UNIOESTE - Universidade Estadual do Oeste do Paraná Centro de Ciências
Leia maisPode a matemática descrever uma epidemia?
Pode a matemática descrever uma epidemia? César M. Silva csilva@ubi.pt Departamento de Matemática Universidade da Beira Interior Portugal MPT2013, 14 de Dezembro de 2013 César M. Silva (UBI) Pode a matemática...
Leia maisAnálise do ponto de equilíbrio no modelo Lotka- Volterra
Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Análise do ponto de equilíbrio no modelo Lotka- Volterra Angelo Fernando Fiori, Antonio Carlos Valdiero, Luana Fransozi, Luiz Antonio Rasia Departamento
Leia maisDisciplinarum Scientia. Série: Naturais e Tecnológicas, Santa Maria, v. 15, n. 1, p , Recebido em: Aprovado em:
Disciplinarum Scientia. Série: Naturais e Tecnológicas, Santa Maria, v. 15, n. 1, p. 29-37, 2014. Recebido em: 13.05.2014. Aprovado em: 15.08.2014. ISSN 2176-462X RESUMO MODELO MATEMÁTICO DA EVOLUÇÃO DA
Leia maisSÍNTESE DE CONTROLE PROPORCIONAL-DERIVATIVO PARA SISTEMAS COMPLEXOS: UM ESTUDO DE CASO EM EPIDEMIOLOGIA
SÍNTESE DE CONTROLE PROPORCIONAL-DERIVATIVO PARA SISTEMAS COMPLEXOS: UM ESTUDO DE CASO EM EPIDEMIOLOGIA Carlos Manuel Viriato Neto, Denise Fonseca Resende, Erivelton Geraldo Nepomuceno Grupo de Controle
Leia maisEvolução dos métodos de simulação computacional estocásticos
Evolução dos métodos de simulação computacional estocásticos E.L. Moraes1; E. G. Nepomuceno2; G. F. V. Amaral2 1 Programa de Pós-Graduação em Engenharia Elétrica UFSJ, São João Del-Rei, MG CEP: 36307-352
Leia maisEstudo analítico e numérico do espalhamento acústico
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 21 Associação Brasileira de Métodos Computacionais em Engenharia Estudo analítico e numérico do espalhamento acústico M.E. Maria 1 ; E.N.M.
Leia maisUM MODELO DE EQUAÇÕES DIFERENCIAIS NO ESTUDO DA EVOLUÇÃO TEMPORAL DA INFLUENZA A(H1N1)
UM MODELO DE EQUAÇÕES DIFERENCIAIS NO ESTUDO DA EVOLUÇÃO TEMPORAL DA INFLUENZA A(H1N1) Elisangela Melgarejo Deniz 1 ; Maristela Missio 2 UEMS Matemática, C. Postal 351, 79804-970 Dourados-MS, E-mail: elisangeladeniz@hotmail.com
Leia maisEstabilidade de sistemas baseados em regras fuzzy e a função de Lyapunov
Biomatemática 19 (2009), 1 10 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Estabilidade de sistemas baseados em regras fuzzy e a função de Lyapunov L. C. de Barros 1, IMECC, UNICAMP,
Leia maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia maisAndré Rodrigues da Cruz
André Rodrigues da Cruz Uma Metodologia Multiobjetivo para o Controle de Epidemias através de Vacinação Impulsiva via Algoritmo Genético com Operador de Busca Local Baseado em Aproximação Quadrática Convexa
Leia maisUniversidade Federal do Espírito Santo SEAGRO: ANAIS DA SEMANA ACADÊMICA DO CURSO DE AGRONOMIA DO CCAE/UFES FILTRO DE PARTÍCULAS APLICADO À ESTIMAÇÃO
Universidade Federal do Espírito Santo SEAGRO: ANAIS DA SEMANA ACADÊMICA DO CURSO DE AGRONOMIA DO CCAE/UFES FILTRO DE PARTÍCULAS APLICADO À ESTIMAÇÃO DE EPIDEMIAS EM PLANTAS Kaique dos Santos Alves 1,
Leia maisEstimação de Modelos SEIR Estocásticos com Dados Incompletos
Estimação de Modelos SEIR Estocásticos com Dados Incompletos Autor: Márcio Augusto Diniz - IMECC/UNICAMP Co-autores: Jorge Alberto Achcar - FMRP/USP, Luiz Koodi Hotta - IMECC/UNICAMP Introdução A modelagem
Leia maisAnálise Matemática. Aula Introdutória. Erivelton Geraldo Nepomuceno. Departamento de Engenharia Elétrica Universidade Federal de São João del-rei
Análise Matemática Aula Introdutória Erivelton Geraldo Nepomuceno Departamento de Engenharia Elétrica Universidade Federal de São João del-rei Agosto de 2016 Prof. Erivelton (PPGEL/UFSJ) Análise Matemática
Leia maisCap. 0 - Introdução à Estatística Computacional
Introdução à Estatística ESQUEMA DO CAPÍTULO 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mente Intensivos Definição: Do Handbook of Computational Statistics: Concepts and
Leia maisProjeto de iniciação científica desenvolvido na UFFS campus Cerro Largo, PRO-ICT/UFFS 2
ANÁLISE DA ESTABILIDADE DE UM PULVERIZADOR DE POMARES DO TIPO TORRE UTILIZANDO DIAGRAMAS DE BIFURCAÇÃO 1 ANALYSIS OF STABILITY OF A TOWER TYPE ORCHARD SPRAYER USING BIFURCATION DIAGRAMS Nadine Thiele 2,
Leia maisForma de ocorrência das doenças CURSO DE EPIDEMIOLOGIA VETERINÁRIA, ACT Prof. Luís Gustavo Corbellini EPILAB /FAVET - UFRGS
Forma de ocorrência das doenças CURSO DE EPIDEMIOLOGIA VETERINÁRIA, ACT Prof. Luís Gustavo Corbellini EPILAB /FAVET - UFRGS 22/7/2014 Padrões de ocorrência: conceitos gerais 1. Ocorrência endêmica 2. Ocorrência
Leia maisUso de Modelagem Computacional em Epidemiologia como Estratégia de Controle de Doenças
Uso de Modelagem Computacional em Epidemiologia como Estratégia de Controle de Doenças Simone de Oliveira Mendes 1, Felipe Mancini 2 1. Licenciada em Informática, Mestranda em Geografia, UFMT e Pós-graduanda
Leia maisBancos de Dados Geográficos. Modelagem Dinâmica EspaçoTemporal para Análise do Uso e. Ocupação do Solo
Bancos de Dados Geográficos Modelagem Dinâmica EspaçoTemporal para Análise do Uso e Ocupação do Solo Prólogo Introdução Tradicionalmente, os Sistemas de Informação Geográfica são baseados em suposições
Leia maisDETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO
DETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO Samir Angelo Milani Martins, Alípio Monteiro Barbosa, Erivelton Geraldo Nepomuceno GCoM Grupo de
Leia maisInvestigando a Influência da Distribuição Espacial de Mosquitos na Propagação de Doenças via Autômato Celular
Investigando a Influência da Distribuição Espacial de Mosquitos na Propagação de Doenças via Autômato Celular Julio Cesar de Azevedo Dias 1, Luiz Henrique Alves Monteiro 1,2 1 Programa de Pós-graduação
Leia maisMODELO LOGÍSTICO: CRESCIMENTO POPULACIONAL DO HAITI
MODELO LOGÍSTICO: CRESCIMENTO POPULACIONAL DO HAITI BOSI, D. 1 ; GABRIEL, K. 1 ; PILATTI, C. 1 ; ROMIO, T. M. 1 ; BAVARESCO, D. 2 ; STROSCHEIN, S.D. 3 RESUMO Este trabalho apresenta resultados e discussões
Leia maisTipos de estudos epidemiológicos
Tipos de estudos epidemiológicos Vítor Salvador Picão Gonçalves Universidade de Brasília Faculdade de Agronomia e Medicina Veterinária Laboratório de Epidemiologia Veterinária - EpiPlan Objetivos da aula
Leia maisANÁLISE E COMPARAÇÃO DE DINÂMICAS PARA TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA
11 ANÁLISE E COMPARAÇÃO DE DINÂMICAS PARA TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA ANALYSIS AND COMPARISON OF DYNAMICS FOR ORBITAL TRANSFERS IN THE EARTH-MOON SYSTEM Anderson Rodrigo Barretto Teodoro
Leia mais6 Referências bibliográficas
6 Referências bibliográficas BARROS, M.; SOUZA, R.C. Regressão Dinâmica. Núcleo de Estatística Computacional. PUC-Rio, 1995. BARROS, M. Processos Estocásticos. Rio de Janeiro. Papel Virtual, 2004. BROCKWELL,
Leia maisImplementação e desenvolvimento de modelos matriciais populacionais aplicados a tubarões de profundidade
Implementação e desenvolvimento de modelos matriciais populacionais aplicados a tubarões de profundidade Autores: Lúcia Ventura - Faculdade de Ciências - Universidade de Lisboa Ivone Figueiredo -Instituto
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisUMA ABORDAGEM EVOLUTIVA MULTIOBJETIVO PARA O PROBLEMA DE CONTROLE DE EPIDEMIAS
UMA ABORDAGEM EVOLUTIVA MULTIOBJETIVO PARA O PROBLEMA DE CONTROLE DE EPIDEMIAS Amanda Cecília Sant Ana Dusse¹ 1 amandusse@gmail.com Graduação em Engenharia Elétrica Centro Federal de Educação Tecnológica
Leia mais3 Avaliação da segurança dinâmica de sistemas de energia elétrica: Resultados
3 Avaliação da segurança dinâmica de sistemas de energia elétrica: Resultados 3.1 Introdução O presente capítulo apresenta os resultados obtidos da aplicação do método de avaliação da segurança dinâmica
Leia maisEstudo das emoções em multidões
Estudo das emoções em multidões Michael O. Trujillo 1, Marla Melo 1, Diana Adamatti 1, Leonardo Emmendorfer 1 1 Centro de Ciências Computacionais Universidade Federal do Rio Grande (FURG) Caixa Postal
Leia maisComparação de Desempenho entre o Método dos Elementos de Contorno com Integração Direta e o Método dos Elementos Finitos em problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vitória-ES, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Comparação de Desempenho entre o Método dos Elementos de Contorno
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisEvolução Espaço-Temporal de Disseminação de Epidemias Baseado no Modelo Malthus-Verhulst com Autômato Celular
204 Evolução Espaço-Temporal de Disseminação de Epidemias Baseado no Modelo Malthus-Verhulst com Autômato Celular Wellington A. V. Fonseca, Maury M. Gouvêa Jr. Programa de Pós-Graduação em Engenharia Elétrica
Leia maisEtapas da Modelagem. Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1
Etapas da Modelagem Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1 Classificação dos modelos Medição de dados Conhecimento do processo físico Totalmente orientado
Leia maisORIENTADOR(ES): ANTÔNIO FERNANDO BERTACHINI DE ALMEIDA P, DENILSON PAULO SOUZA DOS SANTOS
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: MODELAGEM DE TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA CATEGORIA: EM ANDAMENTO ÁREA: ENGENHARIAS
Leia maisQUANTIFICAÇÃO DAS DOENÇAS NAS POPULAÇÕES
QUANTIFICAÇÃO DAS DOENÇAS NAS POPULAÇÕES Prof. Francisco Baptista A defesa da saúde populacional, através de medidas de profilaxia, tem como base o conhecimento da freqüência da doença e dos seus determinantes,
Leia mais6º Congresso Interinstitucional de Iniciação Científica - CIIC a 15 de agosto de 2012 Jaguariúna, SP
CARACTERIZAÇÃO DE PARÂMETROS DETERMINANTES NA MODELAGEM DA TRANSMISSÃO DE ENFEZAMENTOS EM MILHO MARIANE C. SAHÚ 1 ; SÔNIA TERNES 2 ; RAPHAEL G. D. VILAMIU 3 ; ELIZABETH OLIVEIRA 4 Nº 12603 RESUMO Com o
Leia maisComputação Aritmética
Computação Aritmética Aula Introdutória Erivelton Geraldo Nepomuceno Departamento de Engenharia Elétrica Universidade Federal de São João del-rei Março de 2017 Prof. Erivelton (DEPEL/UFSJ) CompIEEE Março
Leia maisInvestigando a Influência de Indivíduos Imunes na Propagação de Doenças Contagiosas
Trabalho apresentado no DINCON, Natal - RN, 2015. 1 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Investigando a Influência de Indivíduos Imunes na Propagação de Doenças
Leia maisIndicadores de ocorrência de doenças em populações
Indicadores de ocorrência de doenças em populações Considerações gerais Principais indicadores de ocorrência de doenças Mortalidade: mede o risco de um indivíduo da população morrer Letalidade: mede o
Leia maisI Curso de Epidemiologia Aplicada
I Curso de Epidemiologia Aplicada Organização Mundial de Saúde - OMS Organização Pan-Americana de Saúde - OPAS Centro Pan-Americano de Febre Aftosa -PANAFTOSA Secretaria de Defesa Agropecuária - SDA Departamento
Leia maisAplicação de Algoritmos Genéticos na determinação de estruturas de um modelo polinomial NARMAX
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia Aplicação de Algoritmos Genéticos na determinação de estruturas de um modelo
Leia maisCOMPARAÇÃO DE MODELOS FENOMENOLÓGICOS PARA A HIDRATAÇÃO DE GRÃOS DE SOJA
5 a 8 de Outubro de ISBN 978-85-884-55- COMPARAÇÃO DE MODELOS FENOMENOLÓGICOS PARA A HIDRATAÇÃO DE GRÃOS DE SOJA Douglas Junior Nicolin, Bruno Luiz Marcondes, Cid Marcos Gonçalves Andrade 3, Luiz Mario
Leia maisModelagem epidemiológica de AIDS no Brasil: casos onde a infecção ocorre pelo contato sexual
155 Modelagem epidemiológica de AIDS no Brasil: casos onde a infecção ocorre pelo contato sexual Diego Alexandre Oliveira Peixoto 1, Viviane Galvão 1, * 1 Faculdade de Tecnologia e Ciências, Salvador,
Leia maisQuestões da Prova Teórica 1ª Unidade Temática Epidemiologia 3º Período. Gabarito D D C B A B A A E B
Questões da Prova Teórica 1ª Unidade Temática 2018.1 Epidemiologia 3º Período Gabarito 1 2 3 4 5 6 7 8 9 10 D D C B A B A A E B 1. Enumere o conteúdo da segunda coluna, de acordo com as informações listadas
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisEpidemiologia. Disciplina: Higiene e profilaxia animal. Fábio Raphael Pascoti Bruhn
Epidemiologia Disciplina: Higiene e profilaxia animal Fábio Raphael Pascoti Bruhn Epidemiologia Conceito: epi (sobre) + demo (povo) Estudo da distribuição dos estados de saúde e eventos em populações,
Leia maisConstrução de Matrizes
Construção de Matrizes Luís Gustavo Corbellini (luis.corbellini@ufrgs.br) Laboratório de Epidemiologia Veterinária (EPILAB, UFRGS) Objetivo O objetivo dessa aula é ilustrar, passo a passo, a estimativa
Leia maisCENTRO UNIVERSITÁRIO LEONARDO DA VINCI CURSO: ENGENHARIAS DISCIPLINA: ESTATÍSTICA E PROBABILIDADE PROFESSORAS: GRAZIELLE JENSKE e CRISTIANE BONATTI
CENTRO UNIVERSITÁRIO LEONARDO DA VINCI CURSO: ENGENHARIAS DISCIPLINA: ESTATÍSTICA E PROBABILIDADE PROFESSORAS: GRAZIELLE JENSKE e CRISTIANE BONATTI Séries Estatísticas Os resultados estatísticos são apresentados
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisPROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO
Semestre Letivo PROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO Duração em Semanas I ( X ) II 17 IDENTIFICAÇÃO Disciplina Código Simulação Hidrológica Departamento Sigla da Unidade Engenharia
Leia maisInfluência das Medidas Educacionais no Controle de Epidemias via Modelo Matemático SIER
Influência das Medidas Educacionais no Controle de Epidemias via Modelo Matemático SIER Nilmar Bispo Santana, Centro Federal de Educação Tecnológica de Minas Gerais, CEFET-MG Avenida Amazonas, 7675-Nova
Leia maisEpidemiologia como ferramenta de trabalho na Defesa Sanitária
Epidemiologia como ferramenta de trabalho na Defesa Sanitária Laboratório de Epidemiologia Veterinária (EPILAB) Depto. Medicina Veterinária Preventiva Faculdade de Veterinária, UFRGS Luís Gustavo Corbellini
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Dentre a grande variedade de sistemas que podem ser modelados e para os quais a simulação pode ser aplicada com proveito, uma classe
Leia maisValidação de modelo entomológico com dependência da pluviosidade para o Aedes aegypti
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 4, N., 26. Trabalho apresentado no DINCON, Natal - RN, 25. Proceeding Series of the Brazilian Society of Computational
Leia maisESPECULAÇÃO SOBRE A TAXA DE INFECÇÃO DA DIFTERIA NO MODELO ESTOCÁSTICO SIMPLES DE EPIDEMIA
ESPECULAÇÃO SOBRE A TAXA DE INFECÇÃO DA DIFTERIA NO MODELO ESTOCÁSTICO SIMPLES DE EPIDEMIA Marco A.S. Lavrador * Odécio Sanches** LAVRADOR, M. A. S. & SANCHES, O. Especulação sobre a taxa de infecção da
Leia maisEstudo da localização de maternidades em Sergipe através de simulação Monte Carlo
Estudo da localização de maternidades em Sergipe através de simulação Monte Carlo João Batista dos Santos-Filho 1, Tatiana Santos de Araujo Batista 2, José Carlos Rodrigues Oliveira 3,Maria Letícia da
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisINDICADORES SOCIAIS (AULA 3)
1 INDICADORES SOCIAIS (AULA 3) Ernesto Friedrich de Lima Amaral Universidade Federal de Minas Gerais Faculdade de Ciências Humanas e Filosofia ESTRUTURA DO CURSO 2 1. Conceitos básicos relacionados a indicadores
Leia maisIntrodução aos modelos de transmissão de doenças infecciosas
Introdução aos modelos de transmissão de doenças infecciosas LNCC, Curso de Verão Janeiro, 2008 Modelos matemáticos de dinâmica de populações População é uma coleção de pessoas ou indivíduos de uma espécie
Leia maisProceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol.,., 23. OTIMIZAÇÃO DA ALOCAÇÃO TEMPORAL DE RECURSOS PARA COMBATE A EPIDEMIAS COM TRASMISSÃO SAZOAL ATRAVÉS DE MÉTODOS
Leia maisForma de ocorrência das doenças CURSO DE EPIDEMIOLOGIA VETERINÁRIA, ACT Prof. Luís Gustavo Corbellini EPILAB /FAVET - UFRGS 23/9/2014 1
Forma de ocorrência das doenças CURSO DE EPIDEMIOLOGIA VETERINÁRIA, ACT Prof. Luís Gustavo Corbellini EPILAB /FAVET - UFRGS 23/9/2014 1 Padrões de ocorrência: conceitos gerais 1. Ocorrência endêmica 2.
Leia maisAlgoritmo Array Rápido para Filtragem de Sistemas Lineares Sujeitos a Saltos Markovianos com Variação Estruturada dos Parâmetros no Tempo
Trabalho apresentado no XXXVII CNMAC, SJ dos Campos - SP, 2017 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Algoritmo Array Rápido para Filtragem de Sistemas Lineares
Leia maisAVALIAÇÃO DOS EFEITOS DA PRESSÃO DE RADIAÇÃO SOLAR PARA SATÉLITES GPS
3 AVALIAÇÃO DOS EFEITOS DA PRESSÃO DE RADIAÇÃO SOLAR PARA SATÉLITES GPS Luiz Danilo Damasceno Ferreira Universidade Federal do Paraná Departamento de Geociências CP: 19011 CEP: 81531-990 Curitiba PR Brasil
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Modelo de Poisson e Análise de Dados Longitudinais Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/
Leia maisAnálise de Risco. Fernando Ferreira 1. Epidemiologia Veterinária. Universidade de São Paulo. Resumo
Resumo Ferreira 1 1 Departamento de Medicina Veterinária Preventiva e Saúde Animal Universidade de São Paulo Epidemiologia Veterinária 1/ 46 Resumo Resumo 1 Histórico 2 3 2/ 46 Definição Histórico Risco
Leia maisADMINISTRAÇÃO GERAL. Gestão da Qualidade. Ferramentas da Qualidade Parte 6. Prof. Fábio Arruda
ADMINISTRAÇÃO GERAL Gestão da Qualidade Ferramentas da Qualidade Parte 6 Prof. Fábio Arruda 7- Diagrama de Dispersão O Diagrama de Dispersão é um gráfico onde pontos no espaço cartesiano XY são usados
Leia mais4 UNIJUÍ/DECEEng/Mestrado em Modelagem Matemática Campus Ijuí,
MODELAGEM MATEMÁTICA DA CONSERVAÇÃO DE TEMPERATURAS DE LÍQUIDOS EM UMA GARRAFA TÉRMICA COM AMPOLA DE VIDRO: UMA APLICAÇÃO DA LEI DE RESFRIAMENTO DE NEWTON Dionatan Breskovit de Matos 1, Eduardo Post 2,
Leia maisFLUXO DE INFORMAÇÃO ENTRE DOIS MODELOS DE NEURÔNIO DE HINDMARSH-ROSE
FLUXO DE INFORMAÇÃO ENTRE DOIS MODELOS DE NEURÔNIO DE HINDMARSH-ROSE Aryadyne Bueno Rocha Szesz (PIBIC/Fundação Araucária/UEPG), Sandro Ely de Souza Pinto (Orientador), e-mail: dsouzapinto@gmail.com Universidade
Leia maisDimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações
Dimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações Introdução Arminda Lucia Siqueira Dimensionamento de amostras, importante elemento
Leia mais2 Revisão Bibliográfica
2 Revisão Bibliográfica Neste Capítulo é apresentada a revisão bibliográfica referente ao estado da arte das metodologias de manipulação dos mapas de características de compressores axiais, visando à obtenção
Leia maisCentro Pan-Americano de Febre Aftosa
Centro Pan-Americano de Febre Aftosa PANAFTOSA - SAÚDE PÚBLICA VETERINÁRIA SEMINÁRIO INTERNACIONAL PRÉ-COSALFA 44 Pirenópolis, Goiás - Brasil, 3-4 de abril de 2017 AVALIAÇÃO DE RISCO DO VÍRUS TIPO C Alejandro
Leia maisKátia Slodkowski Clerici 2, Cássio L. M. Belusso 3. Projeto de pesquisa PRO-ICT/UFFS 2. Acadêmica do curso de Física da UFFS Campus Cerro Largo 3
DETECÇÃO DE COMPORTAMENTO REGULAR E CAÓTICO EM UM PULVERIZADOR DE POMARES TIPO TORRE UTILIZANDO DIAGRAMAS DE BIFURCAÇÃO 1 ON APPEARANCE OF REGULAR AND CHAOTIC BEHAVIOR ON THE TOWER ORCHARD SPRAYER USING
Leia maisO CRESCIMENTO POPULACIONAL DO MUNICÍPIO DE ERECHIM REPRESENTADO ATRAVÉS DE MODELAGEM MATEMÁTICA
O CRESCIMENTO POPULACIONAL DO MUNICÍPIO DE ERECHIM REPRESENTADO ATRAVÉS DE MODELAGEM MATEMÁTICA Nelize Fracaro 1, Dionatan Breskovit de Matos 2, Eduardo Post 3, Manuel Martín Pérez Reimbold 4 1 UNIJUÍ/DECEEng/Mestrado
Leia maisEquações de diferenças e aplicações
Departamento de Matemática e Engenharias Equações de diferenças e aplicações Rafael Domingos Garanito Luís (Licenciado) Dissertação para obtenção do grau de Mestre em Matemática (Área de Especialização
Leia maisESTUDO DO CRESCIMENTO POPULACIONAL DE BENTO GONÇALVES ATRAVÉS DOS MODELOS DE MALTHUS E VERHULST
ESTUDO DO CRESCIMENTO POPULACIONAL DE BENTO GONÇALVES ATRAVÉS DOS MODELOS DE MALTHUS E VERHULST D. BUSSOLOTTO 1 ; M. A. CARRARO 1 ; S. D. STROSCHEIN 2 RESUMO: Este trabalho apresenta o estudo do crescimento
Leia maisMÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS
MÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS Orientador: Prof. PhD Paulo Justiniano Ribeiro Junior. 8 de outubro de 2008 Roteiro de Apresentação
Leia maisProf. Dr. Vitor S. P. Gonçalves Laboratório de Epidemiologia Veterinária - EpiPlan/FAV Universidade de Brasília - UnB
AVALIAÇÃO DO RISCO DA PRESENÇA DO VÍRUS DA FEBRE AFTOSA EM CARNE SUÍNA EXPORTADA PELO RIO GRANDE DO SUL, NO CASO DE OCORRER ATIVIDADE VIRAL NA POPULAÇÃO BOVINA VACINADA Prof. Dr. Vitor S. P. Gonçalves
Leia mais