Modelagem fuzzy de dados climáticos estimados por modelo matemático - CCATT-BRAMS

Abstract

Currently, studies on air quality has been of utmost importance because the pollutants in the air cause direct effects on the respiratory system causing social costs. Given the importance of providing hospitalization for respiratory diseases to the city manager can functionally prepare the health service for possible admissions, this work aimed to develop and validate a fuzzy linguistic model for prediction of hospitalization for respiratory diseases. A fuzzy model was built to predict hospitalizations for pneumonia, bronchitis, bronchiolitis and asthma (J12 to J18 and J45 of ICD 10) after exposure to PM2.5 and CO in Volta Redonda residents, RJ, in 2012. They were built three models: two with two Entries (PM2.5 / TEMP and CO / TEMP) and one with three inputs (PM 2.5 / CO / TEMP). For the model with two entrances there were three membership functions for each, for PM2.5 concentrations or CO and temperature, as well as, an outlet with three membership functions for admissions, which were obtained from DATASUS. For the model with three inputs, membership functions were maintained and the output changed to four membership functions. The models showed good accuracy. For the model with PM2.5 the result was between 90% and 76.5% for lags 1, 2 and 3; for model with CO the result was between 94.7% and 80.1%, for lags 1, 2 and 3; and the model with both CO and PM2.5 accuracy was between 91.4% and 80.1% (PM2.5) and 92.9% and 82.1% (CO) for lags 1, 2 and 3, allowing its application for health managers

Atualmente, estudos sobre a qualidade do ar tem sido de extrema importância pois os poluentes existentes no ar causam efeitos diretos no sistema respiratório provocando custos sociais. Dada a importância de prever hospitalização por doenças respiratórias para que o gestor municipal possa preparar funcionalmente o serviço de saúde para possíveis admissões, esta dissertação teve como objetivo elaborar e validar um modelo linguístico fuzzy para previsão de hospitalização por doenças respiratórias. Foi construído um modelo fuzzy para predição de internações por pneumonias, bronquite, bronquiolite e asma (J12 a J18 e J45 da CID 10) segundo exposição ao PM2,5 e CO em residentes de Volta Redonda, RJ, em 2012. Foram construídos três modelos: dois com duas entradas (PM2,5 / TEMP e CO / TEMP) e um com três entradas (PM2,5 / CO / TEMP). Para o modelo com duas entradas havia três funções de pertinência para cada uma, para as concentrações do PM2,5 ou CO e temperatura, e uma saída com três funções de pertinência para internações, que foram obtidos do DATASUS. Para o modelo com três entradas, as funções de pertinência se mantiveram e a saída mudou para quatro funções de pertinência. Os modelos mostraram uma boa acurácia. Para o modelo com PM2,5 o resultado foi entre 90% e 76,5% para os lags 1, 2 e 3; para o modelo com CO o resultado foi entre 94,7% e 80,1% para os lags 1, 2 e 3; e para o modelo com PM2,5 e CO simultaneamente a acurácia ficou entre 91,4% e 80,1% (PM2,5) e 92,9% e 82,1% (CO) para os lags 1, 2 e 3, possibilitando assim sua aplicação por gestores de saúde