Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/6476
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorFreitas, Vander Luis de Souzapt_BR
dc.contributor.authorDucure, Suleimane-
dc.date.accessioned2024-02-21T11:48:06Z-
dc.date.available2024-02-21T11:48:06Z-
dc.date.issued2024pt_BR
dc.identifier.citationDUCURE, Suleimane. A correspondência entre a estrutura da rede de mobilidade e os casos de COVID-19 no Brasil: 2024. 50 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/6476-
dc.description.abstractCom o propósito de investigar a relação entre a mobilidade das pessoas e os casos de COVID-19 no Brasil, este estudo busca aplicar abordagens de redes complexas para modelar e ilustrar a importância das redes de mobilidade na propagação de epidemias, como a COVID-19. Uma compreensão profunda desse fenômeno é crucial para a tomada de decisões no enfrentamento de epidemias similares. Foram utilizados dados de mobilidade aérea (referentes a 2019), fluvial e terrestre (ambos de 2016) do Instituto Brasileiro de Geografia e Estatística (IBGE), juntamente com dados de casos de COVID-19 (de fevereiro de 2020 a maio de 2021) do Ministério da Saúde do Brasil. Redes foram construídas a partir dos dados de mobilidade, tendo as cidades como nós e as conexões entre cidades como arestas, representando os fluxos de deslocamento entre elas. Métricas de centralidade da rede, como grau, betweenness e closeness são computadas a partir da rede para se investigar as correspondências entre elas e os dados de notificação de casos de COVID-19. Para tanto, compara-se as cidades ordenadas a partir das métricas e as cidades ordenadas a partir das datas de primeira notificação de casos de COVID-19. Observa-se que a métrica strength apresenta as maiores correspondências, seguida por grau, closeness sem peso e betweenness sem peso. Observa-se que a métrica strength apresenta as maiores correspondências, seguida por grau, closeness sem peso e betweenness sem peso. Em todos os casos, exceto closeness com peso no modal fluvial, as métricas demonstraram bons resultados em capturar as correspondências, sugerindo assim, a possibilidade de investigar a previsibilidade do padrão de propagação de doenças infecciosas.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRedes complexaspt_BR
dc.subjectCOVID-19pt_BR
dc.subjectRede de mobilidadept_BR
dc.subjectEpidemiaspt_BR
dc.subjectGrafospt_BR
dc.titleA correspondência entre a estrutura da rede de mobilidade e os casos de COVID-19 no Brasil.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeSilva, Sammuel Ramos dapt_BR
dc.contributor.refereeSantos, Leonardo Bacelar Limapt_BR
dc.contributor.refereeFreitas, Vander Luis de Souzapt_BR
dc.description.abstractenWith the purpose of investigating the relationship between people's mobility and COVID-19 cases in Brazil, this study aims to apply complex network approaches to model and illustrate the significance of mobility networks in the spread of epidemics, such as COVID-19. A profound understanding of this phenomenon is crucial for decision-making in tackling similar epidemics. Aerial data(2019), fluvial and terrestrial mobility (both from 2016) from the Brazilian Institute of Geography and Statistics (IBGE) were used, along with COVID-19 case data (from February 2020 to May 2021) from the Brazilian Ministry of Health. Networks were constructed from mobility data, with cities as nodes and connections between cities as edges, representing the flow of movement between them. Network centrality metrics, such as degree, betweenness, and closeness, were computed to investigate correspondences between these metrics and COVID-19 case notification data. To this end, cities ordered by metrics were compared with cities ordered by the dates of the first COVID-19 case notifications. It can be observed that the strength metric presented the highest matches, followed by degree, unweighted closeness, and unweighted betweenness. In all cases, except for weighted closeness in the fluvial mode, the metrics showed good results in capturing the matches. This suggests the possibility of investigating the predictability of the infectious disease spread pattern.pt_BR
dc.contributor.authorID19.2.4996pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_CorrespondênciaEstruturaRede.pdf4,03 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.