Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: THAIS DE ANDRADE MOURA
DATA: 16/02/2024
HORA: 14:00
LOCAL: Mini auditório do CCBS
TÍTULO: A APLICAÇÃO DE MODELOS DE APRENDIZADO DE MÁQUINA NA PREVISÃO DE ACIDENTES ESCORPIÔNICOS NA AMAZONIA LEGAL
PALAVRAS-CHAVES: Acidentes; Envenenamento; Path analysis; Series temporais; Tityus.
PÁGINAS: 60
GRANDE ÁREA: Ciências Biológicas
ÁREA: Ecologia
SUBÁREA: Ecologia de Ecossistemas
RESUMO:

O escorpionismo emerge como um problema significativo de saúde pública nas regiõestropicais e subtropicais, com a Amazônia experimentando um aumento notável na incidência de casosentre 2000 e 2017. Detendo 13% da fauna escorpiônica mundial, essa região enfrenta desafios devido àsmudanças climáticas e ao uso indiscriminado do solo, exercendo pressões substanciais sobre abiodiversidade. Este estudo buscou integrar dados de ocorrência de escorpiões, informaçõesbioclimáticas, uso do solo e dados epidemiológicos para prever a incidência de escorpionismo no nortedo Brasil. Coletamos dados de ocorrência e bioclimáticos de quatro espécies de escorpiões associadas aacidentes em distintas áreas de endemismo na Amazônia legal: Tityus obscurus, T. silvestris,T.metuendus e T.bastosi. Foram construídos modelos de distribuição de espécies (SDMs) usando osoftware MaxEnt e analisamos a sobreposição de nicho entre as espécies. Dados de acidentesescorpiônicos foram obtidos do Sistema de Informação de Agravos de Notificação (SINAN) no períodode 2015 a 2022. Além disso, utilizamos dados de uso do solo do conjunto de dados LUH2 para opresente e futuro. O modelo preditivo incorporou estimativas de incidência do SINAN, dados de uso dosolo, informações climáticas e adequabilidade climática das espécies derivadas dos SDMs comopreditores. A construção do modelo utilizou algoritmos de Machine Learning, como XGBoost e RandomForest, e avaliamos a importância das variáveis com o método SHAP (Shapley Additive exPlanations).Os resultados indicam desafios significativos para as espécies de escorpiões na Amazônia devido àsmudanças climáticas, com perdas substanciais de áreas climaticamente adequadas para algumas espécies.Enquanto algumas espécies apresentaram redução na área potencial de distribuição, outras, como Tityussilvestris, mostraram aumento. Os resultados encontrados não apenas evidenciam os desafios enfrentadospelas espécies de escorpiões na Amazônia, mas também destacam o potencial das técnicas de MachineLearning na análise de grandes conjuntos de dados. A aplicação bem-sucedida de algoritmos comoXGBoost e Random Forest não apenas permitiu a previsão da incidência de acidentes escorpiônicos, mastambém destaca o papel crucial dessas metodologias em campos como ecologia, epidemiologia e saúdepública.