Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUCAS DOS SANTOS NUNES
DATA: 22/08/2023
HORA: 14:00
LOCAL: Sala ao lado do PROCC e meet.google.com/suo-kwdh-iyj
TÍTULO: Visualização. Interação e Analise de dados do COVID-19 no Sistema Prisional
prisional
PALAVRAS-CHAVES: Sistema prisional, Machine Learning, Dados abertos, COVID-19, Mapeamento
sistemático.
PÁGINAS: 82
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Arquitetura de Sistemas de Computação
RESUMO:
Contexto: A pandemia por coronavírus recém-identificada, mais tarde denominada como COVID19, é altamente transmissível e patogênica. Uma preocupação adicional neste contexto refere-se à entrada e disseminação da doença nas prisões brasileiras, cujas condições de encarceramento no país são celas superlotadas e mal ventiladas, o que torna esses ambientes extremamente suscetíveis à rápida disseminação da doença.
Objetivo: Analisar os dados do COVID-19 no sistema prisional a fim de caracterizar seu uso em termos de fontes, finalidade e disponibilidade de dados.
Método: Apresentar a elaboração de um mapeamento sistemático, com o intuito de identificar publicações relacionadas ao COVID-19 no sistema prisional que utilizam registros do Departamento de Informática do Sistema Único de Saúde (DATASUS) e como estão sendo tratados. Em seguida, é feita a coleta de informações do COVID-19 e de outras doenças no estado da Bahia, Brasil, onde serão processadas e armazenadas. O intuito é converter estes dados patológicos em um painel visual, denominado como dashboard, ou seja, uma representação da pandemia por meio de atributos visuais de fácil compreensão, como gráficos, histogramas e mapas geográficos. O painel será desenvolvido com a colaboração de heurísticas de Nielsen e testes de usabilidade com participantes convidados, para que possam auxiliar pesquisadores e organizações interessadas, principalmente na área da saúde e da computação. E por fim, algoritmos de Machine Learning (ML) foram usados para prever a propagação dessas doenças, com o objetivo de ajudar os responsáveis a tomarem ações emergentes.
Resultados: Foram revisadas 125 publicações, das quais 29 foram identificadas como relevantes em relação aos objetivos do mapeamento sistemático realizado. Em seguida, foram encontrados mais 8 trabalhos por meio da técnica de Forward Snowballing (FS), totalizando 37 estudos. Enquanto aos experimentos com ML, os modelos de Regressão Polinomial obteve as melhores aferições com os dados do DATASUS. Os resultados apontam para tendências e necessidades de pesquisas sobre o assunto, pois a ideia é auxiliar na redução da taxa de mortalidade por COVID19 e outras doenças. Já as contribuições feitas pelos participantes dos testes vêm obtendo importância para o desenvolvimento do dashboard, para assim compreendermos melhor o seu funcionamento, além da possibilidade de aperfeiçoá-lo ainda mais.