MODELAGEM DOS CASOS DE LEISHMANIOSE VISCERAL NO MUNICÍPIO DE TERESINA ATRAVÉS DE SISTEMAS DINÂMICOS P-FUZZY

Abstract

RESUMO: Neste trabalho, apresentaremos as descrições detalhadas de um software preditivo fuzzy, baseado em regras descritas por um especialista, portanto, a partir do conhecimento humano. Usaremos a lógica fuzzy para predição de números de casos de leishmaniose visceral no município de Teresina, o controle preditivo é usado como técnica avançada para calcular um sinal de controle aplicado a um determinado processo tendo como princípio preditivo um comportamento futuro, ao longo do tempo, dessa forma conseguiremos uma modelagem fuzzy de identificação de um modelo capaz de adquirir conhecimento do processo, além de evoluir essa estrutura e atualizar seus parâmetros. Sabemos que a endemia em questão evidencia muitos problemas não só de saúde, como também sociais e econômicos, a ferramenta preditiva usando a lógica fuzzy, fomentará gestores no auxílio a tomada de decisão, considerando que ao entender como se propaga a doença, por exemplo, um gestor poderá embasar melhor suas decisões de modo a reduzir impacto social e econômico, independentemente de setor, seja na saúde pública ou privada. O modelo preditivo de número de casos da doença por meio de um sistema p-fuzzy, que significa puramente fuzzy, contará com equações diferencias ordinárias (EDO) utilizadas em modelos epidemiológicos clássicos, e, para a solução deste modelo, contamos com um código de programação em linguagem Python. Os resultados estimados na defuzzificação deverão mostrar que temos uma grande possibilidade para a utilização deste modelo como ferramenta no apoio a tomada de decisão.

ABSTRACT: In this work, we will present detailed descriptions of fuzzy predictive software, based on rules described by an expert, therefore, based on human knowledge. We will use fuzzy logic to predict the number of cases of visceral leishmaniasis in the city of Teresina. Predictive control is used as an advanced technique to calculate a control signal applied to a given process with the predictive principle of future behavior, over time, In this way, we will achieve fuzzy modeling to identify a model capable of acquiring knowledge of the process, in addition to evolving this structure and updating its parameters. We know that the endemic in question highlights many problems, not only health, but also social and economic, the predictive tool using fuzzy logic will encourage managers to help decision-making, considering that by understanding how the disease spreads, for example, a manager will be able to better base their decisions in order to reduce social and economic impact, regardless of the sector, whether in public or private health. The predictive model for the number of cases of the disease through a p-fuzzy system, which means purely fuzzy, will rely on ordinary differential equations (ODE) used in classical epidemiological models, and, to solve this model, we have a code of programming in Python language. The results estimated in defuzzification should show that we have a great possibility of using this model as a tool to support decision making.