Resumo Introdução A anomalia congênita do sistema nervoso ocorre durante o desenvolvimento embrionário. O território pode ser um fator determinante e esse conhecimento é importante para o planejamento de ações ou intervenções em saúde pública. Objetivo Detectar aglomerados espaciais da ocorrência das anomalias congênitas do sistema nervoso e caracterizá-las de acordo com as variáveis do Sistema de Informações sobre Nascidos Vivos. Método Estudo ecológico em que foram utilizados os dados do Sistema de Informações sobre Nascidos Vivos no Estado da Paraíba, período entre 2014 e 2016. Para a análise dos dados foram empregados a Razão de Incidências Espacial, a estatística Scan e o teste de Friedman. Resultados Foi constatado que nos anos de 2014 e 2016 os aglomerados espaciais estavam espalhados pelo Estado, enquanto no ano de 2015 ocorreu uma maior concentração desses ao noroeste do Estado. Conclusão A detecção dos aglomerados espaciais pode auxiliar os gestores na identificação de áreas prioritárias no cuidado à saúde de crianças com anomalias congênitas do sistema nervoso.
Como uma união interdisciplinar das Tecnologias da Informação, Geociências, Lógica e Modelos Estatísticos, os Sistemas de Suporte à Decisão Espacial (SDSS) têm sido cada vêz mais utilizados para auxiliar os gestores públicos e privados, dada a abrangência e o potencial das ferramentas que os compõem. Os SDSS consideram, além de outras informações, a informação geográfica nas suas análises, enquanto que outros sistemas não a consideram. Em contínua evolução,os SDSS vêm incorporando outros tipos de sistemas para aplicações complexas e com base na Web. Este artigo traz uma breve revisão do histórico, principais conceitos e aplicações dos SDSS em diversas atividades humanas, desde a gestão de recursos humanos, gestão em negócios, monitoramento de desastres e gestão em saúde.
This paper proposes the use of Gaussian Mixture Models as a supervised classifier for remote sensing multispectral images. The main advantage of this approach is provide more adequated adjust to several statistical distributions, including non-symmetrical statistical distributions. We present some results of this method application over a real image of an area of Tapajós River in Brazil and the results are analysed according to a reference image. We perform also a comparison with Maximum Likelihood classifier. The Gaussian Mixture classifier obtained best adjust about image data and best classification performance too.
Resumo Introdução Estatísticas espaciais são usadas para auxiliar gestores de saúde na tomada de decisão, informando a taxa de ocorrência de agravos na população e destacando quando estas alcançam valores além do esperado. Objetivo Compreender o funcionamento e aplicabilidade das Estatísticas Espaciais Scan flexível e Scan circular, comparando seus resultados na detecção de aglomerados espaciais usando dados epidemiológicos reais do dengue no estado da Paraíba – Brasil. Método Descreveu-se o processo detalhado da aplicação das estatísticas Scan flexível e Scan circular para a detecção de áreas significativas de risco (aglomerados) do dengue na Paraíba, nos anos de 2009 a 20013, por meio dos software FLeXScan e SaTScan. Resultados Ambos os métodos revelaram o oeste do estado como a região com maior frequência de aglomerados detectados com alto risco, em todos os anos analisados, levando-se em consideração os mapas de risco de incidência do dengue na Paraíba, nos anos de 2009 a 2013. Conclusão As estatísticas Scan flexível e Scan circular são praticamente similares quanto à eficiência na detecção de aglomerados do dengue. Entretanto, verificaram-se problemas de superestimação no método Scan circular e subestimação no método Scan flexível na detecção dos aglomerados. Destacou-se ainda o auxílio destas estatísticas espaciais aos gestores de saúde quanto à localização das regiões de agravo da doença, tornando mais efetivo o direcionamento das ações de combate de forma politicamente correta.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.