On May 10, 2021, Brazil ranked second in the world in COVID-19 deaths. Understanding risk factors, or social and ethnic inequality in health care according to a given city population and political or economic weakness is of paramount importance. Brazil had a seriousness COVID-19 outbreak in light of social and economic factors and its complex racial demographics. The objective of this study was to verify the odds of mortality of hospitalized patients during COVID-19 infection based on their economic, social, and epidemiological characteristics. We found that odds of death are greater among patients with comorbidities, neurological (1.99) and renal diseases (1.97), and immunodeficiency disorders (1.69). While the relative income (2.45) indicates that social factors have greater influence on mortality than the comorbidities studied. Patients living in the Northern macro-region of Brazil face greater chance of mortality compared to those in Central-South Brazil. We conclude that, during the studied period, the chances of mortality for COVID-19 in Brazil were more strongly influenced by socioeconomic poverty conditions than by natural comorbidities (neurological, renal, and immunodeficiency disorders), which were also very relevant. Regional factors are relevant in mortality rates given more individuals being vulnerable to poverty conditions.

No abstract

Este artigo tem como objetivo principal analisar o risco de projetos de lei para o modelo Zona Franca de Manaus (ZFM) serem transformados em norma jurídica, com o uso de Machine Learning. Trata-se de uma pesquisa com análise estruturada sobre os dados abertos da Câmara dos Deputados Federais, no período de 2011-2018, com aplicação de modelo de regressão logística. Quanto à análise dos projetos com temas pertinentes ao desenvolvimento regional da ZFM, ficou demonstrado que, apesar de serem temas importantes, as atividades do polo e, na maioria, estarem na agenda do executivo para o ano, eles não recebem a atenção de grupos e atores que podem representar influência para a sua efetivação até o momento.  A única exceção é o projeto de isenção de IPI bicicletas comuns e elétricas que pelo modelo apresentou uma maior chance estatística de ser aprovado, o que pode levar uma grande perda de competitividade da Zona Franca de Manaus.

Este artigo analisa o nível de eficiência de 53 Universidades Federais brasileiras (IFES) para determinar as metas que as universidades não eficientes devem atingir na fronteira produtiva. O método utilizado foi a Análise Envoltória de Dados – modelo DEA CCR (Constant Returns to Scale), utilizando como entradas e saídas os indicadores de gestão estipulados pelo Tribunal de Contas da União (TCU) para o ano de 2017. 35,48% das maiores universidades brasileiras e 31,82% das universidades de médio porte foram consideradas eficientes. Os resultados propõem metas para que cada instituição ineficiente alcance a fronteira de produção, com o intuito de promover seus Indicadores e melhorar o Índice de Sucesso na Graduação e o conceito geral de Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES. A conclusão é que a avaliação do desempenho das universidades por meio dos indicadores do TCU concentrou a maioria das instituições consideradas “eficientes” nas regiões Sul e Sudeste do país.

Proposta de Método para Redução do Conjunto de Regras de Associação Resultantes do Algoritmo Apriori Proposal of a Method to Reduce the Association Rules Set Resultant from the Apriori Algorithm RESUMO A utilização dos algoritmos de regras de associação dentro da mineração de dados é reconhecidamente de grande valor na busca de conhecimento sobre bases de dados. Frequentemente o número de regras geradas é elevado, por vezes até em bases de dados consideradas de pequeno volume, por isso o sucesso na análise dos resultados pode ser prejudicado por este quantitativo. O objetivo desta pesquisa é apresentar um método para a redução do quantitativo de regras geradas pelo algoritmo de regras de associação Apriori. Para isto, foi desenvolvido um algoritmo computacional com uso de uma API do Weka, que possibilita a execução do método sobre diferentes tipos de bases de dados. Após a construção, foram realizados testes sobre três tipos de bases de dados: sintéticos, de modelo e reais. Foram obtidos eficientes resultados na redução do número de regras, onde o pior caso apresentou ganho de mais de 50%, considerando os conceitos de suporte, confiança e interesse (lift) como medidas. Esse estudo concluiu que o modelo proposto se mostra viável e bastante interessante, contribuindo com a análise dos resultados de regras de associação geradas a partir do uso do algoritmo.