Rede neural artificial para detecção de sobremortalidade atribuível à cólera no Ceará

OBJETIVO: Avaliar as redes neurais recorrentes enquanto técnica preditiva para séries temporais em saúde. MÉTODOS: O estudo foi realizado durante uma epidemia de cólera ocorrida no Estado do Ceará, em 1993 e 1994, a partir da sobremortalidade tendo como causa básica as infecções intestinais mal definidas (CID-9). O número mensal de óbitos por essa causa, referente ao período de 1979 a 1995 no Estado do Ceará, foram obtidos do Sistema de Informação de Mortalidade (SIM) do Ministério da Saúde. Estruturou-se uma rede com dois neurônios na camada de entrada, 12 na camada oculta, um neurônio na camada de saída e um na camada de memória. Todas as funções de ativação eram a função logística. O treinamento foi realizado pelo método de backpropagation, com taxa de aprendizado de 0,01 e momentum de 0,9, com dados de janeiro de 1979 a junho de 1991. O critério para fim do treinamento foi atingir 22.000 epochs. Compararam-se os resultados com os de um modelo de regressão binomial negativa. RESULTADOS: A predição da rede neural a médio prazo foi adequada, em dezembro de 1993 e novembro e dezembro de 1994. O número de óbitos registrados foi superior ao limite do intervalo de confiança. Já o modelo regressivo detectou sobremortalidade a partir de março de 1992. CONCLUSÕES: A rede neural se mostrou capaz de predição, principalmente no início do período, como também ao detectar uma alteração concomitante e posterior à ocorrência da epidemia de cólera. No entanto, foi menos precisa do que o modelo de regressão binomial, que se mostrou mais sensível para detectar aberrações concomitantes à circulação da cólera.

A utilização de uma rede neural artificial para previsão da incidência da malária no município de Cantá, estado de Roraima

INTRODUÇÃO: A malária é uma doença endêmica na Amazônia Legal Brasileira, apresentando riscos diferentes para cada região. O Município de Cantá, no Estado de Roraima, apresentou para todo o período estudado, um dos maiores índices parasitários anuais do Brasil, com valor sempre maior que 50. O presente estudo visa à utilização de uma rede neural artificial para previsão da incidência da malária nesse município, a fim de auxiliar os coordenadores de saúde no planejamento e gestão dos recursos. MÉTODOS: Os dados foram coletados no site do Ministério da Saúde, SIVEP - Malária entre 2003 e 2009. Estruturou-se uma rede neural artificial com três neurônios na camada de entrada, duas camadas intermediárias e uma camada de saída com um neurônio. A função de ativação foi à sigmoide. No treinamento, utilizou-se o método backpropagation, com taxa de aprendizado de 0,05 e momentum 0,01. O critério de parada foi atingir 20.000 ciclos ou uma meta de 0,001. Os dados de 2003 a 2008 foram utilizados para treinamento e validação. Comparam-se os resultados com os de um modelo de regressão logística. RESULTADOS: Os resultados para todos os períodos previstos mostraram-se que as redes neurais artificiais obtiveram um menor erro quadrático médio e erro absoluto quando comparado com o modelo de regressão para o ano de 2009. CONCLUSÕES: A rede neural artificial se mostrou adequada para um sistema de previsão de malária no município estudado, determinando com pequenos erros absolutos os valores preditivos, quando comparados ao modelo de regressão logística e aos valores reais.

Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo

O conhecimento do valor da erosividade da chuva (R) de determinada localidade é fundamental para a estimativa das perdas de solo feitas a partir da Equação Universal de Perdas de Solo, sendo, portanto, de grande importância no planejamento conservacionista. A fim de obter estimativas do valor de R para localidades onde este é desconhecido, desenvolveu-se uma rede neural artificial (RNA) e analisou-se a acurácia desta com o método de interpolação "Inverso de uma Potência da Distância" (ID). Comparando a RNA desenvolvida com o método de interpolação ID, verificou-se que a primeira apresentou menor erro relativo médio na estimativa de R e melhor índice de confiança, classificado como "Ótimo", podendo, portanto, ser utilizada no planejamento de uso, manejo e conservação do solo no Estado de São Paulo.

Apreçamento de opções sobre taxa de câmbio R$/US$ negociadas no Brasil: uma comparação entre os modelos Black e redes neurais artificiais

No estudo aqui apresentado, aplicou-se um modelo de rede neural multicamadas para o apreçamento de calls sobre taxa de câmbio R$/US$, negociadas na Bolsa de Valores, Mercadorias & Futuros de São Paulo (BM&FBovespa), para o período de janeiro de 2004 a dezembro de 2007. A partir dos preços efetivamente praticados no mercado, comparou-se o desempenho entre essa técnica e o modelo de Black, utilizando-se métricas usuais de erro e testes estatísticos. Os resultados obtidos revelaram, em geral, a melhor adequação do modelo de inteligência artificial, em comparação ao modelo de Black, nos diferentes graus de moneyness.

O poder cognitivo das redes neurais artificiais modelo ART1 na recuperação da informação

O artigo relata um experimento de simulação computacional de um sistema de recuperação da informação composto por uma base de índices textuais de uma amostra de documentos, um software de rede neural artificial implementando conceitos da Teoria da Ressonância Adaptativa, para automação do processo de ordenação e apresentação de resultados, e um usuário humano interagindo com o sistema em processos de consulta. O objetivo do experimento foi demonstrar (i) a utilidade das redes neurais de Carpenter e Grossberg (1988) baseadas nessa teoria e (ii) o poder de resolução semântica com índices sintagmáticos da abordagem SiRILiCO proposta por Gottschalg-Duque (2005), para o qual um sintagma nominal ou proposição é uma unidade linguística constituda de sentido maior que o significado de uma palavra e menor que uma narrativa ou uma teoria. O experimento demonstrou a eficácia e a eficiência de um sistema de recuperação da informação combinando esses recursos, concluindo-se que um ambiente computacional dessa natureza terá capacidade de clusterização (agrupamento) variável on-line com entradas e aprendizado contínuos no modo não supervisionado, sem necessidade de treinamento em modo batch (off-line), para responder a consultas de usuários em redes de computadores com desempenho promissor.

Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial

Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido.

Estimação do volume de árvores utilizando redes neurais artificiais

Rede neural artificial consiste em um conjunto de unidades que contêm funções matemáticas, unidas por pesos. As redes são capazes de aprender, mediante modificação dos pesos sinápticos, e generalizar o aprendizado para outros arquivos desconhecidos. O projeto de redes neurais é composto por três etapas: pré-processamento, processamento e, por fim, pós-processamento dos dados. Um dos problemas clássicos que podem ser abordados por redes é a aproximação de funções. Nesse grupo, pode-se incluir a estimação do volume de árvores. Foram utilizados quatro arquiteturas diferentes, cinco pré-processamentos e duas funções de ativação. As redes que se apresentaram estatisticamente iguais aos dados observados também foram analisadas quanto ao resíduo e à distribuição dos volumes e comparadas com a estimação de volume pelo modelo de Schumacher e Hall. As redes neurais formadas por neurônios, cuja função de ativação era exponencial, apresentaram estimativas estatisticamente iguais aos dados observados. As redes treinadas com os dados normalizados pelo método da interpolação linear e equalizados tiveram melhor desempenho na estimação.

Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais

As redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.

Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.

Aplicação de redes neurais para avaliação do teor de carne mecanicamente separada em salsicha de frango

A carne mecanicamente separada (CMS) de frango é uma matéria-prima cárnea produzida através de equipamentos próprios do tipo desossadores mecânicos, utilizando partes de frango de baixo valor comercial como o dorso e o pescoço. Para determinação do teor de CMS utilizada na composição de produtos cárneos comerciais construímos uma rede neural artificial do tipo Backpropagation (BP). O objetivo deste trabalho foi treinar, testar e aplicar uma rede do tipo BP, com três camadas de neurônios, para previsão do teor de CMS a partir do teor de minerais de salsichas formuladas com diferentes teores de carne de frango mecanicamente separada. Utilizamos a composição mineral de 29 amostras de salsicha contendo diferentes teores de CMS e 22 amostras de produtos cárneos comerciais. A topologia da rede foi 5-5-1. O erro quadrático médio no conjunto de treinamento foi de 2,4% e na fase de teste foi de apenas 3,8%. No entanto, a aplicação da rede às amostras comerciais foi inadequada devido à diferença de ingredientes das salsichas usadas no treinamento e os ingredientes das amostras comerciais. A rede neural construída para determinação do teor de carne mecanicamente separada mostrou-se eficiente durante a fase de treinamento e teste da rede.

Atenção à saúde mental na rede básica: estudo sobre a eficácia do modelo assistencial

INTRODUÇÃO: Objetivou-se analisar a implementação da política de saúde mental para a rede básica de saúde, no Município de Campinas, SP (Brasil). MATERIAL E MÉTODO: Foi feito estudo epidemiológico descritivo de uma amostra de 150 pacientes egressos de um hospital psiquiátrico e encaminhados aos centros de saúde para continuidade do tratamento. Durante 4 meses após a alta, foi verificado o comparecimento dos pacientes às atividades, assim como a ocorrência de reinternações. RESULTADOS: Foram encontrados 48,6% dos pacientes em alta hospitalar que não demandaram atendimento nos centros de saúde e dos que o fizeram, 51,4% abandonaram o tratamento num período de 4 meses. A prevalência de reinternações em 4 meses foi de 24,7%, sendo maior entre os pacientes com diagnóstico de psicoses. CONCLUSÕES: Foram evidenciados problemas na implementação da política de saúde mental para a rede básica relativos à definição das políticas, à organização do processo de trabalho das equipes de saúde e aos resultados alcançados. Foi referendado o diagnóstico de que a transformação do modelo manicomial demanda a existência de novos equipamentos de reabilitação psicossocial e a articulação intersetorial para alcançar seus objetivos de desospitalização e resgate da cidadania dos doentes mentais.

Modelo experimental comportamental e histológico da regeneração do nervo facial em ratos

O estabelecimento de modelos experimentais é o passo inicial para estudos de regeneração neural. OBJETIVO: Estabelecer modelo experimental de regeneração do nervo facial. MATERIAIS E MÉTODOS: Ratos Wistar com secção completa e sutura do tronco do nervo facial extratemporal, com análise comportamental e histológica até 9 semanas. FORMA DE ESTUDO: Estudo prospectivo experimental. RESULTADOS: Progressiva recuperação clínica e histológica dos animais. CONCLUSÃO: Estabelecemos um método aceitável para o estudo de regeneração do nervo facial em ratos.

Modelo de ciclo de vida de empreendimentos sociais

Este artigo apresenta um modelo de ciclo de vida de empreendimentos sociais. Os dados primários foram obtidos em entrevistas com fundadores de 10 empreendimentos sociais de Curitiba (PR) acerca da história de vida da organização. A análise qualitativa dos dados identificou cinco etapas de evolução (Ação Social, Associação, Visibilidade Social, Rede Social e Representatividade Social) com, respectivamente, seis momentos de crise que determinam a passagem para uma etapa posterior (Desequilíbrio Social, Identidade, Foco, Controle, Responsabilização e Ética). O estudo reafirma as diferenças entre o empreendedorismo social e o privado e justifica o tratamento diferenciado entre eles. O modelo pode subsidiar a decisão dos gestores sobre o futuro da organização, bem como de financiadores públicos e privados, gestores de redes sociais, pesquisadores, consultores, administradores públicos, entre outros stakeholders, e abre caminho para outros estudos sobre o tema.

Confiabilidade teste-reteste de aspectos da rede social no Estudo Pró-Saúde

OBJETIVO: Avaliar os níveis de confiabilidade teste-reteste de informações relativas à rede social no Estudo Pró-saúde. MÉTODOS: Foi estimada a confiabilidade pelo estudo teste-reteste por meio de questionário multidimensional aplicado a uma coorte de trabalhadores de uma universidade. O mesmo questionário foi preenchido duas vezes por 192 funcionários não efetivos da universidade, com duas semanas de intervalo entre as aplicações. A concordância foi estimada pela estatística Kappa (variáveis categóricas), estatística Kappa ponderado e modelos log-lineares (variáveis ordinais), e coeficiente de correlação intraclasse (variáveis discretas). RESULTADOS: As medidas de concordância situaram-se acima de 0,70 para a maioria das variáveis. Estratificando-se as informações segundo gênero, idade e escolaridade, observou-se que a confiabilidade não apresentou padrão consistente de variabilidade. A aplicação de modelos log-lineares indicou que, para as variáveis ordinais do estudo, o modelo de melhor ajuste foi o de "concordância diagonal mais associação linear por linear". CONCLUSÕES: Os altos níveis de confiabilidade estimados permitem concluir que o processo de aferição dos itens sobre rede social foi adequado para as características investigadas. Estudos de validação em andamento complementarão a avaliação da qualidade dessas informações.

Atenção domiciliar como mudança do modelo tecnoassistencial

OBJETIVO: Analisar práticas de atenção domiciliar de serviços ambulatoriais e hospitalares e sua constituição como rede substitutiva de cuidado em saúde. PROCEDIMENTOS METODOLÓGICOS: Estudo qualitativo que analisou, com base na metodologia de caso traçador, quatro serviços ambulatoriais de atenção domiciliar da Secretaria Municipal de Saúde e um serviço de um hospital filantrópico do município de Belo Horizonte, MG, entre 2005 e 2007. Foram realizadas entrevistas com gestores e equipes dos serviços de atenção domiciliar, análise de documentos e acompanhamento de casos com entrevistas a pacientes e cuidadores. A análise foi orientada pelas categorias analíticas integração da atenção domiciliar na rede de saúde e modelo tecnoassistencial. ANÁLISE DOS RESULTADOS: A implantação da atenção domiciliar foi precedida por decisão político-institucional tanto com orientação racionalizadora, buscando a diminuição de custos, quanto com vistas à reordenação tecnoassistencial das redes de cuidados. Essas duas orientações encontram-se em disputa e constituem dificuldades para conciliação dos interesses dos diversos atores envolvidos na rede e na criação de espaços compartilhados de gestão. Pôde-se identificar a inovação tecnológica e a autonomia das famílias na implementação dos projetos de cuidado. As equipes mostraram-se coesas, construindo no cotidiano do trabalho novas formas de integrar os diferentes olhares para transformação das práticas em saúde. Foram observados desafios na proposta de integrar os diferentes serviços de caráter substitutivo do cuidado ao limitar a capacidade da atenção domiciliar de mudar o modelo tecnoassistencial. CONCLUSÕES: A atenção domiciliar possui potencial para constituição de uma rede substitutiva ao produzir novos modos de cuidar que atravessam os projetos dos usuários, dos familiares, da rede social e dos trabalhadores da atenção domiciliar. A atenção domiciliar como modalidade substitutiva de atenção à saúde requer sustentabilidade política, conceitual e operacional, bem como reconhecimento dos novos arranjos e articulação das propostas em curso.