Um conjunto de variáveis independentes para tarefas de regressão de séries temporais de cenários de pandemia baseados em COVID-19
Pandemia da COVID-19, Variáveis Independentes, Redes Neurais, Regressão de Séries Temporais
Propomos a criação de um conjunto de variáveis independentes, derivadas da análise de fenômenos, intervenções governamentais e eventos que possam influenciar a disseminação do vírus SARS-CoV-2, seja de forma positiva ou negativa em relação à tendência da curva de casos e óbitos. Esta abordagem visa identificar características e parâmetros relevantes aplicáveis a esses cenários, utilizando técnicas de regressão. Para isso, realizamos estudos utilizando metodologias de aprendizado de máquina para determinar quais variáveis deveriam ser selecionadas e aplicadas aos modelos de regressão. Nossa estratégia incluiu a coleta e limpeza de dados, avaliação da generalização dos modelos, e a aplicação de técnicas de aprendizado de máquina, como regressão com uso de Seasonal ARIMA, clusterização, redução de dimensionalidade por meio da análise de componentes principais e redes neurais, além da criação de visualizações informativas dos dados. Como resultado, compilamos e propomos o uso de um conjunto de variáveis independentes para prever o número de óbitos por COVID-19, visando aumentar a acurácia e reduzir o desvio padrão em relação aos valores reais, e evitar a subespecificação do problema. As principais contribuições deste trabalho incluem a investigação das causas e possíveis relações entre fenômenos, medidas governamentais e eventos na disseminação do vírus em áreas urbanas, como cidades e países. Os resultados deste estudo podem servir como um recurso complementar para auxiliar governos e autoridades na tomada de decisões diante de possíveis cenários futuros de pandemia, como o enfrentado durante a crise da COVID-19, que embora ainda presente, apresenta uma menor taxa de mortalidade.