Banca de DEFESA: LEMYSON OLIVEIRA LEMOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LEMYSON OLIVEIRA LEMOS
DATA : 24/02/2025
HORA: 09:00
LOCAL: Meets: meet.google.com/qab-svdf-nkg
TÍTULO:

PREDIÇÃO DE APLICAÇÃO DE DOSES DE VACINAS COM N-BEATS: UMA SOLUÇÃO DE SAÚDE DIGITAL PARA A GESTÃO DE IMUNOBIOLÓGICOS NO SUS

PALAVRAS-CHAVES:

N-beats, vacinação, previsão, modelos baseado em dados.

PÁGINAS: 50
RESUMO:

Com os avanços na previsão de séries temporais, o algoritmo N-BEATS (Neural Basis Expansion Analysis Time Series) tem se destacado por sua eficácia em modelar dados complexos. Introduzido por Oreshkin et al. (2020), o N-BEATS supera modelos tradicionais, como os autoregressivos e os MLPs (Multi-Layer Perceptrons), ao lidar com padrões não lineares sem exigir conhecimento prévio detalhado sobre os dados. Sua arquitetura, baseada em blocos empilhados, refina iterativamente as previsões, sendo especialmente útil em cenários críticos, como a previsão do número de vacinados.
Este estudo aplica o N-BEATS para prever semanalmente a quantidade de vacinas a serem aplicadas em sistemas de vacinação, explorando sua capacidade de capturar padrões complexos com mínimo pré-processamento. Dados históricos de vacinação foram coletados dos Estados do Rio Grande do Norte e Espírito Santo, que utilizam, respectivamente, os sistemas RN+VACINA e Vacina e Confia. No Rio Grande do Norte, a previsão foca em uma análise macro, abrangendo esferas estadual e municipal, enquanto no Espírito Santo, a abordagem é mais granular, com previsões específicas por vacina.
A eficácia dessa abordagem está diretamente ligada à arquitetura do N-BEATS, que utiliza redes neurais profundas com blocos de expansão que transformam dados de entrada em previsões por meio de camadas empilhadas. Durante o treinamento, o modelo ajusta parâmetros para minimizar a diferença entre as previsões e os valores reais. O treinamento é feito com janelas de entrada e previsão, e métricas como MAPE e R² são usadas para avaliar o desempenho e ajustar os hiperparâmetros. Essa abordagem permite ao N-BEATS capturar a complexidade dos dados temporais e fornecer previsões precisas.
Os resultados preliminares no Rio Grande do Norte destacaram o desempenho superior do N-BEATS em relação a modelos tradicionais como o XGBoost(usando os mesmos dados). O N-BEATS alcançou um R² de 0,81 e um MAPE de 16,59%, enquanto o XGBoost obteve R² de 0,73. Além disso, o XGBoost exigiu um pré-processamento mais complexo, incluindo a remoção de valores de pico e a suavização dos dados, enquanto o N-BEATS apresentou resultados robustos com apenas a exclusão de valores nulos e a agregação semanal dos vacinados. Ambos os modelos realizaram previsões de uma semana. Em Natal, município do Rio Grande do Norte, o N-BEATS obteve um R² de 0,77 e um MAPE de 21,59%. No Espírito Santo, a análise foi realizada para o estado e o município de Cariacica, com foco na vacina BCG. Os resultados estaduais apresentaram um MAPE de 1,00% e R² de 0,83, enquanto no nível municipal os valores foram MAPE de 2,46% e R² de 0,85.
Essas métricas obtidas demonstram que o N-BEATS é uma solução robusta e eficiente para previsão de séries temporais em sistemas de vacinação. Sua capacidade de lidar com padrões não lineares e complexos, aliada à necessidade de um pré-processamento mínimo, o torna adequado para cenários onde rapidez e precisão são essenciais. Além disso, o desempenho superior em comparação a modelos tradicionais, como o XGBoost, reforça o potencial do N-BEATS como ferramenta confiável para a gestão de campanhas de vacinação, contribuindo para uma distribuição mais eficiente e estratégica dos imunizantes.

 

MEMBROS DA BANCA:
Presidente - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Interno - 2488270 - RICARDO ALEXSANDRO DE MEDEIROS VALENTIM
Externo à Instituição - JOÃO PAULO QUEIROZ DOS SANTOS - IFRN