https://github.com/vortex2jm/degue-regional-clustering
Computational intelligence applied to health
https://github.com/vortex2jm/degue-regional-clustering
brazil dbscan dengue kmeans spectral-clustering
Last synced: 9 months ago
JSON representation
Computational intelligence applied to health
- Host: GitHub
- URL: https://github.com/vortex2jm/degue-regional-clustering
- Owner: vortex2jm
- Created: 2025-07-07T21:31:34.000Z (11 months ago)
- Default Branch: main
- Last Pushed: 2025-08-01T18:24:18.000Z (10 months ago)
- Last Synced: 2025-08-01T20:39:28.482Z (10 months ago)
- Topics: brazil, dbscan, dengue, kmeans, spectral-clustering
- Language: Jupyter Notebook
- Homepage: https://drive.google.com/file/d/1g67yldskNyKCCueERPNNmAIna0pPEPwv/view?usp=drive_link
- Size: 9.11 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Análise e Modelagem de Casos de Dengue no Brasil com Inteligência Computacional 🦟
Este repositório contém o módulo de **aprendizado não supervisionado (clusterização)** de um projeto mais amplo voltado à análise e modelagem de dados sobre a Dengue no Brasil utilizando técnicas de inteligência computacional.
O estudo incluiu abordagens supervisionadas e não supervisionadas, sendo elas:
- Previsão de surtos com base na série histórica por meio de regressão preditiva.
- Clusterização de métricas agregadas por municípios para a identificação de correlação entre perfis socioclínicos e regionais.
Para acessar o projeto completo, com todas as análises e código, visite o [repositório principal](https://github.com/intel-comp-saude-ufes/2025-1-P1-analise-e-modelagem-de-casos-de-dengue-no-brasil).
📄 Leia o [artigo do projeto](https://drive.google.com/file/d/1g67yldskNyKCCueERPNNmAIna0pPEPwv/view?usp=drive_link) para mais detalhes.
🎥 Confira também a apresentação em [vídeo](https://www.youtube.com/watch?v=Htf6eG-Vn2I).
Este projeto foi desenvolvido no âmbito da disciplina de Inteligência Computacional em Saúde, ministrada pelo professor [Andre Pacheco](https://github.com/paaatcha).
## Sumário
- [Base de dados](#base-de-dados)
- [Instruções de uso](#instruções-de-uso)
- [Repositório e Dados](#repositório-e-dados)
- [Ambiente Virtual](#ambiente-virtual)
- [Dependências](#dependências)
- [Execução](#execução)
- [Notas](#notas)
## Base de dados
Os dados utilizados neste projeto foram obtidos a partir do portal OpenDataSUS, mantido pelo Departamento de Informática do Sistema Único de Saúde (DATASUS) do Ministério da Saúde do Brasil. A partir do conjunto de dados “Árboviroses/ Dengue”, foram obtidos registros referentes às notificações de dengue, conforme coletados pelo Sistema de Informação de Agravos de Notificação (SINAN).
Os arquivos, disponibilizados em formato CSV, organizam notificações individuais por ano. Cada linha da base de dados representa uma notificação individual de dengue, incluindo informações sobre sinais e sintomas clínicos, comorbidades, idade, sexo, raça/cor, escolaridade, datas de início dos sintomas, notificação e evolução do caso, além de local de residência e notificação. O dicionário de dados oficial do SINAN foi utilizado como referência para interpretação e padronização das variáveis incluídas na análise.
Tanto os **dados** como o **dicionário** podem ser encontrados [aqui](https://opendatasus.saude.gov.br/dataset/arboviroses-dengue).
## Instruções de uso
Por se tratarem de arquivos `.ipynb`, podem ser executados em diversos ambientes. Todavia, recomendamos fortemente a utilização do [JupyterLab](https://jupyter.org/install) ou da [extensão](https://marketplace.visualstudio.com/items?itemName=ms-toolsai.jupyter) do Jupyter para VSCode.
### Repositório e Dados
Faça o *download* do projeto:
```bash
git clone https://github.com/intel-comp-saude-ufes/2025-1-P1-analise-e-modelagem-de-casos-de-dengue-no-brasil.git && cd 2025-1-P1-analise-e-modelagem-de-casos-de-dengue-no-brasil
```
- Faça o *download* dos *datasets* `.csv` de 2016 à 2025 [aqui](https://opendatasus.saude.gov.br/dataset/arboviroses-dengue).
- Mova-os para o diretório [./data](./data/)
### Ambiente virtual
Crie um ambiente virtual para isolar as dependências do projeto.
```bash
python3 -m venv venv
```
```bash
source venv/bin/activate
```
### Dependências
Instale as dependências.
```bash
pip install -r requirements.txt
```
Caso opte pela utilização do JupyterLab:
```bash
pip install jupyterlab
```
### Execução
Se estiver usando a extensão do Jupyter para VSCode, basta abrir os arquivos e clicar em `Run All`. Caso esteja no JupyterLab, execute:
```bash
jupyter lab
```
e siga o mesmo procedimento.
## Notas
- Os gráficos resultantes das análises são gerados em [./charts](./charts/).
- É recomendável que execute os scripts em um computador com pelo menos **16GB RAM**.
- Os detalhes de implementação estão documentados nos códigos.