Previsão de séries temporais epidemiológicas usando autômatos celulares e algoritmos genéticos

Abstract

Usam-se modelos epidemiológicos SIS (suscetível-infectado-suscetível) e SIR (suscetível-infectado-removido) baseados em autômato celular probabilista (ACP) a fim de simular a evolução temporal do número de pessoas infectadas por dengue, na cidade do Rio de Janeiro em 2007, e de prever os casos de infecção em 2008. No ACP, utilizam-se reticulados de três tamanhos diferentes e dois tipos de vizinhanças, e cada passo de tempo da simulação equivale a uma semana de tempo real. Emprega-se um algoritmo genético (AG) para identificar os valores das probabilidades da transição de estados S→I, de modo a reproduzir a série histórica de 2007 relacionada à propagação dessa doença. Essas probabilidades dependem do número de vizinhos infectados. Probabilidades variantes e invariantes no tempo são consideradas. Esses modelos baseados em ACP e AG foram capazes de fazer um ajuste satisfatório dos dados de 2007 e de fornecerem uma boa previsão para 2008, (principalmente no que diz respeito ao número total de casos registrados em 2008).

SIS (susceptible-infected-susceptible) and SIR (susceptible-infectedremoved) epidemiological models based on probabilistic cellular automaton (PCA) are used in order to simulate the temporal evolution of the number of people infected by dengue in the city of Rio de Janeiro in 2007, and to predict the cases of infection in 2008. In the PCA, three different sizes of lattices and two kinds of neighborhoods are utilized, and each time step of simulation is equivalent to one week of real time. A genetic algorithm (GA) is employed to identify the probabilities of the state transition S→I, in order to reproduce the historical series of 2007 related to this disease propagation. These probabilities depend on the number of infected neighbors. Time-varying and constant probabilities are taken into account. These models based on PCA and GA were able of satisfactorily fitting the data from 2007 and making a good prediction for 2008 (mainly about the total number of cases registered during 2008).