Análise e previsão da epidemia da febre amarela utilizando dados da rede social Twitter e redes bayesianas

Abstract

Este trabalho teve como finalidade identificar e analisar focos da febre amarela no Brasil através do uso de técnicas de mineração de textos e algoritmos de classificação Bayesianos. Foi utilizado técnicas de mineração de texto para coleta e preparação dos dados minerados da rede social Twitter, no período entre 13 de março a 4 de julho de 2018. Para isso, foram verificadas as mensagens dos usuários da rede social que relatassem sintomas da doença ou ainda mensagens com alguma relação ao dado pesquisado. Para identificar os casos de febre amarela por meio da rede social Twitter, foi criado um modelo que teve uma taxa de acurácia de 93% de acerto no dataset de treino/teste. Depois de termos identificado e analisado os dados, foi possível correlacionar os dados recolhidos e verificados na rede social com as informações dos meios oficiais de notificação. Os resultados mostraram uma alta correlação entre os dados da rede social Twitter com os dados oficiais do Ministério da Saúde que foram de 81% e 78% para o estado e a cidade respectivamente, mostrando que a rede social Twitter pode ser usada para análise e prevenção de epidemias. De acordo com os resultados obtidos na análise de correlação, foi possível concluir que as informações contidas na rede social do Twitter podem ser usadas como fonte de dados para análise e previsão de epidemias.