Identificação de Regiões Críticas para Orientação de Políticas Públicas no Combate ao Covid- 19: Método Multicritério Thor2 / Identification of Critical Regions for Guiding Public Policies to Combat Covid-19: Thor2 Multicriteria Method

Danny Aronson, Marcos dos Santos, Carlos Francisco Simões Gomes, Renato Santiago Quintal

Abstract


No início do ano de 2020, a Organização Mundial da Saúde decretou uma pandemia mundial em função da taxa de contágio e propagação da COVID-19.  Diversas esferas governamentais iniciaram ações de combate que, na maior parte, são algumas formas de quarentena ou restrição da mobilidade populacional.  Para orientação das ações públicas, a diversidade dos fatores que contribuem para a propagação e letalidade da doença precisa ser considerada para que as medidas sejam efetivas.  Em função das diferenças e particularidades entre cada município, o combate efetivo ficou a cargo dos municípios e, por esse motivo, o objetivo deste estudo é, com base nos dados oficiais disponíveis para a Cidade do Rio de Janeiro, utilizar ferramentas de Inteligência Artificial e Apoio Multicritério à Decisão para identificar as regiões administrativas que necessitam de maior atenção em uma eventual segunda onda de contágio.

 

Palavras-chave: Inteligência Artificial. Análise Multicritério. Método THOR. COVID-19.

 

ABSTRACT                                                                          

When the World Health Organization declared world pandemic in 2020 due to high propagation rate of the COVID-19, several government levels (municipalities, states and countries) initiated actions to try to fight the spread of the disease.  Most of these actions where some sort of quarantine or urban mobility restrictions.  To guide the governments’ actions and decisions, several factors have to be considered, such as propagation and lethalness of the disease for each administrative region.  However, die to the differences between urban regions, in Brazil, the final decision as to which actions to take were left to the municipalities.  For this reason, o goal of this study is to, based on the official data available for the city of Rio de Janeiro, use Artificial Intelligence tools and Multicriteria Methods to identify the administrative regions that will require a higher level of attention in the event of a second wave of COVID-19.

 

Keywords: Artificial Intelligence. Multicriteria Analysis. THOR method. COVID-19.


References


GOMES, Carlos Francisco Simões; COSTA, Helder Gomes. Proposta do uso da visão prospectiva no processo multicritério de decisão. Relatórios de pesquisa em engenharia de produção, v. 13, n. 8, p. 94-114, 2013. Disponível em: http://www.producao.uff.br/conteudo/rpep/volume132013/RelPesq_V13_2013_08.pdf Acesso em: 01 out. 2020.

SANGIORGIO, Valentino; PARISI, Fabio. A multicriteria approach for risk assessment of Covid-19 in urban district lockdown. Safety science, v. 130, p. 104862, 2020. Disponível em: https://pubmed.ncbi.nlm.nih.gov/32536749/ Acesso em: 01 out. 2020.

SARKAR, Showmitra Kumar. COVID-19 Susceptibility mapping using multicriteria evaluation. Disaster Medicine and Public Health Preparedness, v. 14, n. 4, p. 521-537, 2020. Disponível em: https://pubmed.ncbi.nlm.nih.gov/32580796/ Acesso em: 01 out. 2020.

TENÓRIO, Fabricio Maione; DOS SANTOS, Marcos; GOMES, Carlos Francisco Simões. Concepção do Método THOR e a necessidade de desenvolvimento de uma plataforma computacional em Python: possíveis aplicações ontem e hoje. LABLEGGO. 2019. Disponível em: https://lableggo. org/artigos-thor Acesso em: 01 out. 2020.

GOMES, C. F. S. THOR: um algoritmo híbrido de apoio multicritério à decisão para processos decisórios com alternativas discretas. 1999. Tese. Doutorado em Engenharia de Produção. Universidade Federal do Rio de Janeiro, Rio de Janeiro, 1999.

MOLNAR, C. Interpretable machine learning:a guide for making black box models explainable. Canada: LeanPub, 2018.




DOI: http://dx.doi.org/10.12819/2023.20.1.17

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

ISSN 1806-6356 (Print) and 2317-2983 (Electronic)