https://repositorio.ufsc.br/handle/123456789/267369 2026-05-26T20:44:04Z 2026-05-26T20:44:04Z Silva, Vitor Schuelter da https://repositorio.ufsc.br/handle/123456789/268812 2025-09-15T10:23:13Z 2025-08-08T00:00:00Z

MODELO PREDITIVO DOS ANOS DE VIDA PERDIDOS POR MORTE PREMATURA PARA OS MUNICÍPIOS BRASILEIROS DE MÉDIO PORTE E GRANDE PORTE Silva, Vitor Schuelter da Este relatório detalha o processo de análise e predição de dados referentes aos Anos Potenciais de Vida Perdidos (YLL – Years of Life Lost) em municípios brasileiros de médio e grande porte. O estudo teve como objetivo a aplicação de modelos estatísticos preditivos para prever futuras tendências de YLL, utilizando dados históricos como base. Foram empregados os modelos ARIMA e SARIMA, com foco na avaliação de sua performance e precisão. A análise ressalta a importância do monitoramento dos YLL como um indicador crucial de saúde pública, refletindo o impacto de mortes prematuras na população. Relatório Final (Bolsa PIBIC, graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.

2025-08-08T00:00:00Z Oliveira, Gustavo https://repositorio.ufsc.br/handle/123456789/268788 2025-09-12T18:46:25Z 2025-09-06T00:00:00Z

É possível usar aprendizado de máquinas para avaliar políticas públicas Oliveira, Gustavo A avaliação de políticas públicas de saúde é importante para ter a certeza de que programas como o Previne Brasil, que vai mudar a distribuição de verbas da saúde pública a partir de análise de indicadores como de demografia, resultados das equipes de saúde e medidas locais, estão realmente trazendo melhorias para a população. Hoje, com a grande quantidade de dados disponíveis e o avanço das técnicas de aprendizado de máquinas, é possível tornar essa avaliação muito mais eficiente, oferecendo a análises mais claras e previsões mais certeiras. O objetivo principal é explorar os dados para encontrar padrões e tendencias nas taxas de médicos, plano de saúde suplementar, bolça família, número de leitos.O estudo tem como objetivo desenvolver e aplicar métodos de aprendizado de máquina para avaliar o impacto de políticas públicas na saúde, utilizando o programa Previne Brasil como estudo de caso. Comecei os trabalhos aprendendo sobre o mundo da ciência de dados, estudando a ferramenta Pandas, Numpy e fazendo um curso da Alura “Machine Learning: classificação com SKLearn” com objetivo de aprender a desenvolver o modelo Decision Tree Classifier. Também houve tentativas de desenvolver scripts para otimizar a coleta de dados do governo, obtendo dados como número de médicos, dados do bolsa família e cadastro nacional de estabelecimentos de saúde. Seminário de Iniciação Científica e Tecnológica. Universidade Federal de Santa Catarina. Centro de Tecnológico. departamento de engenharia e gestão do conhecimento ​

2025-09-06T00:00:00Z Caldas, Rayanne Alexia https://repositorio.ufsc.br/handle/123456789/268689 2025-09-09T16:44:35Z 2025-09-08T00:00:00Z

Análise de Processo Intercursos na Área da Súde: Reflexões com base nos SINAES Caldas, Rayanne Alexia Objetivo: Considerando as constantes transformações na educação em saúde, torna-se necessário repensar a formação dos profissionais dessa área. Nesse sentido, o presente projeto teve como objetivo analisar metodologias aplicadas na saúde, destacando a Educação Interprofissional (EIP) como ferramenta ativa para o aprimoramento da formação de futuros profissionais da saúde. Métodos: Para a revisão de escopo, foram feitas buscas nas bases PubMed, Scopus, LILACS e Google Scholar, seguindo as diretrizes do PRISMA-ScR, incluindo estudos primários sobre Educação Interprofissional. Dois revisores realizaram, de forma independente, a triagem e seleção dos dados, categorizando-os em atividades de campo, simulações de casos, avaliações de EIP sem intervenção e análises curriculares. Paralelamente, iniciou-se a análise dos Projetos Pedagógicos dos cursos de saúde, avaliando estrutura curricular, disciplinas comuns e oportunidades de integração interprofissional. Resultados: Foram selecionados 24 artigos, cujos achados mostraram que a EIP contribui para competências como empatia, comunicação, liderança e trabalho em equipe, especialmente em atividades práticas. Entre os facilitadores estão o uso da tecnologia e o suporte institucional, enquanto os obstáculos incluem currículos fragmentados, resistência docente e falta de políticas institucionais. A análise curricular preliminar indica várias disciplinas comuns nos ciclos básicos, favorecendo futuras atividades de integração interprofissional. Conclusão: A Educação Interprofissional mostrou-se uma estratégia eficaz na formação em saúde; entretanto, sua implementação ainda enfrenta desafios estruturais significativos. É necessária maior integração da EIP nos currículos, além de investimento em políticas institucionais e capacitação docente, a fim de potencializar os resultados obtidos por meio dessa abordagem. Seminário de Iniciação Científica e Tecnológica. Universidade Federal de Santa Catarina. Centro Tecnológico. Departamento de Engenharia do Conhecimento.

2025-09-08T00:00:00Z Biehl, Arthur FIlipin https://repositorio.ufsc.br/handle/123456789/268268 2025-09-09T11:39:09Z 2025-09-08T00:00:00Z

Análise e Previsão de Internações por Condições Sensíveis à Atenção Primária no Brasil com Aprendizado de Máquina: Impactos do Programa Previne Brasil Biehl, Arthur FIlipin Este relatório apresenta uma análise detalhada das internações por Condições Sensíveis à Atenção Primária (ICSAP) em municípios brasileiros de médio e grande porte, no período de 2010 a 2024, com foco nos impactos do programa Previne Brasil. O objetivo principal é realizar uma análise exploratória para identificar padrões, tendências e variações regionais nas internações no Sistema Único de Saúde (SUS). O estudo também visa prever as taxas de internação utilizando Redes Neurais Recorrentes do tipo LSTM (Long Short-Term Memory). A pesquisa avalia a diferença entre as internações previstas e reais durante o período do programa Previne Brasil, considerando os efeitos disruptivos da pandemia de COVID-19. A análise abrange uma comparação entre as cinco macrorregiões do Brasil (Norte, Nordeste, Centro-Oeste, Sudeste e Sul), destacando as disparidades regionais no acesso à saúde e nos resultados das políticas públicas. Para isso, foram aplicadas técnicas de mineração de dados, estatística e aprendizado de máquina para modelar séries temporais e avaliar o desempenho preditivo dos modelos. Os resultados fornecem subsídios para o aprimoramento de políticas públicas de saúde, especialmente no contexto da Atenção Primária à Saúde (APS).

2025-09-08T00:00:00Z