Aplicação de HMMs utilizando dados sobre COVID-19 para estimar o estado de subnotificação de casos
Resumo
Em 26 de fevereiro de 2020, o primeiro caso de SARS-CoV-2 (novo Coronavírus) chegava ao Brasil. Em 11 de março do mesmo ano, a Organização Mundial da Saúde (OMS) reconheceu as características de dispersão da COVID-19 como se tratando de uma pandemia, e o Brasil viria a ser um dos epicentros globais para a disseminação desta doença. [...]
Downloads
Referências
ARRUDA, E.; ALEXANDRE, R.; FRAGOSO, M.; DO VAL, J.; THOMAS, S. A NovelStochastic Epidemic Model with Application to COVID-19, arXiv:2102.08213v1 [q-bio.QM],16 Feb 2021, 2021.
MAGNO, L.; ROSSI, T. A.; MENDONC ̧ A-LIMA, F. W.; SANTOS, C. C.; CAMPOS, G. B.;MARQUES, L. M.; PEREIRA, M.; PRADO, B. L.; DOURADO, I. Desafios e propostas paraamplia ̧c ̃ao da testagem e diagn ́ostico para COVID-19 no Brasil, Ciˆencia e Sa ́ude Coletiva,25[9], pp.3355-3364, 2020. DOI: 10.1590/1413-81232020259.17812020.
STAMP, M. A revealing introduction to hidden Markov models, Science, pp.1-20, 2004.
RABINER, L. R. A tutorial on hidden Markov models and selected applications in speechrecognition, Proceedings of the IEEE,77[2], pp.257-286, 1989. DOI: 10.1109/5.18626.
RABINER, L. e JUANG, B. Fundamentals of speech recognition. PTR Prentice Hall, NewJersey, 1993.
