LEISHMANIOSE VISCERAL NA FRONTEIRA BRASIL, BOLIVIA E PARAGUAI: PREDIÇÃO DE CASOS E RISCO COM MACHINE LEARNING.
Explorando Tendências Epidemiológicas e Estratégias Preditivas para Controle Transfronteiriço da Leishmaniose Visceral na Região
Resumen
Introducción: En los últimos años, alrededor de 12 millones de personas en todo el mundo han sido diagnosticadas con leishmaniasis visceral. Objetivos: Realizar un análisis descriptivo utilizando técnicas de aprendizaje automático sobre el escenario epidemiológico de la leishmaniasis visceral (LV) en el estado de Mato Grosso do Sul (Brasil) y en naciones vecinas, Bolivia y Paraguay. Métodos: Este estudio epidemiológico retrospectivo empleó datos de series temporales de casos notificados y confirmados de LV y defunciones entre residentes de Mato Grosso do Sul (BR) y los países vecinos, Bolivia y Paraguay, de 2016 a 2021, utilizando aprendizaje automático para el análisis de datos. Resultados: En Bolivia, una alta tasa de incidencia (11,51%) indica una rápida propagación. Paraguay presenta una baja incidencia (2,45%) con notable letalidad (11,1%) y aumento de casos pediátricos (18%). Conclusión: La exploración de boletines e información, junto con el uso de aprendizaje automático, orienta las intervenciones y reduce la propagación de la enfermedad en las regiones afectadas según el análisis de datos empleado en el estudio.
Citas
1. World Health Organization. Leishmaniose. Genebra: World Health Organization; 2023. Disponivel em: https://www.who.int/en/news-room/fact-sheets/detail/leishmaniasis . Acesso em: 11 de agosto de 2023.
2. Brasil. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Vigilância Epidemiológica. Manual de vigilância e controle da leishmaniose visceral / Ministério da Saúde, Secretaria de Vigilância em Saúde, Departamento de Vigilância Epidemiológica. – Brasília: Editora do Ministério da Saúde, 2006. 120 p.: il. Color – (Série A. Normas e Manuais Técnicos). Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/manual_vigilancia_controle_leishmaniose_visceral.pdf
3. Organização Pan-Americana da Saúde. Diretrizes para o tratamento das leishmanioses na Região das Américas. Segunda edição. Washington, DC: OPAS; 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56487/9789275725030_por.pdf?sequence=4&isAllowed=y . Acesso em: 11 de agosto de 2023.
4. World Health Organization. Leishmaniasis. Genebra; 2023. Disponível em: https://www.who.int/news-room/fact-sheets/detail/leishmaniasis . Acesso em: 2 ago de 2023.
5. Alvarenga DG, Escalda PMF, Costa ASV, Monreal MTFD. 2010. Leishmaniose visceral: estudo retrospectivo de fatores associados à letalidade. Revista da Sociedade Brasileira de Medicina Tropical. 2010; 43:2;194-197. http://dx.doi.org/10.1590/S0037-86822010000200017 PMid:20464152.
6. Organização Pan-Americana da Saúde. Leishmanioses: Informe epidemiológico das Américas. Núm. 11, dezembro de 2022. Washington, D.C.: OPAS, 2022b. Disponivel em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequene=1&isAllowed=y Acesso em: 11 de agosto de 2023.
7. Santos HG dos, Nascimento CF do Izbicki R, Duarte YA de O, Porto Chiavegatto Filho AD. Machine learning para análises preditivas em saúde: exemplo de aplicação para predizer óbito em idosos de São Paulo, Brasil. Cad Saúde Pública [Internet]. 2019;35(7):e00050818. Available from: https://doi.org/10.1590/0102-311X00050818
8. Nunes, Bruno Pereira et al. Machine learning analysis to predict health outcomes among emergency department users in Southern Brazil: a protocol study. Revista Brasileira de Epidemiologia [online]. 2021; 24: e210050. Available from: https://doi.org/10.1590/1980-549720210050 . ISSN 1980-5497.
9. Souza FM, Prado TN do, Werneck GL, Luiz RR, Maciel ELN, Faerstein E, et al. Classification and regression trees for predicting the risk of a negative test result for tuberculosis infection in Brazilian healthcare workers: a cross-sectional study. Rev bras epidemiol [Internet]. 2021; 24: e210035. Available from: https://doi.org/10.1590/1980-549720210035
10. Cavalcante, Ítalo José Mesquita and Vale, Marcus Raimundo. Epidemiological aspects of visceral leishmaniasis (kala-azar) in Ceará in the period 2007 to 2011. Revista Brasileira de Epidemiologia [online]. 2014; 17:4. 911-924. Available from: https://doi.org/10.1590/1809-4503201400040010 . ISSN 1980-5497.
11. Brito MIB da S, Oliveira ECA de, Barbosa CS, Gomes EC de S. Fatores associados às formas graves e aos óbitos por esquistossomose e aplicação do linkage probabilístico nas bases de dados, Pernambuco, 2007–2017. Rev bras epidemiol [Internet]. 2023; 26: e230003. Available from: https://doi.org/10.1590/1980-549720230003.2
12. Oliveira ECA, Pimentel TJF, Araújo JPM, Oliveira LCS, Fernando VCN, Loyo RM, et al. Investigação sobre os casos e óbitos por esquistossomose na cidade do Recife, Pernambuco, Brasil, 2005-2013. Epidemiol Serv Saúde 2018; 27(4): e2017190. http://dx.doi.org/10.5123/s1679-49742018000400010
13. Santos ML, Coeli CM, Batista JDAL, Braga MC, Albuquerque MFPM. Fatores associados à subnotificação de tuberculose com base no Sinan Aids e Sinan Tuberculose. Rev Bras Epidemiol 2018; 21: e180019. https://doi.org/10.1590/1980-549720180019
14. Gontijo CMF, Melo MN. Leishmaniose visceral no Brasil: quadro atual, desafios e perspectivas. Rev bras epidemiol [Internet]. 2004; Sep;7(3):338–49. Available from: https://doi.org/10.1590/S1415-790X2004000300011
15. Giovanella L, Guimarães L, Nogueira VMR, Lobato L de VC, Damacena GN. Saúde nas fronteiras: acesso e demandas de estrangeiros e brasileiros não residentes ao SUS nas cidades de fronteira com países do MERCOSUL na perspectiva dos secretários municipais de saúde. Cad Saúde Pública [Internet]. 2007; 23: S251–66. Available from: https://doi.org/10.1590/S0102-311X2007001400014
16. Mondardo, M., & Staliano, P. Saúde na Fronteira Brasileira: Políticas Públicas e Acesso a Serviços / Health on the Brazilian Border: Public Policies and Access to Services. Espaço Aberto 2020; 10(1): 99-116. Doi: 10.36403/espacoaberto.2020.29948. Disponivel em: https://revistas.ufrj.br/index.php/EspacoAberto/article/view/29948
17. Braga JU, Herrero MB, Cuellar CM. Transmissão da tuberculose na tríplice fronteira entre Brasil, Paraguai e Argentina. Caderno de Saúde Pública. 2011; 27:7, 1271-1280. Disponivel em: https://www.scielo.br/j/csp/a/tYmR9wHLmT434NGmMzWwtyS/
18. Branco ML, Antas Torronteguy MA. O SUS na fronteira e o Direito: em que medida o estrangeiro tem direito ao SUS. Cad. Ibero Am. Direito Sanit. [Internet]. 20º de dezembro de 2013 [citado 20º de agosto de 2023];2(2):932-45. Disponivel em: https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/133 .
19. Cerroni MP, Carmo. Magnitude das doenças de notificação compulsória e avaliação dos indicadores de vigilância epidemiológica em municípios da linha de fronteira do Brasil, 2007 a 2009. Epidemiologia e Serviços de Saúde. 2015; 24:4, 617-628. Disponivel em: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742015000400004
20. Cazola LHO, et al. Atendimentos a brasileiros residentes na fronteira Brasil-Paraguai pelo sistema único de saúde. Revista Pan-americana de Saúde Pública. 2011; 29:3, 185-190. Disponivel em: https://pesquisa.bvsalud.org/portal/resource/pt/lil-581617
21. Jenkins New hash function for hash table lookup. 2013. Acesso em: 30 de jun. de 2023. Disponível em: http://burtleburtle.net/bob/hash/doobs.html
22. Belo MMA, Oliveira CM, Barros SC, Maia LTS, Bonfim CV. Estimativa da subnotificação dos óbitos por sífilis congênita no Recife-Pernambuco, 2010-2016: relacionamento entre os sistemas de informações sobre mortalidade e de agravos de notificação. Epidemiol Serv Saúde 2021; 30(3): 2020501. https://doi.org/10.1590/S1679-49742021000300009
23. Rego R. Aplicação combinada dos filtros de Bloom com redes neurais recorrentes para detecção de ataques WEB. Universidade Federal de Santa Maria; Santa Maria; 2020. Disponivel em: https://repositorio.ufsm.br/bitstream/handle/1/19784/DIS_PPGCC_2020_REGO_RICHARD.pdf?sequence=1
24. Bonomi F.; Mitzenmacher, M.; Panigrahy, R.; Singh, S.; Varghese, G. An improved construction for counting bloom Filters. European Symposium on Algorithms. 2006; 684-69. Disponivel em: https://theory.stanford.edu/~rinap/papers/esa2006b.pdf
25. Castela Forte J, Mungroop HE, de Geus F, et al. Ensemble machine learning prediction and variable importance analysis of 5-year mortality after cardiac valve and CABG operations. Sci Rep. 2021;11(1):3467. doi:10.1038/s41598- 021-82403-0. Disponivel em: https://research.rug.nl/en/publications/ensemble-machine-learning-prediction-and-variable-importance-anal
26. Lundberg SM, Nair B, Vavilala MS, et al. Explainable machine-learning predictions for the prevention of hypoxaemia during surgery. Nat Biomed Eng. 2018;2(10):749-760. doi:10.1038/s41551-018-0304-0. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/31001455/
27. Luo W, Phung D, Tran T, et al. Guidelines for developing and reporting machine learning predictive models in biomedical research: a multidisciplinary review. J Med Internet Res. 2016;18(12): e323. doi:10.2196/jmir.5870. Disponivel em: https://www.jmir.org/2016/12/e323
28. Pepe MS, Feng Z, Huang Y, et al. Integrating the predictiveness of a marker with its performance as a classifier. Am J Epidemiol. 2008;167(3):362-368. doi:10.1093/aje/kwm305. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/17982157/
29. Austin PC, Steyerberg EW. Graphical assessment of internal and external calibration of logistic regression models by using loess smoothers. Stat Med. 2014;33(3):517-535. doi:10.1002/sim.594. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/24002997/
30. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B. Scikit-learn: machine learning in Python. J Mach Learn Res. 2011; 12:2825-2830. Disponivel em: https://jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf
31. Brasil CNS. 1ª Conferência Nacional de Vigilância em Saúde: Direito, Conquistas e Defesa de um SUS Público de Qualidade. Brasília: CNS; 2017. [Documento orientador: Diretrizes metodológicas]. Disponivel em: https://conselho.saude.gov.br/ultimas_noticias/2017/doc/documento_Orientador_1CNVS.pdf
32. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Guia de vigilância em saúde [Internet]. 3. ed. Brasília: Ministério da Saúde; 2019. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
33. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Departamento de Vigilância de Doenças Transmissíveis. Coordenação-Geral de Doenças Transmissíveis. Caderno de indicadores: leishmaniose tegumentar e leishmaniose visceral [Internet]. Brasília: Ministério da Saúde. 2018 [citado 2021 jun 1]. Disponível em: ht
http://portalsinan.saude.gov.br/images/documentos/Agravos/LTA/Indicadores_Leishmanioses_2018.pdf
34. Regulamento Sanitário Internacional (2005): 2ª edición. 1.Legislación sanitaria. 2.Control de enfermedades transmisibles - legislación. 3.Notificación de enfermedad. 4.Cooperación internacional. I.Organización Mundial de la Salud. Disponivel em: https://www.gov.br/anvisa/ptbr/assuntos/paf/regulamentosanitariointernacional/arquivos/7184json-file-1. Acesso em: 10 fev. 2022.
35. Silva AS, Teles RCCC, Rabelo MN, Monteiro LP, Silva RR, Campos RNS. Aspectos gerais da Leishmaniose Visceral em humanos e cães. Conjecturas. 22:12, 844–857, 2022. Disponível em: http://conjecturas.org/index.php/edicoes/article/view/1587 Acesso em: 14 ago. 2023.
36. Sociedade Brasileira de Medicina Tropical. OMS lança novo roteiro - 2021-2030 - para as Doenças Tropicais Negligenciadas. Brasília, DF: SBMT, 2021. Disponível em: https://sbmt.org.br/oms-lanca-novo-roteiro-2021-2030-paraasdoencastropicaisnegligenciadas/ Acesso em: 11 de agosto de 2023.
37. Secretária Estadual de Saúde do Mato Grosso do Sul. Boletim epidemiológico. Leishmaniose Visceral Humana – 2022. Disponivel em: https://www.vs.saude.ms.gov.br/wp-content/uploads/2023/02/Boletim_leish_visceral_023-Final.pdf
38. Leishmaniose. Informe epidemiológico das Américas. 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequence=1&isAllowed=y .
39. Tharwat A. “Classification assessment methods,” Appl. Comput. Inform., Aug. 2018. Disponível em : https://www.emerald.com/insight/content/doi/10.1016/j.aci.2018.08.003/full/pdf
40. Hochreiter S, Schmidhuber J. Long short-term memory. Neural Comput. 1997;9(8):1735-1780. doi:10.1162/neco.1997.9.8.1735. Disponivel em: https://dl.acm.org/doi/10.1162/neco.1997.9.8.1735
2. Brasil. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Vigilância Epidemiológica. Manual de vigilância e controle da leishmaniose visceral / Ministério da Saúde, Secretaria de Vigilância em Saúde, Departamento de Vigilância Epidemiológica. – Brasília: Editora do Ministério da Saúde, 2006. 120 p.: il. Color – (Série A. Normas e Manuais Técnicos). Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/manual_vigilancia_controle_leishmaniose_visceral.pdf
3. Organização Pan-Americana da Saúde. Diretrizes para o tratamento das leishmanioses na Região das Américas. Segunda edição. Washington, DC: OPAS; 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56487/9789275725030_por.pdf?sequence=4&isAllowed=y . Acesso em: 11 de agosto de 2023.
4. World Health Organization. Leishmaniasis. Genebra; 2023. Disponível em: https://www.who.int/news-room/fact-sheets/detail/leishmaniasis . Acesso em: 2 ago de 2023.
5. Alvarenga DG, Escalda PMF, Costa ASV, Monreal MTFD. 2010. Leishmaniose visceral: estudo retrospectivo de fatores associados à letalidade. Revista da Sociedade Brasileira de Medicina Tropical. 2010; 43:2;194-197. http://dx.doi.org/10.1590/S0037-86822010000200017 PMid:20464152.
6. Organização Pan-Americana da Saúde. Leishmanioses: Informe epidemiológico das Américas. Núm. 11, dezembro de 2022. Washington, D.C.: OPAS, 2022b. Disponivel em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequene=1&isAllowed=y Acesso em: 11 de agosto de 2023.
7. Santos HG dos, Nascimento CF do Izbicki R, Duarte YA de O, Porto Chiavegatto Filho AD. Machine learning para análises preditivas em saúde: exemplo de aplicação para predizer óbito em idosos de São Paulo, Brasil. Cad Saúde Pública [Internet]. 2019;35(7):e00050818. Available from: https://doi.org/10.1590/0102-311X00050818
8. Nunes, Bruno Pereira et al. Machine learning analysis to predict health outcomes among emergency department users in Southern Brazil: a protocol study. Revista Brasileira de Epidemiologia [online]. 2021; 24: e210050. Available from: https://doi.org/10.1590/1980-549720210050 . ISSN 1980-5497.
9. Souza FM, Prado TN do, Werneck GL, Luiz RR, Maciel ELN, Faerstein E, et al. Classification and regression trees for predicting the risk of a negative test result for tuberculosis infection in Brazilian healthcare workers: a cross-sectional study. Rev bras epidemiol [Internet]. 2021; 24: e210035. Available from: https://doi.org/10.1590/1980-549720210035
10. Cavalcante, Ítalo José Mesquita and Vale, Marcus Raimundo. Epidemiological aspects of visceral leishmaniasis (kala-azar) in Ceará in the period 2007 to 2011. Revista Brasileira de Epidemiologia [online]. 2014; 17:4. 911-924. Available from: https://doi.org/10.1590/1809-4503201400040010 . ISSN 1980-5497.
11. Brito MIB da S, Oliveira ECA de, Barbosa CS, Gomes EC de S. Fatores associados às formas graves e aos óbitos por esquistossomose e aplicação do linkage probabilístico nas bases de dados, Pernambuco, 2007–2017. Rev bras epidemiol [Internet]. 2023; 26: e230003. Available from: https://doi.org/10.1590/1980-549720230003.2
12. Oliveira ECA, Pimentel TJF, Araújo JPM, Oliveira LCS, Fernando VCN, Loyo RM, et al. Investigação sobre os casos e óbitos por esquistossomose na cidade do Recife, Pernambuco, Brasil, 2005-2013. Epidemiol Serv Saúde 2018; 27(4): e2017190. http://dx.doi.org/10.5123/s1679-49742018000400010
13. Santos ML, Coeli CM, Batista JDAL, Braga MC, Albuquerque MFPM. Fatores associados à subnotificação de tuberculose com base no Sinan Aids e Sinan Tuberculose. Rev Bras Epidemiol 2018; 21: e180019. https://doi.org/10.1590/1980-549720180019
14. Gontijo CMF, Melo MN. Leishmaniose visceral no Brasil: quadro atual, desafios e perspectivas. Rev bras epidemiol [Internet]. 2004; Sep;7(3):338–49. Available from: https://doi.org/10.1590/S1415-790X2004000300011
15. Giovanella L, Guimarães L, Nogueira VMR, Lobato L de VC, Damacena GN. Saúde nas fronteiras: acesso e demandas de estrangeiros e brasileiros não residentes ao SUS nas cidades de fronteira com países do MERCOSUL na perspectiva dos secretários municipais de saúde. Cad Saúde Pública [Internet]. 2007; 23: S251–66. Available from: https://doi.org/10.1590/S0102-311X2007001400014
16. Mondardo, M., & Staliano, P. Saúde na Fronteira Brasileira: Políticas Públicas e Acesso a Serviços / Health on the Brazilian Border: Public Policies and Access to Services. Espaço Aberto 2020; 10(1): 99-116. Doi: 10.36403/espacoaberto.2020.29948. Disponivel em: https://revistas.ufrj.br/index.php/EspacoAberto/article/view/29948
17. Braga JU, Herrero MB, Cuellar CM. Transmissão da tuberculose na tríplice fronteira entre Brasil, Paraguai e Argentina. Caderno de Saúde Pública. 2011; 27:7, 1271-1280. Disponivel em: https://www.scielo.br/j/csp/a/tYmR9wHLmT434NGmMzWwtyS/
18. Branco ML, Antas Torronteguy MA. O SUS na fronteira e o Direito: em que medida o estrangeiro tem direito ao SUS. Cad. Ibero Am. Direito Sanit. [Internet]. 20º de dezembro de 2013 [citado 20º de agosto de 2023];2(2):932-45. Disponivel em: https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/133 .
19. Cerroni MP, Carmo. Magnitude das doenças de notificação compulsória e avaliação dos indicadores de vigilância epidemiológica em municípios da linha de fronteira do Brasil, 2007 a 2009. Epidemiologia e Serviços de Saúde. 2015; 24:4, 617-628. Disponivel em: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742015000400004
20. Cazola LHO, et al. Atendimentos a brasileiros residentes na fronteira Brasil-Paraguai pelo sistema único de saúde. Revista Pan-americana de Saúde Pública. 2011; 29:3, 185-190. Disponivel em: https://pesquisa.bvsalud.org/portal/resource/pt/lil-581617
21. Jenkins New hash function for hash table lookup. 2013. Acesso em: 30 de jun. de 2023. Disponível em: http://burtleburtle.net/bob/hash/doobs.html
22. Belo MMA, Oliveira CM, Barros SC, Maia LTS, Bonfim CV. Estimativa da subnotificação dos óbitos por sífilis congênita no Recife-Pernambuco, 2010-2016: relacionamento entre os sistemas de informações sobre mortalidade e de agravos de notificação. Epidemiol Serv Saúde 2021; 30(3): 2020501. https://doi.org/10.1590/S1679-49742021000300009
23. Rego R. Aplicação combinada dos filtros de Bloom com redes neurais recorrentes para detecção de ataques WEB. Universidade Federal de Santa Maria; Santa Maria; 2020. Disponivel em: https://repositorio.ufsm.br/bitstream/handle/1/19784/DIS_PPGCC_2020_REGO_RICHARD.pdf?sequence=1
24. Bonomi F.; Mitzenmacher, M.; Panigrahy, R.; Singh, S.; Varghese, G. An improved construction for counting bloom Filters. European Symposium on Algorithms. 2006; 684-69. Disponivel em: https://theory.stanford.edu/~rinap/papers/esa2006b.pdf
25. Castela Forte J, Mungroop HE, de Geus F, et al. Ensemble machine learning prediction and variable importance analysis of 5-year mortality after cardiac valve and CABG operations. Sci Rep. 2021;11(1):3467. doi:10.1038/s41598- 021-82403-0. Disponivel em: https://research.rug.nl/en/publications/ensemble-machine-learning-prediction-and-variable-importance-anal
26. Lundberg SM, Nair B, Vavilala MS, et al. Explainable machine-learning predictions for the prevention of hypoxaemia during surgery. Nat Biomed Eng. 2018;2(10):749-760. doi:10.1038/s41551-018-0304-0. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/31001455/
27. Luo W, Phung D, Tran T, et al. Guidelines for developing and reporting machine learning predictive models in biomedical research: a multidisciplinary review. J Med Internet Res. 2016;18(12): e323. doi:10.2196/jmir.5870. Disponivel em: https://www.jmir.org/2016/12/e323
28. Pepe MS, Feng Z, Huang Y, et al. Integrating the predictiveness of a marker with its performance as a classifier. Am J Epidemiol. 2008;167(3):362-368. doi:10.1093/aje/kwm305. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/17982157/
29. Austin PC, Steyerberg EW. Graphical assessment of internal and external calibration of logistic regression models by using loess smoothers. Stat Med. 2014;33(3):517-535. doi:10.1002/sim.594. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/24002997/
30. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B. Scikit-learn: machine learning in Python. J Mach Learn Res. 2011; 12:2825-2830. Disponivel em: https://jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf
31. Brasil CNS. 1ª Conferência Nacional de Vigilância em Saúde: Direito, Conquistas e Defesa de um SUS Público de Qualidade. Brasília: CNS; 2017. [Documento orientador: Diretrizes metodológicas]. Disponivel em: https://conselho.saude.gov.br/ultimas_noticias/2017/doc/documento_Orientador_1CNVS.pdf
32. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Guia de vigilância em saúde [Internet]. 3. ed. Brasília: Ministério da Saúde; 2019. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
33. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Departamento de Vigilância de Doenças Transmissíveis. Coordenação-Geral de Doenças Transmissíveis. Caderno de indicadores: leishmaniose tegumentar e leishmaniose visceral [Internet]. Brasília: Ministério da Saúde. 2018 [citado 2021 jun 1]. Disponível em: ht
http://portalsinan.saude.gov.br/images/documentos/Agravos/LTA/Indicadores_Leishmanioses_2018.pdf
34. Regulamento Sanitário Internacional (2005): 2ª edición. 1.Legislación sanitaria. 2.Control de enfermedades transmisibles - legislación. 3.Notificación de enfermedad. 4.Cooperación internacional. I.Organización Mundial de la Salud. Disponivel em: https://www.gov.br/anvisa/ptbr/assuntos/paf/regulamentosanitariointernacional/arquivos/7184json-file-1. Acesso em: 10 fev. 2022.
35. Silva AS, Teles RCCC, Rabelo MN, Monteiro LP, Silva RR, Campos RNS. Aspectos gerais da Leishmaniose Visceral em humanos e cães. Conjecturas. 22:12, 844–857, 2022. Disponível em: http://conjecturas.org/index.php/edicoes/article/view/1587 Acesso em: 14 ago. 2023.
36. Sociedade Brasileira de Medicina Tropical. OMS lança novo roteiro - 2021-2030 - para as Doenças Tropicais Negligenciadas. Brasília, DF: SBMT, 2021. Disponível em: https://sbmt.org.br/oms-lanca-novo-roteiro-2021-2030-paraasdoencastropicaisnegligenciadas/ Acesso em: 11 de agosto de 2023.
37. Secretária Estadual de Saúde do Mato Grosso do Sul. Boletim epidemiológico. Leishmaniose Visceral Humana – 2022. Disponivel em: https://www.vs.saude.ms.gov.br/wp-content/uploads/2023/02/Boletim_leish_visceral_023-Final.pdf
38. Leishmaniose. Informe epidemiológico das Américas. 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequence=1&isAllowed=y .
39. Tharwat A. “Classification assessment methods,” Appl. Comput. Inform., Aug. 2018. Disponível em : https://www.emerald.com/insight/content/doi/10.1016/j.aci.2018.08.003/full/pdf
40. Hochreiter S, Schmidhuber J. Long short-term memory. Neural Comput. 1997;9(8):1735-1780. doi:10.1162/neco.1997.9.8.1735. Disponivel em: https://dl.acm.org/doi/10.1162/neco.1997.9.8.1735
Publicado
2024-02-08
Sección
Saúde
Declaro que os conteúdos apresentados nos artigos e demais trabalhos são de minha autoria e tenho total responsabilidade sobre os mesmos, os quais estou cedendo os direitos autorais à Revista Saúde e Meio Ambiente, para fins de divulgação científica em qualquer meio disponível.
