Application of Markov Chains and Artificial Neural Networks in the prediction of Hepatitis Cases in the southern states of Brazil

Gabriel Otobelli Berteli; Emanuel  Gheller Copelli; Deise Renata Bringmann; Leandro Luis Corso

doi:10.17564/2316-3798.2024v9n3p745-759

Resumo

Viral hepatitis is a disease caused by five known types of virus and can be chronic or acute. This study collected historical data on hepatitis in the southern states of Brazil and applied Markov Chains as an input parameter for predicting cases, using Artificial Neural Networks (ANN). A comparison was then made between the method that includes the two methodologies and the prediction made by ANN using only the data from the historical series. The mean absolute error (MAE) and mean absolute percentage error (MAPE) were calculated to determine the best forecasting model for each state. It was not possible to determine a configuration that simultaneously presented the best MAE and MAPE values for each state, but it was found that the lowest errors were obtained by using Markov Chains as an information generator for the ANN models, with a MAPE of 4.45% using the Levenberg-Marquardt training algorithm, with a delay equal to 3 and a number of neurons equal to 60.

Biografia do Autor

Gabriel Otobelli Berteli, Universidade de Caxias do Sul

É bolsista de Iniciação Científica do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) em Projetos de usos de Inteligência Artificial na Área da Saúde. É membro da Liga Acadêmica de Ortopedia e Traumatologia (LAOT) da Universidade de Caxias do Sul (UCS). Foi monitor das disciplinas de ortopedia, traumatologia e semiologia para a graduação do curso de Medicina. Realizou estágios cirúrgicos e ambulatoriais em Unidades de Ortopedia e Traumatologia. Tem interesse na área de Ortopedia e Traumatologia

Emanuel Gheller Copelli

Bacharel em Engenharia de Produção pela Universidade de Caxias do Sul (2021). Atualmente é orientador - Suspensys Sistemas Automotivos, atuando principalmente com processos de usinagem, forja, solda, montagem e pintura. Experiência em processos de otimização, redução de custos e tempos

Leandro Luis Corso, Universidade de Caxias do Sul

Possui Pós-doutorado na Monash University/AUSTRÁLIA na área de Otimização, pós-doutorado na Naval Postgraduate School, California/EUA em Otimização Global considerando incertezas. Mestrado e doutorado em Engenharia com foco em otimização pela Universidade Federal do Rio Grande do Sul (UFRGS). Graduação em Engenharia Mecânica pela Universidade de Caxias do Sul (UCS). Pesquisador/professor de áreas de Otimização em graduação e pós-graduação, professor do Mestrado de Engenharia Mecânica e no Doutorado da Área de Ciências da (UCS). Membro do Comitê Científico do Estado do Rio Grande do Sul, recebendo menção honrosa na atuação. Revisor de periódicos nacionais/internacionais nas áreas de otimização. Esta presente no ranking Alper-Döğer Scientific Index como um dos melhores cientistas da América Latina. Possui experiência nas áreas de Otimização, Modelagem Matemática, Inteligência Artificial, Otimização Estrutural, Otimização considerando incertezas, Pesquisa Operacional, matemática aplicada e computacional

Como Citar

Otobelli Berteli, G., Gheller Copelli, E., Renata Bringmann, D., & Corso, L. L. (2024). APPLICATION OF MARKOV CHAINS AND ARTIFICIAL NEURAL NETWORKS IN THE PREDICTION OF HEPATITIS CASES IN THE SOUTHERN STATES OF BRAZIL. Interfaces Científicas - Saúde E Ambiente, 9(3), 745–759. https://doi.org/10.17564/2316-3798.2024v9n3p745-759