Abstract

GIOIA, Thamy Barbara; BARROS, Juliana Ramalho  and  SILVA, Renato Rodrigues da. Facteurs socioéconomiques et algorithmes machine learning appliqués à la prédiction des risques de maladies négligées. Étude de cas dans les municipalités de l’État de Goiás et du District Fédéral, Brésil. Finisterra [online]. 2022, n.121, pp.109-123.  Epub Dec 31, 2022. ISSN 0430-5027.  https://doi.org/10.18055/finis28635.

Analyser la relation entre les variables socio-économiques et les maladies tropicales négligées peut accompagner les gestionnaires dans l’élaboration de politiques publiques pour réduire les cas. L’objectif de ce travail était d’évaluer, sur la base d’algorithmes machine learning, quelles variables socio-économiques sont le plus important pour la classification des risques de trois maladies négligées: la lèpre, la leishmaniose tégumentaire et la dengue. Trois algorithmes basés sur des arbres de décision ont été considérés: Aléatoire Forêt (AF), XGBoost et C5.0. La zone d’étude délimitée sont les municipalités de la province de Goiás et le District Fédéral, situées dans la région Centre-Ouest du Brésil. Pour les classes de risque de dengue, l’algorithme AF et XGBoost ont présenté des valeurs de précision supérieures à 0,6. Les deux ressortent comme des variables plus prédictives de facteurs tels que les conditions de faible revenu, l’alphabétisation et la race. Dans le cas des classes de risque de lèpre, les trois algorithmes ont présenté des résultats de précision supérieurs à 0,6, indiquant comment paramètres importants tels que l’approvisionnement en eau, l’alphabétisation, la race et les conditions de logement. Dans le cas des cours risque de leishmaniose tégumentaire, les algorithmes ont adopté une précision inférieure à 0,4, rendant évaluation des variables prédictives possibles au modèle. Les trois algorithmes évalués performances prédictives approximatives, cependant, le AF était supérieur résistant. Les variables les variables socio-économiques les plus importantes pour prédire les classes de risque de dengue et de lèpre étaient similaire.

Keywords : Maladies tropicales négligées; déterminants sociaux; XGBoost; Random Forest; C5.0.

        · abstract in English | Portuguese | Spanish     · text in English     · English ( pdf )