| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.33 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Tuberculosis remains a global health concern, having caused around 1.5 million deaths
in 2020. The Portuguese medical authorities are facing challenges to meet the goals of the
Word Health Organization in the area of Tuberculosis. Early detection of potential Tubercu losis outbreaks is crucial for effective intervention and control, but traditional surveillance
systems often suffer from reporting lags and resource limitations, which were aggravated
by the COVID-19 pandemic. This thesis explores the potential of using Google Trends to
predict Tuberculosis incidence in Portugal. Past research have shown promising results in
this area, suggesting that Google Trends search volume could complement existing surveil lance methods. To improve Tuberculosis surveillance system, we developed a syndromic
approach using 19 Tuberculosis-related terms extracted from Google Trends. Historical
data on the incidence of Tuberculosis was extracted from the European Centre for Disease
Prevention and Control. After joining both datasets, we applied different machine learn ing models to forecast the monthly Tuberculosis incidence. Nextly, four accuracy metrics,
including the Akaike Information Criterion, were used to select the best predictive model.
Our empirical analysis shows that the forecast matches the seasonal patterns of Tubercu losis incidence in Portugal. While there are possible limitations that need to be addressed
in future research, the surveillance system developed in this study might be a valuable tool
for public health authorities as it provides real-time information on potential new cases. In
the long run, this system might help alleviate the burden of Tuberculosis and potentially
mitigate future outbreaks.
A Tuberculose continua a ser um problema de saude global, tendo causado cerca de 1,5  milhoes de mortes em 2020. As autoridades m ˜ edicas portuguesas enfrentam desafios para  cumprir as metas da OrganizacËao Mundial de Sa ˜ ude na  area da Tuberculose. A detecË Â ao˜ antecipada de potenciais surtos de tuberculose e crucial para uma intervencË Â ao eficaz. No ˜ entanto, os sistemas de vigilancia tradicionais sofrem frequentemente de atrasos nos re- ˆ latorios e limitacË Â oes de recursos, agravados pela pandemia COVID-19. Esta tese explora ˜ o potencial uso do Google Trends para prever a incidencia da Tuberculose em Portugal. ˆ Estudos anteriores mostraram resultados promissores nesta area, sugerindo que o volume  de pesquisa do Google Trends pode complementar os metodos de vigil  ancia existentes. ˆ Para melhorar o sistema de vigilancia da Tuberculose, desenvolvemos uma abordagem ˆ sindromica usando 19 termos relacionados ˆ a Tuberculose extra ` Âıdos do Google Trends. Da dos historicos sobre a incid  encia de Tuberculose foram extra ˆ Âıdos do Centro Europeu de PrevencËao e Controle das DoencËas. Aplic ˜ amos diferentes modelos de Machine learning  para prever a incidencia mensal de Tuberculose. Em seguida, quatro m ˆ etricas de precis  ao, ˜ inclusive o Criterio de InformacË Â ao de Akaike, foram usadas para selecionar o melhor mod- ˜ elo de previsao. A an ˜ alise mostra que a previs  ao corresponde aos padr ˜ oes sazonais de ˜ incidencia da Tuberculose em Portugal. Embora existam poss ˆ Âıveis limitacËoes neste estudo, ˜ o metodo de vigil  ancia desenvolvido poder ˆ a ser uma ferramenta indispens  avel para a sa  ude  publica, pois fornece informacË Â oes em tempo real sobre poss ˜ Âıveis novos casos. A longo prazo, este sistema podera ajudar a mitigar a Tuberculose em Portugal.
A Tuberculose continua a ser um problema de saude global, tendo causado cerca de 1,5  milhoes de mortes em 2020. As autoridades m ˜ edicas portuguesas enfrentam desafios para  cumprir as metas da OrganizacËao Mundial de Sa ˜ ude na  area da Tuberculose. A detecË Â ao˜ antecipada de potenciais surtos de tuberculose e crucial para uma intervencË Â ao eficaz. No ˜ entanto, os sistemas de vigilancia tradicionais sofrem frequentemente de atrasos nos re- ˆ latorios e limitacË Â oes de recursos, agravados pela pandemia COVID-19. Esta tese explora ˜ o potencial uso do Google Trends para prever a incidencia da Tuberculose em Portugal. ˆ Estudos anteriores mostraram resultados promissores nesta area, sugerindo que o volume  de pesquisa do Google Trends pode complementar os metodos de vigil  ancia existentes. ˆ Para melhorar o sistema de vigilancia da Tuberculose, desenvolvemos uma abordagem ˆ sindromica usando 19 termos relacionados ˆ a Tuberculose extra ` Âıdos do Google Trends. Da dos historicos sobre a incid  encia de Tuberculose foram extra ˆ Âıdos do Centro Europeu de PrevencËao e Controle das DoencËas. Aplic ˜ amos diferentes modelos de Machine learning  para prever a incidencia mensal de Tuberculose. Em seguida, quatro m ˆ etricas de precis  ao, ˜ inclusive o Criterio de InformacË Â ao de Akaike, foram usadas para selecionar o melhor mod- ˜ elo de previsao. A an ˜ alise mostra que a previs  ao corresponde aos padr ˜ oes sazonais de ˜ incidencia da Tuberculose em Portugal. Embora existam poss ˆ Âıveis limitacËoes neste estudo, ˜ o metodo de vigil  ancia desenvolvido poder ˆ a ser uma ferramenta indispens  avel para a sa  ude  publica, pois fornece informacË Â oes em tempo real sobre poss ˜ Âıveis novos casos. A longo prazo, este sistema podera ajudar a mitigar a Tuberculose em Portugal.
Description
Keywords
Tuberculosis surveillance Google trends Search volume Machine learning Accuracy metrics Tuberculosis incidence forecasting Portugal Vigilância da tuberculose Google Trends Volume de pesquisa Metricas de precisão Previsão da incidência da tuberculose