Modelos computacionais fuzzy para avaliar efeitos da poluição do ar em crianças / Fuzzy computational models to evaluate the effects of air pollution on children

RESUMO Objetivo: Construir um modelo computacional fuzzy para estimar o número de internações de crianças até 10 anos por doenças respiratórias, com base nos dados de poluentes e fatores climáticos da cidade de São José do Rio Preto, Brasil. Métodos: Foi construído modelo computacional utilizando a lógica fuzzy. O modelo tem 4 entradas, cada uma com 2 funções de pertinência gerando 16 regras, e a saída com 5 funções de pertinência, baseado no método de Mamdani, para estimar a associação entre os poluentes e o número de internações. Os dados de internações, de 2011-2013, foram obtidos no Departamento de Informática do Sistema de Saúde (DATASUS) e os poluentes material particulado (PM10) e dióxido de nitrogênio (NO2), a velocidade do vento e a temperatura foram obtidos pela Companhia Ambiental do Estado de São Paulo (Cetesb). Resultados: Foram internadas 1.161 crianças no período analisado, e a média dos poluentes foi 36 e 51 µg/m3 - PM10 e NO2, respectivamente. Os melhores valores da correlação de Pearson (0,34) e da acurácia avaliada pela curva Receiver Operating Characteristic - ROC (NO2 - 96,7% e PM10 - 90,4%) foram para internações no mesmo dia da exposição. Conclusões: O modelo mostrou-se eficaz na predição do número de internações de crianças, podendo ser utilizado como ferramenta na gestão hospitalar da região estudada.

ABSTRACT Objective: To build a fuzzy computational model to estimate the number of hospitalizations of children aged up to 10 years due to respiratory conditions based on pollutants and climatic factors in the city of São José do Rio Preto, Brazil. Methods: A computational model was constructed using the fuzzy logic. The model has 4 inputs, each with 2 membership functions generating 16 rules, and the output with 5 pertinence functions, based on the Mamdani's method, to estimate the association between the pollutants and the number of hospitalizations. Data from hospitalizations, from 2011-2013, were obtained in DATASUS - and the pollutants Particulate Matter (PM10) and Nitrogen Dioxide (NO2), wind speed and temperature were obtained by the Environmental Company of São Paulo State (Cetesb). Results: A total of 1,161 children were hospitalized in the period and the mean of pollutants was 36 and 51 µg/m3 - PM10 and NO2, respectively. The best values of the Pearson correlation (0.34) and accuracy measured by the Receiver Operating Characteristic (ROC) curve (NO2 - 96.7% and PM10 - 90.4%) were for hospitalizations on the same day of exposure. Conclusions: The model was effective in predicting the number of hospitalizations of children and could be used as a tool in the hospital management of the studied region.

Fuzzy model to estimate the number of hospitalizations for asthma and pneumonia under the effects of air pollution / Modelo fuzzy para estimar o número de internações por asma e pneumonia sob os efeitos da poluição do ar

ABSTRACT OBJECTIVE Predict the number of hospitalizations for asthma and pneumonia associated with exposure to air pollutants in the city of São José dos Campos, São Paulo State. METHODS This is a computational model using fuzzy logic based on Mamdani’s inference method. For the fuzzification of the input variables of particulate matter, ozone, sulfur dioxide and apparent temperature, we considered two relevancy functions for each variable with the linguistic approach: good and bad. For the output variable number of hospitalizations for asthma and pneumonia, we considered five relevancy functions: very low, low, medium, high and very high. DATASUS was our source for the number of hospitalizations in the year 2007 and the result provided by the model was correlated with the actual data of hospitalization with lag from zero to two days. The accuracy of the model was estimated by the ROC curve for each pollutant and in those lags. RESULTS In the year of 2007, 1,710 hospitalizations by pneumonia and asthma were recorded in São José dos Campos, State of São Paulo, with a daily average of 4.9 hospitalizations (SD = 2.9). The model output data showed positive and significant correlation (r = 0.38) with the actual data; the accuracies evaluated for the model were higher for sulfur dioxide in lag 0 and 2 and for particulate matter in lag 1. CONCLUSIONS Fuzzy modeling proved accurate for the pollutant exposure effects and hospitalization for pneumonia and asthma approach.

RESUMO OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma.

Modelo fuzzy estimando tempo de internação por doenças cardiovasculares / Fuzzy model approach for estimating time of hospitalization due to cardiovascular diseases

Resumo Para prever o tempo médio de internações por doenças cardiovasculares relacionadas à exposição de poluentes do ar em São José dos Campos (SP), em 2009, foi construído um modelo linguístico fuzzy, baseado no método de Mamdani, com variáveis de entrada: material particulado, dióxido de enxofre, temperatura e vento, obtidos da CETESB, com duas funções de pertinência cada. A variável de saída é o tempo médio de internações, obtido do Datasus, com seis funções de pertinência. O tempo médio fornecido pelo modelo foi comparado aos dados reais segundo defasagens de 0 a 4 dias. Este modelo foi construído no toolbox fuzzy do Matlab v. 7.5. Sua acurácia foi avaliada pela curva ROC. Foram registradas 1119 internações com o tempo médio de 7,9 dias (dp = 4,9). Os dados fornecidos mostraram significativa correlação com os dados reais, segundo as defasagens de 0 a 4 dias. O poluente que mostrou melhor acurácia foi o dióxido de enxofre. Este modelo pode ser utilizado como base de sistema especialista, que pode auxiliar o gestor municipal na avaliação do risco de internações em função dos poluentes do ar.

Abstract A fuzzy linguistic model based on the Mamdani method with input variables, particulate matter, sulfur dioxide, temperature and wind obtained from CETESB with two membership functions each was built to predict the average hospitalization time due to cardiovascular diseases related to exposure to air pollutants in São José dos Campos in the State of São Paulo in 2009. The output variable is the average length of hospitalization obtained from DATASUS with six membership functions. The average time given by the model was compared to actual data using lags of 0 to 4 days. This model was built using the Matlab v. 7.5 fuzzy toolbox. Its accuracy was assessed with the ROC curve. Hospitalizations with a mean time of 7.9 days (SD = 4.9) were recorded in 1119 cases. The data provided revealed a significant correlation with the actual data according to the lags of 0 to 4 days. The pollutant that showed the greatest accuracy was sulfur dioxide. This model can be used as the basis of a specialized system to assist the city health authority in assessing the risk of hospitalizations due to air pollutants.