Browsing by Issue Date, starting with "2020-08-19"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
- Algorithm to assess the presence of Aspergillus fumigatus resistant strains: The case of Norwegian sawmillsPublication . Viegas, Carla; Almeida, Beatriz; Aranha Caetano, Liliana; Afanou, Anani; Straumfors, Anne; Veríssimo, Cristina; Gonçalves, Paulo; Sabino, RaquelAssociation between selection pressure caused by the use of azole fungicides in sawmills and the development of fungal resistance has been described. The aim of this study was to implement an algorithm to assess the presence of Aspergillus section Fumigati resistant strains in sawmills. Eighty-six full-shift inhalable dust samples were collected from eleven industrial sawmills in Norway. Different culture media were used and molecular identification to species level in Aspergillus section Fumigati was done by calmodulin sequencing and TR34/L98H and TR46/Y121F/T289A mutations were screened by real-time PCR assay and confirmed by cyp51A sequencing. Six Fumigati isolates were identified as A. fumigatus sensu stricto and two of these grew on azole-supplemented media and were further analyzed by real-time PCR. One was confirmed to be a TR34/L98H mutant. The obtained results reinforce the need to assess the presence of A. fumigatus sensu stricto resistant isolates at other workplaces with fungicide pressure.
- Ciência de dados e politicas públicas de saúde: exemplos práticosPublication . Santos, Joana Raquel Raposo dos; Chiavegatto Filho, Alexandre Dias PortoA ciência de dados é uma área do conhecimento impulsionada pela mudança do atual paradigma tecnológico e cientifico, que decorre do aumento do volume de dados, tipo, acesso, armazenamento e desenvolvimento computacional e tecnológico. Esse conhecimento tem permitido importantes avanços em vários setores, mas a contribuição da ciência de dados para as políticas públicas em saúde ainda encontra-se pouco explorada. Objetivo: Analisar se técnicas de ciência de dados, como algoritmos preditivos de inteligência artificial (machine learning), técnicas de clusterização de individuos e métodos causais para estudos observacionais podem contribuir para a área das políticas de saúde, identificando grupos-alvo para os quais programas e campanhas possam ser direcionados, permitindo uma alocação mais eficiente de recursos e contribuindo para a elaboração de medidas que auxiliem no desenho e avaliação de políticas públicas de saúde. Métodos: Foram utilizados dados do Departamento de Informática do Sistema Único de Saúde do Brasil (DATASUS) para caracterização sociodemográfica dos municípios brasileiros, e do Inquérito Nacional de Saúde de Portugal de 2014 para caracterizar a população residente em Portugal. Para a análise preditiva foram utilizados alguns dos algoritmos mais populares de machine learning, como regressão logística penalizada, random forest, gradient boosting trees e análises de agrupamento com componentes principais. Para a avaliação de um programa público de saúde (Mais Médicos) foram utilizados escores de propensão (propensity score) com pareamento. Resultados: Foram escritos um total de três artigos científicos, sendo que dois foram publicados e um encontra-se em revisão. O primeiro foi publicado na International Journal of Public Health, e trata-se de uma avaliação do Mais Médicos com métodos de escore de propensão. O escore permitiu um pareamento entre unidades municipais (n = 395) com uma boa performance, em que 86 das 97 covariáveis apresentaram um bom balanceamento (medido pela diferença média padronizada, inferior a 25%). O segundo artigo foi publicado na Health Policy and Technology e realizou uma análise de agrupamento de componentes principais para identificar grupos homogêneos entre indivíduos sem plano privado de saúde (n = 12.134). Foram identificados três agrupamentos de indivíduos (indivíduos de meia idade profissionalmente ativos, indivíduos envelhecidos com práticas saudáveis e aqueles psicologicamente vulneráveis), o que pode auxiliar na elaboração de políticas públicas direcionadas. O terceiro artigo encontra-se atualmente em avaliação e realizou uma análise preditiva de inteligência artificial (machine learning) para ausência laboral por motivos de doença com uma amostra populacional do Inquérito Nacional de Saúde (n=6.249), obtendo uma AUC de 0,67 pelo algoritmo de random forest. Conclusão: A ciência de dados pode ter um papel importante na melhoria da evidência em políticas públicas, especialmente no caso de superar dificuldades de abordagens mais tradicionais, como no estabelecimento de contrafactuais em estudos quase experimentais e por meio da realização de análises preditivas de machine learning para a alocação prioritária de recursos.
- Algorithm to assess the presence of Aspergillus fumigatus resistant strains: The case of Norwegian sawmillsPublication . Viegas, Carla; Almeida, Beatriz; Aranha Caetano, Liliana; Afanou, Anani; Straumfors, Anne; Veríssimo, Cristina; Gonçalves, Paulo; Sabino, RaquelAssociation between selection pressure caused by the use of azole fungicides in sawmills and the development of fungal resistance has been described. The aim of this study was to implement an algorithm to assess the presence of Aspergillus section Fumigati resistant strains in sawmills. Eighty-six full-shift inhalable dust samples were collected from eleven industrial sawmills in Norway. Different culture media were used and molecular identification to species level in Aspergillus section Fumigati was done by calmodulin sequencing and TR34/L98H and TR46/Y121F/T289A mutations were screened by real-time PCR assay and confirmed by cyp51A sequencing. Six Fumigati isolates were identified as A. fumigatus sensu stricto and two of these grew on azole-supplemented media and were further analyzed by real-time PCR. One was confirmed to be a TR34/L98H mutant. The obtained results reinforce the need to assess the presence of A. fumigatus sensu stricto resistant isolates at other workplaces with fungicide pressure.
- Excesso de mortalidade em Portugal: janeiro a julho de 2020Publication . Torres, Ana Rita; Silva, Susana; Rodrigues, Ana Paula; Nunes, Baltazar; Dias, CarlosEste trabalho tem como objetivo principal, identificar e analisar períodos de excesso de mortalidade desde 01 janeiro de 2020 até 31 de julho de 2020. Como objetivos secundários pretende-se: 1) analisar se a variação semanal da incidência de síndrome gripal, da incidência de COVID-19, da frequência de utilização a cuidados de saúde e da ocorrência de temperaturas extremas estiveram correlacionadas, cada uma, com os excessos de mortalidade observados durante o período em análise; 2) avaliar se a relação entre os excessos de mortalidade e a intensidade dos períodos de calor extremo, ocorridos em 2020, é concordante com a relação exposição-resposta (temperaturas elevadas-mortalidade) estimada para o período 2012-2019 (pré COVID-19).