Análise temporal da relação entre dengue e variáveis climáticas na cidade de Uberlândia – MG
Bibliographic record
Abstract
Este trabalho teve por objetivo analisar a relação de algumas variáveis climáticas com a dinâmica de casos de dengue em Uberlândia, Minas Gerais. Foram utilizados dados mensais das variáveis climáticas (temperaturas média, máxima e mínima, umidade relativa e precipitação) e de casos de dengue para o período de janeiro de 2010 a dezembro de 2019. Os dados climáticos foram retirados da estação meteorológica situada na Universidade Federal de Uberlândia e as notificações de dengue do DATASUS e da Secretaria Municipal de Saúde de Uberlândia. Os resultados apontam, nos anos analisados, um aumento dos casos de dengue junto ao acréscimo da temperatura mínima, acima da faixa dos 18 ºC, da temperatura média, sobretudo na faixa dos 26 ºC a 28 ºC e da umidade relativa, acima de 70%. Em contrapartida, observou-se uma redução nos casos, em anos com médias mensais de temperatura máxima acima de 30 ºC. A análise permitiu verificar uma relação direta das variáveis climáticas com o número de casos de dengue e anos epidêmicos na cidade, informações que podem servir de subsídio para planos de ação e gestão que visem reduzir os impactos negativos das epidemias de dengue na população uberlandense.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".