O Uso do Aprendizado de Máquina para Quantificação de Incerteza na predição de incidência da Dengue e Chikungunya
A dengue e a chikungunya são dois problemas de saúde pública e, para combatê-la, é necessário conhecer cada vez mais os fatores favoráveis ao seu desenvolvimento, proliferação, e surgimento de novos focos. Neste contexto, o presente trabalho tem o objetivo de desenvolver uma metodologia para estimar a incerteza na série temporal de casos de dengue e chikungunya. A pesquisa foi conduzida sobre os bairros de Copacabana, Jacarepaguá e Vila Militar da cidade do Rio de Janeiro, considerando dados coletados da Secretaria de Saúde do Rio de Janeiro e do Instituto Nacional de Meteorologia (INMET). Foram utilizadas variáveis climáticas e técnicas de aprendizado de máquina, incluindo previsão autorregressiva recursiva com variáveis exógenas, previsão autorregressiva recursiva com preditores customizados, além de cálculo de intervalos de previsão. Os resultados obtidos revelaram \textit{insights} significativos sobre a relação entre os fatores climáticos e a incidência das doenças. Foi observado que os padrões sazonais e as flutuações nas variáveis climáticas se correlacionam de maneira distinta com o aumento da incidência de casos de dengue e chikungunya. Foi destacado a eficácia do modelo autorregressivo com preditores personalizados, capaz de capturar tendências e flutuações sazonais nas séries temporais. Na conclusão do trabalho, espera-se que a metodologia desenvolvida contribua para uma melhor compreensão dos fatores que influenciam a disseminação da dengue e da chikungunya, e também possa ser uma ferramenta valiosa para a formulação de políticas de saúde pública. A capacidade de estimar a incerteza nas séries temporais dessas doenças abre portas para uma abordagem mais informada e adaptativa no combate a essas ameaças à saúde pública.