Sobre o instrutor:
Marwan Vaphy Sesay é um acadêmico, pesquisador e entusiasta da saúde pública liberiano com sólida formação em economia, bioestatística e métodos de pesquisa quantitativa. Atualmente, ele atua como professor na Universidade da Libéria, onde ministra cursos relacionados a estatística, bioestatística e métodos quantitativos em pesquisa em saúde. Seu trabalho acadêmico concentra-se no fortalecimento das habilidades analíticas e de pesquisa dos alunos, particularmente na aplicação de ferramentas estatísticas em estudos de saúde pública e epidemiologia.
Os interesses de pesquisa de Marwan concentram-se principalmente na epidemiologia de doenças infecciosas, incluindo malária, cólera e febre de Lassa. Durante o surto de Ebola na África Ocidental, Marwan foi voluntário nos esforços de resposta, adquirindo experiência prática em vigilância de doenças e resposta a emergências de saúde pública. Essa experiência fortaleceu seu compromisso em melhorar os sistemas de saúde e promover pesquisas que apoiem políticas baseadas em evidências e estratégias de prevenção de doenças.
Por meio de suas atividades acadêmicas e profissionais, ele busca contribuir para a pesquisa em saúde global e desenvolver abordagens analíticas inovadoras para enfrentar os principais desafios das doenças infecciosas na África e além.
Resumo do seminário
Esta apresentação explorou como técnicas de aprendizado de máquina estão sendo utilizadas para melhorar a previsão e a detecção de surtos de malária. Com base em uma revisão sistemática de pesquisas publicadas entre 2013 e 2023, a sessão destacou como modelos como redes neurais artificiais, árvores de decisão, florestas aleatórias e máquinas de vetores de suporte são aplicados para analisar fatores ambientais e socioeconômicos, incluindo temperatura, pluviosidade e densidade populacional.
Essas abordagens demonstraram precisões diagnósticas que variam de 80% a 95%, mostrando um potencial significativo para prever surtos antes que ocorram. O apresentador também discutiu os pontos fortes desses modelos, como sua capacidade preditiva, bem como os principais desafios, incluindo requisitos de dados e limitações na aplicação dos modelos em diferentes contextos.
Seminários relacionados
