Tipo: Palestra
Prelecionista: Drª. Angélica Sousa da Mata (UFLA) -
Carga Horária: 1
Local: Alta fidelidade 1 (Anfiteatro DFI)
Vagas Totais: Sem limite de
Participantes Inscritos: 20
Resumo: A modelagem bayesiana é uma ferramenta poderosa para análise de dados sob incerteza, com aplicações em áreas como saúde e meio ambiente. Neste trabalho, utilizamos uma abordagem mecanicista bayesiana para investigar a dinâmica da febre amarela no Brasil, com ênfase na influência de fatores sazonais como temperatura e precipitação, e na interação entre vetores silvestres e primatas não humanos (PNH), principais reservatórios do vírus. Apesar da reconhecida influência do clima, há poucas investigações sobre a sazonalidade na definição do momento ideal para ações de vigilância. Isso é ainda mais relevante frente às mudanças climáticas, que expandem o alcance da doença. Desenvolvemos um modelo sazonal baseado em dados de ocorrência e favorabilidade em PNH, capaz de simular cenários, incluindo extremos climáticos. Os resultados auxiliam na formulação de estratégias mais eficazes de vigilância e vacinação, contribuindo para o controle da doença diante da instabilidade ambiental.