Título: Análise Comparativa de Diferentes Algoritmos de Clusterização em Regimes Sazonais de Poluição Atmosférica, Condições Climáticas e Internações Hospitalares na cidade de Ponta Grossa, Paraná
Autores: Lucas Rover, Yara de Souza Tadano & Hugo Valadares Siqueira
Resumo: A dinâmica entre poluição atmosférica, clima e saúde é complexa e não-linear, dificultando a identificação de padrões. Este estudo aplicou e comparou cinco algoritmos de clusterização (K-Means, Agglomerative, DBSCAN, GMM e Spectral Clustering) para detectar regimes ambientais associados a internações por doenças respiratórias e circulatórias em 577 dias de observação (2016–2018) em Ponta Grossa (PR). Foram analisadas 10 variáveis ambientais, com exclusão de variáveis de desfecho para garantir agrupamentos baseados apenas em perfis climáticos e de poluição. O K-Means apresentou melhor desempenho (Silhouette = 0,192; Davies-Bouldin = 1,635; Calinski-Harabasz = 125,8), revelando 4 clusters ambientalmente coesos. O cluster “frio e seco com vento forte” apresentou as maiores médias de internações respiratórias, enquanto o cluster “chuvoso eúmido” registrou os menores níveis. A análise por PCA confirmou separabilidade parcial entre os grupos. Os resultados reforçam a eficácia da clusterização na análise exploratória de sistemas ambientais complexos e oferecem subsídios para políticas de saúde ambiental
Palavras-chave: air pollution; population health; clustering; unsupervised learning.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1175369
Artigo em PDF: CBIC_2025_paper1175369.pdf
Arquivo BibTeX:
CBIC_2025_1175369.bib