Previsões de IA do HungerMap Live ajudam a orientar a resposta alimentar de emergência na Somália
Somália
A plataforma HungerMap Live do PAM, assistida por IA e construída com a Google.org, cobre mais de 50 países e …
Reino Unido · London · Ver o perfil de Reino Unido · Ver o perfil de London
Top 35% 67/100 · Pergunte a Evidence Copilot sobre esta prática
A Agência de Segurança em Saúde do Reino Unido (UKHSA) testou modelos de aprendizagem automática para prever chamadas para o NHS 111 e admissões por bronquiolite nas urgências até 28 dias de antecedência durante o inverno de 2022-23, publicando resultados revistos por pares que incluem tanto os sucessos como as falhas do modelo numa época sem precedentes.
Durante a época respiratória de inverno de 2022-23, a UK Health Security Agency (UKHSA) testou um novo sistema automatizado de previsão, construído sobre os seus dados diários existentes de vigilância sindrómica para Inglaterra. O piloto visou dois indicadores sensíveis ao vírus sincicial respiratório (VSR) em crianças com menos de cinco anos: chamadas de telessaúde para o NHS 111 por "tosse" e admissões nos serviços de urgência por "bronquiolite aguda", com o objetivo de prever o momento e a intensidade dos picos sazonais com até 28 dias de antecedência, para que os gestores dos serviços do NHS pudessem planear a capacidade.
Os epidemiologistas da UKHSA testaram 252 especificações de modelos, combinando sete métodos de aprendizagem supervisionada (incluindo florestas aleatórias, máquinas de vetores de suporte, regressão elastic-net e gradient boosting) com diferentes termos de sazonalidade e tendência, publicando a comparação completa numa avaliação revista por pares. Os modelos de floresta aleatória com termos sazonais de Fourier tiveram o melhor desempenho, alcançando erros de previsão de pico de 0,0195 (chamadas NHS 111) e 0,0267 (admissões nas urgências). Num teste em tempo real, o modelo previu corretamente a data do pico de bronquiolite de 29 de novembro de 2022 e estimou a sua intensidade com um erro de cerca de 9% face ao valor real.
A mesma avaliação documenta onde a previsão falhou: um aumento sem precedentes nas chamadas por tosse ao NHS 111 em dezembro de 2022 — 39,3% acima do recorde anterior — foi impulsionado, em parte, pela preocupação pública com infeções invasivas por estreptococos do grupo A, e não apenas pelo VSR, o que reduziu a especificidade do indicador de tosse e confundiu previsões treinadas em padrões históricos. Os autores concluem que as previsões automatizadas falham fora do seu intervalo de treino em épocas genuinamente atípicas e que "devem ser sempre acompanhadas de interpretação especializada", em vez de utilizadas como ferramenta de decisão autónoma — um relato revisto por pares invulgarmente franco sobre o valor e os limites do método.
Os detalhes de implementação (custo, prazo, equipa, condições de sucesso) ainda não estão disponíveis para esta prática.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Somália
A plataforma HungerMap Live do PAM, assistida por IA e construída com a Google.org, cobre mais de 50 países e …
Suíça
A SPSP integra análise genómica com IA para detetar variantes de agentes patogénicos em toda a Suíça. Com mandato do …
Serra Leoa
A Statistics Sierra Leone e a parceria GRID3 usam deteção de contornos de edifícios por aprendizagem automática em imagens de …
Sudão
A HungerMap LIVE do PAM usa modelos de aprendizagem automática para estimar a insegurança alimentar onde os levantamentos no terreno …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.