Guilherme Lopes de Oliveira

Matemática

A subnotificação de dados é um problema preocupante, especialmente no contexto de estudos epidemiológicos e de saúde pública. O fenômeno ocorre com maior frequência em regiões socialmente vulneráveis e impede a avaliação adequada da incidência de doenças, por exemplo. O projeto do estatístico Guilherme Lopes de Oliveira aborda este problema, visando propor novas metodologias que permitam a correção da subnotificação dos dados em níveis geográficos locais e ao longo do tempo.

Nascido em Paraopeba e apaixonado pelo Atlético Mineiro, o pesquisador encontrou na estatística uma ferramenta poderosa para abordar problemas complexos da sociedade. Na Universidade Federal de Minas Gerais realizou a graduação, mestrado e doutorado em estatística. Sua tese foi reconhecida em duas premiações: menção honrosa no Prêmio CAPES e premiada pela Associação Brasileira de Estatística.

Pioneiro no título de doutorado em sua família, desde criança o cientista demonstrava uma vocação para o ensino. A brincadeira favorita era improvisar aulas para sua irmã mais nova. Atualmente professor do Centro Federal de Educação Tecnológica de Minas Gerais, ele continua a inspirar novos talentos e a demonstrar que a estatística pode estar a serviço da saúde pública.

Chamadas

Chamada 7
Array
(
    [0] => WP_Post Object
        (
            [ID] => 13974
            [post_author] => 10
            [post_date] => 2024-10-01 19:24:10
            [post_date_gmt] => 2024-10-01 19:24:10
            [post_content] => A demanda por indicadores de saúde em níveis espaciais mais desagregados tem crescido em todo o mundo, sobretudo por influência dos Objetivos de Desenvolvimento Sustentável das Nações Unidas para 2023 (ODS-ONU) relacionados à erradicação da pobreza, redução das desigualdades e promoção da qualidade em saúde e bem-estar. Contudo, vários indicadores relacionados à doenças infecciosas não podem ser monitorados de forma confiável em regiões menos desenvolvidas devido à subnotificação de casos. Este projeto visa desenvolver novas técnicas de modelagem estatística para estimar a incidência de doenças infecciosas ao longo do tempo em regiões com populações pequenas e má qualidade dos dados. Neste contexto, é comum a observação de uma grande quantidade de contagens nulas de casos dentre as regiões analisadas, gerando o que é chamado de inflação de zeros. Assim, serão explorados modelos que consideram tal característica dos dados, além da sua heterogeneidade espacial e temporal. As novas metodologias podem contribuir para a compreensão do progresso dos indicadores relacionados à saúde, abrangendo as especificidades de cada área e orientando a definição de políticas governamentais adequadas de controle e a distribuição eficiente dos recursos financeiros, especialmente em países subdesenvolvidos, visando atingir as metas dos ODS-ONU. 
            [post_title] => Modelos espaço-temporais discretos com inflação de zeros: como lidar com a subnotificação de casos de doenças infecciosas em pequenas áreas?
            [post_excerpt] => 
            [post_status] => publish
            [comment_status] => closed
            [ping_status] => closed
            [post_password] => 
            [post_name] => modelos-espaco-temporais-discretos-com-inflacao-de-zeros-como-lidar-com-a-subnotificacao-de-casos-de-doencas-infecciosas-em-pequenas-areas
            [to_ping] => 
            [pinged] => 
            [post_modified] => 2025-04-01 14:03:51
            [post_modified_gmt] => 2025-04-01 14:03:51
            [post_content_filtered] => 
            [post_parent] => 0
            [guid] => https://serrapilheira.org/?post_type=projeto&p=13974
            [menu_order] => 0
            [post_type] => projeto
            [post_mime_type] => 
            [comment_count] => 0
            [filter] => raw
        )

)

Projetos

Modelos espaço-temporais discretos com inflação de zeros: como lidar com a subnotificação de casos de doenças infecciosas em pequenas áreas?
Ciência / Matemática

A demanda por indicadores de saúde em níveis espaciais mais desagregados tem crescido em todo o mundo, sobretudo por influência dos Objetivos de Desenvolvimento Sustentável das Nações Unidas para 2023 (ODS-ONU) relacionados à erradicação da pobreza, redução das desigualdades e promoção da qualidade em saúde e bem-estar. Contudo, vários indicadores relacionados à doenças infecciosas não podem ser monitorados de forma confiável em regiões menos desenvolvidas devido à subnotificação de casos. Este projeto visa desenvolver novas técnicas de modelagem estatística para estimar a incidência de doenças infecciosas ao longo do tempo em regiões com populações pequenas e má qualidade dos dados. Neste contexto, é comum a observação de uma grande quantidade de contagens nulas de casos dentre as regiões analisadas, gerando o que é chamado de inflação de zeros. Assim, serão explorados modelos que consideram tal característica dos dados, além da sua heterogeneidade espacial e temporal. As novas metodologias podem contribuir para a compreensão do progresso dos indicadores relacionados à saúde, abrangendo as especificidades de cada área e orientando a definição de políticas governamentais adequadas de controle e a distribuição eficiente dos recursos financeiros, especialmente em países subdesenvolvidos, visando atingir as metas dos ODS-ONU.

Recursos investidos

Grant 2024: R$ 545.500,00 (R$395.500,000 + R$ 150.000,00 de bônus opcional destinados à integração e formação de pessoas de grupos sub-representados na ciência)

Instituições

  • Centro Federal de Educação Tecnológica de Minas Gerais
  • Temas
  • epidemiologia
  • modelos computacionais
  • saúde pública
  • tratamento de dados