30 de setembro de 2026
Modelagem preditiva para otimização do método Wolbachia
Modelagem Preditiva para Otimização do Método Wolbachia
Cecília Parolim Ferraz; Auberth Henrik Venson
DOI: 10.22167/2675-6528-202602798
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
A otimização do método Wolbachia para controle do Aedes aegypti é um desafio relevante na saúde pública. O estudo analisou os fatores ambientais, operacionais e espaciais que influenciaram a aderência da bactéria Wolbachia em populações de Aedes aegypti, visando otimizar a quantidade de mosquitos liberados. Foi realizado no município de Joinville/SC, com base em seis campanhas de monitoramento entre setembro e dezembro de 2024. Integraram-se dados espaciais, ambientais, populacionais e operacionais, utilizando técnicas de geoprocessamento para criar áreas de influência de 300 metros ao redor dos pontos de monitoramento. A análise empregou um modelo de regressão linear de efeitos mistos para avaliar a influência das variáveis explicativas sobre a proporção de mosquitos com Wolbachia (wMel). Os resultados indicaram que a aderência resultou da interação entre fatores ambientais e operacionais, com influência positiva da umidade relativa do ar e negativa da densidade populacional, além de um efeito positivo da quantidade de mosquitos liberados. Identificou-se um comportamento de saturação, onde aumentos na liberação de mosquitos não geraram ganhos proporcionais de aderência, especialmente em cenários favoráveis. A análise de cenários demonstrou que a quantidade de mosquitos necessária variou conforme as condições ambientais e populacionais, sendo maior em contextos desfavoráveis. Em estágios avançados, fatores ambientais exerceram maior influência sobre a aderência do que a intensidade de soltura. Os resultados reforçaram a importância de estratégias adaptativas e evidenciaram o potencial do modelo como ferramenta de apoio ao planejamento operacional das solturas.
Palavras-chave: Análise espacial; Geoprocessamento; Modelagem preditiva; Otimização operacional; Wolbachia.
1. Introdução
Arboviroses representam um desafio crescente para a saúde pública em regiões tropicais, como o Brasil, onde fatores ambientais favorecem a proliferação do mosquito Aedes aegypti. A Organização Mundial da Saúde (OMS) aponta que a dengue, uma das principais arboviroses, causa mais de 390 milhões de infecções anuais globalmente, com sua incidência em expansão em áreas urbanas densamente povoadas. Este aumento está intrinsecamente ligado a mudanças climáticas, ao processo de urbanização desordenada e à crescente mobilidade humana.
Nesse cenário, o método Wolbachia, desenvolvido pelo World Mosquito Program, emerge como uma abordagem inovadora para mitigar a transmissão dessas doenças. A estratégia envolve a liberação de mosquitos Aedes aegypti infectados com a bactéria Wolbachia, que tem a capacidade de reduzir a competência vetorial do mosquito para transmitir vírus como o da dengue, zika e chikungunya. A eficácia desse método foi demonstrada em Niterói, Rio de Janeiro, onde se observou uma redução de até 69% nos casos de dengue, 56% nos de chikungunya e 37% nos de zika (Utomo et al., 2021; Ryckebusch et al., 2024).
Apesar dos resultados promissores em diversas localidades, a implementação e a otimização do método Wolbachia em larga escala demandam uma compreensão aprofundada dos fatores que influenciam a aderência da bactéria nas populações de mosquitos. A expansão do programa no Brasil, em parceria com o Ministério da Saúde e o World Mosquito Program, inclui o município de Joinville, Santa Catarina. Neste contexto, a necessidade de estratégias inovadoras de controle vetorial é reforçada pelo aumento significativo dos focos de Aedes aegypti em Joinville, que passaram de 292 em 2017 para 9.453 em 2021 (Joinville, 2022). A otimização da quantidade de mosquitos liberados torna-se crucial para a eficiência operacional e a sustentabilidade do programa.
A presente pesquisa adota uma abordagem de modelagem preditiva, baseada em supervised learning, para analisar a relação entre variáveis ambientais, operacionais e espaciais e a proporção de mosquitos com Wolbachia (wMel). O estudo foi conduzido no município de Joinville, que possui aproximadamente 650.000 habitantes e um clima subtropical úmido (IBGE, 2024). Os dados empíricos foram coletados durante seis campanhas de monitoramento realizadas entre setembro e dezembro de 2024, integrando informações espaciais, ambientais, populacionais e operacionais por meio de técnicas de geoprocessamento, incluindo a delimitação de áreas de influência de 300 metros ao redor dos pontos de monitoramento.
A compreensão desses fatores é essencial para aprimorar as estratégias de liberação de mosquitos, otimizando o uso de recursos e maximizando a eficácia do controle vetorial. Este trabalho teve como objetivo analisar a relação entre variáveis ambientais e operacionais, como condições climáticas e parâmetros de soltura, e os níveis de aderência da Wolbachia em Joinville/SC, buscando desenvolver um modelo preditivo capaz de simular cenários de redução na quantidade de mosquitos liberados, mantendo ou maximizando a aderência da bactéria.
2. Material e Métodos
A presente pesquisa adotou uma abordagem de modelagem preditiva, fundamentada em
supervised learning
, para analisar a relação entre variáveis ambientais, operacionais e espaciais e a proporção de mosquitos com Wolbachia (wMel). O estudo foi de natureza quantitativa e exploratória, buscando identificar padrões e relações entre as variáveis para otimizar a quantidade de mosquitos liberados no programa de controle vetorial.
A área de estudo compreendeu o município de Joinville, em Santa Catarina, que possui um clima subtropical úmido e aproximadamente 650.000 habitantes (IBGE, 2024). A coleta de dados empíricos foi realizada durante seis campanhas de monitoramento, que ocorreram entre os meses de setembro e dezembro de 2024, abrangendo pontos fixos de monitoramento distribuídos na região.
Para a construção da base de dados analítica, cada observação correspondeu a um ponto fixo de monitoramento, identificado por um código único. Essa estrutura longitudinal permitiu o acompanhamento repetido dos pontos ao longo do tempo. A variável resposta utilizada foi a proporção de mosquitos com Wolbachia (wMel), expressa em uma escala contínua de zero a um.
As variáveis explicativas consideradas incluíram fatores operacionais, demográficos e ambientais. Entre elas, destacaram-se a quantidade de mosquitos liberados (qtdMosq), a população no entorno dos pontos de monitoramento (qtdPop), a umidade relativa do ar (umidAr) e o número total de mosquitos analisados (total_count), este último empregado como medida do tamanho amostral.
O processo de construção da base analítica envolveu etapas de geoprocessamento para a integração e agregação espacial das variáveis. Para cada ponto de monitoramento, delimitou-se uma área de influência com raio de 300 metros, representando o entorno imediato de atuação dos mosquitos. A partir dessa unidade espacial, agregaram-se informações de diversas bases de dados, incluindo dados populacionais, ambientais e operacionais.
As variáveis espaciais foram derivadas por meio de operações de análise espacial, que incluíram a criação de buffers, a interseção com setores censitários e a agregação de atributos. Essa metodologia garantiu que cada observação refletisse as condições locais específicas do ponto de monitoramento, incorporando informações contextualizadas espacialmente ao modelo.
Na etapa de preparação e tratamento dos dados, elaboraram-se representações espaciais exploratórias, disponíveis nos Anexos A, B, C, D e E do TCC original, para validar e compreender a estrutura inicial dos dados. Em seguida, a base de dados foi importada para o ambiente Python, onde se realizaram a limpeza e a organização dos registros.
Procedeu-se à criação de uma variável numérica de remessa (remessa_num), extraída do identificador textual das campanhas, e de sua versão categórica (remessa_cat), utilizada na modelagem para representar efeitos temporais. As variáveis contínuas selecionadas foram padronizadas por z-score, visando a comparabilidade entre coeficientes e a estabilidade numérica no ajuste do modelo.
Antes da implementação do modelo final, conduziu-se uma análise de multicolinearidade entre as variáveis inicialmente consideradas. Utilizaram-se a matriz de correlação e o Fator de Inflação da Variância (VIF) para essa avaliação. Com base nos resultados, selecionaram-se as variáveis com maior relevância teórica e interpretabilidade para o estudo.
O algoritmo preditivo implementado foi um modelo de regressão linear de efeitos mistos, adequado para a estrutura de dados com medidas repetidas por ponto de monitoramento. No componente de efeitos fixos, incluíram-se as variáveis padronizadas qtdMosq, qtdPop, umidAr, total_count e a variável categórica remessa_cat.
No componente aleatório do modelo, considerou-se um intercepto por ponto de monitoramento (identifier), com o objetivo de capturar a variabilidade não observada entre os pontos. A implementação computacional do modelo foi realizada utilizando a linguagem de programação Python, com o auxílio da biblioteca `statsmodels.formula.api.mixedlm`.
Após o ajuste do modelo, geraram-se diagnósticos com base na análise dos resíduos e na comparação entre valores observados e ajustados, permitindo avaliar a adequação do modelo aos dados. Também se construíram gráficos exploratórios e diagnósticos para verificar padrões e possíveis desvios.
Adicionalmente, simularam-se cenários preditivos com diferentes combinações de variáveis ambientais e populacionais, classificadas como favoráveis, intermediários e desfavoráveis. Para cada cenário, estimaram-se as quantidades de mosquitos necessárias para atingir níveis de aderência de 70%, 80%, 90% e 100%, contribuindo para a análise operacional do método.
Por fim, realizou-se uma análise específica da última campanha de monitoramento (remessa seis), empregando regressão linear simples. O objetivo foi investigar possíveis efeitos de saturação no sistema em estágios mais avançados de implementação, complementando a compreensão da dinâmica da aderência da Wolbachia.
3. Resultados e Discussão
A presente seção detalha os achados da pesquisa sobre a otimização do método Wolbachia para o controle do Aedes aegypti em Joinville/SC, interpretando os resultados à luz dos objetivos propostos e da metodologia aplicada. Os dados revelaram a complexa interação entre fatores ambientais, operacionais e demográficos na aderência da bactéria, com implicações significativas para o planejamento e a execução das campanhas de liberação de mosquitos. A análise permitiu identificar padrões cruciais e desenvolver um modelo preditivo capaz de simular cenários e otimizar a quantidade de mosquitos liberados, visando a máxima eficácia e sustentabilidade do programa.
Inicialmente, observou-se que a aderência da Wolbachia não se comporta de maneira linear em relação à quantidade de mosquitos soltos, sendo influenciada por uma gama de variáveis. Essa compreensão é fundamental para refinar as estratégias de controle vetorial, afastando-se de abordagens genéricas em favor de intervenções mais adaptadas às realidades locais. A capacidade de prever a aderência em diferentes contextos permite uma alocação mais eficiente de recursos, maximizando o impacto das ações de saúde pública no combate às arboviroses.
Contextualização espacial da área de estudo
O estudo foi conduzido no município de Joinville, com foco nas áreas designadas para a operação de soltura de mosquitos com Wolbachia. A distribuição espacial dos pontos de monitoramento, representados pelas ovitrampas utilizadas na sexta campanha de coleta, revelou uma concentração notável em regiões urbanizadas. Essa distribuição reflete uma priorização estratégica de áreas com maior densidade populacional, onde a proliferação do Aedes aegypti e a transmissão de arboviroses tendem a ser mais intensas. A população influente em um raio de 300 metros ao redor de cada ponto de monitoramento variou, com classes que iam de 111 a 2821 habitantes, indicando a diversidade demográfica das áreas sob intervenção.
A análise da cobertura espacial das unidades amostrais demonstrou que as áreas de influência de 300 metros ao redor dos pontos de monitoramento se sobrepõem significativamente. Essa sobreposição resultou em uma cobertura contínua nas regiões de maior densidade de pontos, o que reforça a representatividade espacial dos dados empregados na modelagem. Tal detalhamento espacial foi crucial para capturar as condições locais específicas que poderiam influenciar a dinâmica de dispersão e o estabelecimento da Wolbachia, fornecendo uma base robusta para as análises subsequentes.
O nível de detalhamento espacial adotado na construção das variáveis explicativas foi elevado, incorporando elementos como a densidade de edificações e a extensão de corpos hídricos dentro do raio de 300 metros de cada ponto de monitoramento. Essa abordagem permitiu uma compreensão mais granular da relação entre o ambiente físico e a aderência da Wolbachia. A integração dessas informações contextuais foi essencial para o desenvolvimento de um modelo preditivo que considerasse as particularidades de cada localidade, indo além de uma análise puramente agregada.
Desempenho do modelo
O modelo de regressão linear de efeitos mistos desenvolvido demonstrou uma capacidade adequada para representar a complexa relação entre as variáveis explicativas e a aderência da Wolbachia. A comparação entre os valores observados e os valores ajustados pelo modelo indicou uma boa aderência geral, especialmente na faixa de valores mais elevados da proporção de mosquitos com Wolbachia (wMel). Isso sugere que o modelo possui maior precisão em cenários onde a estabilização da Wolbachia já está em um estágio avançado, o que é um achado relevante para a gestão operacional do programa.
A robustez do modelo em prever a aderência em níveis mais altos de wMel é particularmente útil para o planejamento de longo prazo, onde o objetivo é manter a bactéria em patamares elevados na população de mosquitos. Embora a aderência geral tenha sido satisfatória, a performance do modelo em diferentes faixas de aderência aponta para a necessidade de considerar as fases de implementação do programa ao aplicar as previsões. A capacidade de identificar cenários de alta estabilização permite direcionar recursos para a manutenção da aderência, enquanto em fases iniciais, outras estratégias podem ser mais adequadas.
Diagnóstico do modelo
A análise dos resíduos foi realizada para avaliar a adequação do modelo, revelando que a variabilidade do erro não se manteve constante ao longo da faixa de valores previstos. Observou-se que a dispersão dos resíduos foi maior em níveis intermediários de aderência, o que sugere uma heterocedasticidade em certas faixas da variável resposta. Essa característica indica que a precisão das previsões pode variar dependendo do nível de aderência da Wolbachia, sendo potencialmente menos precisa em estágios de transição ou de menor estabilização.
A distribuição dos resíduos apresentou uma concentração próxima a zero, o que é um indicativo positivo da ausência de viés sistemático no modelo. No entanto, notou-se uma assimetria negativa na distribuição, apontando para uma maior frequência de erros negativos. Isso significa que o modelo tendeu a superestimar a aderência em algumas situações, embora a magnitude desses erros não tenha comprometido a aplicabilidade geral do modelo para fins preditivos. A compreensão dessas características dos resíduos é essencial para interpretar as previsões com a devida cautela e para futuras melhorias do modelo.
Apesar das características observadas na análise dos resíduos, o modelo demonstrou ser adequado para fins preditivos, especialmente considerando a natureza da variável resposta, que é limitada ao intervalo entre 0 e 1. A capacidade do modelo de capturar a dinâmica da aderência da Wolbachia, mesmo com alguma variabilidade no erro, reforça sua utilidade como ferramenta de apoio à decisão. A interpretação dos resultados, portanto, não se baseia exclusivamente em testes de significância estatística, mas também na coerência dos efeitos observados e na aplicabilidade operacional dos padrões identificados.
Relação entre variáveis e aderência da Wolbachia
A análise da relação entre a população no entorno dos pontos de monitoramento e a aderência da Wolbachia revelou uma tendência negativa. Esse achado sugere que, em ambientes com maior densidade populacional, o estabelecimento da bactéria pode ser mais desafiador. Tal dificuldade pode ser atribuída à maior complexidade ecológica e à dinâmica populacional do vetor nesses contextos, onde fatores como a disponibilidade de criadouros, a mobilidade humana e a diversidade genética dos mosquitos podem influenciar a taxa de infecção e a dispersão da Wolbachia.
Por outro lado, a quantidade de mosquitos soltos apresentou uma relação positiva com a aderência da Wolbachia, indicando que o aumento na liberação de mosquitos contribui para a elevação da proporção de indivíduos infectados. Contudo, observou-se uma elevada dispersão dos dados, o que sugere que a aderência não depende exclusivamente da intensidade de soltura. Essa dispersão reforça a ideia de que outros fatores, como as condições ambientais e a densidade populacional, interagem com a quantidade de mosquitos liberados para determinar o sucesso da intervenção.
A umidade relativa do ar também se mostrou uma variável com influência positiva na aderência da Wolbachia, enquanto a densidade populacional exerceu uma influência negativa. Esses resultados sublinham a importância de considerar as condições climáticas e demográficas ao planejar as campanhas de liberação. Ambientes com maior umidade relativa podem favorecer a sobrevivência e a reprodução dos mosquitos infectados, enquanto áreas densamente povoadas podem apresentar desafios adicionais para a estabilização da bactéria, exigindo ajustes nas estratégias de soltura.
Efeito temporal
A análise da aderência da Wolbachia ao longo das remessas de monitoramento evidenciou um comportamento de evolução temporal do sistema. As remessas iniciais, particularmente a segunda, apresentaram maior variabilidade e uma ampla dispersão dos valores de aderência. Isso sugere que, nas fases iniciais de implementação do programa, a estabilização da bactéria na população de mosquitos é mais heterogênea e suscetível a flutuações, refletindo a fase de introdução e adaptação do sistema.
Em contraste, as remessas mais recentes demonstraram uma maior concentração de valores próximos à aderência máxima, com a proporção de mosquitos com Wolbachia (wMel) tendendo a 1. Esse padrão indica uma clara tendência de estabilização do processo ao longo do tempo. Tal comportamento sugere um efeito acumulativo das liberações sucessivas, resultando em níveis mais elevados e consistentes de aderência nas fases mais avançadas do programa. Este achado reforça a hipótese de que a introdução da Wolbachia é um processo progressivo, dependendo da continuidade e da persistência das liberações ao longo do tempo para alcançar a estabilidade desejada.
Análise de cenários
A análise de cenários permitiu quantificar a quantidade de mosquitos necessária para atingir diferentes níveis de aderência da Wolbachia sob condições ambientais e populacionais distintas. Os resultados indicaram que, em cenários favoráveis, menores quantidades de mosquitos são suficientes para alcançar os níveis de aderência desejados. Por exemplo, para metas de aderência de 0,7, 0,8, 0,9 e 1,0 em cenários favoráveis, a quantidade necessária de mosquitos foi de 6.198.
Em cenários intermediários, observou-se um aumento gradual na necessidade operacional. Para metas de aderência de 0,7, 0,8 e 0,9, a quantidade de mosquitos permaneceu em 6.198. No entanto, para atingir uma aderência de 1,0 em cenários intermediários, a quantidade de mosquitos necessária aumentou significativamente para 89.578. Essa variação destaca a sensibilidade do sistema às condições ambientais e populacionais, mesmo em contextos que não são considerados totalmente desfavoráveis.
Em cenários desfavoráveis, as quantidades de mosquitos necessárias foram significativamente maiores. Para metas de aderência de 0,7 e 0,8, a quantidade foi de 6.198, mas para 0,9, subiu para 45.789, e para 1,0, atingiu 184.956 mosquitos. Esses dados reforçam a importância de adaptar as estratégias de liberação às condições locais, evitando uma abordagem única que pode ser ineficiente em contextos mais desafiadores. A capacidade de estimar essas quantidades permite um planejamento mais preciso e otimizado dos recursos.
Independentemente do cenário, a análise revelou um comportamento de saturação, onde aumentos adicionais na quantidade de mosquitos liberados resultam em ganhos reduzidos na aderência. Esse efeito de saturação indica que há um ponto a partir do qual a intensificação das solturas não gera incrementos proporcionais na proporção de mosquitos com Wolbachia. Compreender esse limite é crucial para evitar o desperdício de recursos e para focar em outras estratégias quando o sistema se aproxima do seu ponto de equilíbrio.
Análise da remessa 6 e efeito de saturação
A análise específica da remessa 6, que corresponde ao estágio mais avançado da intervenção, evidenciou de forma clara o efeito de saturação do sistema. A relação entre a quantidade de mosquitos soltos e a aderência da Wolbachia nesta remessa apresentou uma inclinação reduzida, indicando a presença de ganhos marginais decrescentes. Isso significa que, em fases mais maduras do programa, a cada mosquito adicional liberado, o incremento na aderência da bactéria é menor, caracterizando um ponto de retorno decrescente.
Esse comportamento sugere que, em níveis elevados de aderência, o sistema tende a um estado de equilíbrio, no qual aumentos adicionais na intensidade de soltura apresentam impacto limitado. Em outras palavras, a partir de um certo patamar, a população de mosquitos já está amplamente infectada, e a introdução de mais mosquitos com Wolbachia não resulta em uma mudança significativa na proporção geral. Essa observação é vital para a otimização operacional, pois direciona a atenção para a manutenção da aderência em vez de um aumento indefinido na quantidade de solturas.
A identificação desse efeito de saturação na remessa mais avançada do monitoramento tem implicações práticas importantes. Ela sugere que, em estágios avançados de implementação, os fatores ambientais podem passar a exercer uma influência maior sobre a aderência da Wolbachia do que a própria intensidade de soltura. Isso implica que, uma vez atingido um certo nível de estabilização, a gestão do programa deve focar mais na adaptação às condições ambientais e na manutenção da aderência, em vez de simplesmente aumentar o número de mosquitos liberados.
De forma geral, os resultados obtidos demonstram que a aderência da Wolbachia é influenciada por múltiplos fatores e apresenta um comportamento não linear, o que exige uma abordagem adaptativa no planejamento das intervenções. O modelo desenvolvido mostrou-se adequado para fins preditivos e operacionais, permitindo identificar relações relevantes entre variáveis como umidade relativa do ar, densidade populacional e quantidade de mosquitos liberados. A principal contribuição do estudo reside na identificação do efeito de saturação e na possibilidade de estimar quantitativos de soltura mais eficientes, considerando diferentes cenários ambientais e operacionais, o que responde diretamente ao objetivo de otimizar a quantidade de mosquitos liberados mantendo ou maximizando a aderência da bactéria.
4. Conclusão
O presente estudo buscou analisar a relação entre variáveis ambientais, operacionais e espaciais e a proporção de mosquitos com Wolbachia (wMel) em Joinville/SC, visando otimizar a quantidade de mosquitos liberados. Verificou-se que a aderência da Wolbachia resultou da interação complexa entre fatores como a umidade relativa do ar, que exerceu influência positiva, e a densidade populacional, que demonstrou efeito negativo. Observou-se também que a quantidade de mosquitos soltos impactou positivamente a aderência, contudo, identificou-se um comportamento de saturação, onde aumentos adicionais na liberação não geraram ganhos proporcionais, especialmente em cenários favoráveis. A análise de cenários demonstrou que a quantidade de mosquitos necessária para atingir metas de aderência variou significativamente conforme as condições ambientais e populacionais, sendo maior em contextos desfavoráveis. Em estágios avançados do programa, os fatores ambientais passaram a exercer maior influência sobre a aderência do que a intensidade de soltura. A principal contribuição prática deste trabalho reside no desenvolvimento de um modelo preditivo capaz de simular cenários e estimar quantitativos de soltura mais eficientes, apoiando o planejamento operacional e a otimização do uso de recursos no controle vetorial.
Apesar da robustez do modelo em prever a aderência em níveis mais elevados de wMel, identificou-se como limitação a heterocedasticidade dos resíduos em níveis intermediários de aderência, sugerindo menor precisão em fases de transição. Adicionalmente, a análise dos resíduos indicou uma tendência do modelo a superestimar a aderência em algumas situações, e a dependência da qualidade dos dados e a variabilidade espaço-temporal das condições ambientais foram reconhecidas. Para estudos futuros, sugere-se aprimorar o modelo para mitigar a heterocedasticidade e investigar a influência de fatores não observados que possam impactar a aderência da Wolbachia, bem como explorar estratégias de adaptação às condições ambientais em fases avançadas do programa. Tais investigações podem refinar ainda mais as estratégias de liberação de mosquitos, maximizando a eficácia e a sustentabilidade do método Wolbachia.
Referências Bibliográficas
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Cidades: Joinville (SC). 2024. Disponível em: <https://cidades.ibge.gov.br/brasil/sc/joinville/panorama>. Acesso em: 28 out. 2025.
JOINVILLE (SC). Plano Municipal de Saúde de Joinville: 2022–2025. Joinville: Secretaria Municipal da Saúde, 2022. Disponível em: <https://www.joinville.sc.gov.br/wp-content/uploads/2022/11/Plano-Municipal-de-Saude-de-Joinville-2022-2025-versao-final.pdf>. Acesso em: 1 nov. 2025.
RYCKEBUSCH, F. et al. Effectiveness of Wolbachia-infected mosquito deployments in reducing the incidence of dengue and other Aedes-borne diseases in Niterói, Brazil: a quasi-experimental study. The Lancet Global Health, v. 12, n. 2, p. e301-e311, 2024. DOI: 10.1016/S2214-109X(23)00414-8.
UTOMO, S. et al. Effectiveness of Wolbachia-infected mosquito deployments in reducing the incidence of dengue and other Aedes-borne diseases in Niterói, Brazil: a quasi-experimental study. PLoS Global Public Health, v. 1, n. 7, e0000039, 2021. DOI: 10.1371/journal.pgph.0000039.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

