Solange Nice Alves de Souza.

O projeto busca a partir das políticas Públicas vigentes e em execução relativas ao controle das arboviroses urbanas, promover avanços ao conhecimento e aprimoramento, relativos às análises de dados que buscam melhoria na tomada de decisão em tempo hábil e de forma precisa e efetiva. As diretrizes nacionais definem as responsabilidades com relação às arboviroses urbanas, o Estado acompanha e avalia os municípios para o cumprimento das metas e objetivos estabelecidos, e os municípios por sua vez, dentro de seu território, têm a responsabilidade de gerenciar essa vigilância, bem como investir na sua implementação, estabelecendo indicadores de acompanhamento e avaliação. Uma das premissas do município é facilitar a integração de todas as ações em seu território, incentivando a participação de pessoas e áreas, focando em processos de trabalho na busca de resultados. Considerando que há uma enorme quantidade de dados brutos no município, faz-se necessário, para que as melhores decisões sejam tomadas, que o gestor tenha em mãos informações corretas e de qualidade, e essa informação depende de uma adequada integração entre os bancos que fornecem os dados para análise. Com base nisso, este projeto traz como objetivos a criação de plataforma baseada em tecnologias Big Data que integre funcionalmente as bases de dados relacionadas às arboviroses urbanas, incorporando ferramentas como inteligência artificial e modelos preditivos nas análises de consistência e coerência das informações, além da visualização da informação. O projeto, multidisciplinar e interinstitucional, utilizará métodos qualitativos e quantitativos e ciência dos dados, buscando por padrões e indicadores que serão utilizados na construção de modelos explanatórios e preditivos para orientar as políticas públicas. A metodologia utilizada no projeto será composta por três subtemas: Big Data (integração e gestão de dados); Modelos preditivos e explicativos (avaliação e análise da transmissão de arboviroses); e Área de Infovis (integração e visualização de informações para usuários e gestores). Os resultados científicos que serão obtidos são: plataforma de dados; mapas com o perfil da frequência de transmissão de arboviroses; relação entre transmissão e seus fatores de influência; mapas temáticos de casos de arboviroses representando as taxas de incidência de arboviroses no espaço e no tempo; algoritmos de apoio à decisão; aplicativos para a população; e dashboards para visualização de dados de arboviroses. A divulgação dos resultados será feita em reuniões e seminários com os gestores, mostrando os principais resultados e desafios e discutindo sua aplicação no contexto do programa, além da divulgação através de publicações em periódicos científicos de alto impacto e congressos. A implementação do proposto neste projeto em nível local trará benefícios relativos às inovações de estratégias de vigilância para arboviroses urbanas no município, com a possibilidade, uma vez que bem sucedido, da expansão e incorporação dos produtos obtidos como política pública estadual e federal. A organização do projeto prevê fases com participação ativa das diversas equipes envolvidas em cada uma das fases e sobreposição e troca de conhecimentos durante todo o processo. Com ênfase na multi e interdisciplinaridade, as instituições colaboradoras, trabalharão cada um dentro de sua expertise, direcionando os esforços para as perguntas voltadas aos processos de gestão públicas envolvidos. Assim, a médio e longo prazo pode-se desenvolver um data warehouse integrado de saúde, permitindo consultas e análises avançadas, fornecendo um sofisticado painel de inteligência de saúde para apoiar a elaboração de políticas baseadas em evidências para os processos de gestão pública.

O objetivo deste projeto é promover a governança de dados de indicadores de políticas públicas em saúdes, e assim, dando continuidade ao projeto GOVIPPS (2021-2022).

O objetivo deste projeto é implantar a governança de dados de IPPS no âmbito do Departamento de Monitoramento e Avaliação do Sistema Único de Saúde (DEMAS/SE/MS). 
O público alvo dos resultados deste projeto são gestores de saúde, executivos do Ministério da Saúde e os servidores do DEMAS, caracterizados pela Coordenação Geral de Monitoramento e Avaliação (CGMA) e pela Coordenação Geral de Informação Estratégica (CGGIE)

O objetivo deste projeto é fazer um diagnóstico do cenário atual e propor o modelo de governança e qualidade dos dados. Para tal, foi considerado o escopo de políticas públicas apoiadas pelo Ministério da Saúde. O projeto foi feito sobre um piloto, que definiu o escopo das políticas públicas consideradas. As informações sobre tais políticas são visualizadas na Sala de Apoio à Gestão Estratégica (SAGE) do Ministério da Saúde.

Este projeto visa avaliar problemas de qualidade de dados nos contextos da saúde e de biodiversidade e propor soluções apropriadas para mitigar os problema de qualidade de dados identificados. No contexto da saúde, códigos de diagnósticos mal documentados causam erros nas classificações de pacientes e hospitais e no embasamento de modelos de custos do paciente. Essas classificações e modelos de custos são baseados na codificação de diagnósticos secundários, que é feita geralmente de forma manual e com base em registros clínicos e laudos de procedimentos. O processo manual é lento, propenso a erros e exige grande esforço. Além disso, há evidência de problemas de qualidade nos dados de registros clínicos como ausência e ambiguidade. O tratamento da qualidade dos dados clínicos e de laudos de procedimentos são essenciais para a automação bem-sucedida da codificação automática dos diagnósticos secundários. No contexto da biodiversidade, modelos de distribuição de espécies se tornaram uma ferramenta importante na gestão de conservação. No entanto, problemas de qualidade nos dados utilizados na modelagem de distribuição de espécies resultam em modelos imprecisos e que não refletem o real padrão da distribuição. Como consequência, estratégias de conservação baseadas em modelos de distribuição gerados por dados enviesados, podem resultar no desperdício de recursos financeiros ou perda importante de biodiversidade.

Nos últimos anos aumentaram vertiginosamente a geração de dados e as oportunidades associadas com sua análise. Muitos desses dados estão vindo de redes sociais, blogs, fotos e vídeos, além de servidores e/ou sistemas que gravam logs de navegação e qualquer ação relevante de usuários que estão visitando a web. O termo Big Data reflete as características destes dados e os requisitos para sua gestão, a qual é mais complexa, dado o volume, a variedade e a velocidade necessária para o processamento desses dados. Tirar proveito dessa enorme quantidade de dados é uma tarefa extremante complexa para o ser humano sem o auxílio computacional. Sistemas de recomendação tem o propósito de auxiliar o usuário a encontrar artefatos (produtos, documentos, informações, serviços) que podem interessá-lo. Como a recomendação se baseia em dados sobre o usuário, em cenários de cold-start, onde não existem informações disponíveis sobre o mesmo, a recomendação se torna um problema de maior complexidade. O problema de cold-start tem recebido bastante atenção e várias propostas têm sido apresentadas na literatura, contudo ainda não existe uma solução que possa ser aplicada a qualquer domínio ou situação. Neste cenário, dados extraídos de redes sociais são uma fonte de informação valiosa que possibilita recomendações assertivas para o usuário. Este projeto apresenta uma solução para o contexto de cold-start utilizando somente dados extraídos de redes sociais.

quando necessitamos, por exemplo, unir dados espalhados em diversos meios de armazenamento (planilhas, SGBDs, arquivos, etc.) na tentativa de gerar um banco de dados corporativo dentro de uma empresa, ou coletar dados vindos de uma ou mais fontes para a geração de um armazém de dados (Data Warehouse), ou de um sistema de CRM (Customer Relationship Management), para a extração de informações estratégicas para o futuro de um empreendimento, ou ainda quando precisamos migrar dados dentro de um processo de manutenção de dados (ISO/IEC 1995) na substituição de um sistema existente, em geral, nos deparamos com as seguintes indagações: qual a acurácia do dado que está registrado? Quão correto ele é? Como ele foi gerado? Qual o seu real significado? Para responder a estes questionamentos métodos, processos e ferramentas têm sido desenvolvidos como produto das pesquisas. Contudo, faltavam muitas vezes dados para seu emprego em ambientes reais. Este projeto visou a avaliação do emprego real de algumas dessas metodologias em ambientes de negócio com o intuito de validar benefícios e propor melhorias aos processos para facilitar sua utilização.

O objetivo foi pesquisar o tratamento de objetos em banco de dados, incluindo o mapeamento de objetos da aplicação para objetos de banco de dados, além dos recursos existentes em SGBDs para manipulação de objetos nos gerenciadores existentes de forma a eliminar o descasamento de impedância existente entre a camada de aplicação e a base de dados.
A pesquisa explorou a utilização dos novos tipos de dados e recursos disponíveis em SGBDOR, incluindo formas de mapeamentos apropriados entre modelos de dados conceituais e o modelo lógico para SGBDORs e vice-versa. Existe uma definição muito clara e padronizada quando se faz o mapeamento para SGBDRs dos conceitos, objetos e restrições de um Universo de Discurso (UoD) representados por um modelo de conceitual, seja um Modelo Entidade-Relacionamento (MER), ou um modelo de classe descrito pela Unified Modelling Language (UML). Porém, o mesmo não é observado para o contexto de SGBDORs. Assim, a pesquisa considerou os novos tipos de dados e as características especificadas pela SQL:2003 e que estão presentes num SGBDOR. Outro resultado foi um Framework para mapeamento de objetos da aplicação em objetos de banco de dados.

O projeto investiga modelos de dados para manipulação de tempo, extensões da SQL e suporte pelo SGBD para suporte a tempo válido e de transação.