Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario (2023)
- Authors:
- USP affiliated authors: ALVES, DOMINGOS - FMRP ; MOZINI, MARIANA TAVARES - FMRP ; SEGAMARCHI, RENAN BARBIERI - FMRP ; CASSÃO, VICTOR - Interunidades em Bioengenharia ; MIOTO, ANA CLARA DE ANDRADE - Interunidades em Bioengenharia
- Unidades: FMRP; Interunidades em Bioengenharia
- DOI: 10.1016/j.procs.2023.01.435
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; COVID-19; VACINAÇÃO
- Keywords: Vaccination; Dynamic time warping; Time series clustering; Unsupervised analysis
- Language: Inglês
- Imprenta:
- Source:
- Título: Procedia Computer Science
- ISSN: 1877-0509
- Volume/Número/Paginação/Ano: v. 219, p. 1453-1461, 2023
- Conference titles: International Conference on ENTERprise Information Systems - CENTERIS
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
CASSÃO, Victor et al. Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.procs.2023.01.435. Acesso em: 12 abr. 2026. , 2023 -
APA
Cassão, V., Alves, D., Mioto, A. C. de A., Mozini, M. T., Segamarchi, R. B., & Miyoshi, N. S. B. (2023). Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. doi:10.1016/j.procs.2023.01.435 -
NLM
Cassão V, Alves D, Mioto AC de A, Mozini MT, Segamarchi RB, Miyoshi NSB. Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario [Internet]. Procedia Computer Science. 2023 ; 219 1453-1461.[citado 2026 abr. 12 ] Available from: https://doi.org/10.1016/j.procs.2023.01.435 -
Vancouver
Cassão V, Alves D, Mioto AC de A, Mozini MT, Segamarchi RB, Miyoshi NSB. Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario [Internet]. Procedia Computer Science. 2023 ; 219 1453-1461.[citado 2026 abr. 12 ] Available from: https://doi.org/10.1016/j.procs.2023.01.435 - Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models
- A computational infrastructure for analyzing tuberculosis research data in Brazil
- Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends
- Unsupervised analysis of COVID-19 pandemic evolution in brazilian states
- Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB)
- Estudo e aplicações de técnicas de aprendizado de máquina na análise de desfechos inesperados de tuberculose
- OUTB: application for decision-support in the outcomes of Tuberculosis
- From raw data to FAIR data: the FAIRification workflow for brazilian tuberculosis research
- Knowledge discovery in databases: comorbidities in tuberculosis cases
- Scaling laws and spatial effects of Brazilian health regions: a research protocol
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003200507.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
