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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
-
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: 31 dez. 2025. , 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 2025 dez. 31 ] 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 2025 dez. 31 ] Available from: https://doi.org/10.1016/j.procs.2023.01.435 - A computational infrastructure for analyzing tuberculosis research data in Brazil
- Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models
- 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
- Estudo e aplicações de técnicas de aprendizado de máquina na análise de desfechos inesperados de tuberculose
- Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB)
- From raw data to FAIR data: the FAIRification workflow for brazilian tuberculosis research
- OUTB: application for decision-support in the outcomes of Tuberculosis
- Scaling laws and spatial effects of Brazilian health regions: a research protocol
- Postural qualitative analysis in mouth breath children
Informações sobre o DOI: 10.1016/j.procs.2023.01.435 (Fonte: oaDOI API)
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
