Maria Clara Da Silva Maia
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Maria Clara Da Silva Maia has a total of 7 co-authors. Here are the top co-authors by number of shared publications:
- Antonio Manoel Ferreira Raymundo
Universidade Federal da Fronteira Sul
2 shared publications - Daiane Conceição De Araújo
Universidade Federal da Fronteira Sul
2 shared publications - Daniela Teixeira Borges
Universidade Federal da Fronteira Sul
2 shared publications - Kelly De Almeida Schlager
Universidade Federal da Fronteira Sul
2 shared publications - Ketlin Angelin
Universidade Federal da Fronteira Sul
2 shared publications - Lídhia Cainnã de Souza Araújo
Universidade Federal da Fronteira Sul
2 shared publications
Latest Publications
- Open Access
- 2 January 2026
- Published by Instituto para o Desenvolvimento da Educacao in Journal of Health & Biological Sciences
- Vol. 14 (1) , e6617
Estimates of gestational syphilis in Brazil using mathematical and artificial intelligence models
Objetivo: estimar novos casos de sífilis em gestantes no Brasil entre 07/2024 e 06/2027 utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA), Memória de Curto-Longo Prazo (LSTM) e Suavização Exponencial Complexa (CES). Métodos: foram utilizados dados do Sistema de Informação de Agravos de Notificação referentes às notificações mensais entre janeiro de 2014 e junho de 2024. A validação ocorreu pelas métricas Erro Percentual Absoluto Médio (MAPE), Raiz do Erro Quadrático Médio (RMSE) e Erro Absoluto Médio (MAE). A implementação foi em Python. Resultados: a série não foi estacionária pelo teste de Dickey-Fuller aumentado, teve tendência crescente pelo teste de Mann-Kendall e autocorrelação dos dados pelo teste de Ljung-Box. O SARIMA (RMSE = 987; MAPE = 11%; MAE = 726) e o CES (RMSE = 1225; MAPE = 14%; MAE = 875) tiveram bom desempeno nas métricas de erro, mostrando-se adequados para a série em questão. Porém, o LSTM (RMSE = 811; MAPE = 9%; MAE = 610) foi superior a ambos. Até maiode 2027, os modelos divergiram em suas previsões. O SARIMA enxergou queda de casos, e o CES, alta. O LSTM estimou uma diminuição seguida de aumento de notificações. Conclusões: todos os modelos testados mostraram-se confiáveis para prever os casos de sífilis em gestantes para os próximos 3 anos no Brasil, mas o LSTM demonstrou maior precisão. Portanto, recomenda-se seu uso na tomada de decisão dos gestores públicos.
- 2 January 2026
- Published by Instituto para o Desenvolvimento da Educacao in Journal of Health & Biological Sciences
- Vol. 14 (1) , e6617
Open AccessEstimates of gestational syphilis in Brazil using mathematical and artificial intelligence models
Objetivo: estimar novos casos de sífilis em gestantes no Brasil entre 07/2024 e 06/2027 utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA), Memória de Curto-Longo Prazo (LSTM) e Suavização Exponencial Complexa (CES). Métodos: foram utilizados dados do Sistema de Informação de Agravos de Notificação referentes às notificações mensais entre janeiro de 2014 e junho de 2024. A validação ocorreu pelas métricas Erro Percentual Absoluto Médio (MAPE), Raiz do Erro Quadrático Médio (RMSE) e Erro Absoluto Médio (MAE). A implementação foi em Python. Resultados: a série não foi estacionária pelo teste de Dickey-Fuller aumentado, teve tendência crescente pelo teste de Mann-Kendall e autocorrelação dos dados pelo teste de Ljung-Box. O SARIMA (RMSE = 987; MAPE = 11%; MAE = 726) e o CES (RMSE = 1225; MAPE = 14%; MAE = 875) tiveram bom desempeno nas métricas de erro, mostrando-se adequados para a série em questão. Porém, o LSTM (RMSE = 811; MAPE = 9%; MAE = 610) foi superior a ambos. Até maiode 2027, os modelos divergiram em suas previsões. O SARIMA enxergou queda de casos, e o CES, alta. O LSTM estimou uma diminuição seguida de aumento de notificações. Conclusões: todos os modelos testados mostraram-se confiáveis para prever os casos de sífilis em gestantes para os próximos 3 anos no Brasil, mas o LSTM demonstrou maior precisão. Portanto, recomenda-se seu uso na tomada de decisão dos gestores públicos.
- Open Access
- 2 January 2026
- Published by Instituto para o Desenvolvimento da Educacao in Journal of Health & Biological Sciences
- Vol. 14 (1) , e6208
Previsão de novos casos de sífilis adquirida no Brasil utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA) e de Memória em Curto e Longo Prazo (LSTM)
Objetivo: estimar novos casos de sífilis adquirida no Brasil, utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA), de Memória em Curto-Longo Prazo (LSTM) e a média aritmética entre eles. Métodos: foram analisados dados do Sistema de Informação de Agravos de Notificação referentes às notificações mensais entre 2014 e 2023. A validação utilizou o Erro Percentual Absoluto Médio (MAPE), a Raiz do Erro Quadrático Médio (RMSE) e o Erro Absoluto Médio (MAE). Resultados: a série apresentou tendência crescente e sazonalidade anual. Foi não estacionária (ADF p = 0,659) e exibiu autocorrelação (Ljung-Box p < 0,001). O modelo SARIMA (0,1,2)(0,0,1)[12] e LSTM foram comparados. Ambos apresentaram resíduos aleatórios (Ljung-Box: SARIMA p = 0,068; LSTM p = 0,321). As métricas foram próximas, com leve vantagem do SARIMA (RMSE 2.232 vs 2.422; MAE 1.891 vs 1.922; MAPE 10%). A média aritmética obteve melhores resultados em todos os índices de erro e independência do ruído. As previsões do SARIMA estabilizam em 19,8 mil casos a partir de março de 2025, enquanto as do LSTM declinam até 18,96 mil no mesmo período. Observaram-se tendência deaumento em todos os recortes populacionais e só existiu presença de autocorrelação dos dados no recorte de região, indicando necessidade de ver o todo para compreensão das partes. Conclusões: ambos os modelos foram adequados para estimar casos de sífilis adquirida, sem diferença marcante de precisão, com a média aritmética aumentando ainda mais a confiabilidade das previsões.
- 2 January 2026
- Published by Instituto para o Desenvolvimento da Educacao in Journal of Health & Biological Sciences
- Vol. 14 (1) , e6208
Open AccessPrevisão de novos casos de sífilis adquirida no Brasil utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA) e de Memória em Curto e Longo Prazo (LSTM)
Objetivo: estimar novos casos de sífilis adquirida no Brasil, utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA), de Memória em Curto-Longo Prazo (LSTM) e a média aritmética entre eles. Métodos: foram analisados dados do Sistema de Informação de Agravos de Notificação referentes às notificações mensais entre 2014 e 2023. A validação utilizou o Erro Percentual Absoluto Médio (MAPE), a Raiz do Erro Quadrático Médio (RMSE) e o Erro Absoluto Médio (MAE). Resultados: a série apresentou tendência crescente e sazonalidade anual. Foi não estacionária (ADF p = 0,659) e exibiu autocorrelação (Ljung-Box p < 0,001). O modelo SARIMA (0,1,2)(0,0,1)[12] e LSTM foram comparados. Ambos apresentaram resíduos aleatórios (Ljung-Box: SARIMA p = 0,068; LSTM p = 0,321). As métricas foram próximas, com leve vantagem do SARIMA (RMSE 2.232 vs 2.422; MAE 1.891 vs 1.922; MAPE 10%). A média aritmética obteve melhores resultados em todos os índices de erro e independência do ruído. As previsões do SARIMA estabilizam em 19,8 mil casos a partir de março de 2025, enquanto as do LSTM declinam até 18,96 mil no mesmo período. Observaram-se tendência deaumento em todos os recortes populacionais e só existiu presença de autocorrelação dos dados no recorte de região, indicando necessidade de ver o todo para compreensão das partes. Conclusões: ambos os modelos foram adequados para estimar casos de sífilis adquirida, sem diferença marcante de precisão, com a média aritmética aumentando ainda mais a confiabilidade das previsões.