Audêncio Victor

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• VICTOR, A. ; ALMEIDA, FRANCIELLY ; Xavier, SP ; RONDÓ, PATRÍCIA H.C. . Predicting low birth weight risks in pregnant women in Brazil using machine learning algorithms: data from the Araraquara cohort study. BMC Pregnancy and Childbirth , v. 25, p. 320, 2025.

• XAVIER, SANCHO PEDRO ; VICTOR, AUDÊNCIO ; GALVÃO, NOEMI DREYER ; DA SILVA, AGEO MARIO CÂNDIDO . Nomogram predicting overall survival in hospitalized cervical cancer patients in Mato Grosso, Brazil. Discover Oncology , v. 16, p. 1312, 2025.

• VICTOR, AUDÊNCIO . The role of artificial intelligence in maternal and child health: Progress, controversies, and future directions. PLOS Digital Health , v. 4, p. e0000938, 2025.

• SILVA, SEBASTIÃO BRUNO TAVEIRA ; VICTOR, AUDÊNCIO ; GOTINE, ANA RAQUEL ERNESTO MANUEL ; DE ASSIS, DALVA MARIA ; WADA, MARCELO YOSHITO ; DO CARMO, GREICE MADELEINE IKEDA ; DE ALMEIDA GUIMARÃES, LUCIANA NOGUEIRA ; SANTANA, EUCILENE ALVES . Factors associated with death from COVID-19 in traditional peoples and communities in Brazil. PLoS One , v. 20, p. e0327140, 2025.

• VICTOR, AUDÊNCIO ; MEDEIROS SANTOS, DIEGO AUGUSTO ; NERY, EDUARDO KOERICH ; MORI, DANILO PEREIRA ; DE CARVALHO LUCAS, PAMELLA CRISTINA ; CAMMAROTA, DENISE ; FLOREZ MONTERO, GUILLERMO LEONARDO ; BARCELLOS FILHO, FABIANO NOVAES ; FRUGIS YU, ANA LÚCIA ; CARVALHANAS, TELMA REGINA MARQUES PINTO . Improving meningitis surveillance and diagnosis with machine learning: Insights from São Paulo. PLOS Digital Health , v. 4, p. e0000925, 2025.

• VICTOR, AUDÊNCIO ; LEITÃO, MARIA PAULA CARVALHO ; ARGENTATO, PERLA PIZZI ; BATISTA, LÍVIA PATRICIA RODRIGUES ; TELES, LAISLA DE FRANÇA DA SILVA ; LUZIA, LIANIA A. ; ARTES, RINALDO ; RONDÓ, PATRICIA H. C. . Mental health and gestational weight gain: A comparison between Brazilian cohorts. PLoS One , v. 20, p. e0326743, 2025.

• VICTOR, AUDÊNCIO ; LEITÃO, MARIA PAULA DE CARVALHO ; BATISTA, LÍVIA PATRÍCIA RODRIGUES ; DA SILVA TELES, LAISLA DE FRANÇA ; ARGENTATO, PERLA PIZZI ; LUZIA, LIANIA A. ; ARTES, RINALDO ; RONDÓ, PATRÍCIA HELEN . Risk factors for mental disorders in pregnant women in two cities from São Paulo, Brazil: A cohort study. PLoS One , v. 20, p. e0330921, 2025.

• RODRIGUES, OSIYALLÊ AKANNI SILVA ; GUIMARÃES, THAYNARA THAISSA DIAS ; VICTOR, AUDÊNCIO ; PACHECO, SISNANDO SOUZA ; FERREIRA, ANDRÊA . Cultura alimentar afrodiaspórica. Revista de Alimentação e Cultura das Américas (RACA) , v. 6, p. 97-111, 2025.

• VICTOR, AUDÊNCIO . Artificial intelligence in global health: An unfair future for health in Sub-saharan Africa?. Health Affairs Scholar , v. 23, p. 11, 2025.

• VICTOR, AUDÊNCIO ; ANTÔNIO, BÉLIO CASTRO ; GOTINE, ANA RAQUEL MANUEL ; MAHOCHE, MANUEL ; PEDRO XAVIER, SANCHO ; SILVA RODRIGUES, OSIYALLÊ AKANNI ; FERREIRA, ANDRÊA J F ; RONDÓ, PATRÍCIA H . Predictors of nutritional recovery time in children aged 6-59 months with severe acute malnutrition in Sofala Province, Mozambique: survival analysis approach. JOURNAL OF PUBLIC HEALTH , v. 23, p. 1-10, 2024.

• VICTOR, AUDÊNCIO ; AGUIAR, ITALO WESLEY OLIVEIRA ; FLORES-ORTIZ, RENZO ; MAHOCHE, MANUEL ; GOTINE, ANA RAQUEL MANUEL ; FALCÃO, ILA ; VASCO, MELSEQUISETE DANIEL ; FERREIRA, ANDRÊA ; XAVIER, SANCHO PEDRO ; OMENKA, MARK ; ANTUNES, JOSÉ LEOPOLDO FERREIRA ; RONDO, PATRÍCIA H. . Social Inequalities in Child Development: Analysis of Low-Birth-Weight Trends in Brazil, 2010-2020. Journal Of Prevention , v. 45, p. 11-11, 2024.

• VICTOR, AUDÊNCIO ; DE FRANÇA DA SILVA TELES, LAÍSLA ; AIRES, ISABEL OLIVEIRA ; DE CARVALHO, LETICIA FALCÃO ; LUZIA, LIANIA A. ; ARTES, RINALDO ; RONDÓ, PATRÍCIA H. . The impact of gestational weight gain on fetal and neonatal outcomes: the Araraquara Cohort Study. BMC Pregnancy and Childbirth , v. 24, p. 320, 2024.

• VICTOR, AUDÊNCIO ; DE FRANÇA DA SILVA TELES, LAÍSLA ; DE CARVALHO, LETICIA FALCÃO ; BIAGIO, LEONARDO DOMINGOS ; ARGENTATO, PERLA PIZZI ; LUZIA, LIANIA A. ; RONDÓ, PATRÍCIA H. C. . Predictors of inadequate gestational weight gain according to iom recommendations and intergrowth-21st standards: the araraquara cohort study. BMC Pregnancy and Childbirth , v. 24, p. 579, 2024.

• XAVIER, SANCHO PEDRO ; DA SILVA, AGEO MARIO CÂNDIDO ; VICTOR, AUDÊNCIO . Antibiotic prescribing patterns in pediatric patients using the WHO access, watch, reserve (AWaRe) classification at a quaternary hospital in Nampula, Mozambique. Scientific Reports , v. 14, p. 22719, 2024.

• VICTOR, AUDÊNCIO ; GEREMIAS DOS SANTOS, HELLEN ; SILVA, GABRIEL FERREIRA SANTOS ; BARCELLOS FILHO, FABIANO ; DE FÁTIMA COBRE, ALEXANDRE ; LUZIA, LIANIA A. ; RONDÓ, PATRÍCIA H.C. ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO . Predictive modeling of gestational weight gain: a machine learning multiclass classification study. BMC Pregnancy and Childbirth , v. 24, p. 733, 2024.

• VASCO, MELSEQUISETE DANIEL ; VICTOR, AUDÊNCIO ; ZACARIAS, IOLANDA ERMELINDO ; MUALEITE, EGON BERNARDO ; MARCOS, JOAQUIM . Serviços odontológicos na pandemia da COVID-19: Uma revisão de síntese da produção científica. RESEARCH, SOCIETY AND DEVELOPMENT , v. 12, p. e25612240295, 2023.

• VICTOR, AUDÊNCIO ; GOTINE, ANA RAQUEL MANUEL ; FALCÃO, ILA R. ; FERREIRA, ANDRÊA J. F. ; FLORES-ORTIZ, RENZO ; XAVIER, SANCHO PEDRO ; VASCO, MELSEQUISETE DANIEL ; DE JESUS SILVA, NATANAEL ; MAHOCHE, MANUEL ; RODRIGUES, OSIYALLÊ AKANNI SILVA ; DE CÁSSIA RIBEIRO, RITA ; RONDÓ, PATRÍCIA H. ; BARRETO, MAURÍCIO L. . Association between food environments and fetal growth in pregnant Brazilian women. BMC Pregnancy and Childbirth , v. 23, p. 661 (2023), 2023.

• XAVIER, SANCHO PEDRO ; VICTOR, AUDÊNCIO ; CUMAQUELA, GRACIANO ; VASCO, MELSEQUISETE DANIEL ; RODRIGUES, OSIYALLÊ AKANNI SILVA . Inappropriate use of antibiotics and its predictors in pediatric patients admitted at the Central Hospital of Nampula, Mozambique. Antimicrobial Resistance and Infection Control , v. 11, p. 79, 2022.

• VICTOR, AUDÊNCIO ; VICTOR, CORNÉLIO ; MAURÍCIO, BEATRIZ DA SORTE ; GOTINE, ANA RAQUEL MANUEL ; MAHOCHE, MANUEL ; XAVIER, SANCHO PEDRO ; FERREIRA, ANDREA ; RONDO, PATRÍCIA . Prevalência e fatores associados a insegurança alimentar entre adultos com HIV/AIDS tratados em hospital de referência em Moçambique. RESEARCH, SOCIETY AND DEVELOPMENT , v. 11, p. e544111235127, 2022.

• VICTOR, AUDÊNCIO ; SILVA, RITA DE CÁSSIA RIBEIRO ; SILVA, NATANAEL DE JESUS ; FERREIRA, ANDRÊA ; BARRETO, MAURÍCIO L. ; CAMPELLO, TEREZA . Influence of Unhealthy Food Environment on Premature Cardiovascular Disease Mortality in Brazil: An Ecologic Approach. AMERICAN JOURNAL OF PREVENTIVE MEDICINE , v. 1-8, p. 000(000), 2022.

• VICTOR, AUDÊNCIO ; GOTINE, ANA RAQUEL MANUEL ; MAHOCHE, MANUEL ; VASCO, MELSEQUISETE DANIEL ; XAVIER, SANCHO PEDRO ; RONDO, PATRÍCIA . Associação entre o nível de escolaridade e a morte prematura por doenças cardiovasculares em adultos no Brasil. RESEARCH, SOCIETY AND DEVELOPMENT , v. 11, p. e108111536025, 2022.

• AQUINO, ESTELA M. L. ; SILVEIRA, ISMAEL HENRIQUE ; PESCARINI, JULIA MOREIRA ; AQUINO, ROSANA ; SOUZA-FILHO, JAIME ALMEIDA DE ; ROCHA, ALINE DOS SANTOS ; FERREIRA, ANDREA ; VICTOR, AUDÊNCIO ; TEIXEIRA, CAMILA ; MACHADO, DAIANE BORGES ; PAIXÃO, ENNY ; ALVES, FLÁVIA JÔSE OLIVEIRA ; PILECCO, FLÁVIA ; MENEZES, GREICE ; GABRIELLI, LIGIA ; LEITE, LUCIANA ; ALMEIDA, MARIA DA CONCEIÇÃO CHAGAS DE ; ORTELAN, NAIÁ ; FERNANDES, QEREN HAPUK R. FERREIRA ; ORTIZ, RENZO JOEL FLORES ; et.al . Medidas de distanciamento social no controle da pandemia de COVID-19: potenciais impactos e desafios no Brasil. Ciência & Saúde Coletiva , v. 25, p. 2423-2446, 2020.

• VICTOR, A. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. Agência FAPESP, São Paulo, SP, Brasil, 06 ago. 2025.

• VICTOR, A. ; RONDO, P. H. . Machine learning can predict which babies will be born with low birth weights. Medicine.net (China), China, 24 jun. 2025.

• RONDO, P. H. ; VICTOR, A. . Machine learning can predict which babies will be born with low birth weights. The Titi Tudorancea Bulletin, Estados Unidos, 23 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. Saense ? Notícias, Brasil, 23 jun. 2025.

• RONDO, P. H. ; VICTOR, A. . Aplicação de inteligência artificial pode prever casos de bebês que nascem com baixo peso, diz estudo da USP feito em Araraquara. g1 São Carlos e Araraquara, São Paulo, SP, Brasil, 23 jun. 2025.

• RONDO, P. H. ; VICTOR, A. . HMN 2025: How Machine {learning} can predict which infants will probably be born with low start weights. Health Medicine network, Estados Unidos, 23 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Predicting Low Birth Weight: The Power of Machine Learning. Medindia (Índia), Índia, 21 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Machine learning can predict which babies will be born with low birth weights. Medical Xpress, Reino Unido, 16 jun. 2025.

• VICTOR, A. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. Estado de Minas (online), Belo Horizonte, MG, 09 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. Diário da Manhã de Pernambuco, Brasil, 09 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. A Crítica, São Paulo, SP, Brasil, 09 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. CUBO, Brasil, 09 jun. 2025.

• VICTOR, A. ; RONDO, P. H. . Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso. Viletim, São Paulo, SP, Brasil, 09 jun. 2025.

Outras produções

Projetos de pesquisa

• 2024 - 2024

  Integração de técnicas nowcasting, forecasting e SatScan para detecção espacial-temporal de Surtos ativos de SRAG no Estado de São Paulo, Descrição: Introdução: A Síndrome Respiratória Aguda Grave (SRAG) é uma condição respiratória severa causada por diversos patógenos. Este estudo visa avaliar a eficácia da combinação de métodos de nowcasting e forecasting com a varredura espaço-temporal SatScan na detecção e previsão de aglomerados de SRAG no estado de São Paulo.Métodos: Trata-se de um estudo observacional e ecológico analisou padrões de SRAG em diferentes regiões do estado. Utilizou-se dados do SIVEP-Gripe coletados entre dias 23 de maio de 2022 a 27 de dezembro de dezembro 2023. Aplicamos modelos de nowcasting e forecasting para prever a incidência de SRAG, juntamente com análises de varredura espaço-temporal utilizando o SaTScan para identificar clusters significativos de casos. Resultados: Os modelos apresentaram uma cobertura média de 42,7 para o Cob50 e 76,8 para o Cob95, com um WIS médio de 1,6 e um MAE médio de 3,0. Durante o período de 5 de novembro de 2022 a 18 de fevereiro de 2023, o desempenho dos modelos foi particularmente robusto, com Cob95 variando entre 86,9 e 94,0 e Cob50 entre 60,7 e 61,1. Em contraste, os modelos tiveram desempenho inferior entre junho e julho de 2022, com Cob50 abaixo de 35 e WIS mais elevados. Nas análises regionais, o Extremo Oeste Paulista apresentou a melhor performance (Cob95 de 92,6, WIS de 0,5), enquanto São Paulo e a Região Metropolitana de Campinas tiveram subprevisões significativas.Conclusão: A integração de nowcasting, forecasting e varredura espaço-temporal com o SaTScan mostrou-se eficaz na detecção em tempo real de surtos de SRAG, oferecendo uma ferramenta valiosa para a vigilância epidemiológica e a resposta a surtos de doenças respiratórias no estado de São Paulo.Palavras-chave: Vigilância epidemiológica, previsão de surtos, análise espaço-temporal, SatScan, nowcasting, forecasting. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (0) / Mestrado acadêmico: (2) / Doutorado: (8) . , Integrantes: Audêncio Victor - Coordenador / Eduardo Koerich Nery - Integrante / Danilo Pereira Mori - Integrante / Pamella Cristina de Carvalho Lucas - Integrante / Guillermo Leonardo Florez Montero - Integrante / Telma Regina Marques Pinto Carvalhanas - Integrante / Tatiana P. Portella - Integrante / Raquel Gardini Sanches Palasio - Integrante / Camila Lorenz - Integrante / Thiago Godoy de Oliveira - Integrante / Ana Lúcia Frugis Yu - Integrante.

• 2024 - Atual

  Machine Learning para predição de mortalidade hospitalar de pacientes com câncer cervical em Mato Grosso, Brasil, Descrição: Introdução: O câncer cervical (CC) é uma das principais causas de mortalidade por câncer entre mulheres em países de baixa e média renda, especialmente em regiões com infraestrutura de saúde limitada. Este estudo utiliza modelos de machine learning (ML) para predizer a mortalidade hospitalar em pacientes com CC hospitalizados entre 2011 e 2023 em Mato Grosso. Métodos: Dados hospitalares de pacientes com câncer cervical foram obtidos do Sistema de Informações Hospitalares (SIH) do SUS, abrangendo o período de 2011 a 2023. Foram utilizados cinco algoritmos de ML: Regressão Logística, Random Forest, CatBoost, LightGBM e XGBoost para prever a mortalidade hospitalar com base em variáveis demográficas, clínicas e hospitalares. As métricas de desempenho incluíram AUC-ROC, acurácia, sensibilidade, especificidade, precisão, F1 e coeficiente de correlação de Matthews (MCC).Resultados: Todos os modelos apresentaram AUC-ROC superiores a 0,87, indicando alta eficiência. O XGBoost teve o melhor desempenho geral, com AUC-ROC de 0,89, acurácia de 88 e especificidade de 95, com um MCC de 0,28. Os modelos baseados em árvores, como Random Forest e XGBoost, mostraram alta especificidade, com 94 e 95, respectivamente, enquanto o CatBoost também teve bom desempenho com uma acurácia de 88 e especificidade de 94. A análise dos valores SHAP identificou a idade, o tempo de internação e a admissão em UTI como os principais preditores de mortalidade.Conclusão: O uso de ML mostrou-se eficaz para prever a mortalidade hospitalar em pacientes com CC em Mato Grosso, proporcionando insights valiosos sobre fatores de risco e facilitando a tomada de decisões clínicas. Esses modelos podem ser integrados aos sistemas de saúde para otimizar a alocação de recursos e melhorar a sobrevida em áreas com infraestrutura limitada.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Especialização: (2) / Mestrado acadêmico: (1) / Doutorado: (4) . , Integrantes: Audêncio Victor - Coordenador / Alexandre Dias Porto Chiavegatto Filho - Integrante / Fabiano Barcellos Filho - Integrante / Alexandre de Fátima Cobre - Integrante / Sancho Xavier Pedro - Integrante / Ageo Mario Cândido da Silva - Integrante / Patrícia H.C. Rondó - Integrante.

• 2024 - Atual

  Machine Learning para o diagnóstico diferencial de meningites: Abordagem de Vigilância no Estado de São Paulo, Brasil., Descrição: A meningite é uma inflamação das meninges que recobrem o cérebro e a medula espinal, desencadeada por agentes bacterianos, virais, fúngicos ou parasitários, além de fatores autoimunes e neoplásicos. A meningite é uma inflamação das meninges que recobrem o cérebro e a medula espinal, desencadeada por agentes bacterianos, virais, fúngicos ou parasitários, além de fatores autoimunes e neoplásicos .Este estudo explorará a aplicação de modelos de Machine Learning (ML) para auxiliar no diagnóstico diferencial de meningite, utilizando dados clínicos, laboratoriais e sociodemográficos do Estado de São Paulo, Brasil. Os dados foram coletados do banco SINAN, incluindo variáveis demográficas, dados clínicos e análises do líquido cefalorraquidiano. Serão aplicados cinco modelos de ML: Random Forest, LightGBM, XGBoost, Catboost e Adaboost, para classificar os casos de meningite em bacteriana, fúngica, viral e outros tipos. Os modelos serão avaliados com base em métricas como AUC-ROC, acurácia, precisão, recall e F1-score.Palavras-chave: Meningite, Machine Learning, Diagnóstico diferencial, SINAN, Vigilância epidemiológica.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Especialização: (2) / Mestrado acadêmico: (2) Doutorado: (3) . , Integrantes: Audêncio Victor - Coordenador / Diego Augusto Medeiros Santos - Integrante / Eduardo Koerich Nery - Integrante / Danilo Pereira Mori - Integrante / Pamella Cristina de Carvalho Lucas - Integrante / Guillermo Leonardo Florez Montero - Integrante / Ana Lúcia Frugis - Integrante / Telma Regina Marques Pinto Carvalhanas - Integrante.

• 2021 - Atual

  Expansão das estratégias de testagem, quarentena, e-health e telemonitoramento para contribuir no enfrentamento da pandemia de COVID-19 no Brasil., Descrição: Trata-se de estudo de intervenção que será desenvolvido em quatro componentes: (1) pesquisa formativa; (2) implementar a estratégia de testagem, quarentena e telemonitoramento na APS e inquérito sociocomportamental; (3) estudo de autotestagem para COVID-19; (4) Estudo de monitoramento de novas variantes de Sars-Cov-2. O objetivo primário será implementar estratégias de testagem, quarentena e telemonitoramento (TQT) e prevenção de COVID-19 na atenção primária à saúde (APS) em bairros de alta vulnerabilidade socioeconômica em grandes duas capitais brasileiras. Secundários: 1) Compreender atitudes e práticas de prevenção de COVID-19 entre usuários de serviços de saúde, profissionais de saúde e gestores da APS em bairros de alta vulnerabilidade socioeconômica de Salvador/Bahia; 2) Expandir a testagem para a infecção por Sars-Cov-2, através de teste de antígeno a partir de centros de saúde da APS em comunidades de alta vulnerabilidade socioeconômica de Salvador/Bahia e do Rio de Janeiro/RJ; 3) Reduzir a subnotificação de casos de COVID-19 em comunidades de alta vulnerabilidade socioeconômica de Salvador/Bahia e do Rio de Janeiro/RJ através da ampliação de testagem; 4) Criar um biorrepositório com material das amostras coletadas com swab oronasal ao longo do projeto; 5) Implementar, analisar e monitorar o grau de implantação das estratégias de e-acolhimento e telemonitoramento na APS, em comunidades de maior vulnerabilidade socioeconômica em Salvador/ Bahia e do Rio de Janeiro/RJ; 6) Analisar a aceitabilidade e o uptake do teste de COVID-19 entre bairros de maior vulnerabilidade socioeconômica de Salvador/Bahia e do Rio de Janeiro/RJ; 7) Investigar a aceitabilidade, viabilidade e usabilidade do autoteste de COVID-19; 8) Estimar a população não vacinada contra Sars Cov-2 e mobilizar acesso à vacina para quem ainda não foi completamente vacinado em comunidades de alta vulnerabilidade socioeconômica de Salvador/Bahia e do Rio de Janeiro/RJ.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (2) / Mestrado profissional: (2) / Doutorado: (1) . , Integrantes: Audêncio Victor - Integrante / Laio Magno Santos de Sousa - Integrante / Inês Dourado - Coordenador / Alexandre Grangeiro - Integrante / Thais Aranha Rossi - Integrante / Joilson Nascimento Paim - Integrante / Carina Carvalho dos Santos - Integrante / Sandra Garrido de Barros - Integrante / Valdiléa Gonçalves Veloso - Integrante., Financiador(es): UNITAID - Outra - Outra.

• 2020 - 2022

  Rede CoVida - Ciência, Informação e Solidariedade, Descrição: A Rede CoVida - Ciência, Informação e Solidariedade é um projeto de colaboração científica e multidisciplinar focado na pandemia de Covid-19. É uma iniciativa que surgiu em março de 2020 a partir da união entre o Centro de Integração de Dados e Conhecimentos para Saúde (Cidacs/Fiocruz Bahia) e a Universidade Federal da Bahia (UFBA), diante da maior crise sanitária global dos últimos 100 anos. A Rede é uma resposta de pesquisadores e profissionais de comunicação que visam enfrentar a pandemia de Covid-19, apoiando a tomada de decisões dos gestores e oferecendo informações científicas confiáveis a partir do monitoramento de casos, da modelagem matemática e dos saberes reunidos por cientistas de diversos campos de saberes. Sua atuação compreende: (i) o monitoramento da epidemia - monitoramento de casos e predições periódicas de sua evolução, com dados para Brasil, estados e municípios com casos confirmados (http://painel.covid19br.org/); (ii) a construção de modelos matemáticos em tempo real - com modelos bem definidos torna-se possível avaliar, antecipadamente, o efeito de medidas de controle a serem adotadas; (iii) a síntese de evidências científicas - revisão das evidências científicas em tempo real, avaliando sua qualidade e identificando os achados que podem auxiliar a tomada de decisão no campo da gestão e organização dos serviços de saúde, nas ações de vigilância epidemiológica e nos aspectos clínicos e terapêuticos diretamente relacionados ao cuidado das pessoas com diagnóstico de Covid-19 (iv) a divulgação de evidências científicas - desenvolver e implementar estratégias de disseminação de informações confiáveis sobre a Covid-19 adequadas para diversos tipos de público e em diversos canais de comunicação.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Audêncio Victor - Coordenador / Naiá Ortelan - Integrante / Mauricio Lima Barreto - Integrante / Maria Yury Travassos Ichihara - Integrante / LUIS EUGENIO PORTELA FERNANDES - Integrante.

• 2020 - 2021

  INFLUÊNCIA DOS AMBIENTES ALIMENTARES NA MORTALIDADE PREMATURA POR DOENÇAS CARDIOVASCULARES NO BRASIL, Descrição: Introdução: As doenças cardiovasculares (DCV) são as principais causas de morte geral e prematura no Brasil e no mundo. Os ambientes alimentares nocivos têm sido apontados como sendo um dos fatores associados a morbimortalidade por DCV, por afetarem as condições de saúde e nutrição das pessoas. Objetivo: Explorar a associação entre ambientes alimentares nocivos e a mortalidade prematura por DCV na população brasileira em 2016. Metodologia: Estudo ecológico transversal, com dados de 5.558 municípios brasileiros. Os dados de mortalidade por DCV foram obtidos do Sistema de Informação sobre Mortalidade (SIM) do Ministério da Saúde. O estudo sobre mapeamento dos desertos alimentares no Brasil desenvolvido pela Câmara Interministerial de Segurança Alimentar e Nutricional ? CAISAN foi utilizado para avaliar a dimensão física do acesso de alimentos. Foram calculadas as taxas padronizadas de mortalidade prematura geral por DCV e por causas especificas (AVC e IAM) no período analisado. Para caracterizar os ambientes alimentares utilizou-se a densidade de estabelecimentos que comercializam alimentos (in natura e ultra processados) por 10.000 habitantes em tercil. Modelos de regressão binomial negativa brutas e ajustadas foram utilizados para estudar as associações de interesse. Resultados: Após os devidos ajustes), verificou-se que os municípios nos quais havia pouca oferta de alimentos in natura apresentaram maior risco para o aumento da mortalidade de mulheres por infarto ([RT1º tercil 1,08 (1,01-1,15)]. Por outro lado, municípios nos quais havia maior oferta de alimentos ultra processados imprimiam maior risco de morte [RT2º tercil 1,17 (1,12-1,22), RT3º tercil 1,20 (1,14-1,26)] por DCV; [RT2º tercil 1,19 (1,13-1,25), RT3º tercil 1,22 (1,15-1,30)] por AVC e [RT2º tercil 1,19 (1,12-1,25), RT3º tercil 1,22 (1,13-1,29)] por Infarto. Conclusão: Os nossos achados mostram aumento de risco de mortalidade por DCV, AVC e IAM, em especial, nos municípios nos quais havia maior oferta de alimentos ultra processados; estes são de baixa qualidade nutricional e advindas de sistemas alimentares não sustentáveis. Iniciativas com vistas a minimizar os efeitos destes ambientes são necessárias e urgentes no contexto brasileiro.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (2) . , Integrantes: Audêncio Victor - Coordenador / Andrea Ferreira - Integrante / Rita de Cássia Ribeiro Silva - Integrante / Audencio Victor - Integrante / Natanael Jesus da Silva - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.

Prêmios