{"references": ["Barreto, Mauricio L., Maria Gl\u00f3ria Teixeira, and Eduardo Hage Carmo. \"Infectious diseases epidemiology.\" Journal of Epidemiology & Community Health 60, no. 3 (2006): 192-195.", "Saker, L., Lee, K., Cannito, B., Gilmore, A. and Campbell-Lendrum, D.H., 2004. Globalization and infectious diseases: a review of the linkages (No. TDR/STR/SEB/ST/04.2). World Health Organization.", "Holmes, K.K., Bertozzi, S., Bloom, B.R., Jha, P., Gelband, H., DeMaria, L.M. and Horton, S., 2017. Major infectious diseases: key messages from disease control priorities.", "Smith, D. and Keyfitz, N., 2012. Mathematical demography: selected papers (Vol. 6). Springer Science & Business Media.", "Fenner, F., Henderson, D.A., Arita, I., Jezek, Z. and Ladnyi, I.D., 1988. Smallpox and its eradication (Vol. 6). Geneva: World Health Organization.", "Baca\u00ebr, N., 2011. Daniel Bernoulli, d'Alembert and the inoculation of smallpox (1760). In A short history of mathematical population dynamics (pp. 21-30). Springer, London.", "Bernoulli, D. and Blower, S., 2004. An attempt at a new analysis of the mortality caused by smallpox and of the advantages of inoculation to prevent it. Reviews in medical virology, 14(5), p.275.", "WHO. Cholera: The Forgotten Pandemic (2018). https://www.who.int/cholera/the-forgotten-pandemic/en/", "Snow, J., 1855. On the mode of communication of cholera. John Churchill.", "Smith, D.R., 2019. Herd Immunity. The Veterinary clinics of North America. Food animal practice, 35(3), pp.593-604.", "Fine, P.E., 1993. Herd immunity: history, theory, practice. Epidemiologic reviews, 15(2), pp.265-302.", "McNabb, S.J., Jajosky, R.A., Hall-Baker, P.A., Adams, D.A., Sharp, P., Anderson, W.J., Javier, A.J., Jones, G.J., Nitschke, D.A., Worshams, C.A. and Richard Jr, R.A., 2007. Summary of notifiable diseases---United States, 2005. MMWR. Morbidity and mortality weekly report, 54(53), p.1.", "Fine, P., Eames, K. and Heymann, D.L., 2011. \"Herd immunity\": a rough guide. Clinical infectious diseases, 52(7), pp.911-916.", "Foppa, I.M., 2016. A Historical Introduction to Mathematical Modeling of Infectious Diseases: Seminal Papers in Epidemiology. Academic Press.", "En'ko, P.D. (1889). On the course of epidemics of some infectious diseases. Vrach. St. Petersburg, X, 1008-10010, 1039-1042, 1061-1063 (in Russian). English translation by Dietz, K. International Journal of Epidemiology 18, 749-755, 1989.", "Hamer, William Heaton (1906). The Milroy lectures on epidemic disease in England; the evidence of variability and of persistency of type. https://archive.org/details/milroylectureson00hameuoft/page/26/mode/2up", "Ross, Sir Ronald. Memoirs with a full account of The Great Malaria Problem and its Solution. Albemarle Street, W. London: John Murray. p. https://archive.org/details/b29825738/page/n13/mode/2up, 1923.", "Amad, Alan, Aureliano Sancho Souza Paiva, Caio Porto de Castro, Daniel Cardoso Pereira Jorge, Diego Santos Souza, Elaine Cristina Cambui Barbosa, Gabriel Bertolino et al. Boletim CoVida \u2013 Acompanhamento da pandemia por Covid-19 no Brasil: destaque para a situa\u00e7\u00e3o na Bahia. https://redecovida.org/relatorios/boletim-covida/, 2020.", "Amad, Alan, Aureliano Sancho Souza Paiva, Caio Porto de Castro, Daniel Cardoso Pereira Jorge, Diego Santos Souza, Elaine Cristina Cambui Barbosa, Gabriel Bertolino et al. Boletim CoVida \u2013 Pandemia de Covid-19. https://redecovida.org/relatorios/boletim-covida-ed-02/, 2020.", "Amad, A., Paiva, A.S.S., Castro, C.P.D., Jorge, D.C.P., Souza, D.S., Barbosa, E.C.C., Bertolino, G., Miranda, J.G.V., Oliveira, J.F.D., Silva, M.S. and Torquato, M.F., 2020. Boletim CoVida: Pandemia de COVID-19: fortalecer o Sistema de Sa\u00fade para proteger a popula\u00e7\u00e3o.", "Mem\u00f3ria, J.M.P., 2004. Breve hist\u00f3ria da estat\u00edstica. \u00c1rea de Informa\u00e7\u00e3o da Sede-Texto para Discuss\u00e3o (ALICE).", "Stanton, J.M., 2001. Galton, Pearson, and the peas: A brief history of linear regression for statistics instructors. Journal of Statistics Education, 9(3).", "Stigler, S.M., 2007. The epic story of maximum likelihood. Statistical Science, 22(4), pp.598-620.", "Stigler, S.M., 1986. The history of statistics: The measurement of uncertainty before 1900. Harvard University Press.", "Brooks, S., Gelman, A., Jones, G. and Meng, X.L. eds., 2011. Handbook of markov chain monte carlo. CRC press.", "Szwarcwald, C.L. and Castilho, E.A.D., 1992. Os caminhos da estat\u00edstica e suas incurs\u00f5es pela epidemiologia. Cadernos de Sa\u00fade P\u00fablica, 8, pp.5-21.", "Brown, G. and Ozanne, M., 2019. Statistical Models for Infectious Diseases: A Useful Tool for Practical Decision-Making. The American Journal of Tropical Medicine and Hygiene, 101(1), p.1.", "Metropolis, N. and Ulam, S., 1949. The monte carlo method. Journal of the American statistical association, 44(247), pp.335-341.", "Mahoney, MS. Historical perspectives on models and modeling. XIIIth DHS-DLMPS joint conference on \"scientific models: Their historical and philosophical relevance, 2000.", "Stallings, W., 2010. Arquitetura e Organiza\u00e7\u00e3o de Computadores 8a Edi\u00e7\u00e3o.", "Gabardo, A.C., 2015. An\u00e1lise de redes sociais: uma vis\u00e3o computacional. Novatec Editora.", "Kuyven, Neiva Larisane and Antunes, Carlos Andr\u00e9 and de Barros Vanzin, Vinicius Jo\u00e3o and da Silva, Jo\u00e3o Luis Tavares and Krassmann, Aliane Loureiro and Tarouco, Liane Margarida Rockenbach. Chatbots na educa\u00e7\u00e3o: uma Revis\u00e3o Sistem\u00e1tica da Literatura. RENOTE-Revista Novas Tecnologias na Educa\u00e7\u00e3o, 16, 1, 2018.", "Maeda, A and Moraes, S. Chatbot baseado em deep learning: um estudo para l\u00edngua portuguesa. Symposium on Knowledge Discovery, Mining and Learning, 5th, 2017.", "Dubey, A.K. and Jain, V., 2019. A review of face recognition methods using deep learning network. Journal of Information and Optimization Sciences, 40(2), pp.547-558.", "Banerjee, A., Ray, S., Vorselaars, B., Kitson, J., Mamalakis, M., Weeks, S., Baker, M. and Mackenzie, L.S., 2020. Use of machine learning and artificial intelligence to predict SARS-CoV-2 infection from full blood counts in a population. International immunopharmacology, 86, p.106705.", "de Moraes Batista, A.F., Miraglia, J.L., Donato, T.H.R. and Chiavegatto Filho, A.D.P., 2020. COVID-19 diagnosis prediction in emergency care patients: a machine learning approach. medRxiv.", "Harmon, S.A., Sanford, T.H., Xu, S., Turkbey, E.B., Roth, H., Xu, Z., Yang, D., Myronenko, A., Anderson, V., Amalou, A. and Blain, M., 2020. Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets. Nature communications, 11(1), pp.1-7.", "Liang, W., Yao, J., Chen, A., Lv, Q., Zanin, M., Liu, J., Wong, S., Li, Y., Lu, J., Liang, H. and Chen, G., 2020. Early triage of critically ill COVID-19 patients using deep learning. Nature communications, 11(1), pp.1-7.", "Kannan, S., Subbaram, K., Ali, S. and Kannan, H., 2020. The role of artificial intelligence and machine learning techniques: Race for covid-19 vaccine. Archives of Clinical Infectious Diseases, 15(2)."]}

O aparecimento e reemergência de doenças infecciosas são continuamente documentados na história da humanidade com o delineamento de suas transmissões, sendo fortemente relacionados à globalização econômica, mudanças ambientais, demográficas e tecnológicas. Alguns agentes infecciosos causaram inúmeras mortes antes do seu desaparecimento; outros se tornaram endêmicos (epidemias periódicas) em uma população e, consequentemente, traçou um perfil de desigualdades, destacando regiões pobres e com precários sistemas de saúde. Patologias como a malária, cólera, esquistossomose, tuberculose, arbovírus de maneira geral (enfermidades transmitidas por vetores como mosquitos), problemas respiratórios, dentre outras, têm um impacto significativamente negativo na expectativa de vida da população, e afeta a economia de um país, uma vez que uma população doente tem sua força de trabalho reduzida. Neste cenário, a modelagem tem se tornado uma aliada, contribuindo para a compreensão das complexidades da transmissão e evolução dos patógenos, predição de tendências e seu controle. São modelos que se harmonizam aos contextos variados, capturam características individuais até um nível macro - levando em consideração características regionais, sociais e econômicas da população. Os resultados obtidos guiam áreas da epidemiologia e saúde pública no estudo da dinâmica de transmissão e controle de contágio de doenças infecciosas.

O projeto tem apoio do Programa Fiocruz de Fomento à Inovação: ideias e produtos inovadores - COVID-19, encomendas e estratégias - INOVA-FIOCRUZ (Processo VPPIS-005-FIO-20-2-40). Trabalho de colaboração entre o "Centro de Integração de Dados e Conhecimentos para Saúde (CIDACS)" e a "Fundação Oswaldo Cruz de Rondônia". Revisão: Paloma Fonseca de Oliveira. Divulgação científica: Raíza Tourinho dos Reis Silva Lima