Projetos de Pesquisa

 

Foto de perfil

Alexandra Augusta Margarida Maria Roma Sanchez

Ciências Biológicas

Microbiologia
  • impacto e a exequibilidade de estratégicas biomédica e comunitária para redução da tb em prisões de alta endemicidade.
  • Apesar das estratégias para enfrentamento serem bem estabelecidas, a tuberculose (TB) e a coinfecção TB/HIV permanecem como grandes problemas de saúde nas prisões do Brasil, com importante morbidade e mortalidade e impacto significativo na epidemiologia da doença na população geral. A agenda 2030 (ONU/MS) traz a dimensão política indispensável para o enfrentamento e o surgimento de novas tecnologias para rastreamento radiológico (RR) propiciam a oportunidade para a implementação de medidas de enfrentamento inovadoras nas prisões. Neste contexto, esta pesquisa operacional tem por objetivo, a partir da avalição da exequibilidade, da sustentabilidade e do impacto de um conjunto de estratégias biomédicas e comunitárias, contribuir para a redução da morbimortalidade por TB e da coinfecção TB/HIV entre PPL. Será desenvolvida em três unidades prisionais (UP) do Estado do Rio de Janeiro (ERJ). As estratégias biomédicas consistem em: RR de ingressos, RR periódico sistemático anual nas PPL já encarceradas utilizando unidade móvel de Rx digital com programa de interpretação radiológica por inteligência artificial (CAD); TRM-TB; identificação e tratamento de ILTB em PVHIV (IGRA) e de casos de resistência às drogas. O componente de mobilização comunitária prevê a informação e formação em saúde dos diferentes atores da vida prisional para que se envolvam nas atividades de enfrentamento da TB. Os dados epidemiológicos produzidos contribuirão para essa mobilização. As prisões onde o projeto será desenvolvido servirão como centros de formação das equipes de atenção primária prisional (PNAISP) de outras prisões do ERJ, o que permitirá a extensão gradual do programa a todas as UPs do estado. Indicadores epidemiológicos e de processo que serão construídos no âmbito do projeto permitirão gestores, profissionais de saúde órgãos de justiça e sociedade civil acompanhar o impacto e a qualidade das ações desenvolvidas que poderão servir de referência para os demais estados da federação.
  • Fundação Oswaldo Cruz - RJ - Brasil
  • 13/12/2023-31/12/2025
Foto de perfil

Alexandre Abrahão Cury

Engenharias

Engenharia Civil
  • estratégias para o monitoramento de integridade estrutural baseadas em técnicas de aprendizado profundo
  • Com a rápida evolução da tecnologia, notáveis avanços foram alcançados nos sistemas de monitoramento estrutural (SHM). Recentemente, algoritmos baseados em aprendizado de máquina têm se tornado cada vez mais populares no desenvolvimento de ferramentas para a detecção de alterações estruturais. Destaca-se, ainda, o surgimento da Internet das Coisas (IoT), responsável por conectar sensores e demais tecnologias à Internet por meio de dispositivos incorporados, facilitando o acesso a uma grande quantidade de dados, essencial para a alimentação desses modelos. Assim, este projeto tem por objetivo desenvolver e avaliar técnicas - práticas, inovadoras e eficazes - para a avaliação da integridade estrutural baseada no uso de uma nova categoria de aprendizado de máquina – o Deep Learning (DL) ou Aprendizado Profundo – para processar e analisar, de forma automatizada e, se possível, em tempo real, as respostas dinâmicas estruturais a partir de dados coletados das estruturas. A ideia é que tal abordagem seja utilizada por engenheiros/gestores/concessionárias como ferramenta remota de auxílio de tomada de decisões e de planejamento de rotinas de manutenção em situações reais de monitoramento estrutural contínuo. Neste projeto, propõe-se avaliar algoritmos de DL, como os Deep Autoencoders (DAE) e as Redes Neurais do tipo Long-Short Term Memory (LSTM-NN), quando utilizados como extratores de parâmetros das respostas dinâmicas. Mais especificamente, pretende-se caracterizar as medições dinâmicas estruturais por meio de modelos DAE ou LSTM-NN e, em seguida, detectar o início de comportamentos anormais através de ferramentas estatísticas, a partir de abordagens não supervisionadas e/ou supervisionadas. Ressalta-se que a detecção de dano é um problema extremamente difícil, e fazê-la com elevado nível de confiança representará um grande avanço nessa linha de pesquisa. Para validar a abordagem proposta, utilizaremos dados obtidos de simulações numéricas e de ensaios experimentais.
  • Universidade Federal de Juiz de Fora - MG - Brasil
  • 05/02/2024-28/02/2027