Como possíveis desdobramentos desta tese podem ser destacados:
• Manter a unificação das bases de óbitos para os próximos anos a partir da metodologia de concatenação das bases, a fim de gerar informações para o estudo de novas epidemias.
• Realizar análises mais específicas da subnotificação de mortalidade nas regiões, considerando características sociodemográficas da população, como: pirâmide etária, sexo, raça, fatores demográficos da região, renda e comorbidades.
• Realizar análise mais específicas da subnotificação de mortalidade considerando características do sistema de saúde das diversas localidades, como: testes realizados, pacientes hospitalizados, pacientes em UTI, pacientes com ventilação mecânica, número de UTIs, unidades de pronto atendimento com ventilação mecânica, etc.
• Utilizar outros modelos de séries temporais e comparar os resultados entre eles, tais como: Agrupamento baseado em distância, algoritmo fuzzy c-means (FCM), modelo Hidden Markov (HMM), modelos de média móvel integrada autoregressiva (ARIMA), Auto regressão vetorial (VAR), entre outros.
• Realizar uma análise mais específica em relação ao impacto das duas ondas, a partir das características socioeconômicas dos estados e capitais com as mais altas taxas de subnotificação de mortalidade pela COVID-19; e,
REFERÊNCIAS BIBLIOGRÁFICAS
ALBANI, Vinicius VL et al. COVID-19 Underreporting and its Impact on Vaccination Strategies. BMC infectious diseases, v. 21, n1, p. 1111-1121, 2021.
ALERTA. Grupo Alerta, 2021. Disponível em: https://alerta.org.br/. Acesso em 25 de out.
De 2021.
ALVES, Thiago H. E. Underreporting of death by COVID-19 in Brazil's second most populous state. Frontiers in Public Health, v. 8, p. 909, 2020.
AMAKU, Marcos et al. Modelling the Impact of Delaying Vaccination Against SARS-CoV-2 Assuming Unlimited Vaccines Supply. Theor Biol Med Model, v. 18, n. 14, 2021.
ARUNKUMAR, P. M. et al. Time-Series Forecasting and Analysis of COVID-19 Outbreak in Highly Populated Countries: A Data-Driven Approach. International Journal of E-Health and Medical Communications (IJEHMC), v. 13, n. 2, p. 1-17, 2021.
AZOFEIFA, Alejandro et al. Estimating and Characterizing COVID-19 Deaths, Puerto Rico, March–July 2020. Public Health Reports, v. 136, n. 3, p. 354-360, 2021.
BAUD, David et al. Real estimates of mortality following COVID-19 infection. The Lancet infectious diseases, v. 20, n. 7, p. 773, 2020.
BOX, G. E. P; JENKINS, G. M.; REINSEL, G. C. Time Series Analysis: Forecasting and Control. 4. ed. San Francisco: John Wiley & Sons, 2008. ISBN 0470272848.
BRANDÃO, Eduardo et al. Neglected tropical diseases in Brazilian children and adolescents:
data analysis from 2009 to 2013. Infectious diseases of poverty, v. 6, n. 1, p. 1-10, 2017.
BRANT, Luisa C. C. et al. Excess of cardiovascular deaths during the COVID-19 pandemic in Brazilian capital cities. Heart (British Cardiac Society), v. 106, n. 24, p. 1898-1905, 2020.
BRASIL - MINISTÉRIO DA SAÚDE (2020a). Secretaria de Vigilância em Saúde Departamento de Análise em Saúde e Vigilância de Doenças não Transmissíveis.
Orientações para codificação das causas de morte no contexto da COVID-19. Brasília, 11 maio 2020. Disponível em:
https://portalarquivos2.saude.gov.br/images/pdf/2020/April/29/Nota-Informativa-declara----o- obito.pdf. Acesso em: 10 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE (2020b). Coordenação de Gestão de Protocolos Clínicos e Diretrizes Terapêuticas. Secretaria de Ciência, Tecnologia, Inovação e Insumos Estratégicos em Saúde Diretrizes para diagnóstico e tratamento da COVID-19, 17 de abr.
2020. Disponível em https://portalarquivos.saude.gov.br/images/pdf/2020/April/18/Diretrizes- Covid19.pdf. Acesso em: 10 out. 2021.
BRASIL - MINISTÉRIO DA SAUDE. Guia de Vigilância Epidemiológica. Emergência de Saúde Pública de Importância Nacional pela Doença pelo Coronavírus-19. 15 mar. 2021.
Brasília. Disponível em:
https://portalarquivos.saude.gov.br/images/af_gvs_coronavirus_6ago20_ajustes-finais-2.pdf.
Acesso em: 10 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE. Secretaria de Vigilância em Saúde. Departamento de Vigilância das Doenças Transmissíveis. Guia para Investigações de Surtos ou Epidemias, Brasília, p. 64, 2018. ISBN 978-85-334-2660-3. Disponível em:
https://portalarquivos2.saude.gov.br/images/pdf/2018/novembro/21/guia-investigacao-surtos- epidemias-web.pdf. Acesso em: 17 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE. Secretaria de Vigilância em Saúde. Coordenação- Geral de Desenvolvimento da Epidemiologia em Serviços. Guia de Vigilância em Saúde.
Brasília, p. 740, 2019. ISBN 978-85-334-2706-8. Disponível em:
https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf. Acesso em: 10 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE. Secretaria de Vigilância em Saúde. Departamento de Vigilância Epidemiológica. Sistema de Informação de Agravos de Notificação – Sinan:
normas e rotinas. Brasília, p. 80, 2006. ISBN 85-334-1024-7. Disponível em:
http://bvsms.saude.gov.br/bvs/publicacoes/sistema_informacao_agravos_notificacao_sinan.pd f. Acesso em: 10 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE. Secretaria de Vigilância em Saúde. Departamento de Análise de Situação de Saúde. Manual de Instruções para o preenchimento da Declaração de Óbito. Brasília, p.54, 2011. Disponível em:
http://svs.aids.gov.br/download/manuais/Manual_Instr_Preench_DO_2011_jan.pdf. Acesso em 10 out. 2021.
BRASIL - MINISTÉRIO DA SAÚDE. Secretaria de Vigilância em Saúde. Departamento de Vigilância das Doenças Transmissíveis. Protocolo de tratamento de Influenza: 2013.
Brasília, p.36, 2013. ISBN 978-85-334-2029-8. Disponível em:
https://bvsms.saude.gov.br/bvs/publicacoes/protocolo_tratamento_influenza.pdf. Acesso em 5 nov. 2021.
BRIZZI, A. et al. Factors driving extensive spatial and temporal fluctuations in COVID-19 fatality rates in Brazilian hospitals., Report 46, 2021. Disponível em:
https://www.imperial.ac.uk/media/imperial-college/medicine/mrc-gida/2021-10-06- COVID19-Report-46.pdf. Acesso em: 10 out. 2021.
CARABALI, Mabel et al. Assessing the reporting of Dengue, Chikungunya and Zika to the National Surveillance System in Colombia from 2014–2017: A Capture-recapture analysis accounting for misclassification of arboviral diagnostics. PLoS neglected tropical diseases, v. 15, n. 2, p. e0009014, 2021.
CARDOSO, Evelin. H. S. et al. Characterizing the Impact of Social Inequality on COVID-19 Propagation in Developing Countries. IEEE Access, vol. 8, p. 172563-172580, 2020.
CARMO, Rondinelle Alves do et al. Underreporting of AIDS deaths in Brazil: linkage of hospital records with death certificate data. Ciência & Saúde Coletiva, v. 26, p. 1299-1310, 2021.
CARPENTER, Bob et al. Stan: A probabilistic programming language. Journal of statistical software, v. 76, n. 1, p. 1-32, 2017.
CARVALHO, T. A.; BOSCHIERO, M. N.; MARSON, Fernando A.L.. COVID-19 in Brazil:
150,000 deaths and the Brazilian underreporting. Diagnostic Microbiology and Infectious Disease, v. 99, n. 3, p. 115258, 2021.
CARVALHO, C. et al. Completeness of TB notification in Portugal, 2015: an inventory and capture-recapture study. The International Journal of Tuberculosis and Lung Disease, v.
24, n. 11, p. 1186-1193, 2020.
CAVALCANTE J. R. et al. COVID-19 no Brasil: evolução da epidemia até a semana
epidemiológica 20 de 2020. Epidemiologia e Serviços de Saúde, Brasília, v. 29, n. 4, 2020.
CBR - COLÉGIO BRASILEIRO DE RADIOLOGIA E DIAGNÓSTICO POR IMAGEM.
Recomendações de uso de métodos de imagem para pacientes suspeitos de infecção pelo COVID-19. CBR, 16 mar. 2020. Disponível em: https://cbr.org.br/recomendacoes-de-uso-de- metodos-de-imagem-para-pacientes-suspeitos-de-infeccao-pelo-covid-19. Acesso em: 10 out.
2021.
CEREDA D., et al., The early phase of the COVID-19 outbreak in Lombardy, Italy.
Populations and Evolution, 2020 ArXiv:2003.09320v1.
CERQUEIRA, Vitor; TORGO, Luis; SOARES, Carlos. Machine learning vs statistical methods for time series forecasting: Size matters. arXiv preprint arXiv:1909.13316, 2019.
CGIAE. Coordenação-Geral de Informações e Análises Epidemiológicas do Ministério da Saúde. Plataforma IVIS- Integrada de Vigilância em Saúde. Nota Técnica sobre Painel de Monitoramento de Excesso de Mortalidade. 2020. Disponível em:
https://drive.google.com/file/d/1DPvqh1gQdnvMNCP2FdziIB5ixput294B/view. Acesso em 30 de outubro de 2021.
CHATFIELD, C. Time-Series Forecasting. [SI]: Chapman and Hall/CRC, 2001. ISBN 9781584880639.
CHEN, Jianguo et al. A survey on applications of artificial intelligence in fighting against covid-19. ACM Computing Surveys (CSUR), v. 54, n. 8, p. 1-32, 2021.
CONASS - CONSELHO NACIONAL DE SECRETARIA DE SAÚDE. Painel de análise do excesso de mortalidade por causas naturais no Brasil, 2021. Disponível em:
http://www.conass.org.br/painelconasscovid19. Acesso em: 20 out. 2021.
CORONAVIRUSBRASIL - MINISTÉRIO DA SAÚDE DO BRASIL. Portal Coronavírus Brasil. 2021. Disponível em: https://covid.saude.gov.br. Acesso em: 20 set. 2021.
COWLING, B. J., LEUNG, G. M. Epidemiological research priorities for public health control of the ongoing global novel coronavirus (2019-nCoV) outbreak. EuroSurveillance, v.
25, n. 6, 2020.
DANA S., SIMAS A. et al. Brazilian Modeling of COVID-19 (BRAM-COD): a Bayesian Monte Carlo approach for COVID-19 spread in a limited data set context. MedRxiv, 2020.
DAVIS, J. T., et al. Estimating the establishment of local transmission and the cryptic phase of the COVID-19 pandemic in the USA. MedRxiv, 2020.
DE SOUZA, Layse C. et al. SARS-CoV, MERS-CoV e SARS-CoV-2: uma revisão narrativa dos principais Coronavírus do século. Brazilian Journal of Health Review, v. 4, n. 1, p.
1419-1439, 2021.
DELATORRE, E., MIR, D., GRAF, T., BELLO, G. Tracking the onset date of the
community spread of SARS-CoV-2 in western countries. Memórias do Instituto Oswaldo Cruz, Rio de Janeiro, v. 115, 2020.
EUROMOMO. Access to bulletins. 2021. Disponível em: https://www.euromomo.eu/.
Acesso em 21 out. 2021.
FACEBOOK OPEN SOURCE, Prophet. Forecasting at scale. 2021. Disponível em:
https://facebook.github.io/prophet/. Acesso em: 20 out. 2020.
FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, v. 39, n. 11, p. 27-34, 1996.
FERRETTI, L. et al. Quantifying SARS-CoV-2 transmission suggests epidemic control with digital contact tracing. Science, v. 368, n. 6491, 2020.
FIOCRUZ. Situando Síndrome Respiratória Aguda Grave (SRAG) e COVID19. Nota Técnica Fiocruz. 2020. Disponível em: https://bigdata-
covid19.icict.fiocruz.br/nota_tecnica_5.pdf. Acesso em 27 de outubro de 2021.
FLUVIEW, Centers for Disease Control and Prevention. 2021. Disponível em:
https://www.cdc.gov/flu/about/index.html. Acesso em: 28 de out. 2021.
FREITAS, André R.R. et al. Excess deaths associated with the 2014 chikungunya epidemic in Jamaica. Pathogens and global health, v. 113, n. 1, p. 27-31, 2019.
FRUTUOSO, Livia C.V. et al. Estimated mortality rate and leading causes of death among individuals with chikungunya in 2016 and 2017 in Brazil. Revista da Sociedade Brasileira de Medicina Tropical, v. 53, 2020.
GALLAGHER, Molly E. et al. Indirect benefits are a crucial consideration when evaluating SARS-CoV-2 vaccine candidates. Nature medicine, v. 27, n. 1, p. 4-5, 2021.
GAMADO, K. M.; STREFTARIS, G.; ZACHARY, S. Modelling under-reporting in epidemics. Journal of Mathematical Biology, v. 69, n. 3, p. 737–765, 2014.
GIBBONS, Cheryl L. et al. Measuring underreporting and under-ascertainment in infectious disease datasets: a comparison of methods. BMC public health, v. 14, n. 1, p. 1-17, 2014.
GREGG, M. B. Field Epidemiology. 2. ed. England: Oxford University Press Inc, 2002. 451 p. ISBN 0-19-514259-4.
GUAN, Wei-jie et al. Clinical characteristics of coronavirus disease 2019 in China. New England journal of medicine, v. 382, n. 18, p. 1708-1720, 2020.
GUO, Y. et al. The origin, transmission and clinical therapies on coronavirus disease 2019 (COVID-19) outbreak - an update on the status. Military Medical Research, v. 7, n. 11, 2020.
HALLAL, Pedro C. et al. The challenge of conducting epidemiological research in times of pandemic and denialism: 1-year anniversary of the EPICOVID-19 project in
Brazil. International journal of epidemiology, v. 50, n. 4, p. 1049-1052, 2021.
HALLAL, Pedro Curi et al. EPICOVID19 protocol: repeated serological surveys on SARS- CoV-2 antibodies in Brazil. Ciencia & saude coletiva, v. 25, p. 3573-3578, 2020a.
HALLAL, Pedro C. et al. SARS-CoV-2 antibody prevalence in Brazil: results from two successive nationwide serological household surveys. The Lancet Global Health, v. 8, n. 11, p. e1390-e1398, 2020b.
HARVEY, A. C., PETERS, S. Estimation procedures for structural time series models.
Journal of Forecasting, v. 9, n. 2, p. 89–108, 1990.
HASAN, Mohammad Nayeem et al. The Global Case-Fatality Rate of COVID-19 Has Been Declining Since May 2020. The American journal of tropical medicine and hygiene, v.
104, n. 6, p. 2176, 2021.
HASELL, Joe et al. A cross-country database of COVID-19 testing. Scientific data, v. 7, n.
1, p. 1-7, 2020.
HAYS, J.N. Epidemics and Pandemics: Their Impacts on Human History. Santa Barbara:
ABC CLIO, 2005. 528 p. ISBN 1-85109-658-2
HERNÁNDEZ-VÁSQUEZ, Akram et al. Excess mortality in Metropolitan Lima during the COVID-19 pandemic: A district level comparison. Medwave, v. 20, n. 8, p. e8031, 2020.
HUANG, C. et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. The Lancet, Londres, v. 395, n. 10223, p. 497-506, 2020.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Disponível em:
https://www.ibge.gov.br. Acesso em: 10 out. 2021.
ICICT - INSTITUTO DE COMUNICAÇÃO E INFORMAÇÃO CIENTIFICA E TECNOLÓGICA EM SAÚDE. MONITORACOVID-19, 2021. Disponível em:
https://bigdata-covid19.icict.fiocruz.br/. Acesso em: 20 out. 2021.
INFOGRIPE. Monitoramento de casos de síndrome respiratória aguda grave (SRAG) notificados no SIVEP-Gripe, 2021. Disponível em: http://info.gripe.fiocruz.br/. Acesso em:
25 out. 2021.
IVISMORTALIDADE. Plataforma Integrada de Vigilância em Saúde. Painel de Monitoramento de EXCESSO de Mortalidade. Coordenação-Geral de Informações e Análises Epidemiológicas do Ministério da Saúde. 2021. Disponível em:
http://plataforma.saude.gov.br/coronavirus/mortalidade/. Acesso em 02 de novembro de 2021.
JIH, Thomas Kuen-Shan. Acute respiratory distress syndrome (ARDS) and severe acute respiratory syndrome (SARS): are we speaking different languages?. Journal of the Chinese Medical Association, v. 68, n. 1, p. 1-3, 2005.
KALIL, I. Pneumonia: especialista esclarece sintomas e formas de prevenção. Fiocruz, 2013.
Disponível em: https://portal.fiocruz.br/noticia/pneumonia-especialista-esclarece-sintomas-e- formas-de-prevencao
KANNE, J. P. et al. Essentials for radiologists on COVID-19: An update radiology scientific expert panel. Radiology, v. 296, n. 2, p. 113-114, 2020.
KHAYYAT, Mashael et al. Time Series Facebook Prophet Model and Python for COVID-19 Outbreak Prediction. CMC-COMPUTERS MATERIALS & CONTINUA, v. 67, n. 3, p.
3781-3793, 2021.
KNOLL, Maria Deloria; WONODI, Chizoba. Oxford–AstraZeneca COVID-19 vaccine efficacy. The Lancet, v. 397, n. 10269, p. 72-74, 2021.
KOH, W. C. et al. What do we know about SARS-CoV-2 transmission? A systematic review and meta-analysis of the secondary attack rate and associated risk factors. PLoS One, v. 15, n. 10, 2020.
KOVÁCS, Katalin; PAKOT, Levente. Influenza-associated mortality in Hungary between 2009/2010 and 2016/2017. Orvosi Hetilap, v. 161, n. 23, p. 962-970, 2020.
KUPEK, Emil. How many more? Under‐reporting of the COVID‐19 deaths in Brazil in 2020. Tropical Medicine & International Health, v.26, n.9, p.1019-1028, 2021.
LAZZERI, F. Time Series Forecasting: An Applied Machine Learning Approach. O'Reilly MEDIA, 2019. ISBN 1492049662.
LI, R. et al. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV-2). Science, v. 368, n. 6490, p. 489-493, 2020
LIN, L. MCCLOUD, R. F., BIGMAN C. A., VISWANATH K. Tuning in and catching on?
Examining the relationship between pandemic communication and awareness and knowledge of MERS in the USA. Journal of Public Health, v. 39, n. 2, p. 282-289, 2017.
LINTON, Natalie M. et al. Incubation period and other epidemiological characteristics of 2019 novel coronavirus infections with right truncation: a statistical analysis of publicly available case data. Journal of clinical medicine, v. 9, n. 2, p. 538, 2020.
LIPSITCH, Marc; DEAN, Natalie E. Understanding COVID-19 vaccine efficacy. Science, v.
370, n. 6518, p. 763-765, 2020.
LU R., ZHAO X., LI. J, NIU P., YANG B., WU H., et al. Genomic characterisation and epidemiology of 2019 novel coronavirus: implications for virus origins and receptor binding.
The Lancet, Londres, v. 395, n. 10224, p. 565-574, 2020.
MA, Shujuan et al. Epidemiological parameters of COVID-19: case series study. Journal of medical Internet research, v. 22, n. 10, p. e19994, 2020.
MAIA-ELKHOURY, Ana N. S. et al. Analysis of visceral leishmaniasis reports by the capture-recapture method. Revista de saúde pública, v. 41, n. 6, p. 931-937, 2017.
MAURANO, Matthew T. et al. Sequencing identifies multiple early introductions of SARS- CoV-2 to the New York City region. Genome research, v. 30, n. 12, p. 1781-1788, 2020.
MELLAN, T. A. et al. Report 21: Estimating COVID-19 cases and reproduction number in Brazil. Imperial College COVID-19 Response Team, 8 maio 2020. Disponível em:
https://www.imperial.ac.uk/media/imperial-college/medicine/mrc-gida/2020-05-08- COVID19-Report-21.pdf. Acesso em: 5 out. 2021.
MEYEROWITZ-KATZ G, MERONE L. A systematic review and meta-analysis of published research data on COVID-19 infection fatality rates. International Journal of Infectious Diseases. v.101, p.138-148, 2020.
MOTA, E.; TEIXEIRA, M. G., Vigilância Epidemiológica e a pandemia da Covid-19 no Brasil: elementos para entender a resposta brasileira e a explosão de casos e mortes. Saúde em Debate, v. 44, p. 130-145, 2021.
MCCULLOCH, W. S.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, v. 5, n. 4, p. 115–133, 1943.
NEURALPROPHET. Neural Prophet Documentation. 2019. Disponível em:
https://neuralprophet.com/html/index.html. Acesso em: 27 out. 2021.
NOCEDAL, Jorge; WRIGHT, Stephen. Numerical optimization. Springer Science &
Business Media, 2006.
OLIVEIRA, Guilherme L de. et al. Estimating underreporting of leprosy in Brazil using a Bayesian approach. PLoS neglected tropical diseases, v. 15, n. 8, p. e0009700, 2021.
OPENDATASUS, 2021. Disponível em: https://opendatasus.saude.gov.br/dataset. Acesso em: 27 out. 2021
ORELLANA, Jesem D. Y. et al. Excesso de mortes durante a pandemia de COVID-19:
subnotificação e desigualdades regionais no Brasil. Cadernos de Saúde Pública, v. 37, p.
e00259120, 2021.
PAINELCONASS - CONSELHO NACIONAL DE SECRETARIA DE SAÚDE. Painel dados sobre COVID-19, 2021. Disponível em:
http://www.conass.org.br/painelconasscovid19. Acesso em: 20 out. 2021.
PAIXÃO, Balthazar et al. Estimation of COVID-19 under-reporting in the Brazilian States through SARI. New Generation Computing, p. 1-23, 2021.
PALIT, Ajoy K.; POPOVIC, Dobrivoje. Computational intelligence in time series forecasting: theory and engineering applications. Springer Science & Business Media, London, 2006.
PASZKE, Adam et al. Pytorch: An imperative style, high-performance deep learning library. Advances in neural information processing systems, v. 32, p. 8026-8037, 2019.
PETROSILLO, Nicola et al. COVID-19, SARS and MERS: are they closely related? Clinical Microbiology and Infection, v. 26, n. 6, p. 729-734, 2020.
PHELAN, A. L., KATZ, R., GOSTIN, L.O. The Novel Coronavirus Originating in Wuhan, China: Challenges for Global Health Governance. JAMA, v. 323, n. 8, p. 709-710, 2020.
PICCIALLI, Francesco et al. The Role of Artificial Intelligence in Fighting the COVID-19 Pandemic. Information Systems Frontiers, p. 1-31, 2021.
PRADO, M., ANTUNES, B., et al. Análise da subnotificação de COVID-19 no Brasil. Revista Brasileira de terapia intensiva, v. 32, n.2, 224–228, 2020.
PTRC - PORTAL DA TRANSPARÊNCIA DO REGISTRO CIVIL. Especial COVID-19.
2021. Disponível em: https://transparencia.registrocivil.org.br/especial-covid. Acesso em: 27 out. 2021.
RAAMKUMAR, A. S. et al. Measuring the outreach efforts of public health authorities and the public response on Facebook during the COVID-19 pandemic in early 2020: cross- country comparison. Journal of medical Internet research, v. 22, n. 5, p. e19334, 2020.
RODRIGUEZ-MORALES, Alfonso J. et al. Clinical, laboratory and imaging features of COVID-19: A systematic review and meta-analysis. Travel medicine and infectious disease, v. 34, p. 101623, 2020.
ROSANO, Aldo et al. Investigating the impact of influenza on excess mortality in all ages in Italy during recent seasons (2013/14–2016/17 seasons). International Journal of Infectious Diseases, v. 88, p. 127-134, 2019.
RUSSELL, Timothy W. et al. Using a delay-adjusted case fatality ratio to estimate under- reporting. Centre for Mathematical Modeling of Infectious Diseases Repository, p. 1-6, 2020. Disponível em: https://cmmid.github.io/topics/covid19/global_cfr_estimates.html.
Acesso em: 31 out. 2021.
RUSSELL, S.; NORVIG, P.: Artificial Inteligence: A Modern Approach. 3º. ed. Prentice Hall Press, Edition, 2009.
SHAH, Anoop SV et al. Effect of vaccination on transmission of SARS-CoV-2. New England Journal of Medicine, v. 385, n. 18, p. 1718-1720, 2021.
SHAHID, Osama et al. Machine learning research towards combating COVID-19: Virus detection, spread prevention, and medical assistance. Journal of Biomedical Informatics, v.
117, p. 103751, 2021.
SHI, Zili et al. Stochastic Dynamics of the COVID-19 Case-Fatality Ratios in Indonesia, Malaysia, and the Philippines: Economic Implications for the Post-COVID-19 Era. Frontiers in Public Health, p. 1408, 2021.
SILVA, Gulnar Azevedo; JARDIM, Beatriz Cordeiro; SANTOS, Cleber Vinicius Brito dos.
Excesso de mortalidade no Brasil em tempos de COVID-19. Ciência & saúde coletiva, v. 25, p. 3345-3354, 2020.
SIM, Coordenação-Geral de Informações e Análises Epidemiológicas -CGIAE, (2021b) Apresentação do Sistema de Informação Sobre Mortalidade (SIM). Disponível em:
http://svs.aids.gov.br/dantps/cgiae/sim/apresentacao/ Acesso em: 29 de out. 2020.
SIM, Sistema de Informação Sobre Mortalidade, (2021a). Acesso às bases dados. Disponível em: https://datasus.saude.gov.br/transferencia-de-arquivos/#. Acesso em: 10 de out. 2020.
SINAN - SISTEMA NACIONAL DE AGRAVOS DE NOTIFICAÇÃO. Sinan. Disponível em: https://portalsinan.saude.gov.br. Acesso em: 11 out. 2021.
STONER, Oliver; ECONOMOU, Theo; DRUMMOND MARQUES DA SILVA, Gabriela. A hierarchical framework for correcting under-reporting in count data. Journal of the
American Statistical Association, v. 114, n. 528, p. 1481-1492, 2019.
TAO, Kaiming et al. The biological and clinical significance of emerging SARS-CoV-2 variants. Nature Reviews Genetics, p. 1-17, 2021.
TAYLOR, S. J., LETHAM, B. Forecasting at Scale. The American Statistician, v. 72, n. 1, p. 37-45, 2018.
TEIXEIRA, Carlos. Subnotificação de Mortalidade: Uma análise do excesso de óbitos por Síndrome Respiratória Aguda Grave durante a pandemia do SARS-CoV-2 no Brasil. 2021. 75 f. Dissertação (Mestrado em Engenharia Elétrica) – Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2021.
VALENTE, Fernanda; LAURINI, Márcio P. Robust trend estimation for COVID-19 in Brazil. Spatial and Spatio-temporal Epidemiology, v. 39, p. 100455, 2021.
VEIGA E SILVA, L. et al. COVID-19 Mortality Underreporting in Brazil: Analysis of Data From Government Internet Portals. Journal Medical Internet Research, v. 22, n. 8, p.
e21413, 2020.
VESTERGAARD, Lasse S. et al. Excess all-cause mortality during the COVID-19 pandemic in Europe–preliminary pooled estimates from the EuroMOMO network, March to April 2020. Eurosurveillance, v. 25, n. 26, p. 2001214, 2020.
VIEIRA, André et al. Rapid estimation of excess mortality during the COVID-19 pandemic in Portugal-beyond reported deaths. Journal of epidemiology and global health, v. 10, n. 3, p.
209, 2020.
WANG, Y., CHEN, Y., QIN, Q. Unique epidemiological and clinical features of the emerging 2019 novel coronavirus pneumonia (COVID‐ 19) implicate special control measures.
Journal of Medical Virology, v. 92, n. 6, p. 568-576, 2020
WERNECK, G.L., BAHIA L, MOREIRA J.P.L, SCHEFFER M. Mortes evitáveis por Covid-19 no Brasil. São Paulo, 2021. Disponível em:
https://idec.org.br/sites/default/files/mortes_evitaveis_por_covid- 19_no_brasil_para_internet_1.pdf
WHO - WORLD HEALTH ORGANIZATION (2018). Comunicação de riscos em
emergências de saúde pública: um guia da OMS para políticas e práticas em comunicação de risco de emergencia. WHO, Ginebra. Disponível em:
https://apps.who.int/iris/bitstream/handle/10665/259807/9789248550201-por.pdf?ua=1.
Acesso em: 09 out. 2021.
WHO - WORLD HEALTH ORGANIZATION (2020a). Coronavirus disease (COVID-19- 2019) situation reports – 51. World Health Organization, 11 mar. 2020. Disponível em:
https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200311-sitrep-51- covid-19.pdf?sfvrsn=1ba62e57_10. Acesso em: 03 abr. de 2021.
WHO - WORLD HEALTH ORGANIZATION (2020b). COVID-19 Virtual Press conference, 3 agosto 2020. Disponível em:
https://www.who.int/docs/defaultsource/coronaviruse/transcripts/covid-19-virtual-press- conference-03aug2020.pdf?sfvrsn=53594d71_2. Acesso em: 30 de out. 2021.
WHO - WORLD HEALTH ORGANIZATION (2021a). Coronavirus Disease (COVID-19) Dashboard. World Health Organization, 15 out. 2021. Disponível em:
https://covid19.who.int. Acesso em: 15 de out. 2021.
WHO - WORLD HEALTH ORGANIZATION (2021b). Tracking SARS-CoV-2 variants.
World Health Organization, 15 out. 2021. Disponível em:
https://www.who.int/en/activities/tracking-SARS-CoV-2-variants. Acesso em: 15 de out.
2021.
WHO - WORLD HEALTH ORGANIZATION. ICD-10: international statistical classification of diseases and related health problems: tenth revision. WHO Library, v. 2, 2004.
Disponível em: https://apps.who.int/iris/bitstream/handle/10665/42980/9241546530_eng.pdf.
Acesso em: 12 maio 2021.
WIEMKEN, Timothy L. et al. Thresholds versus anomaly detection for surveillance of pneumonia and influenza mortality. Emerging Infectious Diseases, v. 26, n. 11, p. 2733- 2735, 2020.
WIEMKEN, Timothy L. et al. Excess mortality in the United States in 2020: Forecasting and anomaly detection. American Journal of Infection Control, v. 49, n.9, p. 1189-1190, 2021.
WILSON, Nick et al. Case-fatality risk estimates for COVID-19 calculated by using a lag time for fatality. Emerging infectious diseases, v. 26, n. 6, p. 1339, 2020.
WONDER, Wide-ranging ONline Data for Epidemiologic Research. 2021. Disponível em:
https://wonder.cdc.gov/. Acesso em: 28 de out. 2021.