RESUMO OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma.

ABSTRACT OBJECTIVE Predict the number of hospitalizations for asthma and pneumonia associated with exposure to air pollutants in the city of São José dos Campos, São Paulo State. METHODS This is a computational model using fuzzy logic based on Mamdani’s inference method. For the fuzzification of the input variables of particulate matter, ozone, sulfur dioxide and apparent temperature, we considered two relevancy functions for each variable with the linguistic approach: good and bad. For the output variable number of hospitalizations for asthma and pneumonia, we considered five relevancy functions: very low, low, medium, high and very high. DATASUS was our source for the number of hospitalizations in the year 2007 and the result provided by the model was correlated with the actual data of hospitalization with lag from zero to two days. The accuracy of the model was estimated by the ROC curve for each pollutant and in those lags. RESULTS In the year of 2007, 1,710 hospitalizations by pneumonia and asthma were recorded in São José dos Campos, State of São Paulo, with a daily average of 4.9 hospitalizations (SD = 2.9). The model output data showed positive and significant correlation (r = 0.38) with the actual data; the accuracies evaluated for the model were higher for sulfur dioxide in lag 0 and 2 and for particulate matter in lag 1. CONCLUSIONS Fuzzy modeling proved accurate for the pollutant exposure effects and hospitalization for pneumonia and asthma approach.

RESUMO OBJETIVO Prever o número de internações por asma e pneumonia associadas à exposição a poluentes do ar no município em São José dos Campos, estado de São Paulo. MÉTODOS Trata-se de um modelo computacional que utiliza a lógica fuzzy baseado na técnica de inferência de Mamdani. Para a fuzzificação das variáveis de entrada material particulado, ozônio, dióxido de enxofre e temperatura aparente foram consideradas duas funções de pertinência para cada variável com abordagem linguísticas: bom e ruim. Para a variável de saída número internações por asma e pneumonia, foram consideradas cinco funções de pertinências: muito baixo, baixo, médio, alto e muito alto. O número de internações no ano de 2007 foi obtido do Datasus e o resultado fornecido pelo modelo foi correlacionado com os dados reais de internação com defasagem (lag) de zero a dois dias. A acurácia do modelo foi estimada pela curva ROC para cada poluente e nestas defasagens. RESULTADOS No ano de 2007 foram registradas 1.710 internações por pneumonia e asma em São José dos Campos, SP, com média diária de 4,9 internações (dp = 2,9). Os dados de saída do modelo mostraram correlação positiva e significativa (r = 0,38) com os dados reais; as acurácias avaliadas para o modelo foram maiores para o dióxido de enxofre nos lag 0 e 2 e para o material particulado no lag 1. CONCLUSÕES Modelagem fuzzy se mostrou acurada para a abordagem de efeitos da exposição aos poluentes e internação por pneumonia e asma.

ABSTRACT OBJECTIVE Predict the number of hospitalizations for asthma and pneumonia associated with exposure to air pollutants in the city of São José dos Campos, São Paulo State. METHODS This is a computational model using fuzzy logic based on Mamdani’s inference method. For the fuzzification of the input variables of particulate matter, ozone, sulfur dioxide and apparent temperature, we considered two relevancy functions for each variable with the linguistic approach: good and bad. For the output variable number of hospitalizations for asthma and pneumonia, we considered five relevancy functions: very low, low, medium, high and very high. DATASUS was our source for the number of hospitalizations in the year 2007 and the result provided by the model was correlated with the actual data of hospitalization with lag from zero to two days. The accuracy of the model was estimated by the ROC curve for each pollutant and in those lags. RESULTS In the year of 2007, 1,710 hospitalizations by pneumonia and asthma were recorded in São José dos Campos, State of São Paulo, with a daily average of 4.9 hospitalizations (SD = 2.9). The model output data showed positive and significant correlation (r = 0.38) with the actual data; the accuracies evaluated for the model were higher for sulfur dioxide in lag 0 and 2 and for particulate matter in lag 1. CONCLUSIONS Fuzzy modeling proved accurate for the pollutant exposure effects and hospitalization for pneumonia and asthma approach.

OBJETIVO: Construir um modelo linguístico utilizando-se as propriedades da lógica fuzzy para estimar o risco de óbito de recém-nascidos internados em Unidade de Terapia Intensiva Neonatal (UTIN).MÉTODOS: Modelo computacional utilizando a lógica fuzzy. As variáveis de entrada do modelo foram peso ao nascer, idade gestacional, Apgar de 5º minuto e fração inspirada de oxigênio de recém-nascidos internados em uma UTIN privada de Taubaté, SP. A variável de saída foi risco de óbito, estimado em percentagem. Construíram-se três funções de pertinência para peso ao nascer, idade gestacional e Apgar de 5º minuto e duas para fração inspirada de oxigênio; o risco apresentou cinco funções de pertinência. No modelo, utilizou-se o método de inferência de Mandani pelo progama Matlab(r). Os valores do modelo foram comparados com os fornecidos por especialistas e seu desempenho foi estimado pela curva ROC.RESULTADOS: Incluíram-se 100 recém-nascidos e ocorreram oito óbitos. Para o óbito, a possibilidade média foi de 49,7±29,3% e, para a alta hospitalar, de 24±17,5%. Esses valores são diferentes quando comparados pelo teste tde Student (p<0,001). A correlação foi r=0,80 e o desempenho do modelo foi de 81,9%.CONCLUSÕES: Esse modelo preditivo, não invasivo e de baixo custo financeiro mostrou boa acurácia e pode ser usado em unidades neonatais, dada a facilidade de sua aplicação.

OBJECTIVE: To build a linguistic model using the properties of fuzzy logic to estimate the risk of death of neonates admitted to a Neonatal Intensive Care Unit.METHODS: Computational model using fuzzy logic. The input variables of the model were birth weight, gestational age, 5th-minute Apgar score and inspired fraction of oxygen in newborn infants admitted to a Neonatal Intensive Care Unit of Taubaté, Southeast Brazil. The output variable was the risk of death, estimated as a percentage. Three membership functions related to birth weight, gestational age and 5th-minute Apgar score were built, as well as two functions related to the inspired fraction of oxygen; the risk presented five membership functions. The model was developed using the Mandani inference by means of Matlab(r) software. The model values were compared with those provided by experts and their performance was estimated by ROC curve.RESULTS: 100 newborns were included, and eight of them died. The model estimated an average possibility of death of 49.7±29.3%, and the possibility of hospital discharge was 24±17.5%. These values are different when compared by Student's t-test (p<0.001). The correlation test revealed r=0.80 and the performance of the model was 81.9%.CONCLUSIONS: This predictive, non-invasive and low cost model showed a good accuracy and can be applied in neonatal care, given the easiness of its use.

OBJETIVO: Construir un modelo lingüístico utilizándose de las propiedades de la lógica fuzzy para estimar el riesgo de óbito de recién nacidos internados en Unidad de Terapia Intensiva Neonatal (UTIN).MÉTODOS: Modelo computacional que se utiliza de la lógica fuzzy. Las variables de entrada del modelo fueron peso al nacer, edad gestacional, Apgar de 5º minuto y fracción inspirada de oxígeno de recién nacidos internados en una UTIN privada de Taubaté, São Paulo (Brasil). La variable de salida fue riesgo de óbito, estimado en porcentaje. Se construyeron tres funciones de pertinencia para peso al nacer, edad gestacional y Apgar de 5º minuto y dos para fracción inspirada de oxígeno; el riesgo presentó cinco funciones de pertinencia. En el modelo se utilizó el método de inferencia de Mandani por el programa Matlab(r). Los valores del modelo fueron comparados con los suministrados por especialistas y su desempeño fue estimado por la curva ROC.RESULTADOS: Se incluyeron a 100 recién nacidos y ocurrieron ocho óbitos. Para el óbito, la posibilidad mediana fue de 49,7±29,3% y, para alta hospitalaria, de 24±17,5%. Esos valores son distintos cuando comparados por la prueba t de Student (p<0,001). La correlación fue r=0,80 y el desempeño del modelo fue de 81,9%.CONCLUSIONES: Ese modelo predictivo, no invasivo y de bajo costo financiero mostró buena precisión y se puede usarlo en unidades neonatales, dada su facilidad de aplicación.