@MASTERSTHESIS{ 2024:544369127,
 	title = {Otimiza??o do processo de vacina??o por meio de Machine Learning e dispositivos IoT: monitoramento de doses aplicadas e recomenda??es baseadas em dados},
 	year = {2024},
 	url = "https://tede.ufam.edu.br/handle/tede/10233",
 	abstract = "A campanha de vacina??o desempenha um papel crucial na prote??o da sa?de p?blica, especialmente em per?odos de surtos epidemiol?gicos e pandemias. No entanto, a coleta e gest?o de dados durante esse processo, em particular o controle de quantidades de frascos, doses e temperatura, continuam a enfrentar desafios significativos. Algumas das atividades de registro de dados, como o monitoramento da quantidade de doses e da temperatura, s?o realizadas manualmente, o que pode resultar em atraso no atendimento, em erros de registros e falta de efici?ncia. Relat?rios anal?ticos que sintetizam dados oriundos de registros por dispositivos de sensoriamento remoto s?o geralmente utilizado para visualiza??o e tomada de decis?o. Nesse contexto, este trabalho apresenta um m?todo para otimizar o processo de monitoramento que utiliza um modelo gerado por Machine Learning para sugerir recomenda??es com base na meta di?ria e dados clim?ticos da openweather API. Os dados foram simulados utilizando-se dispositivos de Internet das Coisas (IoT) com comunica??o LoRa e tecnologia RFID. Sete modelos foram treinados por meio do GridSearchCV para otimizar o processo de ajuste dos melhores hiperpar?metros e sele??o do melhor modelo de classifica??o. O algoritmo Gradient Boosting obteve o melhor desempenho com a acur?cia de aproximadamente 96,3% e resultado de Best Parameters: 'learning_rate': 0.1, 'max_depth': 3, 'n_estimators': 200. Os dados foram recuperados e apresentados em um dashboard do Power BI. A utiliza??o  do Machine Learning e tecnologia de sensoriamento remoto na gest?o de dados durante o processo vacinal representa um avan?o significativo para a sa?de p?blica. A automatiza??o da coleta, da gera??o de informa??o e a previs?o de demandas s?o fundamentais para garantir uma resposta r?pida e precisa em situa??es de emerg?ncia, como surtos de doen?as contagiosas. Al?m disso, a tecnologia empregada pode ser adaptada e expandida para outros contextos de sa?de, proporcionando maior efici?ncia e efic?cia em diversas ?reas da medicina como transplante de ?rg?o por exemplo",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}