Maria Do Socorro Saraiva Pinheiro

Maria Do Socorro Saraiva Pinheiro

Auto-generated profile, based on publicly available information

Maria Do Socorro Saraiva Pinheiro

Universidade Federal do Maranhão – UFMA, São Luís, MA, Brasil

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 July 2022 in Research, Society and Development
Verified
Journal Article
Open access
PDF file
AAAntônio Henrique Braga Martins de Aguiar
Antônio Henrique Braga Martins de Aguiar
WBWesley Lima Barbosa
Wesley Lima Barbosa
JPJosé Manuel Caldas Peixoto
José Manuel Caldas Peixoto
MPMaria Do Socorro Saraiva Pinheiro
Maria Do Socorro Saraiva Pinheiro
Introdução: Leishmaniose Tegumentar é uma doença parasitária que apresenta alta incidência em regiões de clima tropical e subtropical. Ao longo dos anos apresenta alta expansão em todas as regiões brasileiras, com destaque para o Norte e Nordeste que evidencia populações vulneráveis como as mais atingidas. Investigar a epidemiologia destas doenças são fundamentais para a formulação e implementação de políticas públicas de saúde com o objetivo de prevenção e combate ao inseto vetor. Objetivo: Descrever os dados epidemiológicos e sua relação com variáveis sociodemográficas em relação à incidência de Leishmaniose Tegumentar na Região Metropolitana da Grande São Luís entre os anos de 2010 a 2020. Metodologia: Estudo epidemiológico de abordagem quantitativa e retrospectiva que utilizou dados secundários em relação aos casos confirmados da doença entre os anos de 2010 a 2020 para a região de estudo e variáveis qualitativas. Resultados: Os dados mostraram maior incidência da doença em indivíduos do sexo masculino, de cor parda e com ensino fundamental incompleto. Conclusão: Ações desenvolvidas por parte das esferas públicas com o objetivo de divulgação de campanhas preventivas associadas a investimento financeiro e técnico às universidades e centros de pesquisa contribuem para o desenvolvimento de pesquisas e elaboração de medidas que atuem nas interfaces de prevenção, tratamento, controle e erradicação das principais doenças tropicais negligenciadas.

19 December 2023 in Saúde Coletiva (Barueri)
Verified
Journal Article
Open access
PDF file
AAAntônio Henrique Braga Martins de Aguiar
Antônio Henrique Braga Martins de Aguiar
WBWesley Lima Barbosa
Wesley Lima Barbosa
DBDenilson da Silva Bezerra
Denilson da Silva Bezerra
JPJosé Manuel Caldas Peixoto
José Manuel Caldas Peixoto
RDRosilda Silva Dias
Rosilda Silva Dias
MPMaria Do Socorro Saraiva Pinheiro
Maria Do Socorro Saraiva Pinheiro
Objetivo: Analisar a correlação entre os casos de dengue e variáveis meteorológicas para a Região Metropolitana da Grande São Luís entre 2010 e 2020. Método: Estudo epidemiológico do tipo quantitativo e analítico. A fonte de dados utilizada foram os casos confirmados e prováveis de dengue entre 2010 e 2020 para a Região Metropolitana da Grande São Luís fornecidos pela Secretaria de Estado da Saúde do Maranhão. As variáveis meteorológicas foram extraídas do banco de dados meteorológicos disponíveis no site do Instituto Nacional de Meteorologia - INMET. Para compreender a relação entre os casos da doença e as variáveis meteorológicas foi aplicado o teste de análise de componentes principais seguido do teste de correlação de Pearson para verificar o grau de correlação entre as variáveis. Resultado: Em relação às variáveis temperatura máxima, umidade relativa do ar e pluviosidade observou-se incidência maior nos casos confirmados de dengue em apenas dois anos. Conclusão: De acordo com os dados observados não se pode inferir categoricamente que variáveis meteorológicas isoladamente podem apresentar influência com os casos de dengue, apesar de ter sido evidenciada relação entre algumas dessas variáveis e a incidência sazonal da doença. DESCRITORES: Aedes; Estudos de Séries Temporais; Meio Ambiente e Saúde Pública; Medidas de correlação.


3 July 2026 in Veredas do Direito
Verified
Journal Article
Closed access
MJMario Angelo Cenedesi Júnior
Mario Angelo Cenedesi Júnior
MPMaria Do Socorro Saraiva Pinheiro
Maria Do Socorro Saraiva Pinheiro
TRTatiane Lemes Moreira Ribeiro
Tatiane Lemes Moreira Ribeiro
BVBeatriz Ramalho Vidal
Beatriz Ramalho Vidal
MCMário Felipe Ruiz Gonçalves Cardoso
Mário Felipe Ruiz Gonçalves Cardoso
MLMatheus Naim Nasser Lopes
Matheus Naim Nasser Lopes
O objetivo geral desta pesquisa consiste em analisar as inovações tecnológicas na gestão em saúde, com enfoque na aplicação da inteligência artificial à estatística e suas implicações para a otimização dos serviços no Sistema Único de Saúde (SUS). Para alcançar esse propósito, foi realizada uma revisão integrativa da literatura, com buscas sistematizadas nas bases de dados SciELO, LILACS e PubMed. Foram adotados como critérios de inclusão artigos científicos publicados entre os anos de 2020 e 2025, disponíveis na íntegra, em língua portuguesa, desenvolvidos no contexto brasileiro e relacionados à aplicação da inteligência artificial na área da saúde. A análise dos estudos selecionados evidenciou que a inteligência artificial tem promovido avanços significativos na capacidade de processamento e interpretação de grandes volumes de dados, contribuindo para a identificação de padrões epidemiológicos, predição de riscos, apoio ao diagnóstico precoce, monitoramento de pacientes e otimização da gestão dos serviços de saúde. Os resultados também demonstraram que a utilização de algoritmos e modelos estatísticos avançados favorece decisões mais precisas, ágeis e baseadas em evidências, reduzindo incertezas e ampliando a eficiência dos processos assistenciais. Além disso, os estudos apontaram benefícios relacionados à personalização do cuidado, ao planejamento estratégico em saúde pública e à melhoria da qualidade dos serviços ofertados à população. Entretanto, foram identificados desafios associados à qualidade dos dados, à necessidade de capacitação profissional, à transparência dos algoritmos e às questões éticas envolvendo privacidade e segurança das informações.

28 October 2024
Verified
Book Chapter
Closed access
MPMaria Do Socorro Saraiva Pinheiro
Maria Do Socorro Saraiva Pinheiro
NCNivea Fernanda Maria Ferreira Costa
Nivea Fernanda Maria Ferreira Costa
JSJoão Filipe Soares da Silva
João Filipe Soares da Silva
DBDenilson da Silva Bezerra
Denilson da Silva Bezerra

17 August 2026 in Veredas do Direito
Verified
Journal Article
Open access
PDF file
ACAndreza Mel Miotto Carneiro
Andreza Mel Miotto Carneiro
BRBianca Difredibuar dos Santos Raposo
Bianca Difredibuar dos Santos Raposo
ACArquimedes Cavalcante Cardoso
Arquimedes Cavalcante Cardoso
MPMaria Do Socorro Saraiva Pinheiro
Maria Do Socorro Saraiva Pinheiro
LLLuiz Arnoni Fraga Lizardo
Luiz Arnoni Fraga Lizardo
AMAlessandra Oliveira Maia
Alessandra Oliveira Maia
Este estudo teve como objetivo analisar as contribuições da integração entre estatística e inteligência artificial para a análise de dados, a construção de modelos preditivos e o apoio à tomada de decisão clínica em saúde. Trata-se de uma revisão integrativa da literatura, estruturada com base na estratégia SPIDER e nas recomendações do PRISMA, com buscas realizadas nas bases SciELO, Web of Science, LILACS e PubMed, mediante o uso dos operadores booleanos AND, OR e NOT. Foram incluídos artigos científicos publicados em língua portuguesa entre 2020 e 2025, relacionados à aplicação da estatística, inteligência artificial, aprendizado de máquina, análise de dados, predição e suporte à decisão em saúde, resultando em uma amostra final de 13 estudos. Os resultados evidenciaram que a associação entre métodos estatísticos e técnicas de inteligência artificial apresenta ampla aplicabilidade em diferentes contextos, incluindo diagnóstico, prognóstico, estratificação de riscos, predição de mortalidade, identificação precoce de deterioração clínica, vigilância epidemiológica, planejamento de recursos e organização dos serviços. Observou-se que algoritmos como Random Forest, árvores de decisão, redes neurais e regressão logística podem apresentar desempenho relevante na identificação de padrões e previsão de desfechos, embora sua efetividade dependa da qualidade dos dados, da validação dos modelos, da representatividade das amostras e da adequada interpretação dos resultados. Conclui-se que a inteligência artificial, quando integrada a fundamentos estatísticos sólidos e ao julgamento profissional, pode contribuir significativamente para decisões mais precisas, seguras, eficientes e baseadas em evidências no campo da saúde.