Modelos de vigilância em saúde apoiados em dados de redes sociais são uma realidade viável?

Modelos de vigilância em saúde apoiados em dados de redes sociais são uma realidade viável? | SciELO Preprints window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'G-3TT8HYRH0Y'); Open Menu Registrar-se Acesso English Español Ir para o conteúdo principal Ir para o menu de navegação principal Ir para o rodapé Preprints Submissão Áreas do Conhecimento Ciências Agrárias Ciências Biológicas Ciências da Saúde Ciências Exatas e da Terra Ciências Humanas Ciências Sociais Aplicadas Engenharias Linguística, letras e artes Educação em Revista Memórias do Instituto Oswaldo Cruz 47º Encontro Anual da ANPOCS 48º Encontro Anual da ANPOCS 49º Encontro Anual da ANPOCS Sobre Sobre o Servidor Declaração de Privacidade Atualizações do Sistema Contato FAQ Ética no SciELO Preprints Avaliação de preprints Anotações em preprints (via Hypothesis) Avalie um preprint Notícias Início / Ciências da Saúde Preprint / Versão 1 Modelos de vigilância em saúde apoiados em dados de redes sociais são uma realidade viável? article.authors6a104889cbe88 Kleber Rodrigues dos Santos Universidade de São Paulo image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0003-2123-5426 Daielly Mantovani Universidade de São Paulo image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0001-6320-3268 Celso Machado Jr Universidade Municipal de São Caetano do Sul image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0003-3835-2979 Guilherme A. Leal Universidade de São Paulo image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0002-8415-0916 DOI: https://doi.org/10.1590/SciELOPreprints.11847 Palavras-chave: Artificial Intelligence, Collective Health, Health Surveillance, Social media, Machine Learning, Literatura review, Sistematic review Resumo Este artigo apresenta uma revisão sistemática da literatura com o objetivo de analisar como dados provenientes de redes sociais, em especial da plataforma X (antigo Twitter), têm sido empregados na formulação de modelos preditivos aplicados à vigilância sanitária, utilizando técnicas de aprendizado de máquina. Foram examinados 23 estudos publicados entre 2018 e 2021, período exatamente antes e após a pandemia de COVID-19. Esses estudos aplicaram algoritmos analíticos a postagens com georreferenciamento, com o propósito de detectar surtos, monitorar epidemias e apoiar processos decisórios em saúde pública. Os resultados sugerem que esses modelos podem antecipar focos de risco com até quatro semanas de antecedência, contribuindo para respostas mais oportunas por parte dos gestores. Contudo, observam-se limitações importantes para a adoção desses sistemas, tais como a escassez de dados geolocalizados, a vulnerabilidade a ruídos informacionais e os entraves técnicos e éticos relacionados ao processamento automatizado da linguagem natural. A revisão indica que, embora essas soluções revelem aplicabilidade crescente, sua consolidação institucional depende de estratégias integradas de validação, governança algorítmica e aprimoramento da infraestrutura digital. Este estudo busca contribuir para o campo da Saúde Digital ao oferecer uma leitura crítica sobre os caminhos e obstáculos associados ao uso de redes sociais e inteligência artificial na vigilância sanitária. Downloads Os dados de download ainda não estão disponíveis. Biografia do Autor Kleber Rodrigues dos Santos, Universidade de São Paulo Doutorando em Administração pela Universidade de São Paulo (FEA/USP), mestre em Administração pela Universidade de São Paulo (FEA/USP) , pós-graduado (lato senso) pela Escola Superior de Propaganda e Marketing (ESPM) (2005) e com graduação em Engenharia Elétrica com ênfase em Telecomunicações pela Universidade de São Paulo (2000). Daielly Mantovani, Universidade de São Paulo Graduada em Administração pela FEA-RP/ Universidade de São Paulo (2005), Mestre em Administração de Organizações (2008) pela mesma instituição e Doutora em Administração (2012) pela FEA- SP/USP, com estágio na Universidade de Illinois (USA). Pós-doutorado em Administração pela Universidade Presbiteriana Mackenzie (2015). Docente do Departamento de Administração da Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo FEA/USP, desde 2018, na área de Métodos Quantitativos e Informática, sendo responsável por disciplinas nas áreas de Estatística Aplicada, Análise da Decisão e Pesquisa Operacional, no curso de graduação e na pós-graduação. Docente permanente do Programa de Pós-Graduação em Administração (Mestrado e Doutorado) e do Programa de Mestrado Profissional em Empreendedorismo.É líder do NECIS - Núcleo de Estudos em Cidades Inteligentes e Sustentáveis (http://www.necis.fea.usp.br), coordenando projetos de pesquisa e extensão na temática Cidades Inteligentes e Sustentáveis, com orientações de TCC, IC, Mestrado, Doutorado e Pós-Doutorado nesse tema.Atua na área de modelagem quantitativa, machine learning e open data, aplicados a Smart Cities.Tem experiência na área de Administração, com ênfase em , Ensino de Administração - Gamification, Análise de Dados, Metodologia de Pesquisa e Tecnologias da Comunicação e Informação, atuando principalmente nos seguintes temas: métodos de pesquisa, métodos quantitativos, Analytics, Smart Cities.Twitter: @NecisUspYouTube: NECIS USPInstagram: feanecis Celso Machado Jr, Universidade Municipal de São Caetano do Sul Dois Pós-doutorado (2021 e 2023) pela Universidade de São Paulo - USP, Departamento de Administração (FEA), na área de Métodos Quantitativos e Informática. Doutor (2012) em Administração pela Universidade Nove de Julho - UNINOVE, Mestre (2005) em Educação, Administração e Comunicação pela Universidade São Marcos, graduado em Engenharia Mecânica (1988) pela Universidade de Mogi das Cruzes. Professor dos Programas de Pós-Graduação em Administração - PPGA/USCS (também exerço a função de auxiliar de coordenação), e de Mestrado Profissional em Inovação no Ensino Superior em Saúde PPGES/USCS da Universidade Municipal de São Caetano do Sul USCS. Foi professor do Programa de Mestrado Profissional em Administração em Governança Corporativa no Centro Universitário das Faculdades Metropolitanas Unidas - FMU de janeiro de 2013 a agosto de 2019. Editor da Revista Metropolitana de Sustentabilidade RMS de Janeiro de 2013 a Agosto de 2016, Editor da Revista Metropolitana de Governança Corporativa RMGC de Janeiro de 2018 a agosto de 2019. Membro do Conselho de Política Editorial da Revista Gestão e Regionalidade desde junho de 2022. Coordenador do Consórcio Pré-Doutoral do Seminários de Administração (SemeAd). Membro da United Nations Academic Impact - UNAI, órgão das Nações Unidas que patrocina pesquisas desenvolvidas por instituições de ensino superior voltadas aos princípios das Nações Unidas. Membro do comitê de pesquisa da divisão Smart Cities Challenges in Latin America da Association for Information Systems - AMCIS para a gestão dos trabalhos da área temática. Membro da Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Atuando como Mentor do PIPE Empreendedorismo (Pesquisa Inovativa em Pequenas Empresas). Lider do Grupo de Pesquisa CNPq, Escritório Multidisciplinar de Inovação na USCS e membro dos grupos: Núcleo de Estudos em Cidades Inteligentes e Sustentáveis - NECIS na USP e Biodiversidade, Biogeografia e Conservação na UNIP. Revisor dos seguintes periódicos: Journal of Cleaner Production, International Journal of Biodiversity and Conservation, Revista de Administração Contemporânea RAC, Revista Gestão e Regionalidade GR, Revista Hermes, Revista Ciências Sociais em Perspectiva RCSP e Journal of Engineering and Technology Innovation - INOVAE. Trabalhou na gestão acadêmica, como: coordenador do curso semipresencial de pós-graduação em Gestão Ambiental Ecogestão na Universidade Paulista, responsável pela implantação (2008 a 2010). Atua como docente no curso de graduação em Administração na Universidade de São Caetano do Sul, e no curso de Ciências Biológicas da Universidade Paulista. Têm experiência na área de Gestão de Organizações, com ênfase em Gestão Ambiental, Recursos Humanos, Sistemas da Qualidade e Gestão do Conhecimento. Atuou em organização industrial do setor privado (1983 - 2009) em diversos setores de gestão. ORCID - https://orcid.org/0000-0003-3835-2979. Guilherme A. Leal , Universidade de São Paulo Doutor em Administração na Universidade de São Caetano do Sul - USCS (2023), (consórcios públicos da saúde, SUS, inovação, farmacoeconomia). Mestre em Adm. (Finanças) na FECAP - Fundação Escola de Comércio Alvares Penteado.Graduado em Economia pela USCS - Universidade Municipal de São Caetano do Sul (2010) possui 2 MBAs (Finanças e Mercado de Capitais na FGV / Marketing na USCS). Experiência nas áreas de riscos financeiros relacionados ao crédito, planejamento financeiro e marketing.Experiência profissional em Chicago, Estados Unidos, no Planejamento Financeiro Intercontinental de uma indústria farmacêutica.Fez parte dos programas de iniciação da docência e iniciação científica da USCS em 2 disciplinas:(Economia e Empreendedorismo / Estatística), com professores David Penof/Leandro PrearoProfessor em Universidades: UNIP e UNINOVE para disciplinas de MBA.Na atuação corporativa já passou por outras multinacionais como o Eli Lilly, Google e a Sany.Participante do grupo de pesquisa CNPQ "Escritório Multidisciplinar de Inovação na USCS", sob a supervisão do professor Dr. Celso Machado Júnior. PDF Postado 21/05/2025 Como Citar Modelos de vigilância em saúde apoiados em dados de redes sociais são uma realidade viável?. (2025). Em SciELO Preprints . https://doi.org/10.1590/SciELOPreprints.11847 Formatos de Citação ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver Baixar Citação Endnote/Zotero/Mendeley (RIS) BibTeX Série Ciências da Saúde Copyright (c) 2025 Kleber Rodrigues dos Santos, Daielly Mantovani, Celso Machado Jr, Guilherme A. Leal Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License . .citations-container { overflow-y: auto; overflow-x: hidden; max-height: 1000px; } Plaudit Declaração de dados Os dados de pesquisa estão contidos no próprio manuscrito Dados de pesquisa Santos, Kleber Rodrigues dos; Mantovani, Daielly M. N.; Machado Jr, Celso; Leal , Guilherme A., 2025, "Dados de replicação para: Modelos de vigilância em saúde apoiados em dados de redes sociais são uma realidade viável?", https://doi.org/10.48331/SCIELODATA.M2MWM9 , SciELO Data, V1 Aviso de preprints Preprints são manuscritos não avaliados por um periódico científico ou já avaliados mas em processo de publicação. .block_announcements_article:not(:last-child) { padding-bottom: 1.5em; border-bottom: 1px solid; } .block_announcements_article { text-align: left; } .block_announcements #show-all{ font-style: italic; } Notícias SciELO Preprints adota obrigatoriedade de declaração de disponibilização de dados de pesquisa 19 agosto 2025 A partir de 1º de setembro de 2025 os manuscritos submetidos ao SciELO Preprints devem incluir uma declaração de disponibilidade de dados informando sobre onde e como os dados da pesquisa que deram origem ao artigo podem ser acessados. Atualização da Política Editorial e FAQ 21 maio 2025 Todos(as) os(as) autores(as) são solicitados(as) a consultarem a nossa Política Editorial e nossas FAQs antes de submeterem o seu manuscrito. Prêmio Ben Barres Spotlight: Inscrições abertas para 2024 20 maio 2024 Prêmios de até US$ 5.000 estão agora disponíveis para pesquisadores de origens sub-representadas ou países com financiamento limitado para apoiar sua pesquisa, carreira e comunidade. Preprints do SciELO Preprints nas ciências da vida ou biomédicas com pelo menos uma revisão disponível no Sciety são elegíveis! Show all announcements ... SciELO - Scientific Electronic Library Online Rua Dr. Diogo de Faria, 1087 – 9º andar – Vila Clementino 04037-003 São Paulo/SP - Brasil E-mail: [email protected] app = {"hypothesisHandlerUrl":"https:\/\/preprints.scielo.org\/index.php\/scielo\/$$$call$$$\/plugins\/generic\/hypothesis\/controllers\/hypothesis\/"}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.data = pkpUsageStats.data || {};pkpUsageStats.data.Submission = pkpUsageStats.data.Submission || {};pkpUsageStats.data.Submission[11847] = {"data":{"2025":{"5":"19","6":"19","7":"17","8":"7","9":"15","10":"16","11":"20","12":"12"},"2026":{"1":"9","2":"18","3":"13","4":"25","5":"19"}},"label":"Todos os downloads","color":"79,181,217","total":209}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.locale = pkpUsageStats.locale || {};pkpUsageStats.locale.months = ["Jan","Fev","Mar","Abr","Mai","Jun","Jul","Ago","Set","Out","Nov","Dez"];pkpUsageStats.config = pkpUsageStats.config || {};pkpUsageStats.config.chartType = "bar"; (function (w, d, s, l, i) { w[l] = w[l] || []; var f = d.getElementsByTagName(s)[0], j = d.createElement(s), dl = l != 'dataLayer' ? '&l=' + l : ''; j.async = true; j.src = 'https://www.googletagmanager.com/gtag/js?id=' + i + dl; f.parentNode.insertBefore(j, f); function gtag(){dataLayer.push(arguments)}; gtag('js', new Date()); gtag('config', i); }) (window, document, 'script', 'dataLayer', '3TT8HYRH0Y');