Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Atratores caóticos de baixa dimensão na ocupação diária dos hospitais devido à COVID-19 nos EUA e no Canadá

Carlos Pedro Gonçalves*

A aplicação epidemiológica dos métodos da teoria do caos revelou a existência de marcadores caóticos nos dados epidemiológicos do SARSCoV-2, incluindo atractores de baixa dimensão com expoentes de Lyapunov positivos, e marcadores de evidência de uma dinâmica que está próxima do início do caos para diferentes regiões. Expandimos estes trabalhos anteriores, realizando um estudo comparativo dos casos de ocupação diária de hospitais COVID-19 nos Estados Unidos da América (EUA) e no Canadá, aplicando uma combinação de teoria do caos, aprendizagem automática e métodos de análise de dados topológicos. Ambos os países apresentam marcadores de caos de baixa dimensão para os dados de hospitalização da COVID-19, com uma elevada previsibilidade para sistemas de inteligência artificial adaptativos que exploram a estrutura de recorrência destes atratores, com pontuações R ² superiores a 95% para previsões com até 42 dias de antecedência. A evidência é favorável a que os internamentos nos EUA estejam mais próximos do início do caos e sejam mais previsíveis do que no Canadá. As razões para esta maior previsibilidade são explicadas através da utilização de métodos de análise de dados topológicos.