Especialistas Seniores em Covid-19 com atuação no Brasil

Alexandre Dias Porto Chiavegatto Filho

Possui graduação em Economia pela USP, doutorado em Saúde Pública pela USP e pós-doutorado na Universidade de Harvard. É Professor Livre Docente do Departamento de Epidemiologia da Faculdade de Saúde Pública da USP e orientador dos programas de pós-graduação de Saúde Pública e de Epidemiologia da USP. Atuou como professor convidado (2016 e 2020) e pesquisador visitante (2017 e 2019) na Universidade de Harvard. Em 2020, recebeu o Prêmio Abril e Dasa de Inovação Médica (Categoria: Prevenção). Nos últimos anos, tem sido o Pesquisador Principal de projetos de inteligência artificial em saúde financiados pela FAPESP, CNPq, Microsoft e Fundação Lemann. É membro do Conselho de Editores da Revista de Saúde Pública. Em 2015-2016 foi responsável pelo curso online Big Data em Saúde no Brasil, da parceria USP-Coursera, que teve mais de 8.500 alunos matriculados e representantes de todos os Estados brasileiros. É o diretor do Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da FSP/USP. Atualmente é o coordenador da rede IACOV-BR (Inteligência Artificial para Covid-19 no Brasil), que tem como objetivo desenvolver algoritmos de machine learning para o diagnóstico e prognóstico de covid-19 nas cinco regiões brasileiras. Tem experiência em pesquisas na área de saúde pública, com ênfase em estatísticas de saúde e machine learning. (Texto informado pelo autor)

  • https://lattes.cnpq.br/5517850224634709 (22/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Faculdade de Saúde Pública. Av. Dr. Arnaldo, 715 Cerqueira César 01246904 - São Paulo, SP - Brasil Telefone: (11) 30617914 URL da Homepage: https://www.fsp.usp.br/labdaps
  • Grande área: Ciências da Saúde
  • Área: Saúde Coletiva
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (10)
    1. 2020-Atual. AICOV-BR: Artificial intelligence for the diagnosis and prognosis of COVID-19 in a multicentre study of the five regions of Brazil
      Descrição: Brazil is currently the country with the highest daily deaths from COVID-19 and second only behind the United States in new daily infections. With the spread of the disease towards the most remote and rural regions of Brazil, incidence of the virus is estimated to remain high due to new waves of infections until at least the end of 2020. Providing an early risk of COVID-19 diagnosis can help to identify priorities for receiving RT-PCR diagnostic tests and the need for isolation and preventive measures until the result of the test is received. Also, establishing prognostic risk scores for severe outcomes in patients with COVID-19 can assist medical staff and health managers in making decisions about clinical interventions and the allocation of resources. This proposal will develop and validate machine learning algorithms for the diagnosis and prognosis of COVID-19 using routinely-collected data from hospitals. Currently, the network has the confirmed participation of 18 hospitals throughout all the five regions of Brazil, with an estimated number of around 14,000 COVID-19 patients with complete individual data and laboratory exams. The study will test the predictive performance of the most popular machine learning algorithms for structured data such as gradient boosting trees, random forests and neural networks, using metrics such as positive and negative predictive value, sensitivity, specificity and area under the ROC curve. This will be the first machine learning study to develop and validate the performance of predictive algorithms in all Brazilian regions. The final goal of the project is to perform a randomized clinical trial of the algorithms to test their effectiveness in improving the clinical evolution of COVID-19 patients. This proposal is a partnership between seven Brazilian universities (University of São Paulo, Federal University of Goiás, State University of Paraíba, Aeronautics Institute of Technology, Bahia School of Medicine and Public Health, Oswaldo Cruz Foundation, and Federal University of Pelotas). The project is composed by a multidisciplinary team, with an oversight from specialists in bioethics, race, and gender and health studies. The core research team of this proposal already has a pre-print on machine learning for COVID-19 diagnosis, which points to the technical feasibility of the project.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (3) / Doutorado: (5) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / André Filipe de Moraes Batista - Integrante / Tiago Almeida de Oliveira - Integrante / Ruchelli França de Lima - Integrante / Roberta Moreira Wichmann - Integrante. Financiador(es): Microsoft Corporation - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    2. 2020-Atual. Inteligencia artificial para decisoes clinicas e administrativas durante a pandemia de covid-19
      Descrição: Algoritmos de machine learning têm o potencial de auxiliar profissionais de saúde em diversas áreas, tanto na recepção e triagem de pacientes em unidades de atendimento primário (postos de saúde), secundário e terciário (hospitalares) como no diagnóstico de doenças como o câncer de mama, além do prognóstico clínico como na predição de risco de óbito em pacientes em estado crítico. No caso da covid-19, por se tratar de uma doença nova, os algoritmos podem aprender rapidamente os padrões referentes às interações das características do paciente que levam tanto ao maior risco de resultado de exame positivo da doença, como à evolução clínica e mesmo ao óbito, com o objetivo de auxiliar a equipe médica em decisões clínicas e na alocação de recursos físicos. Assim, o presente projeto tem como objetivo analisar se é possível predizer desfechos relacionados à covid-19 com a mesma performance encontrada para outras doenças em pesquisas científicas recentes de machine learning. Com a confirmação desses resultados esperados, o próximo passo será desenvolver interfaces com os hospitais sob a forma de aplicativos para auxiliar médicos e gestores hospitalares em decisões sobre prioridades para recebimento de testes RT-PCR para covid-19, internações em UTI e recebimento de intervenções como o uso de ventiladores mecânicos. Após o desenvolvimento do aplicativo, o projeto não terá mais custo e tudo será disponibilizado de forma rápida e gratuita para os hospitais e clínicas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado profissional: (2) / Doutorado: (2) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / Bruno P Nunes - Integrante / Sandro R Rodrigues Batista - Integrante / André Filipe de Moraes Batista - Integrante / Tiago Almeida de Oliveira - Integrante / Diego Pereira Barboza - Integrante / Ruchelli França de Lima - Integrante / Tassia Teles Santana de Macedo - Integrante / Roberta Moreira Wichmann - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    3. 2019-2020. Inteligencia artificial em saude: em busca de um modelo universal
      Descrição: O estudo permitirá o desenvolvimento de algoritmos de inteligência artificial conhecidos como transfer learning, para criar representações que poderão ser utilizadas como base para modelos com baixa disponibilidade de dados, como no caso de doenças emergentes e surtos. Esses novos algoritmos irão auxiliar os profissionais de saúde na tomada de decisão sobre diagnóstico e intervenção quando o conhecimento científico da área ainda não está estabelecido. O projeto tem como objetivo específico descobrir se é possível criar uma representação básica para problemas de saúde em geral, dado um conjunto suficiente de variáveis de baseline. Com o avanço do conhecimento científico em saúde, tem ocorrido um movimento em direção à especialização da formação médica e da prática clínica, esquecendo-se da semelhança dos problemas de saúde e suas origens em comum.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / André Filipe de Moraes Batista - Integrante.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    4. 2018-2020. Predicao de obitos segundo causa basica com machine learning em uma amostra longitudinal de 502.632 individuos
      Descrição: Avanços recentes em capacidade computacional e na disponibilidade de grandes bancos de dados têm permitido o aumento do uso de métodos preditivos de inteligência artificial, conhecidos como machine learning. Na saúde, a predição da ocorrência de óbitos pode ajudar a melhorar decisões sobre a necessidade e a intensidade de tratamento médico e o estabelecimento de prioridades para internação. O projeto analisará os resultados do UK Biobank, um estudo longitudinal de 502.632 indivíduos acompanhados desde 2006-2010, que coletou características socioeconômicas, demográficas, fatores de risco, informações sobre histórico de saúde, medidas antropométricas e amostras de sangue e de urina, totalizando mais de 600 variáveis. Os óbitos são coletados continuamente por linkage e estima-se que ao início deste projeto tenham ocorrido mais de 25.000 óbitos de participantes. Serão testadas as performances de 10-20 modelos de machine learning para predizer óbito em 1, 2 e 5 anos por mortalidade geral e segundo grupos de causas básicas, utilizando as variáveis coletadas no baseline. Após a identificação do algoritmo com melhor performance preditiva, será testada a sua capacidade de generalização no estudo Saúde Bem-Estar e Envelhecimento (Projeto Temático 14/50649-6). O projeto permitirá identificar se é possível predizer com boa acurácia quem irá a óbito, e por qual causa, utilizando um grande número de características iniciais. O orçamento será utilizado para o pagamento da taxa de transferência dos dados e para a compra de duas máquinas especializadas em machine learning e big data. O projeto estabelecerá uma nova parceria entre o Laboratório de Big Data e Análise Preditiva (LABDAPS) da FSP/USP e a Plataforma de Ciência de Dados Aplicada à Saúde da Fiocruz-RJ.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (5) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / Carla Ferreira do Nascimento - Integrante / Hellen Geremias dos Santos - Integrante / Joana Raquel Raposo dos Santos - Integrante / Marcel de Moraes Pedroso - Integrante / Ana Paula da Cunha - Integrante / Raphael de Freitas Saldanha - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    5. 2017-2020. O efeito de um medico: Avaliacao do impacto do Programa Mais Medicos na situacao de saude e acesso a servicos de saude
      Descrição: O Programa Mais Médicos é atualmente responsável por mais de 18 mil médicos que atuam em 4.058 municípios brasileiros. A análise do seu impacto na saúde, entretanto, traz alguns desafios metodológicos devido à falta de aleatorização da intervenção e a diferenças pré-existentes entre os municípios, o que pode fazer com que os seus impactos não sejam facilmente identificados. O presente estudo tem como objetivo aplicar novas metodologias causais em crescente utilização em epidemiologia para testar o impacto real (ou causal) do programa na situação de saúde e no acesso a serviços de saúde nos municípios brasileiros contemplados pelo programa. Duas metodologias serão utilizadas: diferenças-em-diferenças e propensity score matching. A primeira terá como objetivo analisar as mudanças temporais no acesso a serviços e situação de saúde antes e após a introdução do programa. A segunda permitirá a identificação de contrafatuais para municípios de baixa renda que se beneficiaram do programa, assumindo-se que as diferenças pré-existentes sejam referentes a variáveis observáveis. O presente estudo utilizará informações de saúde provenientes do Departamento de Informática do SUS (DATASUS), cuja qualidade e abrangência é reconhecida internacionalmente, durante o período de 2010 a 2015. A análise do efeito dos médicos na saúde de populações vulneráveis irá auxiliar na formulação de políticas públicas na área da saúde, incentivando a alocação dos médicos em áreas onde terão um maior efeito. O objetivo final do projeto é publicar os resultados em um relatório de trabalho e em revistas científicas de epidemiologia e saúde pública de alto impacto.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / Carla Ferreira do Nascimento - Integrante / Kaio Henrique Correa Massa - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    6. 2016-2019. Machine learning to estimate life expectancy by race in Brazil: challenges for a multiracial future
      Descrição: Self-reported race is considered the gold standard to measure racial inequalities in health, especially in countries with fluid racial boundaries such as Brazil. However, life expectancy results use mortality data with racial classification determined by another individual, usually the physician that completed the death certificate. A previous study by the researchers of this proposal found that, in Brazil, mixed-race individuals have an overall higher life expectancy than whites (78.80 and 77.54 years for females, and 71.08 and 71.10 for males, respectively), despite presenting much lower levels of education and income. The result was attributed to interviewer whitening, as previous studies show that interviewers frequently consider other individuals whiter than the individuals themselves, so it could also be the case for death certificates. This spurious excess of white mortality could be the reason for the lower life expectancy found for whites, but this is yet to be confirmed. The researchers will compare self-reported racial data from deceased participants of ELSA-Brasil with their death certificate, available from the main project. Machine learning algorithms will be performed to identify individuals with high risk of having their race misclassified on the death certificate (assuming previously self-reported race as the gold standard), based on individual characteristics. The trained algorithm will then be performed in the official microdata death records from Brazil to correct racial classification for individuals with a predicted high risk of misclassification. The first results will be to produce the new (corrected) life expectancy rates in Brazil for whites, blacks and mixed races. The researchers will disseminate these results on Brazilian media and a scientific article will be written on the topic. The project also includes secondary objectives that aim to advance specific scientific knowledge on race, cultural factors and health in Brazil. The ELSA-Brasil sample has a very extensive database on social capital, neighborhood characteristics and chronic diseases. These results will be linked to self-reported race and genetic heritage data collected from the participants in 2010 with the objective of identifying factors associated with individuals that present large disparities between genetic heritage and self-reported race. This proposal is a collaboration between Professor Ichiro Kawachi, the John L. Loeb and Frances Lehman Loeb Professor of Social Epidemiology and Chair of the Department of Social and Behavioral Sciences of the Harvard School of Public Health, and Assistant Professor Alexandre Chiavegatto Filho of the School of Public Health of the University of São Paulo, Brazil. Situação: Concluído; Natureza: Pesquisa. Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / Ichiro Kawachi - Integrante. Financiador(es): Instituto Lemann - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    7. 2014-2016. Cidades e Saude Mental: Determinantes sociais dos disturbios mentais em grandes centros urbanos em uma analise multicentrica do World Mental Health Survey Initiative
      Descrição: Nas últimas décadas, os distúrbios mentais têm aumentado rapidamente de importância entre as causas de morbidade e incapacidade, principalmente nas grandes cidades. O presente projeto objetiva identificar e analisar os determinantes sociais dos distúrbios mentais nas dez megacidades que fazem parte do World Mental Health Survey Initiative (WHMI): Nova York, Los Angeles, Xangai, Pequim, Shenzhen, Lagos, Cidade do México, Paris, Buenos Aires e São Paulo, totalizando cerca de 20.000 indivíduos (média de 2.000 por megacidade), o que permitirá uma amostra de certo modo representativa de países de renda per capita baixa (Nigéria e China), média (Brasil, Argentina e México) e alta (Estados Unidos e França). As variáveis dependentes de interesse serão a presença de depressão, ansiedade e qualquer distúrbio mental, identificadas pelos critérios do Diagnostic and Statistical Manual of Mental Disorders (DSM-IV), traduzido e adaptado para as diferentes línguas. Na primeira parte do estudo serão ajustados modelos multinível logísticos Bayesianos com o objetivo de testar a associação entre as três variáveis dependentes com os determinantes individuais (sexo, idade, renda individual, escolaridade e estado civil) e os determinantes contextuais (desigualdade de renda, renda mediana e violência). Serão também ajustados modelos de equações estruturais para testar a presença de um efeito mediador das redes de apoio social (social networks) na associação entre os determinantes contextuais e os distúrbios mentais. O projeto será uma colaboração entre a Faculdade de Saúde Pública da USP, o Instituto de Psiquiatria da USP, a Mailman School of Public Health da Universidade de Columbia e a Harvard Medical School. Situação: Concluído; Natureza: Pesquisa. Integrantes: Alexandre Dias Porto Chiavegatto Filho - Coordenador / Yuan Pang Wang - Integrante / Laura Helena Silveira Guerra Andrade - Integrante / Sandro Galea - Integrante / Silvia Martins - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    8. 2012-2014. Sao Paulo Megacity - Estudo Epidemiologico dos Transtornos Psiquiatricos na Regiao Metropolitana de Sao Paulo: Prevalencias, Fatores de Risco e Sobrecarga Social e Economica
      Descrição: O presente projeto tem como proposta identificar as taxas de prevalência de transtornos psiquiátricos, avaliar o grau de incapacidade associada a eles, estudar a sua história natural e determinar possíveis fatores associados, na população residente na região metropolitana de São Paulo. É a extensão de um estudo realizado na área de captação do Hospital das Clínicas da FMUSP (dois bairros da zona oeste da cidade de São Paulo) e visa sanar algumas lacunas existentes em nosso meio, em relação a informações sobre o grau de sobrecarga social, econômica e familiar associadas a esses transtornos. O principal objetivo é fornecer subsídios ao estabelecimento de novas estratégias de prevenção e tratamento, bem como direcionar a elaboração de políticas de saúde mais adequadas à realidade da região e auxiliar no planejamento de serviços de saúde que atendam à demanda da população. É parte de um estudo que vem sendo realizado em vários países, coordenado pela Organização Mundial de Saúde, o World Mental Health Survey, que contará com um banco de dados de mais de 170 mil entrevistas, o que permitirá comparações transculturais entre sociedades com diferentes níveis de desenvolvimento. Segue a tendência dos estudos atuais de morbidade psiquiátrica na população geral: identificar as possíveis causas, conseqüências, estratégias para a prevenção e populações específicas em risco a determinados transtornos, além de direcionar a atenção à saúde em função da demanda conhecida. A relevância desse empreendimento pode ser enfatizada a partir de recentes publicações de organismos internacionais. No estudo The Global Burden of Disease, realizado pela Organização Mundial de Saúde e por pesquisadores da Escola de Saúde Pública da Universidade de Harvard (WHO; Ed. Murray & Lopez, 1996), foi demonstrado que os transtornos mentais e o uso de álcool e outras substâncias estão entre as principais causas de sobrecarga global, medida através do número anos vividos com incapacitações e número de anos p. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Integrante / Laura Helena S. G. Andrade - Coordenador / Maria Carmen Viana - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    9. 2011-2012. Estudo longitudinal sobre as condicoes de vida e saude dos idosos do municipio de Sao Paulo - estudo SABE
      Descrição: A Organização Pan Americana da Saúde conduziu, em 2000, um estudo multicêntrico sobre saúde e bem-estar de pessoas de 60 anos e mais em capitais e grandes cidades de sete países da América Latina e Caribe, entre elas São Paulo. Passados seis anos, foi realizada a continuação desse estudo, no Município de São Paulo, transformando-o em um estudo longitudinal composto de dois subprojetos: o primeiro que buscou as pessoas entrevistadas em 2000 para nova aplicação de questionário sobre as condições de vida e saúde em 2006, com ênfase em fatores de risco para mortalidade, institucionalização, alterações da funcionalidade e fragilidade. O segundo subprojeto consistiu na coleta de informações a respeito de nova coorte composta por aqueles de 60 a 64 anos em 2006 que, comparados à primeira coorte, identificaram as transformações que podem ocorrer no processo de envelhecimento na área urbana. Neste momento (2010), propõe-se uma terceira rodada de coleta de informações das pessoas que foram entrevistadas em 2000 e 2006 (coorte A), daquelas entrevistadas em 2006 (coorte B) e a introdução de uma nova coorte de pessoas de 60 a 64 anos (coorte C) seguindo o esquema proposto no estudo de 2006. A amostra dessa nova coorte será composta por 400 indivíduos, o que define a fração de amostragem 400/310694=0,001287. Para o cálculo do tamanho da amostra, considerou-se a prevalência de indivíduos com hipertensão igual a 50%, o efeito de delineamento igual a 1,5 e o erro de amostragem de 7%. O tamanho da amostra foi corrigido pela taxa resposta igual a 75% e a taxa de mortalidade de 2%. Nesta terceira fase do estudo será introduzida a coleta de sangue (além das medidas antropométricas) para avaliação de alguns parâmetros biológicos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (2) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Integrante / Ruy Laurenti - Integrante / Maria Lúcia Lebrão - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.
    10. 2010-2012. O estudo do binomio mae-filho: uma necessidade imperiosa para alcancar os objetivos do desenvolvimento do milenio
      Descrição: O projeto objetiva conhecer dados/eventos/situações ocorridas no ciclo gravídico-puerperal imediato da mulher e dados/situação/características do produto da gestação, bem como avaliar a qualidade da informação sobre a mortalidade das mulheres, e sobre a classificação dos eventos ?nascido vivo?, ?óbito fetal? e ?aborto? e preenchimento dos documentos DO, DN, DOF nos hospitais. A população de estudo diz respeito a gestantes internadas em maternidades e as áreas escolhidas para a sua realização são o Município de São Paulo-SP e o município de João Pessoa- PB, cujos dados serão comparados a alguns já levantados no município de Bauru-SP, onde foi realizada investigação relativa a uma parte do que ora está sendo proposto.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (6) / Doutorado: (3) . Integrantes: Alexandre Dias Porto Chiavegatto Filho - Integrante / Ruy Laurenti - Coordenador / Sabina Léa Davidson Gotlieb - Integrante / Maria Helena Prado de Mello Jorge - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Alexandre Dias Porto Chiavegatto Filho.

Prêmios e títulos

Participação em eventos

  • Total de participação em eventos (50)
    1. Brazil Conference - Florianópolis.Inteligência artificial em saúde. 2019. (Seminário).
    2. II Simpósio de Prevenção Cardiovascular de Feira de Santana.Aplicações de inteligência artificial em saúde. 2019. (Simpósio).
    3. VI Congresso da Liga Contra o Câncer. Inteligência artificial para predições em saúde. 2019. (Congresso).
    4. #meetingdata (UFSCar).Aplicações de inteligência artificial em saúde. 2018. (Seminário).
    5. 4º Congresso Internacional Sabará de Saúde Infantil. Preocupações éticas no uso de inteligência artificial em saúde. 2018. (Congresso).
    6. A Máquina, Inteligência e Desinteligência: Utopia e Entropia à Vista - Instituto de Estudos Avançados da USP.Machine learning em saúde: perspectivas e desafios. 2018. (Simpósio).
    7. Conexão Saúde - Folha de São Paulo.Inteligência artificial em saúde. 2018. (Seminário).
    8. Data Science for Maternal & Child Health Workshop. Bill & Melinda Gates Foundation.Inovações em ciência de dados. 2018. (Oficina).
    9. Especialização em Informática em Saúde do Ministério da Saúde. Introdução à inteligência artificial com foco em saúde. 2018. (Exposição).
    10. Futurecom. Inteligência artificial para a análise de big data em saúde. 2018. (Feira).
    11. III Jornada Acadêmica Científica e Cultural da Medicina.Machine learning em saúde: novidades para os próximos anos. 2018. (Simpósio).
    12. Seminário de Métodos Avançados em Farmacoeconomia da UFMG.Aplicações de inteligência artificial em saúde. 2018. (Oficina).
    13. Simpósio de Inteligência Artificial e Bioética.Usos de inteligência artificial em saúde: perspectivas e preocupações. 2018. (Simpósio).
    14. Uso de Ciência de Dados como Ferramenta de Apoio Estratégico à Gestão do Sistema Único de Saúde.Machine learning para identificar boas práticas em políticas públicas. 2018. (Seminário).
    15. USP Talks #25.Machine learning em saúde. 2018. (Encontro).
    16. VI Fórum de Assistência Farmacêutica e Farmacoeconomia. Inteligência artificial em saúde. 2018. (Congresso).
    17. Wired Festival.Inteligência artificial e machine learning em saúde. 2018. (Encontro).
    18. XVI Congresso Brasileiro de Informática em Saúde. Inteligência artificial para a análise de dados secundários em saúde. 2018. (Congresso).
    19. Basic Research Seminar Series I - AC Camargo.The use of machine learning for health data. 2017. (Seminário).
    20. Ciclo de Palestras sobre Epidemiologia Social da UNICAMP.Desigualdade de renda e saúde. 2017. (Encontro).
    21. Data Science Forum.Big data como ferramenta preditiva em saúde. 2017. (Encontro).
    22. III Simpósio Internacional de Atenção Primária à Saúde: Ideias Inovadoras (Hospital Albert Einstein).Big data e inteligência artificial em APS. 2017. (Simpósio).
    23. Liga de Saúde Pública da Unicid.Inteligência artificial em Saúde Pública. 2017. (Seminário).
    24. MIT-Hospital Einstein Health Conference.MIT-HIAE Health Conference and. 2017. (Seminário).
    25. Next Frontiers to Cure Cancer - AC Camargo. Big Data e Inteligência Artificial em Saúde: Perspectivas para um Futuro Próximo. 2017. (Congresso).
    26. Reunião Clínica do Instituto da Criança do Hospital das Clínicas.O uso de inteligência artificial na atenção à saúde: perspectivas para um futuro próximo. 2017. (Seminário).
    27. SAHE 2017.Inteligência artificial na área da saúde: Possibilidades e desafios. 2017. (Simpósio).
    28. Seminário de Direito, Políticas Públicas e Internet da Faculdade de Direito da USP. Big data e inteligência artificial em políticas públicas de saúde. 2017. (Congresso).
    29. Seminário Instituto de Pesquisa do HCor.Inteligência artificial na atenção à saúde: Perspectivas e desafios para os próximos anos. 2017. (Seminário).
    30. VIII Ciclo de Seminários da Sociedade Brasileira de Informática em Saúde.Modelos Preditivos de Machine Learning: Possibilidades de Uso em Saúde. 2017. (Seminário).
    31. Workshop de Big Data da Universidade Federal de Juiz de Fora (UFJF).Big Data e inteligência artificial em saúde: perspectivas e desafios. 2017. (Simpósio).
    32. Worshop Saúde no Brasil.Big data em saúde: Perspectivas para um futuro próximo. 2017. (Oficina).
    33. X Congresso Brasileiro de Epidemiologia. Modelos preditivos de machine learning: possibilidades do uso em epidemiologia. 2017. (Congresso).
    34. XII Amostra Estatística do IME/USP.Machine learning em saúde: novidades para os próximos anos. 2017. (Simpósio).
    35. XII Congresso Brasileiro de Bioética. Consequências adversas na economia e sociedade do uso de big data e inteligência artificial. 2017. (Congresso).
    36. Estadão Summit Saúde.Big data em saúde no Brasil: perspectivas para o futuro. 2016. (Simpósio).
    37. Fórum de Big Data em Saúde.Big Data em Saúde. 2016. (Simpósio).
    38. Seminário Integração de Dados e Conhecimentos para a Saúde (Fiocruz-Bahia).Uso de big data e machine learning para fazer predições em saúde. 2016. (Seminário).
    39. Seminário Internacional de Informação para a Saúde (UFC).O uso de Big Data para monitoramento, pesquisa, acesso e gestão da informação em saúde pública e privada. 2016. (Seminário).
    40. Simpósio da Universidade Federal de Santa Catarina (UFSC).Possibilidades do uso da análise de big data em saúde pública. 2016. (Simpósio).
    41. Simpósio Internacional em Epidemiologia Cardiovascular (FMUSP).Big data em saúde. 2016. (Simpósio).
    42. World Mental Health Survey Annual Meeting 2016.Cities and Mental Health. 2016. (Encontro).
    43. Incor - Simpósio do Laboratório de Genética e Cardiologia Molecular.Big data em saúde no Brasil: perspectivas para um futuro próximo. 2015. (Simpósio).
    44. V Congresso Acadêmico da Uncisal. O uso de big data em saúde no Brasil: Perspectivas para um futuro próximo. 2015. (Congresso).
    45. World Mental Health Survey Annual Meeting 2015. Determinants of health services use: a multilevel analysis of the São Paulo Megacity study. 2014. (Congresso).
    46. Society for Epidemiologic Research. 2013. (Congresso).
    47. Carr Center for Human Rights Policy in Latin America.Income Inequality and Health in Brazil. 2012. (Seminário).
    48. RWJF Health & Society Scholars Seminar Series. 2012. (Seminário).
    49. World Health Summit. 2012. (Congresso).
    50. Harvard Inequality and Social Policy Seminar. 2011. (Seminário).

Organização de eventos

  • Total de organização de eventos (9)
    1. Salvo, M. P. ; Chiavegatto Filho, A.D.P.. Apresentação do Grand Challenges Explorations da Fundação Bill & Melinda Gates. 2018. Exposição
    2. Chiavegatto Filho, A.D.P.. Reunião Científica FSP/USP: Epidemiologia Psiquiátrica. 2018. (Exposição).. . 0.
    3. Lichand, G. ; Chiavegatto Filho, A.D.P.. Avaliando Políticas Inavaliáveis - o Caso da Modernização das UBS em Embu das Artes. 2017. Exposição
    4. Diaz-Quijano, F. ; Chiavegatto Filho, A.D.P.. Reunião científica FSP/USP: A pesquisa das Arboviroses no contexto da Re-emergencia da Febre Amarela. 2017. Outro
    5. Camara, T. N. L. ; Chiavegatto Filho, A.D.P.. Reunião científica FSP/USP: Zika no Brasil. 2016. Outro
    6. Camara, T. N. L. ; Chiavegatto Filho, A.D.P.. Reunião científica FSP/USP: Aquecimento global e consequências na saúde pública. 2016. Outro
    7. Chiavegatto Filho, A.D.P.; Camara, T. N. L.. Reunião científica FSP/USP: Saúde do Trabalhador. 2016. Outro
    8. Chiavegatto Filho, A.D.P.; Camara, T. N. L.. Reunião científica FSP/USP: Modelos preditivos na prática: o uso de machine learning (aprendizado de máquina). 2016. Outro
    9. Martins, S. ; Chiavegatto Filho, A.D.P.. Estágio sanduíche, mestrado, doutorado e pós-doutorado em saúde pública na Universidade de Columbia. 2015. Exposição

Lista de colaborações

  • Colaborações endôgenas (12)
    • Alexandre Dias Porto Chiavegatto Filho ⇔ Maria Carmen Viana (8.0)
      1. MOREIRA, TIANA C. L. ; POLIZE, JEFFERSON L. ; BRITO, MARCELI ; DA SILVA FILHO, DEMOSTENES F. ; CHIAVEGATO FILHO, ALEXANDRE D. P. ; VIANA, MARIA CARMEM ; ANDRADE, LAURA HELENA ; MAUAD, THAIS. Assessing the impact of urban environment and green infrastructure on mental health: results from the São Paulo Megacity Mental Health Survey. Journal of Exposure Science and Environmental Epidemiology. v. Jun 11, p. 000-000, issn: 1559-064X, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. Wang, Y.P. ; Nunes B.P. ; Coelho, B. M. ; Santana, G. L. ; do Nascimento, CF ; VIANA, M. C. ; Bensenor, I. ; Andrade, L.H.S.G. ; Chiavegatto Filho, A.D.P.. Multilevel Analysis of the Patterns of Physical-Mental Multimorbidity in General Population of São Paulo Metropolitan Area, Brazil. Scientific Reports. v. 9, p. 1, issn: 2045-2322, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. SANTANA, GEILSON LIMA ; COELHO, BRUNO MENDONCA ; Wang, Yuan-Pang ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; Viana, Maria Carmen ; Andrade, Laura Helena. The epidemiology of personality disorders in the Sao Paulo Megacity general population. PLoS One. v. 13, p. e0195581, issn: 1932-6203, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      4. SAMPSON, LAURA ; MARTINS, SILVIA S. ; YU, SHUI ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; ANDRADE, LAURA HELENA ; Viana, Maria Carmen ; Medina-Mora, Maria Elena ; BENJET, CORINA ; TORRES, YOLANDA ; PIAZZA, MARINA ; AGUILAR-GAXIOLA, SERGIO ; CIA, ALFREDO H. ; STAGNARO, JUAN CARLOS ; ZASLAVSKY, ALAN M. ; Kessler, Ronald C. ; GALEA, SANDRO. The relationship between neighborhood-level socioeconomic characteristics and individual mental disorders in five cities in Latin America: multilevel models from the World Mental Health Surveys. SOCIAL PSYCHIATRY AND PSYCHIATRIC EPIDEMIOLOGY (INTERNET). v. 1, p. 1-14, issn: 1433-9285, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      5. ASKARI, M. ; ANDRADE, L. H. ; CHIAVEGATTO FILHO, A. D. P. ; SILVEIRA, C. M. ; SIU, E. R. ; WANG, YP ; VIANA, M. C. ; MARTINS, S. S.. Dual burden of chronic physical diseases and anxiety/mood disorders among São Paulo Megacity Mental Health Survey Sample, Brazil. JOURNAL OF AFFECTIVE DISORDERS. v. 215, p. 222-234, issn: 0165-0327, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      6. CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; WANG, YUAN-PANG ; CAMPINO, ANTONIO CARLOS COELHO ; MALIK, ANA MARIA ; VIANA, MARIA CARMEN ; ANDRADE, LAURA HELENA. Incremental health expenditure and lost days of normal activity for individuals with mental disorders: results from the Sao Paulo Megacity Study. BMC Public Health (Online). v. 15, p. 745, issn: 1471-2458, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      7. CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; Wang, Yuan-Pang ; MALIK, ANA MARIA ; TAKAOKA, JULIA ; Viana, Maria Carmen ; Andrade, Laura Helena. Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo. Revista de Saúde Pública (Impresso). v. 49, p. 1-12, issn: 0034-8910, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      8. Chiavegatto Filho, A.D.P. ; Kawachi, I. ; Wang, Y.P. ; VIANA, M. C. ; Andrade, L.H.S.G.. Does income inequality get under the skin? A multilevel analysis of depression, anxiety and mental disorders in São Paulo, Brazil. Journal of Epidemiology and Community Health (1979). v. 67, p. 966-972, issn: 0143-005X, 2013.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Ana Maria Malik (3.0)
      1. WANG, Y.-P. ; CHIAVEGATTO FILHO, A. D. P. ; CAMPANHA, A. M. ; MALIK, A. M. ; MOGADOURO, M. A. ; CAMBRAIA, M. ; VIANA, M. C. ; ANDRADE, L. H.. Patterns and predictors of health service use among people with mental disorders in São Paulo metropolitan area, Brazil. Epidemiology and Psychiatric Sciences. v. 2016, p. 1-13, issn: 2045-7960, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; WANG, YUAN-PANG ; CAMPINO, ANTONIO CARLOS COELHO ; MALIK, ANA MARIA ; VIANA, MARIA CARMEN ; ANDRADE, LAURA HELENA. Incremental health expenditure and lost days of normal activity for individuals with mental disorders: results from the Sao Paulo Megacity Study. BMC Public Health (Online). v. 15, p. 745, issn: 1471-2458, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO ; Wang, Yuan-Pang ; MALIK, ANA MARIA ; TAKAOKA, JULIA ; Viana, Maria Carmen ; Andrade, Laura Helena. Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo. Revista de Saúde Pública (Impresso). v. 49, p. 1-12, issn: 0034-8910, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ José Leopoldo Ferreira Antunes (2.0)
      1. ANTUNES JLF; Chiavegatto Filho ADP ; Duarte YAO ; LEBRAO, M. L.. Desigualdades sociais na autoavaliação de saúde dos idosos da cidade de São Paulo. REVISTA BRASILEIRA DE EPIDEMIOLOGIA. v. 21, p. e180010, issn: 1980-5497, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. MASSA, KAIO HENRIQUE CORREA ; Antunes, José Leopoldo Ferreira ; LEBRÃO, Maria Lúcia ; DUARTE, YEDA APARECIDA OLIVEIRA ; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO. Factors associated with the use of antihypertensives among seniors. Revista de Saúde Pública (Impresso). v. 50, p. 1-11, issn: 0034-8910, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Fredi Alexander Diaz Quijano (2.0)
      1. Diaz-Quijano, Fredi Alexander; PELISSARI, DANIELE MARIA ; PORTO CHIAVEGATTO FILHO, ALEXANDRE DIAS. Zika-Associated Microcephaly Epidemic and Birth Rate Reduction in Brazilian Cities. AMERICAN JOURNAL OF PUBLIC HEALTH. v. 108, p. e1-e3, issn: 0090-0036, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. Diaz-Quijano, Fredi Alexander; CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO. Reduction of the birth rate in São Paulo: a probable effect of the panic caused by the Zika-associated microcephaly epidemic. ANNALS OF EPIDEMIOLOGY. v. 27, p. online first, issn: 1047-2797, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Ricardo Nitrini (1.0)
      1. SUEMOTO, CLAUDIA K. ; FERRETTI-REBUSTINI, RENATA E. L. ; RODRIGUEZ, ROBERTA D. ; LEITE, RENATA E. P. ; SOTERIO, LUCIANA ; BRUCKI, SONIA M. D. ; SPERA, RAPHAEL R. ; CIPPICIANI, TARCILA M. ; FARFEL, JOSE M. ; CHIAVEGATTO FILHO, ALEXANDRE ; NASLAVSKY, MICHEL SATYA ; Zatz, Mayana ; PASQUALUCCI, CARLOS A. ; JACOB-FILHO, WILSON ; NITRINI, RICARDO ; GRINBERG, LEA T.. Neuropathological diagnoses and clinical correlates in older adults in Brazil: A cross-sectional study. PLoS Medicine (Online). v. 14, p. e1002267, issn: 1549-1676, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Cicilia Maria Krohling Peruzzo (1.0)
      1. CARVALHO, ISABEL CRISTINA DE MOURA. Parecerista ad hoc FAPEMIG. 2017.
        [ busca Google | busca Bing ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Mayana Zatz (1.0)
      1. SUEMOTO, CLAUDIA K. ; FERRETTI-REBUSTINI, RENATA E. L. ; RODRIGUEZ, ROBERTA D. ; LEITE, RENATA E. P. ; SOTERIO, LUCIANA ; BRUCKI, SONIA M. D. ; SPERA, RAPHAEL R. ; CIPPICIANI, TARCILA M. ; FARFEL, JOSE M. ; CHIAVEGATTO FILHO, ALEXANDRE ; NASLAVSKY, MICHEL SATYA ; Zatz, Mayana ; PASQUALUCCI, CARLOS A. ; JACOB-FILHO, WILSON ; NITRINI, RICARDO ; GRINBERG, LEA T.. Neuropathological diagnoses and clinical correlates in older adults in Brazil: A cross-sectional study. PLoS Medicine (Online). v. 14, p. e1002267, issn: 1549-1676, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Isabel Cristina de Moura Carvalho (1.0)
      1. CARVALHO, ISABEL CRISTINA DE MOURA. Parecerista ad hoc FAPEMIG. 2017.
        [ busca Google | busca Bing ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Dirce Maria Lobo Marchioni (1.0)
      1. Silva, V. C. ; Gorgulho, B. M. ; Marchioni, D. M. L. ; Lotufo, P. A. ; Bensenor, I. ; Chiavegatto Filho, A. D. P.. Diet Quality of Workers and Retirees: A Cross-sectional Analysis of the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil). Work, Aging and Retirement. v. 7, p. 143-153, issn: 2054-4650, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Alexandre Havt Bindá (1.0)
      1. CARVALHO, ISABEL CRISTINA DE MOURA. Parecerista ad hoc FAPEMIG. 2017.
        [ busca Google | busca Bing ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ Flávia Mori Sarti (1.0)
      1. Torreglosa, C. R. ; Sarti, F. M. ; Bersch-Ferreira, A. C. ; Weber, B. ; Santos, R. H. N. ; Chiavegatto Filho, A. D. P.. Qualidade da dieta e despesa diária com alimentação em adultos com doença cardiovascular no Brasil. Cadernos de Saude Publica. v. 36, p. e00225019, issn: 0102-311X, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • Alexandre Dias Porto Chiavegatto Filho ⇔ João Sette Whitaker Ferreira (1.0)
      1. CARVALHO, ISABEL CRISTINA DE MOURA. Parecerista ad hoc FAPEMIG. 2017.
        [ busca Google | busca Bing ]




(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:23:30