Sammila Andrade Abdala

Université Mohammed VI des Sciences de la Santé

Author Statistics

Papers

Citation

H-Index

i-10 index

Research Trends

Author Order

Document Type

Co-Authors

Imad El Badisy

Economic & Social Sciences, Health Systems & Medical Informatics

Kenza Khomsi

Direction de la Météorologie Nationale

Anass Houdou

Université Mohammed VI des Sciences de la Santé

Mohamed Khalis

Université Mohammed VI des Sciences de la Santé

Gina Andrade Abdala

Centro Universitário Adventista de São Paulo

Maria Dyrce Dias Meira

Centro Universitário Adventista de São Paulo

Azeddine Ibrahimi

Mohammed V University

Majdouline Obtel

Mohammed V University

Houda Najmi

Direction de la Météorologie Nationale

Lahcen Belyamani

Université Mohammed VI des Sciences de la Santé

Cooperative Institutions

Centro Universitário Adventista de São Paulo

Université Mohammed VI des Sciences de la Santé

Universidade de São Paulo

Mohammed V University

Inserm

University of Health Science

University of Health Sciences

Universitat de Barcelona

Direction de la Météorologie Nationale

Direction Générale de la Météorologie

Author Statistics

Papers

Citation

H-Index

i-10 index

Research Field

Forecasting Particulate Matter (PM10) Using Machine Learning Algorithms in Agadir

ISEE Conference Abstracts (2023)

Anass Houdou Kenza Khomsi Radouane Leghrib Imad El Badisy Sammila Andrade Abdala

10.1289/isee.2023.op-047

Cite

Citations (0)

Religiosidade, disposição para perdoar e saúde de universitários

Lecturas Educación Física y Deportes (2021)

Ruthyelle Ribeiro Rodrigues Pimentel Gina Andrade Abdala Maria Dyrce Dias Meira Mônica de Fátima Freires da Silva Sammila Andrade Abdala

Introdução: Os benefícios do perdão são mencionados há muitos anos, mas teve seu foco aumentado em estudos recentes, trazendo a sensação de bem-estar e saúde. Objetivo: Descrever o perfil da religiosidade, da disposição para perdoar e da saúde física e mental autorreferida de universitários. Método: Estudo de corte transversal quantitativo, envolvendo 120 estudantes iniciantes e formandos de enfermagem e psicologia em uma instituição de ensino particular na Zona Sul de São Paulo. Utilizou-se a Escala de Disposição para Perdoar e o Índice de Religiosidade - Duke-Durel. Resultados: A média de idade de todo o grupo foi de 23,1 (DP=7,3) e possuíam em média 16,16 anos de afiliação religiosa (DP=10,16). A religiosidade se apresentou acima da média (60%) para os dois grupos, nas três dimensões que a compõem. A saúde mental referida se apresentou discretamente melhor, no grupo de formandos (psicologia e enfermagem) (79,3% e 75% respectivamente), em relação à saúde física. A média do escore da Escala de Disposição para Perdoar para os alunos de Enfermagem foi de 42,59 para os iniciantes e 40,35 para os formandos. Já para os alunos de psicologia a média foi de 50,1 para os iniciantes e 45,0 para os formandos (p=0,598 e p=0,250 respectivamente). Conclusão: O perfil de religiosidade dos alunos se mostrou “muito bom”. A disposição para perdoar foi melhor no grupo dos alunos iniciantes e formandos da psicologia, porém sem diferença estatisticamente significante. A saúde mental se apresentou melhor para os concluintes do curso de psicologia do que os de enfermagem.

10.46642/efd.v26i277.2400

Cite

Citations (0)

Evolução da qualidade das águas do rio Tietê e os fatores que a influenciam

Sammila Andrade Abdala

10.11606/d.6.2019.tde-14062019-142523

Cite

Citations (0)

A Machine Learning Approach for Particulate Dust Forecasting in Morocco

ISEE Conference Abstracts (2023)

Anass Houdou Imad El Badisy Sammila Andrade Abdala Kenza Khomsi Mohamed Khalis

BACKGROUND AND AIM: This study used Long Short-Term Memory (LSTM) neural networks to develop a predictive model for PM10 and Aerosol Optical Depth (AOD) concentrations in the city of Agadir, Morocco. METHOD: Meteorological conditions and other atmospheric compositions were used as predictors. RESULTS: The LSTM model outperformed traditional statistical models by accurately forecasting PM10 and AOD concentrations. CONCLUSIONS: The study demonstrated the effectiveness of LSTM models for particulate dust forecasting and emphasized the importance of including relevant predictors. The results of the study can help decision-makers reduce air pollution and protect public health in the studied city and similar areas worldwide.

Particulate Pollution

Predictive modelling

10.1289/isee.2023.sa-094

Cite

Citations (0)

Healthy lifestyle and common mental disorders (CMD) in the context of COVID-19

Research Society and Development (2023)

Gina Andrade Abdala Norton José Barbosa Caldeira Mônica de Fátima Freires da Silva Maria Dyrce Dias Meira Naielly Fortes de Menezes

Objective: to analyze the mediating effect of a healthy lifestyle on the mental health of participants in a Virtual Health Fair, during the COVID-19 pandemic. Methodology: Cross-sectional of 1,029 people aged 18 years and over. The Virtual Health Fair was organized as a tridimensional, and data were collected through a link on Google Forms, containing the sociodemographic data form, the Eight Natural Remedies Questionnaire (Q8RN), and the Common Mental Disorders questionnaire (SRQ-20). A Structural Equation Modeling (SEM) was performed. Results: Most participants were female (69%; n= 729), married (53.5%; n= 565), of higher education (43.2%; n= 458), and Adventist in religious affiliation (56.7%; n=597). On average, lifestyle was categorized as good by the Q8RN score (mean 56.61; SD 11.59), with a deficiency in the practice of exercise (5.87; 4.02). The Body Mass Index (BMI) was overweight on average (mean 26.02; SD 5.24). A prevalence of common mental disorders was 30.2% based on the SRQ-20 questionnaire. Conclusion: Results indicated that BMI, age, education, and religion had a strong protective effect (62%, p<0.05) for common mental disorders, mediated by healthy lifestyle. A better lifestyle, through the eight natural remedies, within the context of the COVID-19 pandemic, mediated the protective effects of lower BMI, older age, and Adventist religion on common mental disorders. The practice of healthy habits should be encouraged in promoting mental health during the current and future pandemics.

Pandemic

Cross-sectional study

10.33448/rsd-v12i2.40203

Cite

Citations (0)

Emission reduction strategies and health: a systematic review on the tools and methods to assess co-benefits

BMJ Open (2024)

Sammila Andrade Abdala Kenza Khomsi Anass Houdou Ihssane El Marouani Imad El Badisy

The objective of this study is to review the current literature on the health co-benefits of emission reduction strategies and the methods and tools available to assess them.

10.1136/bmjopen-2023-083214

Cite

Citations (0)

Religion, Age, Education, Lifestyle, and Health: Structural Equation Modeling

Journal of Religion and Health (2020)

Gina Andrade Abdala Maria Dyrce Dias Meira Gabriel Tagliari Rodrigo Morenilza Bezerra da Conceição Fróes Matheus Souza Ferreira

Physical health

Cross-sectional study

10.1007/s10943-020-01034-3

Cite

Citations (12)

A importância da água na vida dos adolescentes

Lecturas Educación Física y Deportes (2020)

Maria Clara de Sales Rondon Grasiele de Souza Hinschink Da Silva Gina Andrade Abdala Nelia de Oliveira Damasceno Da Silva Sammila Andrade Abdala

Introdução: a água consiste em um elemento vital para a manutenção da vida. Em se tratando da faixa etária que envolve a adolescência, a água auxilia no bom funcionamento dos rins, diminuição do peso e evita a desidratação. A água é essencial para o funcionamento e equilíbrio de todo o metabolismo corporal. Objetivo: constatar por meio da literatura, a importância da água para a saúde dos adolescentes. Método: estudo de revisão integrativa de literatura, recorrendo-se às bases de dados LILACS, Medline e BDENF da BIREME/Biblioteca Virtual em Saúde, utilizando os descritores “Água” AND “Saúde do Adolescente” entre os dias 01 e 04 de outubro de 2019. Resultados: foram encontrados treze artigos que atenderam a pergunta de pesquisa, sendo os temas discutidos à frente sobre a importância da água na vida escolar do adolescente, a relação da água com o índice de massa corporal, peso e sobrepeso, a influência dos pais no consumo de água pelos filhos e o uso de copos descartáveis nos bebedouros para aumentar o consumo de água pelos adolescentes. Conclusão: a água contribui para a diminuição do sobrepeso e da obesidade, melhora a atenção visual e se torna imprescindível para a qualidade de vida dos adolescentes. Encontrou-se que a maioria não faz a ingestão diária recomendada desse líquido, o que se torna uma preocupação para a saúde pública em criar mecanismos que facilitem o acesso à água potável pelos adolescentes.

10.46642/efd.v24i260.1911

Cite

Citations (2)

Interpretable Machine Learning Approaches for Forecasting and Predicting Air Pollution: A Systematic Review

Aerosol and Air Quality Research (2023)

Anass Houdou Imad El Badisy Kenza Khomsi Sammila Andrade Abdala Fayez Abdulla

Many studies use machine learning to predict atmospheric pollutant levels, prioritizing accuracy over interpretability. This systematic review will focus on reviewing studies that have utilized interpretable machine learning models to enhance interpretability while maintaining high accuracy for air pollution prediction. The search terms "air pollution," "machine learning," and "interpretability" were used to identify relevant studies published between 2011 and 2023 from PubMed, Scopus, Web of Science, Science Direct, and JuSER. The included studies were assessed for quality based on an ecological checklist for maximizing reproducibility of ecological niche models. Among the 5,396 identified studies, 480 focused on air pollution prediction, with 56 providing model interpretations. Among the studies, 20 methods were identified: 8 model-agnostic methods, 4 model-specific methods, and 8 hybrid models. Shapley additive explanations was the most commonly used method (46.4%), followed by partial dependence plots (17.4%), both of which are model-agnostic methods. These methods identify important atmospheric features, enhancing researchers' understanding and making machine learning outcomes more accessible to non-experts. This can enhance prediction and prevention of adverse weather events and air pollution, benefiting public health.

Interpretability

Predictive modelling

10.4209/aaqr.230151

Cite

Citations (8)