Predição do número mensal de casos de dengue por modelos de séries temporais

• Ano de defesa: 2012
• Autor(a) principal: Elisangela Aparecida da Silva Lizzi
• Orientador(a): Edson Zangiacomi Martinez
• Banca de defesa: Luciana Bertoldi Nucci, Afonso Dinis Costa Passos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade de São Paulo
• Programa de Pós-Graduação: Saúde na Comunidade
• País: BR
• Link de acesso: https://doi.org/10.11606/D.17.2012.tde-20122012-090810

Introdução: A dengue é uma doença infecciosa causada por um arbovírus relatada em regiões tropicais e subtropicais. Os maiores números de casos costumam ocorrer nos períodos quentes e chuvosos do ano, que favorecem as condições para o desenvolvimento do vetor da doença, o mosquito Aedes aegypti. Modelos estatísticos podem ser úteis para a compreensão das variações mensais dos números de casos registrados da doença e podem trazer razoáveis predições dos números mensais de casos em um período subsequente a uma série temporal estudada. Métodos: Esta dissertação trata de um estudo ecológico com componente de série temporal. Foram usados registros mensais de casos confirmados de dengue, entre os anos de 1998 a 2008, obtidos do Sistema de Informação de Agravos de Notificação (SINAN), de dois municípios do interior paulista (Ribeirão Preto e Campinas). Modelos estatísticos de séries temporais foram utilizados para descrever o comportamento das séries de dados e predizer o número esperado de casos da doença em um período subsequente. Utilizou-se modelos de Box & Jenkins, ou seja, o modelo SARIMA (Seasonal Autoregressive Integrated Moving Average) com extensões (modelo SARIMAX) que permitem incorporar covariáveis como as temperaturas máxima, média e mínima e a precipitação média a cada mês. Utilizou-se o critério de Akaike (AIC) para a comparação entre diferentes especificações dos modelos. A partir dos modelos ajustados aos dados, foram obtidas predições mensais para o ano de 2009, sendo estas comparadas com os valores observados. Resultados: Sem considerar a inclusão de covariáveis, o melhor modelo para os dados de Campinas foi o SARIMA(2,1,2)(1,1,1)12 , e para os dados de Ribeirão Preto o melhor foi o SARIMA(2,1,3)(1,1,1)12 (modelos com menores valores de AIC). Ao incorporar nos modelos as variáveis climáticas, observou-se um melhor ajuste para o município de Campinas, o modelo SARIMAX(1,1,1)(1,1,1)12 que inclui a precipitação observada nos 2 meses antecedentes às ocorrências mensais de casos de dengue e a temperatura mínima registrada nos 3 meses antecedentes. No município de Ribeirão Preto, o modelo que mostrou-se mais adequado aos dados foi o SARIMAX(1,1,1)(0,1,1)12 que inclui precipitação observada nos 3 meses antecedentes às ocorrências mensais de casos de dengue e a temperatura mínima registrada em um mês anterior. As predições mensais obtidas para o ano de 2009 mostraram-se razoavelmente próximas àquelas observadas, em ambos municípios. Conclusões: Os resultados do presente estudo, em adição a resultados da literatura, evidenciam que os números de componentes autorregressivos e de média móvel adequados ao ajustes de modelos SARIMA variam de uma população a outra, sugerindo diferentes padrões temporais da doença de acordo com características locais. Comparações entre valores preditos e observados sugerem que os modelos SARIMA são ferramentas úteis para predição do número de casos de dengue. Sugere-se que os modelos utilizados nesta dissertação sejam utilizados por serviços municipais de saúde para a vigilância da doença, o que pode trazer benefícios em programas de prevenção e planejamentos de serviços públicos.