Modelo preditivo para o número de notificações de dengue na Região Metropolitana do Recife-PE

Jucarlos Rufino de Freitas, André Luiz Pinto dos Santos, Denise Stéphanie de Almeida Ferreira, Antonio Samuel Alves da Silva, Guilherme Rocha Moreira, Moacyr Cunha Filho

Resumo


A dengue é uma doença infecciosa que, propagada por um arbovírus da família dos Flaviviridae e transmitida ao homem por meio da picada da fêmea do mosquito Aedes Aegypti. No Brasil, o primeiro caso mencionado foi na cidade do Recife/PE, em 1685. Desde então, até o início de 1980, o vetor seria erradicado tanto no país como em outros países da América, se medidas preventivas fossem tomadas.  Atualmente, está presente no Brasil em todos os 27 estados da Federação. A metodologia de Box e Jenkins foi utilizada no estudo, com o objetivo de obter um modelo estatístico que permitisse prever possíveis surtos da doença para Região Metropolitana do Recife/PE. Foram utilizados os dados mensais do número de notificações de dengue para Região Metropolitana do Recife, disponibilizados pela Secretaria de Informação e Comunicação, no período de janeiro de 2000 a dezembro de 2016. A partir dos modelos propostos foram feitas as predições e a análise residual. Avaliando os ajustes dos modelos, verificou-se que os modelos estimados são bons em predizer observações em pequenos intervalos de tempo. Conclui-se que os modelos SARIMA e ARIMA conseguiram captar a dinâmica da série estudada, além de apresentar previsões mais acuradas do número de notificações de dengue para Região Metropolitana do Recife/PE. Portanto, esses modelos são boas ferramentas para auxiliar possíveis tomadas de decisão e realizar planejamentos estratégicos.


Palavras-chave


Aedes Aegypti; Modelagem; Previsão

Texto completo:

PDF

Referências


BARBOSA, J. R.; BARRADO, J. C. d. S.; ZARA, A. L. d. S. A.; JÚNIOR, J. B. S. Avaliação da qualidade dos dados, valor preditivo positivo, oportunidade e representatividade do sistema de vigilância epidemiológica da dengue no Brasil, 2005 a 2009. Epidemiologia e Serviços de Saúde, SciELO Public Healthe, Brasília, v. 24, p. 49-58, jan.-mar. 2015.

BARRETO, M. L.; TEIXEIRA, M. d. G. L. C. Dengue no Brasil: situação epidemiológica e contribuições para uma agenda de pesquisa. Estudos Avançados, SciELO Brasil, v. 22, n. 64, p. 53-72, 2008.

BOX, G. E.; JENKINS, G. M.; REINSEL, G. C.; LJUNG, G. M. Time Series Analysis: Forecasting and Control. Hoboken, NJ, USA: Wiley, 2015.

CORTES, F.; MARTELLI, C. M. T.; XIMENES, R. A. de A.; MONTARROYOS, U. R.; JUNIOR, J. B. S.; CRUZ, O. G.; ALEXANDER, N.; SOUZA, W. V. de. Time series analysis of dengue surveillance data in two Brazilian cities. Acta tropica, Elsevier, v. 182, p. 190-197, jun. 2018.

GABRIEL, A. F. B.; ALENCAR, A. P.; MIRAGLIA, S. G. E. K. Dengue outbreaks: unpredictable incidence time series. Epidemiology e Infection, v. 147, n. e116, p. 1-7, mar. 2019.

GUJARATI, D. N.; PORTER, D. C. Econometria Básica-5. Amgh Editora, 2011.

IBGE. Estimativas da população. 2018. Disponível em: https://www.ibge.gov.br/estatisticas-novoportal/sociais/populacao/9103-estimativas-de-populacao.html?=$&$t=downloadsi. Acesso em: 21 mar.2019.

KRUSKAL, W. H.; WALLIS, W. A. Use of ranks in one-criterion variance analysis. Journal of the American statistical Association, Taylor $&$ Francis Group, v. 47, n. 260, p. 583-621, dec. 1952.

LOPES, N.; NOZAWA, C.; LINHARES, R. E. C. Características gerais e epidemiologia dos arbovírus emergentes no Brasil. Revista Pan-Amazônica de Saúde, v. 5, n. 3, p.55-64, 2014.

LUNA, G. T. Adesão às medidas de prevenção da dengue por prossionais de saúde e população do distrito de cardosos na cidade de Urucânia/MG: cogestão no combate ao mosquito transmissor. 2013. 24 f. Monografia (Especialização em Saúde da Família) - Universidade Federal de Minas Gerais, Lagoa Santa, 2016.

MANIERO, V. C.; SANTOS, M. O.; RIBEIRO, R. L.; OLIVEIRA, P. A. de; SILVA, T. B. da; MOLERI, A. B.; MARTINS, I. R.; LAMAS, C. C.; CARDOZO, S. V. Dengue, chikungunya e zika vírus no Brasil: situação epidemiológica, aspectos clínicos e medidas preventivas. Almanaque multidisciplinar de pesquisa, v. 1, n. 1, p. 118-145, 2016.

MARTELLI, C. M. T.; JUNIOR, J. B. S.; PARENTE, M. P. P. D.; ZARA, A. L. de S. A.; OLIVEIRA, C. S.; BRAGA, C.; JUNIOR, F. G. P.; CORTES, F.; LOPEZ, J. G.; BAHIA, L. R.; MENDES, M. C. O.; ROSA, M. Q. M. da.; FILHA, N. T. de S.; CONSTENLA, D.; SOUZA, W. V. de. Economic impact of dengue: multicenter study across four Brazilian regions. PLoS neglected tropical diseases, Public Library of Science, v. 9, n. 9, p. e0004042, sep. 2015.

MARTINEZ, E. Z.; SILVA, E. A. S. d.; FABBRO, A. L. D. A sarima forecasting model to predict the number of cases of dengue in campinas, state of são paulo, brazil. Revista da Sociedade Brasileira de Medicina Tropical, SciELO Brasil, v. 44, n. 4, p.436-440, jul.-ago. 2011.

MONDELO, R. E.; TEJERINA, E. F.; GAUTO, J.; CONTRERAS, N. H. Uso de membrana de drenaje para evitar acumulación de agua y posibles criaderos de aedes aegypti (Linnaeus 1762)(Diptera: Culicidae) en neumáticos desechables. Revista Cubana de Medicina Tropical, 1999, Editorial Ciencias Médicas, v. 66, n. 2, p. 210-218, may.-ago. 2014.

OLIVEIRA, M. A. C. de A.; COELHO, F. A.; FREITAS, R. de B.; TAVARES, A. P.; SILVA, Í. N. de P. N.; PINTO, S. da S.; SEGHETO, W.; FERNANDES, E. T.; SILVA, G. T. G. da; ANDRADE, F. M. Perfil das noticações de dengue e sazonalidade no município de UBÁ-MG, 2015 a 2016. Revista Científica FAGOC-Saúde, v. 2, n. 2, p. 9-14, 2018.

PHUNG, D.; HUANG, C.; RUTHERFORD, S.; CHU, C.; WANG, X.; NGUYEN, M.; NGUYEN, N. H.; MANH, C. D. Identication of the prediction model for dengue incidence in Can tho city, a Mekong Delta area in Vietnam. Acta tropica, Elsevier, v. 141, p. 88-96, jan. 2015.

RIZZI, C. B.; RIZZI, R. L.; PRAMIU, P. V.; HOFFMANN, E.; CODEÇO, C. T. Considerações sobre a dengue e variáveis de importância à infestação por Aedes Aegypti. Hygeia, v. 13, n. 24, p. 24-40, jun. 2017.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2012. ISBN 3-900051-07-0, URL http://www.R-project.org/.

SALLES, T. S.; SÁ-GUIMARÃES, T. da E.; ALVARENGA, E. S. L. de; GUIMARÃES-RIBEIRO, V.; MENESES, M. D. F. de; CASTRO-SALLES, P. F. de; SANTOS, C. R. dos; MELO, A. C. do A.; SOARES, M. R.; FERREIRA, D. F.; MOREIRA, M. F. History, epidemiology and diagnostics of dengue in the American and Brazilian contexts: a review. Parasites e vectors, BioMed Central, v. 11, n. 1, p. 264, apr. 2018.

SCHWARZ, G. Estimating the dimension of a model. The annals of statistics, Institute of Mathematical Statistics, v. 6, n. 2, p. 461-464. URL: http://dx. doi. org/10.1214/aos/1176344136, 1978.

SPSS, I. IBM SPSS statistics base 20. Chicago, IL: SPSS Inc, 2011.

TEIXEIRA, M. d. G.; BARRETO, M. L.; GUERRA, Z. Epidemiology and preventive measures of dengue. Informe Epidemiológico do SUS, Centro Nacional de Epidemiologia/Fundação Nacional de Saúde/Ministério da Saúde, v. 8, n. 4, p. 5-33, dec. 1999.

TENG, Y.; BI, D.; XIE, G.; JIN, Y.; HUANG, Y.; LIN, B.; AN, X.; FENG, D.; TONG, Y. Dynamic forecasting of Zika epidemics using Google Trends. PLoS One, Public Library of Science, v. 12, n. 1, p. e0165085, jan. 2017.

VILCHES, T.; FERREIRA, C. Um modelo para a dengue com influência sazonal. TEMA (São Carlos), SciELO Brasil, v. 14, n. 3, p. 279-290, sept.-dec. 2013.

ZARA, A. L. d. S. A.; SANTOS, S. M. d.; FERNANDES-OLIVEIRA, E. S.; CARVALHO, R. G.; COELHO, G. E. Estratégias de controle do Aedes Aegypti: uma revisão. Epidemiologia e Serviços de Saúde, SciELO Public Health, v. 25, p. 391-404, apr.-jun. 2016.