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

Authors

  • Jucarlos Rufino de Freitas Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-3497-4263
  • André Luiz Pinto dos Santos Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-7703-2102
  • Denise Stéphanie de Almeida Ferreira Universidade Federal Rural de Pernambuco
  • Antonio Samuel Alves da Silva Universidade Federal Rural de Pernambuco https://orcid.org/0000-0002-8759-0036
  • Guilherme Rocha Moreira Universidade Federal Rural de Pernambuco
  • Moacyr Cunha Filho Universidade Federal Rural de Pernambuco

Keywords:

Aedes Aegypti, Modelagem, Previsão

Abstract

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.

Author Biographies

Jucarlos Rufino de Freitas, Universidade Federal Rural de Pernambuco

Possui graduação em Bacharelado em Estatística pela Universidade Federal de Pernambuco (2015). Trabalhou como estagiário na Fundação Oswaldo Cruz (FIOCRUZ - 2014 a 2016). Tem experiência na área de Probabilidade e Estatística, com ênfase em análise de dados, análise de séries temporais, análise de regressão e planejamento de experimentos. Mestrado em Estatística Aplicada e Biometria pela Universidade Federal Rural de Pernambuco (2017). Atualmente faz doutorado no Programa de Pós-graduação em Biometria e Estatística Aplicada(PPGBEA) - UFRPE.

André Luiz Pinto dos Santos, Universidade Federal Rural de Pernambuco

Doutorado em andamento em Biometria e Estatística Aplicada na UFRPE, Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco - UFRPE (2015), e graduação em Bacharelado em Estatística pela Universidade Estadual da Paraíba - UEPB (2011).

Denise Stéphanie de Almeida Ferreira, Universidade Federal Rural de Pernambuco

Bacharelado em Zootecnia pela Universidade Federal Rural de Pernambuco (UFRPE). Atualmente é mestranda em Estatística Aplicada e Experimental pelo Programa de Pós-Graduação em Biometria e Estatística Aplicada, UFRPE (Recife - Sede), sob a orientação do Prof° Dr° Guilherme Rocha Moreira. Foi Bolsista do Programa Institucional de Bolsas de Iniciação Científica (PIBIC/CNPq/UFRPE), sob a orientação do Prof° Dr° Severino Benone Paes Barbosa. Realizou estágio voluntário no Laboratório de Genética, Bioquímica e Sequenciamento de DNA Profª Tânia Falcão - UFRPE, sob a orientação da Profª Drª Maria de Mascena Diniz Maia. Atua na área de Genética Molecular. Possui interesse nas áreas de: Genética e Melhoramento dos Animais Domésticos, aliadas à Biotecnologia.

Antonio Samuel Alves da Silva, Universidade Federal Rural de Pernambuco

Possui Doutorado em Biometria e estatística Aplicada pela Universidade Federal Rural de Pernambuco (2015), Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2012) e graduação em Matemática pela Universidade Regional do Cariri (2009). É Professor do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco. Vem trabalhando no aperfeiçoamento computacional do Modelo Century 4.5 bem como na análise espacial de variáveis ambientais. Tem experiência na área de Matemática, Probabilidade e Estatística, com ênfase em Geoestatística, Probabilidade e Inferência Aplicadas.

Guilherme Rocha Moreira, Universidade Federal Rural de Pernambuco

ossui graduação em Engenharia Agronômica pela Universidade Estadual do Sudoeste da Bahia (2003). Especialização em Gestão de Políticas Públicas (2017) pela UFRPE. Mestrado (2004) e Doutorado (2010) em Zootecnia pela UFMG. Atualmente é professor Adjunto IV do Departamento de Estatística e Informática da UFRPE. Atua nas seguintes áreas: sistemas silvipastoris, forragicultura, nutrição de ruminantes, análise de alimentos, degradabilidade ruminal via técnicas "in vitro" de produção de gases e técnicas "in situ" e planejamento e análise de experimentos e modelos de regressão aplicados a agropecuária.

Moacyr Cunha Filho, Universidade Federal Rural de Pernambuco

Possui graduação em Engenharia Civil (1988), especialização em Engenharia e Segurança do Trabalho(1991), Didática das Disciplinas Profissionalizantes (1992) e em Administração Pública (2012); Mestrado em Estatística Aplicada e Biometria pela Universidade Federal Rural de Pernambuco (2002); Doutorado em Ciência do Solo pela UFRPE (2009). Foi Diretor do Núcleo de Tecnologia da Informação (NTI) de 1995 a 2000. Foi Coordenador do Programa de Pós-Graduação em Biometria e Estatística Aplicada/UFRPE (Mestrado e Doutorado-Conceito 5-2010 a 2012) e Supervisor da Área de Estatística (2006 a 2012). Atuou como Coordenador Geral de Logística, Tecnologia da Informação e Inovação Institucional da Fundação Joaquim Nabuco (FUNDAJ-2011 a 2013). Esteve como Pró-Reitor de Administração da UFRPE (2013 a 2016). Bolsista CNPq até 2017. Atuando voluntariamente como Examinador Sênior junto ao PQGF e PQGP(PROPEQ) nos anos de 1999 a 2010; assim como Avaliador do Prêmio SESI Qualidade no Trabalho (PSQT-2008); dos cursos de educação a distância dos Polos de Apoio Presencial (2010), como Avaliador Líder junto ao Movimento Alagoas Competitiva (MAC) em 2010 e consultor "ad doc" junto à FACEPE e à FAPEAL. Atuou de 2008 a 2014 junto ao Instituto Federal de Educação, Ciência e Tecnologia (IFPE) como professor formador, conteudista, revisor e palestrante do Curso de Licenciatura em Matemática a Distância. Atualmente é professor adjunto da Graduação e da Pós Graduação do Departamento de Estatística e Informática da Universidade Federal Rural de Pernambuco e Coordenador do Programa de Pós-Graduação em Biometria e Estatística Aplicada/UFRPE. Tem experiência na área de Processos computacionais, Educação a distância, Probabilidade e Matemática Aplicada, atuando principalmente nos seguintes temas: Estatística aplicada, gestão, educação a distância, recursos hídricos, produção de sedimentos em suspensão e por carga de fundo e conservação do solo e da água.

References

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.

Published

29-07-2019

How to Cite

Rufino de Freitas, J., Pinto dos Santos, A. L., de Almeida Ferreira, D. S., Alves da Silva, A. S., Rocha Moreira, G., & Cunha Filho, M. (2019). Modelo preditivo para o número de notificações de dengue na Região Metropolitana do Recife-PE. Sigmae, 8(2), 584–595. Retrieved from https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/930