Análise Espacial dos casos de dengue no estado da Paraíba

uma aplicação com a RIE

Autores/as

  • Samara Rilda Sousa Bezerra Programa de Interinstitucional Pós-Graduação em Estatística (PIPGEs) - UFSCAR/USP, São Carlos/SP
  • Ricardo Sandes Ehlers Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) - UFSCAR/USP, São Carlos/SP
  • Mateus Santos Peixoto Programa de Pós-Graduação em Estatística e Experimentação Agropecuária - UFLA, Lavras/MG
  • Maria Izabel de Andrade Araújo UniFatice - Centro Universitário (Polo de Campina Grande - PB), Paranavaí/PR
  • Tiago Almeida de Oliveira Universidade Estadual da Paraíba - UEPB, Campina Grande/PB
  • Diogo Francisco Rossoni Programa de Pós-Graduação em Bioestatística (PBE) - UEM, Maringá/PB

Palabras clave:

RIE, SAR, Estatísticas Espaciais

Resumen

A presente pesquisa faz uma análise sobre a disseminação da dengue, transmitida pelo Aedes aegypti, popularmente conhecido por mosquito da dengue. O estudo destaca o aumento global dos casos ao longo dos anos e o aumento significativo no Brasil, especificamente na Paraíba. A pesquisa busca analisar a distribuição dos casos notificados de dengue nos anos de 2015 e 2022 no Estado da Paraíba usando métodos estatísticos espaciais, considerando fatores socioeconômicos e ambiental. Foram utilizados índices de Moran para testar a dependência espacial e mapas como Box Map, Lisa Map e Moran Map para visualizar associações espaciais. Um modelo de regressão SAR foi aplicado para avaliar a influência de variáveis independentes na Razão de Incidência Espacial (RIE). Os resultados sugerem autocorrelação espacial na RIE e destacam a significância das covariáveis (Índice de Desenvolvimento Humano Municipal e Renda Per capita) no modelo SAR 4.

Citas

AKAIKE, H. Information theory and an extension of the maximum likelihood principle. Selected papers of Hirotugu Akaike, Springer, p. 199–213, 1998.

BIVAND, R. S.; GÓMEZ-RUBIO, V.; RUE, H. Approximate Bayesian inference for spatial econometrics models. Spatial Statistics, v. 9, p. 146–165, 2014.

DUNCAN, D. T.; KAWACHI, I.; MELLY, S. J.; BLOSSOM, J.; SORENSEN, G.; WILLIAMS, D. R. Student column demographic disparities in the tobacco retail environment in Boston: A citywide spatial analysis. Public Health Reports, SAGE Publications Sage CA: Los Angeles, CA, v. 129, n. 2, p. 209–215, 2014.

FERREIRA, G. S.; SCHMIDT, A. M. Spatial modelling of the relative risk of dengue fever in Rio de Janeiro for the epidemic period between 2001 and 2002. Brazilian Journal of Probability and Statistics, v. 20, n. 1, p. 29–47, 2006.

FISCHER, M. M.; WANG, J. Spatial data analysis: models, methods and techniques. [S.l.]: Springer Science & Business Media, 2011.

KARAM, H. A.; SILVA, J. C. B. da; FILHO, A. J. P.; ROJAS, J. L. F. Dynamic modelling of dengue epidemics in function of available enthalpy and rainfall. Open Journal of Epidemiology, Scientific Research Publishing, v. 6, n. 1, p. 50–79, 2015.

LIMA, L. M. M. de; SA, L. R. de; MACAMBIRA, A. F. U. dos S.; NOGUEIRA, J. de A.; VIANNA, R. P. de T.; MORAES, R. M. de. A new combination rule for spatial decision support systems for epidemiology. International journal of health geographics, BioMed Central, v. 18, n. 1, p. 1–10, 2019.

LOCH, R. E. N. Cartografia: representação, comunicação e visualização de dados espaciais. [S.l.]: UFSC, 2006.

MORAN, P. A. Notes on continuous stochastic phenomena. Biometrika, JSTOR, v. 37, n. 1/2,

p. 17–23, 1950.

NEIVAS, G. S.; BAPTISTA, A. C. Análise exploratória de dados espaciais da violˆencia contra lgbtqia+ no brasil. Rev. Bras. Cartogr, v. 74, n. 1, 2022.

OLIVEIRA, A. A. de; MONTEIRO, J. B.; SANTIAGO, D. de B.; MOURA, D. C. Variabilidade climática e casos de dengue em cidades do estado da Paraíba, Brasil. Research, Society and Development, v. 11, n. 11, p. e50111133256–e50111133256, 2022.

PERMAI, S. D.; JAURI, R.; CHOWANDA, A. Spatial autoregressive (SAR) model for average expenditure of Papua Province. Procedia Computer Science, Elsevier, v. 157, p. 537–542, 2019.

PINTO, M. M. P. S.; SA, L. R. de; SOARES, R. A. S.; MEDEIROS, A. T. de; NOGUEIRA, J. de A.; MORAES, R. M. de. Análise comparativa de métodos de aglomeração espacial para estudos epidemiológicos. Revista Espa¸co e Geografia, v. 22, n. 1, p. 683–706, 2019.

R CORE TEAM. R: A Language and Environment for Statistical Computing. Vienna, Austria, 2021. ⟨https://www.R-project.org/⟩.

RAMOS-CASTANEDA, J.; SANTOS, F. Barreto dos; MARTINEZ-VEGA, R.; ARAUJO, J. Galvão de; JOINT, G.; SARTI, E. Dengue na américa latina: Revisão sistemática das tendências epidemiológicas moleculares. PLoS Neglected Tropical Diseases, v. 11, p. 1, 2017.

SILVA, E. T. C. d.; OLINDA, R. A.; PACHA, A. S.; COSTA, A. O.; BRITO, A. L.;

PEDRAZA, D. F. Spatial analysis of the distribution of dengue cases and its relationship with socio-environmental factors in the state of Paraíba, Brazil, 2007-2016. Saúde em Debate, SciELO Brasil, v. 44, p. 465–477, 2020.

TAN, L. K.; LOW, S. L.; SUN, H.; SHI, Y.; LIU, L.; LAM, S.; TAN, H. H.; ANG, L. W.; WONG, W. Y.; CHUA, R. et al. Force of infection and true infection rate of dengue in singapore: implications for dengue control and management. American journal of epidemiology, Oxford University Press, v. 188, n. 8, p. 1529–1538, 2019.

Publicado

21-02-2024

Cómo citar

Bezerra , S. R. S. ., Ehlers, R. S., Peixoto, M. S., Araújo, M. I. de A. ., de Oliveira, T. A., & Rossoni, D. F. . (2024). Análise Espacial dos casos de dengue no estado da Paraíba: uma aplicação com a RIE. Sigmae, 12(3), 240–252. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2248