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

• Main Author: Lizzi, Elisangela Aparecida da Silva
• Other Authors: Martinez, Edson Zangiacomi
• Format: Others
• Language: pt
• Published: Biblioteca Digitais de Teses e Dissertações da USP 2012
• Subjects: Bioestatística; Biostatistics; Dengue; Dengue.; Séries temporais; Time series
• Online Access: http://www.teses.usp.br/teses/disponiveis/17/17139/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. === Introduction: Dengue is an infection disease which is caused by an arbovirus related to tropical and subtropical region. Most cases usually occur on warm and rainy weathers of the years that facilitate the conditions of the development vector of the disease, the Aedes Aegypti mosquito. Statistical models can be very useful to comprehend the monthly variations of the number of registered cases of the disease, and they might bring reasonable predictions to the monthly number of cases in a subsequent period to a studied time series. Metodology: This dissertation is about ecologic study with a time series component. It was used monthly registry of confirmed dengue cases, between 1998 and 2008 years, obtained by the Information Center of Notification Diseases (ICND), out of two cities in the state of São Paulo (Campinas and Ribeirão Preto). Statistic time series models were used to describe the data series behavior and to predict the average number of disease cases in the subsequent period. We used the Box & Jenkins model, that in, the SARIMA (Seasonal Autoregressive Integrated Moving Average) model, with extensions (SARIMAX model) that allow to incorporate co-variables to the maximum, mean and minimum temperatures and the average monthly precipitation. We used the Akaike criterio (AIC) for comparison between different model specifications. From the fit data models, we obtained monthly predictions to the 2009 year, being compared to the observed data. Results: Without considerating the inclusion of the covariables, the best model for Campinas data was the SARIMA(2,1,2)(1,1,1)12, and for Ribeirão Preto data the best was SARIMA(2,1,3)(1,1,1)12 (smaller AIC values models). As we incorporate the climate variables in the models, we observe that the best fit for Campinas city was the SARIMAX(1,1,1)1,1,1)12 that includes the observed precipitation in 2 months before the monthly dengue cases and the minimum registered temperature in 3 months before. In Ribeirão Preto city, the most adequate model was the SARIMAX(1,1,1)(0,1,1)12 that includes the observed precipitation in 3 months before the monthly dengue case occurrence and the minimum temperature in one month before. The monthly prediction obtained for 2009 year show reasonably close to the observed, in both cities. Conclusion: The results of this study, in addition to the literature results, show that the adequate number of autoregressive and moving average components fitted in SARIMA models, vary between one population and other, suggesting different disease time patterns according to local characteristics. Comparing predict and observed values suggest that the SARIMA models are useful tools to predict the number of dengue cases. We suggest that the models in this dissertation be used in city health services to surveillance the disease, which may bring benefits for prevention programs and public service planning.