ANÁLISE ESPACIAL E TEMPORAL PARA OS CASOS DE DENGUE NA PARAÍBA
DOI:
https://doi.org/10.56238/levv16n51-083Palavras-chave:
Análise Espacial, Análise Temporal, DengueResumo
Reconhecida pela Organização Mundial da Saúde (OMS) como uma das arboviroses de maior impacto global, a dengue apresenta incidência crescente nas últimas décadas, atingindo países tropicais e subtropicais, onde fatores climáticos, urbanização acelerada e infraestrutura urbana insuficiente favorecem a disseminação do vetor. Este artigo se concentra em realizar uma análise espacial e temporal para os casos de Dengue na Paraíba. A análise espacial de dados de áreas é utilizada em geoprocessamento quando a ocorrência do fenômeno em estudo é mensurada a partir de dados agregados por área, como é o número de casos de Dengue por cidade. Uma série temporal é um conjunto de observações ordenadas (no tempo). A análise de séries temporais constitui em um método estatístico que pode ser empregado para o planejamento de ações e políticas públicas, pois permite realizar previsões de eventos futuros, a partir de dados passados. Os dados foram obtidos no site do Ministério da Saúde/SVSA - Sistema de Informação de Agravos de Notificação - Sinan Net. Utilizou-se o software R para fazer as análises. Com os resultados da análise espacial observou-se que no ano de 2022 a Paraíba obteve muitos casos de Dengue e as cidades com maiores casos foram: João Pessoa (10611), Juazeirinho (1357) e Pombal (1025). Podemos observar também que houve uma diminuição no número de casos de Dengue na Paraíba de 2022 a 2025. Na análise temporal foi preciso transformar os dados em distribuição Normal para aplicar a técnica de Box-Jenkis. O modelo mais adequado foi o modelo ARIMA(3,1,1), que obteve os menores valores para os critérios de seleção, os resíduos também satisfez as condições e os valores previstos ficaram dentro do intervalo de confiança.
Downloads
Referências
LOPES, N.; NOZAWA, C.; LINHARES, R. E. C., 2014. Características gerais e epidemiologia dos arbovírus emergentes no Brasil. Revista Pan-Amazônica de Saúde, v. 5, n. 3, p. 55-64.
ORGANIZAÇÃO MUNDIAL DA SAÚDE (OMS), 2023. Dengue and severe dengue. Geneva: World Health Organization. Disponível em: https://www.who.int/news-room/fact-sheets/detail/dengue-and-severe-dengue.
BRASIL. Ministério da Saúde, 2025. Monitoramento dos casos de arboviroses urbanas transmitidas pelo Aedes aegypti (dengue, chikungunya e zika), Semanas Epidemiológicas 1 a 52 de 2024. Boletim Epidemiológico, v. 56, n. 01. Brasília: Ministério da Saúde.
DONALISIO, M. R.; FREITAS, A. R. R., 2015. Dengue no Brasil: situação epidemiológica e contribuições para uma agenda de pesquisa. Revista Brasileira de Epidemiologia, v. 18, supl. 1, p. 220-237.
TEIXEIRA, M. C. N.; ANDRADE, V. R.; VILANI, R. M., 2018. Dengue e o ambiente urbano: a contribuição da análise espacial para a saúde pública. Cadernos de Saúde Pública, v. 34, n. 6, p. 1-12.
LATORRE, M. R. D. O.; CARDOSO, M.R. A., 2001. Análise de séries temporais em epidemiologia: uma introdução sobre os aspectos metodológicos. Revista Brasileira de Epidemiologia, vol. 4, nº 3, pg. 147.
MINISTÉRIO DA SAÚDE, 2025. Tabnet. Informações de Saúde. http://tabnet.datasus.gov.br/cgi/deftohtm.exe?sinannet/cnv/denguebPB.def
SANTOS, M., 2002. A natureza do espaço: técnica e tempo, razão e emoção. 4. ed. São Paulo: Edusp.
CÂMARA, G.; MONTEIRO, A. M. V.; MEDEIROS, J. S.; SPERB, R. M., 2001. Geocampos e geo-objetos: proposta de uma taxonomia para representação de dados geográficos. Revista Brasileira de Cartografia, n. 53, p. 17-28.
BARCELLOS, C.; RAMALHO, W., 2002. Situação atual do geoprocessamento e da análise espacial em saúde no Brasil. Informática Pública, v. 4, n. 2, p. 221-230.
SIEGEL, S., 1975. Estatística não¬ Paramétrica para as ciências do comportamento, São Paulo: McGraw¬Hill do Brasil.
MORETTIN, P. A.; TOLOI, C. M. de C., 2006 Análise de Séries Temporais. 2. ed. [S.l.]: Blucher.
DICKEY, D. A.; FULLER, W. A., 1979. Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, Taylor Francis, v. 74, n. 366a, p. 427–431. Disponível em: hhttps://doi.org/10.1080/01621459. 1979.10482531i.
BOX, G. E. P.; JENKINS, G. M.; REINSEL, G. C., 2015. Time Series Analysis: Forecasting and Control. 5th ed. Hoboken: Wiley.
AKAIKE, H. A., 1974. new look at the statistical model identification. IEEE Transactions on Automatic Control, v. 19, n. 6, p. 716–723. Disponível em: http: //dx.doi.org/10.1109/TAC.1974.1100705i.
