ANÁLISIS ESPACIAL Y TEMPORAL DE CASOS DE DENGUE EN PARAÍBA

Autores/as

  • Patrícia Silva Nascimento Barros Autor/a

DOI:

https://doi.org/10.56238/levv16n51-083

Palabras clave:

Análisis Espacial, Análisis Temporal, Dengue

Resumen

Reconocido por la Organización Mundial de la Salud (OMS) como uno de los arbovirus con mayor impacto global, el dengue ha experimentado un aumento en su incidencia en las últimas décadas, afectando a países tropicales y subtropicales, donde los factores climáticos, la rápida urbanización y la insuficiente infraestructura urbana favorecen la propagación del vector. Este artículo se centra en el análisis espacial y temporal de los casos de dengue en Paraíba. El análisis espacial de datos de área se utiliza en el geoprocesamiento cuando se mide la ocurrencia del fenómeno en estudio con base en datos agregados por área, como el número de casos de dengue por ciudad. Una serie temporal es un conjunto de observaciones ordenadas en el tiempo. El análisis de series temporales es un método estadístico que puede utilizarse para planificar acciones y políticas públicas, ya que permite predecir eventos futuros con base en datos pasados. Los datos se obtuvieron del sitio web del Ministerio de Salud/SVSA - Sistema de Información de Enfermedades de Notificación Obligatoria - Sinan Net. Se utilizó el software R para los análisis. Los resultados del análisis espacial mostraron que Paraíba registró un alto número de casos de dengue en 2022, siendo las ciudades con mayor número de casos João Pessoa (10.611), Juazeirinho (1.357) y Pombal (1.025). También se observa una disminución en el número de casos de dengue en Paraíba entre 2022 y 2025. En el análisis temporal, los datos debieron transformarse a una distribución normal para aplicar la técnica de Box-Jenkins. El modelo más adecuado fue el modelo ARIMA(3,1,1), que obtuvo los valores más bajos para los criterios de selección. Los residuos también cumplieron las condiciones, y los valores predichos se situaron dentro del intervalo de confianza.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

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.

Publicado

2025-09-03

Cómo citar

BARROS, Patrícia Silva Nascimento. ANÁLISIS ESPACIAL Y TEMPORAL DE CASOS DE DENGUE EN PARAÍBA. LUMEN ET VIRTUS, [S. l.], v. 16, n. 51, p. e7795, 2025. DOI: 10.56238/levv16n51-083. Disponível em: https://periodicos.newsciencepubl.com/LEV/article/view/7795. Acesso em: 5 dec. 2025.