Poisson model and its generalizations applied to dengue data, Brazil
DOI:
https://doi.org/10.33448/rsd-v9i10.8874Keywords:
DENV; Linear predictor; Dissemination; Modeling.Abstract
Objective: analyze and compare the weekly behavior of dengue cases in the five most populous municipalities in the Pernambucan mesoregions, namely Caruaru, Palmares, Recife, Petrolina and Serra Talhada. Method: the weekly epidemiological records of dengue were used, from 2009 to 2018, made available through the Citizen Information Service (SIC). Probability models were applied, more precisely, the Poisson models and their generalizations. Results: the Negative Binomial model stood out in relation to the Quasi-Poisson Model, reducing the dispersion parameters with more precision due to the nature of the overdispersed data. In addition, the analyzes indicated that precipitation and temperature were significant factors that affected the number of cases in some municipalities. Conclusion: modeling has made it a useful tool for local authorities to plan decision-making and intervention in the most propitious periods of proliferation.
References
Baracho, R. C. M., Ismael Filho, A., Gonçalves, A., Nunes, S. T. S., & Borges, P. F. (2014). A influência climática na proliferação da dengue na cidade de Areia, Paraíba. Revista Gaia Scientia, 8(1).
Barbosa, I. R., & da Silva, L. P. (2015). Influência dos determinantes sociais e ambientais na distribuição espacial da dengue no município de Natal-RN. Revista Ciência Plural, 1(3), 62-75.
Bickel, P. J. & Doksum, K. A. (2001). Mathematical statistics: Basic ideas and selected topics. 2nd ed. Prentice–Hall.
Böhm, A. W., Costa, C. D. S., Neves, R. G., Flores, T. R., & Nunes, B. P. (2016). Dengue incidence trend in Brazil, 2002-2012. Epidemiologia e Serviços de Saúde, 25(4), 725-733. Doi: http://dx.doi.org/10.5123/s1679-49742016000400006.
Catão, R. de C. (2011). Dengue no Brasil: abordagem geográfica na escala nacional.
Ceratti, R. K. (2013). Modelos para análise de dados não-normais multivariados longitudinais.
Costa, I. M. P., & Calado, D. C. (2016). Incidência dos casos de dengue (2007-2013) e distribuição sazonal de culicídeos (2012-2013) em Barreiras, Bahia. Epidemiologia e Serviços de Saúde, 25, 735-744. Doi: http://dx.doi.org/10.5123/s1679-49742016000400007.
de Andrade Oliveira, M. A. C., Coelho, F. A., de Barros Freitas, R., TAVARES, A. P., Silva, Í. N. D. P. N., da Silva Pinto, S., & Andrade, F. M. (2018). Perfil das notificações de dengue e sazonalidade no município de Ubá-MG, 2015 A 2016. Revista Científica FAGOC-Saúde, 2(2), 9-14.
de Freitas, J. R., Nascimento, G. I. L. A., de Almeida Ferreira, D. S., Santiago, E. J. P., Moreira, G. R., da Silva, A. S. A., & Cunha Filho, M. (2020). Análise espaço-temporal da incidência de febre Chikungunya no estado de Pernambuco. Research, Society and Development, 9(9), e288997114-e288997114. Doi: http://dx.doi.org/10.33448/rsd-v9i9.7114
de Freitas, J. R., Santiago, E. J. P., de Freitas, J. C. R., da Silva, A. S. A., de Araújo Filho, R. N., Piscoya, V. C., & Cunha Filho, M. (2020). Space-temporal analysis trend of the numbers of dengue cases in Pernambuco-Brazil. Research, Society and Development, 9(7), 526974427. Doi: http://dx.doi.org/10.33448/rsd-v9i7.4427
de Moura, P. M., Docile, T. N., Arnóbio, A., & Figueiró, R. (2014). O Desmatamento e o Crescimento urbano desordenado no estado do Rio de Janeiro: impactos na dinâmica do Dengue. Cadernos UniFOA, 9(24),77-85, 2014.
IBGE. Estimativas da população. (2018). Disponível em: hhttps://www.ibge.gov.br/estatisticas-novoportal/sociais/populacao/9103-estimativas-depopulacao.html?=&t=downloadsi. Acesso em: 21/08/2019.
Kraemer, M.U.G., SinKA, M.E., Duda, K.A., Mylne, A., Shearer, F.M., Barker, C., Moore, C.G., Carvalho, R.G., Coelho, G.E., Van Bortel, W., Hendrickx, G., Schaffner, F., Elyazar, I.R.F., Teng, H.-J., Brady, O.J., Messina. J.P., Pigott, D.M., Scott, T.W., Smith, D.L., Wint, G.R.W., Golding, N., & Hay, S.I. (2015). The global distribution of the arbovirus vectors Aedes aegypti and Ae. albopictus. Elife, 4, e08347. Doi: 10.1038/sdata.2015.35
Leslie, C. (2019). Statistical Analysis of Climate Factors Influencing Dengue Incidences in Colombo, Sri Lanka: Poisson and Negative Bionomial Regression Approach. International Journal of Scientific and Research Publications (IJSRP), 9(2), 133-144. Doi: http://dx.doi.org/10.29322/IJSRP.9.02.2019.p8616.
Magalhães, M. N. (2006). Probabilidade e variáveis aleatórias. Edusp.
Maniero, V. C., Santos, M. O., Ribeiro, R. L., de Oliveira, P. A., da Silva, T. B., Moleri, A. B., & Cardozo, S. V. (2016). Dengue, chikungunya e zika vírus no brasil: situação epidemiológica, aspectos clínicos e medidas preventivas. Almanaque multidisciplinar de pesquisa, 1(1).
Mustafa, M. S., Rasotgi, V., Jain, S., & Gupta, V. (2015). Discovery of fifth serotype of dengue virus (DENV-5): A new public health dilemma in dengue control. Medical journal armed forces India, 71(1), 67-70. Doi: https://doi.org/10.1016/j.mjafi.2014.09.011
Nelder, J.A., & Wedderburn, R.W.M. (1972). Generalized linear models. Journal of the Royal Statistical Society, A 135, 370-384.
Pereira, A. S.; Shitsuka, D. M.; Parreira, F. J.; Shitsuka, R (2018). Metodologia da pesquisa científica. 1. Ed. Santa Maria, RS: UFSM, NTE.
Paula, G. A. (2004). Modelos de regressão: com apoio computacional. São Paulo: IME-USP.
Ramalho, J. Modelos de regressão para dados de contagem. 1996. Dissertação de Mestrado.
Rao, CR (1973) Linear statistical inference and its applications. New York, John Wiley. 560p.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2019. URL http://www.R-project.org/.
Sippy, R., Herrera, D., Gaus, D., Gangnon, R. E., Patz, J. A., & Osorio, J. E. (2019). Seasonal patterns of dengue fever in rural Ecuador: 2009-2016. PLoS neglected tropical diseases, 13(5), e0007360. Doi: https://doi.org/10.1371/journal.pntd.0007360
Salles, T. S., da Encarnação Sá-Guimarães, T., de Alvarenga, E. S. L., Guimarães-Ribeiro, V., de Meneses, M. D. F., de Castro-Salles, P. F., & Moreira, M. F. (2018). History, epidemiology and diagnostics of dengue in the American and Brazilian contexts: a review. Parasites & vectors, 11(1), 264. Doi: https://doi.org/10.1186/s13071-018-2830-8
Tadano, Y. de S., Ugaya, C. M. L., & Franco, A. T. A. (2009). Método de regressão de Poisson: metodologia para avaliação do impacto da poluição atmosférica na saúde populacional. Ambiente & Sociedade, 12(2), 241-255. Doi: https://doi.org/10.1590/S1414-753X2009000200003.
Valle, D., Pimenta, D. N., & da Cunha, R. V. (2015). Dengue: teorias e práticas. SciELO-Editora FIOCRUZ. Doi: https://doi.org/10.1590/0102-311X00016216.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Jucarlos Rufino de Freitas; Marília Gabriela Ferreira de Miranda Oliveira; Moacyr Cunha Filho; Frank Sinatra Gomes da Silva; Josimar Mendes de Vasconcelos
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
