Sensibilidade de alarme em um sistema de vigilância sindrômica epidemiológica e proposta de rede bayesiana
DOI:
https://doi.org/10.33448/rsd-v9i11.10569Palavras-chave:
Detecção de surtos; Redes Bayesianas; Vigilância animal.Resumo
A eficiência de um sistema de vigilância sindrômica foi avaliada para mortalidade em aves de postura tendo como base de comportamento recomendações internacionais. Foram simuladas várias formas de eventos epidemiológicos com diferentes cenários. As técnicas de alarme do sistema foram analisadas segundo suas sensibilidades bem como a correlação entre os respectivos resultados. Entre as técnicas utilizadas pelo sistema, o gráfico Shewhart foi o que mais contribuiu para a detecção correta de surtos, apresentando probabilidade maior que 95% na detecção de alarmes verdadeiros positivos e apenas 4,6% de falsos positivos. A fim de corrigir a sensibilidade do sistema em detectar surtos, uma rede Bayesiana foi desenvolvida. Esta rede foi proposta como parte da avaliação dos resultados do sistema conferindo maior precisão. A rede Bayesiana proposta conseguiu corrigir erros do sistema avaliado, demonstrando ser um acréscimo viável ao sistema de vigilância sindrômica. Os maiores coeficientes de correlação identificados foram dados pela relação entre o gráfico de controle Shewhart e suavização exponencial Holt-Winters. O sistema tende a superestimar a ocorrência de alarmes através de falso positivos, entretanto a rede Bayesiana proposta corrigiu a um nível de 30% todas as falhas.
Referências
Barboza, V. H. D. (2018). Bioterrorismo e suas perspectivas em saúde pública. Recuperado de https://repositorio.uniceub.br/jspui/handle/235/11667
Ben‐Gal, I. (2007). Bayesian networks. Encyclopedia of statistics in quality and reliability, 1. https://doi.org/10.1002/9780470061572.eqr089
Bower, K. M. (2000). Using exponentially weighted moving average (EWMA) charts. Asia Pacific Process Engineer. (October 2000) Recuperado de: https://www.researchgate.net/profile/Keith_M_Bower/publication/337801788_Using_Exponentially_Weighted_Moving_Average_EWMA_Charts/links/5deadfb54585159aa4689348/Using-Exponentially-Weighted-Moving-Average-EWMA-Charts.pdf
Bronner, A., Morignat, E., Fournié, G., Vergne, T., Vinard, J. L., Gay, E., & Calavas, D. (2015). Syndromic surveillance of abortions in beef cattle based on the prospective analysis of spatio-temporal variations of calvings. Scientific reports, 5, 18285. https://doi.org/10.1038/srep18285.
Buehler, J. W., Berkelman, R. L., Hartley, D. M., & Peters, C. J. (2003). Syndromic surveillance and bioterrorism-related epidemics. Emerging infectious diseases, 9(10), 1197. https://doi.org/10.3201/eid0910.030231
Costa, A. F. B., Epprecht, E. K., & Carpinetti, L. C. R. (2005). Controle estatístico de qualidade (pp. 185-94). São Paulo: Atlas.
Dórea, F. C., Revie, C. W., McEwen, B. J., McNab, W. B., Kelton, D., & Sanchez, J. (2013). Retrospective time series analysis of veterinary laboratory data: preparing a historical baseline for cluster detection in syndromic surveillance. Preventive veterinary medicine, 109(3-4), 219-227. https://doi.org/10.1016/j.prevetmed.2012.10.010
Dórea, F. C., Widgren, S., & Lindberg, A. (2015). Vetsyn: an R package for veterinary syndromic surveillance. Preventive veterinary medicine, 122(1-2), 21-32. https://doi.org/10.1016/j.prevetmed.2015.10.002
Edo-Osagie, O., Smith, G., Lake, I., Edeghere, O., & De La Iglesia, B. (2019). Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance. PloS one, 14(7), e0210689. https://doi.org/10.1371/journal.pone.0210689
Gibbens, J. C., Wilesmith, J. W., Sharpe, C. E., Mansley, L. M., Michalopoulou, E., Ryan, J. B. M., & Hudson, M. (2001). Descriptive epidemiology of the 2001 foot-and-mouth disease epidemic in Great Britain: the first five months. Veterinary Record, 149(24), 729-743. http://dx.doi.org/10.1136/vr.149.24.729
Heffernan, R., Mostashari, F., Das, D., Besculides, M., Rodriguez, C., Greenko, J., ... & Phillips, M. (2004). New York City syndromic surveillance systems. Morbidity and Mortality Weekly Report, 25-27.
Henning, K. J. (2004). What is syndromic surveillance? Morbidity and mortality weekly report, 7-11.
Højsgaard, S. (2012). Graphical independence networks with the gRain package for R. Journal of Statistical Software, 46(10), 1-26.
Hy-Line (2016). Guia de manejo para poedeiras comerciais Hy-Line W-36. Recuperado de https://www.hyline.com/french/filesimages/Hy-Line-Products/Hy-Line-Product-PDFs/W-36/36%20COM%20POR.pdf
Lalkhen, A. G., & McCluskey, A. (2008). Clinical tests: sensitivity and specificity. Continuing Education in Anaesthesia Critical Care & Pain, 8(6), 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
Mandl, K. D., Overhage, J. M., Wagner, M. M., Lober, W. B., Sebastiani, P., Mostashari, F., & Hutwagner, L. (2004). Implementing syndromic surveillance: a practical guide informed by the early experience. Journal of the American Medical Informatics Association, 11(2), 141-150. https://doi.org/10.1197/jamia.M1356
Marques, R. L., & Dutra, I. N. Ê. S. (2002). Redes Bayesianas: o que são, para que servem, algoritmos e exemplos de aplicações. Coppe Sistemas–Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil. Recuperado de: https://cos.ufrj.br/~ines/courses/cos740/leila/cos740/Bayesianas.pdf
Mingoti, S. A., & Yassukawa, F. R. (2008). Uma comparação de gráficos de controle para a média de processos autocorrelacionados. Sistemas & Gestão, 3(1), p.55-73.
Mnatsakanyan, Z. R., Burkom, H. S., Coberly, J. S., & Lombardo, J. S. (2009). Bayesian information fusion networks for biosurveillance applications. Journal of the American Medical Informatics Association, 16(6), 855-863. https://doi.org/10.1197/jamia.M2647
Montgomery, D. C. (2007). Introduction to statistical quality control. John Wiley & Sons. Arizona-US.
Mostashari, F., & Karpati, A. (2002). Towards a theoretical (and practical) framework for prodromic surveillance. In International Conference on Emerging Infectious Diseases, Atlanta, GA, March.
Olson, K. L., & Mandl, K. D. (2002). Geocoding patient addresses for biosurveillance. In Proceedings of the AMIA Symposium (p. 1119). American Medical Informatics Association.
Ozonoff, A., Forsberg, L., Bonetti, M., & Pagano, M. (2004). Bivariate method for spatio-temporal syndromic surveillance. Morbidity and Mortality Weekly Report, 61-66.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de https://www.R-project.org/.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica. pdf.
Roberts, S. W. (2000). Control chart tests based on geometric moving averages. Technometrics, 42(1), 97-101.
Rogerson, P. A., & Yamada, I. (2004). Approaches to syndromic surveillance when data consist of small regional counts. Morbidity and Mortality Weekly Report, 79-85.
Schwabe, C. (1982). The current epidemiological revolution in veterinary medicine. Part I. Preventive Veterinary Medicine, 1(1), 5-15. https://doi.org/10.1016/0167-5877(82)90003-4
Scutari, M. (2010). Learning Bayesian Networks with the bnlearn R Package. Journal of Statistical Software, 35(3), 1-22. Recuperado de http://www.jstatsoft.org/v35/i03/
Silva, W. V. da; Samohyl, R. W.; Costa, L. S. (2002). Comparação entre os métodos de previsão univariados para o preço médio da soja no brasil. Anais XXII Encontro Nacional de Engenharia de Produção 2002, 1–8.
Veríssimo, A. J., Alves, C. C., Henning, E., Amaral, C. E., Cruz, A. C. (2013). Métodos estatísticos de suavização exponencial holt-winters para previsão de demanda em uma empresa do setor metal mecânico. Revista Gestão Industrial, 8(4). https://doi.org/10.3895/S1808-04482012000400009
Wagner, M. M., Tsui, F. C., Espino, J. U., Dato, V. M., Sittig, D. F., Caruana, R. A., & Fridsma, D. B. (2001). The emerging science of very early detection of disease outbreaks. Journal of public health management and practice, 7(6), 51-59.
Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management science, INFORMS, 6(3), 324–342. https://doi.org/10.1287/mnsc.6.3.324
Zeng, D., Chen, H., Lynch, C., Eidson, M., & Gotham, I. (2005). Infectious diseaxe informatics and outbreak detection. In Medical Informatics (pp. 359-395). Springer, Boston, MA.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Patricia de Souza Medeiros Pina Ximenes; Kleber Régis Santoro
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
