Modelo de Poisson e suas generalizações aplicadas a dados de dengue, Brasil
DOI:
https://doi.org/10.33448/rsd-v9i10.8874Palavras-chave:
DENV; Preditor linear; Disseminação; Modelagem.Resumo
Objetivo: analisar e comparar o comportamento semanal de casos de dengue nos cinco municípios mais populosos das mesorregiões Pernambucanas, a saber Caruaru, Palmares, Recife, Petrolina e Serra Talhada. Método: utilizaram-se os registros epidemiológicos semanais de dengue, no período de 2009 a 2018, disponibilizados através da Serviço de Informação ao Cidadão (SIC). Foram aplicados modelos de probabilidade, mais precisamente, os modelos Poisson e suas generalizações. Resultados: o modelo Binomial Negativo se sobressaiu em relação ao Modelo Quase-Poisson, reduzindo os parâmetros de dispersões com mais precisão devida à natureza dos dados superdispersos. Além disso, as análises indicaram que a precipitação e temperatura foram fatores significativos que afetou no número de casos em alguns municípios. Conclusão: a modelagem permitiu ser uma ferramenta útil para as autoridades locais planejarem tomadas de decisões e intervenção nos períodos mais propício de proliferação.
Referências
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
Publicado
Como Citar
Edição
Seção
Licença
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
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.
