Modelação por regressão incorporando dependência espacial e temporal

Abstract

A dengue é uma doença viral transmitida pelo mosquito Aedes aegypti, devendo ser tratada e o vetor transmissor eliminado para evitar epidemias e mortes. Nesta tese, a modelação por regressão incorporando dependência espacial e temporal é utilizada para estimar o número de notificações de casos de dengue no estado de Goiás, Brasil, onde o clima tropical favorece a proliferação do principal vetor transmissor dessa doença. Para a cidade de Goiânia, capital e principal cidade do Estado, aplica-se a metodologia das Equações de Estimação Generalizadas, e numa análise englobando 20 cidades desse Estado recorre-se aos Modelos Lineares Generalizados Mistos. Nos modelos mistos, o número de notificações de casos de dengue é estimado utilizando as variáveis meteorológicas e as estações do ano como efeitos fixos e os fatores cidade e ano como efeitos aleatórios de modo a caracterizar a dependência espacial e temporal. Para analisar o nível de significância das componentes de variância, associadas aos efeitos aleatórios, aplicam-se métodos bootstrap em dados simulados e em dados reais, obtendo-se probabilidades de cobertura superiores a 90 % quando o processo de reamostragem no nível do fator em estudo envolve cerca de 50 % dos dados originais. Os resultados indicam uma associação direta entre as variáveis meteorológicas e o número de notificações de casos de dengue, sendo o verão e o outono as estações do ano com maior número de casos registados. A precipitação, a temperatura mínima e a humidade relativa do ar são as variáveis que mais contribuem para o aumento no número de casos de dengue. O ano e a localização da cidade são os fatores determinantes na incidência de casos de dengue. A partir dos resultados obtidos, tem-se a indicação da necessidade de políticas públicas, juntamente com ações conjuntas da população local, para combater o vetor transmissor da dengue e evitar períodos epidémicos.

Dengue is a viral disease transmitted by the mosquito Aedes aegypti, that requires treatment and the transmitter vector needs to be eliminated to avoid epidemics and deaths. In this thesis, regression modeling incorporating spatial and temporal dependence is used to model the number of reports of dengue cases in the state of Goiás, Brazil, where the tropical climate favors the proliferation of the main transmitting vector of this disease. For the city of Goiânia, capital and main city of the State, the methodology of Generalized Estimation Equations is applied, and in an analysis encompassing 20 cities of that State the Mixed Generalized Linear Models are used. In the later case, the number of notifications of dengue cases is estimated using the meteorological variables and years seasons, as fixed effects. The information on the city and the year is included in to the model as random effects, aiming to characterize spatial and temporal dependence. In order to analyze the significance level of the variance components, associated to random effects, bootstrap methods are applied to both simulated and real data, obtaining coverage probabilities above 90 %, when the resampling process at the factor’s level analysis under involves about 50 % of the original data. The results indicate a direct association between the meteorological variables and the number of reports of dengue cases, being the summer and the fall the seasons of the year with greater number of registered cases. Precipitation, minimum temperature and relative air humidity are the variables that most contribute to the increase in the number of dengue cases. The year and the location of the city are the determining factors in the incidence of dengue cases. Based on the results obtained, the need for public policies, together with joint actions involving local population, are confirmed to be important to combat the vector transmitting dengue and avoid epidemic periods.