Relatório de análise estatística sobre o projeto “Estudo da incidência de casos de dengue no município de Campo Grande no período de 2017 a 2024 com a aplicação de diferentes métodos de análise” (2025)
- Authors:
- USP affiliated authors: CHIANN, CHANG - IME ; RODRIGUES, ESTEVAO KUSABA - IME ; TANAKA, MELISSA TIEMI - IME ; PINTO, MATEUS GONZALEZ DE FREITAS - IME
- Unidade: IME
- Subjects: ESTATÍSTICA APLICADA; DENGUE
- Language: Português
- Abstract: Neste trabalho, foi realizada uma análise estatística abrangente sobre a incidência de casos de dengue no município de Campo Grande, utilizando o banco de dados de notificações individuais de 2008 a 2024. O estudo teve como objetivos caracterizar o padrão epidemiológico da doença, avaliar métodos de detecção de epidemias por meio do canal endêmico e aplicar técnicas modernas de modelagem preditiva com redes neurais Long Short-Term Memory (LSTM). A análise descritiva sugere importantes padrões espaciais e temporais, destacando distritos com maior incidência absoluta e relativa, além de evidenciar a sazonali-dade anual e a diferença entre anos epidêmicos e não epidêmicos. Também foram observadas variações no perfil demográfico dos casos e na distribuição dos registros ao longo das semanas epidemiológicas, com maior concentração de notificações no primeiro semestre dos anos epidêmicos. Na etapa de vigilância, foram construídos canais endêmicos pelos métodos de média móvel e de mediana com intervalos interquartis, conforme recomendações do Mi-nistério da Saúde. A comparação entre os métodos mostrou que o canal de medianas apresenta maior sensibilidade para detecção precoce de epidemias, enquanto o canal de médias é mais específico, com ambos apresentando desempenho global semelhante na discriminação entre semanas epidêmicas e não epidêmicas, segundo as curvas ROC (Receiver Operating Characteristic) os valores de AUC (Area Under the ROC Curve). Por fim, a modelagem das séries temporais com redes LSTM demonstrou ser efi-caz para captar tanto a sazonalidade quanto a variabilidade dos casos, permitindo previsões robustas para o município e seus distritos. Os modelos ajustados apresentaram bom desempenho na reconstituição da dinâmica da série e indicaram a possibilidade de novos picos epidêmicos para o ano de 2025, reforçando o potencial das LSTM’s como ferramenta de apoio à vigilânciaepidemiológica e ao planejamento em saúde pública.
- Imprenta:
-
ABNT
RODRIGUES, Estevão Kusaba et al. Relatório de análise estatística sobre o projeto “Estudo da incidência de casos de dengue no município de Campo Grande no período de 2017 a 2024 com a aplicação de diferentes métodos de análise”. . São Paulo: IME-USP. Disponível em: https://repositorio.usp.br/directbitstream/bd15c72e-b30a-4976-8f44-e073bb13ed1c/3282078.pdf. Acesso em: 18 mar. 2026. , 2025 -
APA
Rodrigues, E. K., Tanaka, M. T., Chiann, C., & Pinto, M. G. de F. (2025). Relatório de análise estatística sobre o projeto “Estudo da incidência de casos de dengue no município de Campo Grande no período de 2017 a 2024 com a aplicação de diferentes métodos de análise”. São Paulo: IME-USP. Recuperado de https://repositorio.usp.br/directbitstream/bd15c72e-b30a-4976-8f44-e073bb13ed1c/3282078.pdf -
NLM
Rodrigues EK, Tanaka MT, Chiann C, Pinto MG de F. Relatório de análise estatística sobre o projeto “Estudo da incidência de casos de dengue no município de Campo Grande no período de 2017 a 2024 com a aplicação de diferentes métodos de análise” [Internet]. 2025 ;[citado 2026 mar. 18 ] Available from: https://repositorio.usp.br/directbitstream/bd15c72e-b30a-4976-8f44-e073bb13ed1c/3282078.pdf -
Vancouver
Rodrigues EK, Tanaka MT, Chiann C, Pinto MG de F. Relatório de análise estatística sobre o projeto “Estudo da incidência de casos de dengue no município de Campo Grande no período de 2017 a 2024 com a aplicação de diferentes métodos de análise” [Internet]. 2025 ;[citado 2026 mar. 18 ] Available from: https://repositorio.usp.br/directbitstream/bd15c72e-b30a-4976-8f44-e073bb13ed1c/3282078.pdf - Long memory in high frequency time series using wavelets and conditional volatility models
- A maximum-likelihood-based approach to estimate the long memory parameter using fractional spline wavelets
- Jump detection in high-frequency financial data using wavelets
- Long-memory parameter estimation based on fractional spline wavelets
- Persistence and seasonal long memory in unemployment in the United States
- High-frequency dynamics of Bitcoin futures: an examination of market microstructure
- Long memory in high frequency time series using wavelets and conditional volatility models
- Redes Bayesianas: um método para avaliação de interdependência e contágio em séries temporais multivariadas
- On the interchangeability of biologic drug products
- A new approach to χ2 cryptanalysis of block ciphers
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3282078.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
