Previsão de internações hospitalares de dengue por meio de séries temporais

• Autor(a) principal: Silva, Fabio Junior Francisco da
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UEPB
• Texto Completo: http://tede.bc.uepb.edu.br/jspui/handle/tede/3626
• topic: Modelos estatísticos; Inteligência artificial; Previsão de séries temporais; Aedes aegypti; Statistical models; Artificial intelligence; Forecast of time series; Dengue; CIENCIAS DA SAUDE::MEDICINA

O Aedes aegypti é o vetor das comorbidades febre amarela, dengue, chikungunya e zika. Dentre elas, a dengue é a mais comum e a que causa mais mortes, se tornando preocupação de saúde pública no Brasil e no mundo. O Brasil apresenta condições ideais para a proliferação do mosquito e concentra a maior parte dos casos de dengue nas Américas. Controlar o vetor é desafiador e precisa de ações estratégicas envolvendo governo e a sociedade civil. A infecção pelo vírus da dengue pode ser assintomática, branda ou ocasionar doença grave que coloca em risco a vida do paciente, o qual precisará ser internado em hospital para tratamento. Sabe-se que os leitos hospitalares são limitados, a demanda de internações por dengue é representativa e a internação gera custo. A incidência de dengue apresenta tendência e sazonalidade, principais componentes de uma série temporal. Para contribuir com a gestão estadual e municipal de saúde no combate ao Aedes aegypti, bem como a gestão hospitalar das internações, esta pesquisa definiu um algoritmo para a previsão de internações hospitalares por dengue utilizando modelos estatísticos computacionais para análise de séries temporais com foco no planejamento e gestão do combate à doença. Foram utilizadas as técnicas estatísticas (Suavização Exponencial, Modelo de Média Móvel Integrado Autorregressivo (ARIMA), Redes Neurais Artificiais Autorregressivas, Combinação de modelos, Regressão Linear e método inocentes/ingênuo) para realizar a previsão das séries temporais com horizonte de 8 semanas e estimativa real de 4 semanas, pois o DATASUS libera os dados com 4 semanas de atraso. O ajuste dos parâmetros de cada modelo foi executado de forma automática no ambiente de desenvolvimento integrado (IDE) RStudio, por funções do pacote forecast que contém implementações dos modelos estatísticos de séries temporais para a linguagem de programação R. A utilização de diversos métodos de previsão aplicados concomitantemente sobre a mesma série temporal melhorou a precisão da previsão. O algoritmo realizou cerca de 8 previsões a cada 10 com erro médio percentual absoluto (MAPE) inferior a 26%. Esta é mais uma estratégia com potencial para ser utilizada no controle da dengue no Brasil, pois o algoritmo criado pode ser a base para o desenvolvimento, em trabalhos futuros, de um serviço web que forneça aos gestores da saúde (Ministros, Secretários, Diretores e Coordenadores) a realização de previsão de internações por dengue de acordo com a realidade local. A partir deste estudo surgiram oportunidades de pesquisa para exploração de métodos estatísticos que lidam com séries temporais contáveis para a previsão de internações por dengue com foco no estabelecimento de saúde onde os dados ocorrem, bem como a realização de Revisão Sistemática da Literatura, considerando o métodos clássicos e técnicas de aprendizagem de máquina, para responder as perguntas: Quais métodos estatísticos para a previsão de séries temporais (discretas/contáveis ou contínuas) são mais utilizados? Os métodos clássicos são mais eficientes que as abordagens com aprendizagem de máquina? Quais métricas de erro são mais seguras para a escolha do modelo mais preciso entre os candidatos a determinada previsão de série temporal?