Modelagem estatístico-computacional para predição de casos de dengue no município de Joinville (SC)
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Monografia de especialização
Título alternativo
Statistical-computational modeling for predicting dengue cases in the municipality of Joinville (SC)
Primeiro orientador
Membros da banca
Thais Rotsen Correa
Resumo
Este trabalho teve como objetivo modelar e prever a incidência de dengue no município de Joinville (SC) entre 2020 e 2023, utilizando modelos estatísticos de contagem aplicados a dados agregados por bairro. Realizou-se um estudo ecológico, quantitativo e observacional, com unidade de análise composta pelos bairros ao longo da série histórica. Os dados incluíram casos notificados, população e indicadores ambientais, com destaque para a proporção de vegetação. Após análise exploratória, foram ajustados modelos de Regressão de Poisson e Binomial Negativa, ambos com offset logarítmico da população. A presença marcante de superdispersão tornou o modelo de Poisson inadequado, enquanto o modelo Binomial Negativa apresentou melhor ajuste, menores valores de AIC, resíduos mais homogêneos e consistentes. Os resultados indicaram aumento anual significativo da incidência, forte associação inversa entre cobertura vegetal e número de casos, além de expressiva heterogeneidade espacial, com bairros periféricos concentrando maior risco relativo. Conclui-se que o modelo Binomial Negativa é estatística e epidemiologicamente mais apropriado para representar a dinâmica espaço-temporal da dengue em Joinville, sendo uma ferramenta útil para vigilância epidemiológica e planejamento de ações de controle.
Abstract
This study aimed to model and predicted dengue incidence in the city of Joinville, southern Brazil, from 2020 to 2023 using statistical count models applied to neighborhood-level aggregated data. An ecological, quantitative, and observational multiple-group design was conducted, with neighborhoods serving as the unit of analysis across the historical series. The dataset included reported dengue cases, population estimates, and environmental indicators, particularly vegetation proportion. After exploratory analysis, Poisson and Negative Binomial regression models were fitted, both incorporating a population offset. Strong overdispersion rendered the Poisson model inadequate, while the Negative Binomial model showed superior performance, with lower AIC, more homogeneous residuals, and consistent halfnormal plots. Results indicated a significant yearly increase in dengue incidence, a strong inverse association between vegetation cover and case counts, and substantial spatial heterogeneity, with higher relative risks concentrated in peripheral neighborhoods. The findings demonstrate that the Negative Binomial model is statistically and epidemiologically more appropriate for capturing the spatiotemporal dynamics of dengue transmission in Joinville and provides a valuable tool for
epidemiological surveillance and vector-control planning.
Assunto
Estatística, Modelos lineares (Estatística), Dengue - Epidemiologia - Joinville (SC)
Palavras-chave
Modelos lineares generalizados, Distribuição binomial negativa, Incidência de dengue
Citação
Departamento
Endereço externo
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso aberto