ANÁLISE ESPACIAL E MODELAGEM PREDITIVA DA DENGUE EM ESCALA MUNICIPAL.

Descrição

A dengue é hoje a arbovirose de maior circulação no planeta. Cerca de metade da população mundial vive em áreas de risco, e o Brasil registra surtos recorrentes desde a década de 1980. No Nordeste, o problema é amplificado por um conjunto de fatores que se reforçam mutuamente: temperaturas elevadas, chuvas sazonais concentradas, armazenamento precário de água em períodos de seca, urbanização desordenada e déficits persistentes de saneamento básico. No estado da Paraíba, entre 2007 e 2012, foram notificados mais de 45 mil casos, com forte concentração em determinados municípios — o que já aponta para uma distribuição geográfica desigual que merece investigação sistemática. Este projeto parte de uma premissa simples: entender onde e quando a dengue ocorre, e por quê, é indispensável para agir com mais eficiência. Para isso, propõe integrar três frentes metodológicas complementares — análise espacial, construção de um índice de vulnerabilidade municipal e modelagem preditiva por aprendizado de máquina — aplicadas a todos os 223 municípios paraibanos. O ponto de partida será a construção de um banco de dados municipal, reunindo informações de fontes oficiais como o SINAN (notificações de dengue), IBGE (dados demográficos e socioeconômicos), INMET (dados climáticos) e IBAMA (indicadores ambientais). Esse banco será georreferenciado, ou seja, cada dado será associado ao território correspondente, permitindo a produção de mapas epidemiológicos que revelam padrões. A partir daí, o estudo avançará em três direções. Primeiro, a análise espacial identificará se os municípios com alta incidência tendem a se agrupar no território (o que indicaria que fatores ambientais ou socioeconômicos locais explicam a concentração de casos) ou se a distribuição é dispersa e aleatória. Segundo, será construído um Índice Municipal de Vulnerabilidade à Dengue, um indicador sintético que combina, em uma única medida, dimensões climáticas, socioeconômicas, demográficas e de infraestrutura sanitária. Esse índice permitirá classificar e comparar os municípios segundo seu grau de exposição ao risco, e verificar se os municípios mais vulneráveis são, de fato, os que concentram mais casos. Terceiro, serão aplicados modelos preditivos, tanto estatísticos clássicos (como modelos de séries temporais da família ARIMA) quanto técnicas de aprendizado de máquina (Random Forest, XGBoost e Redes Neurais Artificiais), para estimar a incidência futura da doença. Os modelos serão comparados entre si para identificar qual abordagem oferece melhor desempenho preditivo. A proposta pretende entregar resultados em dois planos. No plano analítico, espera-se identificar os principais determinantes territoriais da dengue na Paraíba, verificar se o índice de vulnerabilidade proposto é um bom preditor da ocorrência da doença e demonstrar quais técnicas de aprendizado de máquina melhor capturam a dinâmica epidemiológica do estado. No plano prático, espera-se que os mapas, rankings de vulnerabilidade e projeções temporais produzidos possam contribuir como ferramentas para orientar gestores de saúde pública a antecipar períodos críticos, priorizar municípios para ações preventivas e alocar recursos de forma mais eficiente, algo especialmente relevante em um contexto de restrições orçamentárias. Como toda pesquisa baseada em dados agregados por município, o estudo está sujeito a um risco metodológico conhecido como falácia ecológica: associações observadas no nível coletivo não podem ser automaticamente atribuídas a indivíduos. Além disso, o sistema de notificação de dengue no Brasil apresenta subnotificação relevante, o que pode subestimar a real magnitude da doença em municípios com menor capacidade diagnóstica. Esses limites serão reconhecidos e discutidos na interpretação dos resultados. Como extensões naturais do trabalho, destacam-se a possibilidade de replicar a metodologia em outros estados do Nordeste, incorporar dados de vigilância entomológica (monitoramento do mosquito) e desenvolver ferramentas de visualização interativa que permitam aos próprios gestores municipais consultar projeções epidemiológicas em tempo real. No longo prazo, os modelos desenvolvidos poderão ser integrados a sistemas de alerta precoce, contribuindo para o fortalecimento de políticas públicas voltadas para ações preventivas e de promoção da saúde.