Estimativa e predição da incidência de HIV no Brasil como subsídio à avaliação e ao aprimoramento das políticas públicas de vigilância epidemiológica

Descrição

A epidemia do HIV no Brasil permanece como um desafio relevante para a saúde pública, marcada por desigualdades territoriais, subnotificação e limitações estruturais dos sistemas de vigilância epidemiológica. Este projeto de doutorado tem como objetivo estimar e predizer a incidência latente de HIV no Brasil por meio de modelos analíticos avançados, integrando inferência espaço-temporal bayesiana e aprendizado de máquina. O estudo será conduzido como um estudo ecológico longitudinal e multicêntrico, utilizando múltiplos sistemas nacionais de informação em saúde (SINAN, SIM, SISCEL, SICLOM e IBGE). Inicialmente, será realizada a avaliação da qualidade dos dados, seguida da integração e harmonização das bases para construção de um banco analítico espaço-temporal. A incidência latente será estimada por modelos bayesianos hierárquicos, enquanto algoritmos de aprendizado de máquina (Random Forest, XGBoost, LightGBM e redes neurais) serão aplicados para previsão da incidência em diferentes escalas territoriais e temporais. A análise incluirá técnicas de epidemiologia espacial (Moran’s I, LISA, hotspots) e métodos de Explainable AI (SHAP) para garantir interpretabilidade dos modelos. A relação entre desempenho preditivo e qualidade dos dados será explorada como indicador indireto da capacidade operacional da vigilância epidemiológica. Os resultados esperados incluem: estimativas mais robustas da incidência de HIV, identificação de padrões territoriais de vulnerabilidade, avaliação crítica da qualidade dos sistemas de informação e recomendações estratégicas para o aprimoramento das políticas públicas de vigilância epidemiológica no SUS. O impacto social do projeto reside na possibilidade de fortalecer a resposta nacional ao HIV, reduzir desigualdades regionais e subsidiar ações mais eficazes de prevenção e controle da infecção.