Avaliação de modelos de predição para ocorrência de malária no estado do Amapá, 1997-2016: um estudo ecológico

• Published in: Epidemiologia e serviços de saúde 2021, Vol.30 (1)
• Main Authors: Lima, Marcos Venicius Malveira de, Laporta, Gabriel Zorello
• Format: Article
• Language: eng ; por
• Subjects: Estudos de Séries Temporais; HEALTH CARE SCIENCES & SERVICES; HEALTH POLICY & SERVICES; INFECTIOUS DISEASES; Malária; MEDICINE, GENERAL & INTERNAL; Monitoramento Epidemiológico; Previsões; Técnicas de Apoio para a Decisão
• ISSN: 1679-4974; 2237-9622; 2237-9622
• DOI: 10.1590/s1679-49742021000100007

Resumo Objetivo Avaliar a capacidade preditiva de diferentes modelos de série temporal de casos de malária no estado do Amapá, Brasil, no período 1997-2016. Métodos Estudo ecológico de séries temporais com casos de malária registrados no Amapá. Foram utilizados dez modelos estatísticos determinísticos ou estocásticos para simulação e teste em horizontes de previsão de 3, 6 e 12 meses. Resultados O teste inicial mostrou que a série é estacionária. Os modelos determinísticos apresentaram melhor desempenho do que os modelos estocásticos. O modelo ARIMA apresentou erros absolutos menores do que 2% na escala logarítmica e erros relativos 3,4-5,8 vezes menores em relação ao modelo nulo. A predição de casos futuros de malária nos horizontes de 6 e 12 meses de antecedência foi possível. Conclusão Recomenda-se o uso de modelo ARIMA para a previsão de cenários futuros e para a antecipação do planejamento nos serviços de saúde dos estados da Região Amazônica. Abstract Objective To evaluate the predictive power of different malaria case time-series models in the state of Amapá, Brazil, for the period 1997-2016. Methods This is an ecological time series study with malaria cases recorded in the state of Amapá. Ten deterministic or stochastic statistical models were used for simulation and testing in 3, 6, and 12 month forecast horizons. Results The initial test showed that the series is stationary. Deterministic models performed better than stochastic models. The ARIMA model showed absolute errors of less than 2% on the logarithmic scale and relative errors 3.4-5.8 times less than the null model. It was possible to predict future malaria cases 6 and 12 months in advance. Conclusion The ARIMA model is recommended for predicting future scenarios and for earlier planning in state health services in the Amazon Region. Resumen Objetivo Evaluar el poder predictivo de diferentes modelos de series de temporales de casos de malaria en el estado de Amapá, Brasil, en el periodo 1997-2016. Métodos Se trata de un estudio ecológico de series de temporales con casos de malaria registrados en el estado de Amapá. Se utilizaron diez modelos estadísticos determinísticos o estocásticos para la simulación y la prueba en horizontes de predicción de 3, 6 y 12 meses. Resultados La prueba inicial mostró que la serie es estacionaria. Los modelos determinísticos mostraron mejor desempeño que los modelos estocásticos. El modelo ARIMA mostró errores absolutos menores al 2% en la escala logarítmica