Associação entre a precipitação pluviométrica e a incidência de dengue em sete municípios do Estado do Pará (Evaluation of logistic regression and neural network models for probabilistic forecasts of flooding in Curitiba-PR)

Abstract

Este trabalho foi realizado em decorrência da necessidade de se entender a dengue em sete municípios do Estado do Pará localizados em diferentes áreas com distribuição de precipitação. A dengue por ser uma doença recorrente em quase todos os estados brasileiros precisa ser acompanhado quais fatores ambientais podem contribuir para desencadear uma epidemia. Esta doença é multifatorial, porém as condições ambientais agem como limitante ao vetor transmissor da doença, e dentro desse contexto enquadra-se a precipitação que dependendo da região que se estuda pode ser considerado desencadeador da doença. Utilizou-se a série epidemiológica e de precipitação do período de 2007 a 2011, correlação de Spearman para verificar a associação e ajustamento de curvas para verificar a relação entre incidência de dengue e precipitação. Como resultado obtido, verificou-se que a precipitação atua de forma diferenciada nas incidências de dengue nos municípios localizados em regiões de diferentes volumes de precipitação anual. A análise de correlação de Spearman demonstrou haver associação positiva da precipitação com a incidência de dengue, mas em anos diferentes, sendo os municípios de Belém (0,63 em 2007, 0,75 em 2008 e 0,8 em 2009), Itaituba (0,67 em 2007, 0,74 em 2008 e 0,68 em 2011) e Santarém (0,78 em 2008, 0,82 em 2009 e 0,64 em 2011) os que mais apresentaram resultado significativo. Embora, as regiões com diferentes distribuições de precipitação não tenham o mesmo comportamento na incidência de dengue, foi possível observar que os casos da doença começam a surgir quando inicia o período chuvoso de cada município.

A B S T R A C T

This paper aims to evaluate the logistic regression and neural network models for probabilistic forecasts of flooding in Curitiba-PR using as a basis the integration of hydrometeorological information. For the construction of the models were used rainfall data estimated from the integration of meteorological radar, satellite and rain gauges data, using the analysis for statistical purposes (ANOBES) method. Rainfall estimates were used to calculate cumulative average rain of 6 hours, using the method of Thiessen and Squared Inverse Distance. These the two methods were compared to see which has better results for data generation to be used as models’ data input. Regarding the performance of the two methods used to construct the models, it was found that the SOM (Self Organizing Map) has superior performance when compared with the logistic regression, either for calibration and verification.

Keywords: critical rain, artificial intelligence, ROC curve.