Escolar Documentos
Profissional Documentos
Cultura Documentos
352*5$0$'(3Ï6*5$'8$d2675,&726(168(0*(672'2
&21+(&,0(172('$7(&12/2*,$'$,1)250$d2
6XSRUWHj'HFLVmRSDUD9LJLOkQFLD
(SLGHPLROyJLFDEDVHDGRHP0RGHOR3UHGLWLYR
GH6XUWRVGH'HQJXHXWLOL]DQGR5HGHV1HXUDLV
$UWLILFLDLV
Giovanni Gondim de Castro
BRASÍLIA
2005
Giovanni Gondim de Castro
6XSRUWHj'HFLVmRSDUD9LJLOkQFLD
(SLGHPLROyJLFDEDVHDGRHP0RGHOR3UHGLWLYR
GH6XUWRVGH'HQJXHXWLOL]DQGR5HGHV1HXUDLV
$UWLILFLDLV
Dissertação apresentada ao
6WULFWR6HQVX em
Programa de Pós-Graduação
Gestão do
Conhecimento e da Tecnologia da
Informação da Universidade Católica
de Brasília, como requisito parcial
para obtenção do grau de Mestre em
gestão do conhecimento e da
tecnologia da informação.
BRASÍLIA
2005
'(',&$7Ï5,$
Aos dois Anjos (,QPHPRULDP) que, passando pela minha vida, iluminaram-na com a sua
presença e deixaram saudades profundas.
Adilson Roberto Moreira – 19/08/1963 a 11/10/2001
Larissa Carelli de Araújo – 01/02/1986 a 19/10/2001
$*5$'(&,0(1726
Ao Senhor Deus pela saúde, força, iluminação e imensa proteção, sem o qual nada é
possível. Por me ter colocado em contato com pessoas fantásticas e por me agraciar com a
oportunidade de participar de algo tão belo, e que por vezes esquecemos tão facilmente o quão
maravilhoso é encontrar amigos em um ambiente de conhecimento.
À minha família pela paciência e compreensão, nas horas em que tive que me afastar em
função dos trabalhos desta dissertação. E, em especial, aos meus pais, que sempre apoiaram,
incentivaram e souberam passar aos filhos, valores de honestidade, paciência, perseverança e
fé. Ao meu irmão Rogério e à minha namorada Lenita Meireles, agradeço profundamente pelo
carinho.
À Gleycione Gundim Dutra, o meu muito obrigado pelo carinho e amizade gastos com um
hóspede que esteve presente, diversas vezes, em sua residência.
À ‘Família Politec’ que, através de seus funcionários Hiraclis Nicolaidis Júnior, Nelson de
Sousa e Silva Neto, Román Dario Cuattrin e Ricardo Ajax Dias Kosloski, me cativou, na
cidade de Brasília.
Meus agradecimentos especiais ao Sr. Dr. Alaor Moacyr Dall'Antonia Júnior, pela
autorização de doação dos parâmetros climáticos necessários, e aos meteorologistas do 10º
DISME, pelo auxílio na adaptação da escala anemométrica de %HDXIRUW para esta dissertação.
Agradeço, também, ao Prof. Gercino Monteiro Filho, do Centro Integrado de Ensino, pela
consultoria e revisão dos cálculos nesta dissertação.
'867,17+(:,1'
3RHLUDDRYHQWR
I CLOSE MY EYES
Eu fecho os meus olhos
ONLY FOR A MOMENT AND THE MOMENT’S GONE
Somente por um momento e esse momento se vai
ALL MY DREAMS
Todos meus sonhos
PASS BEFORE MY EYES IN CURIOSITY
Passam diante dos meus olhos por curiosidade
DUST IN THE WIND, ALL WHE ARE IS DUST IN THE WIND
Poeira ao vento, tudo o que somos é poeira ao vento
SAME OLD SONG
A mesma velha canção
JUST A DROP OF WATER IN A ENDLESS SEA
Apenas uma gota d’água em um mar sem fim
ALL WE DO
Todos nós
CRUMBLES TO THE GROUND AND WE REFUSE TO SEE
Esfarelamos no chão embora recusemos a ver
DUST IN THE WIND, ALL WHE ARE IS DUST IN THE WIND
Poeira ao vento, tudo o que somos é poeira ao vento
DON´T HANG ON
Não se perca
NOTHING LAST FOREVER BUT THE EARTH AND SKY
Nada dura para sempre exceto o céu e a terra
IT SLIPS AWAY
Ela se vai
AND ALL YOUR MONEY WON´T ANOTHER MINUTE BY
E todo seu dinheiro não comprará outro minuto
DUST IN THE WIND, ALL WHE ARE IS DUST IN THE WIND
Poeira ao vento, tudo o que somos é poeira ao vento
DUST IN THE WIND
Poeira ao vento
EVERYTHING IS DUST IN THE WIND
Tudo é poeira ao vento
GRUPO: KANSAS
5(6802
A Gestão da Vigilância Epidemiológica, para Dengue, pode ser realizada, através da
inclusão de modelos preditivos que auxiliem ao gestor da área de saúde, na tomada
de decisão, para o combate a epidemias (surtos). Com esse suporte, o tomador de
decisões pode ter o apoio técnico necessário para designar seus limitados recursos
I
$%675$&7
($HGHV DHJ\SWL) for these diseases. Models have been reported reaching some
resources to the patients care and/or the control of the Brazilian urban vector
success in predicting financial and epidemiological fields. In our thesis we have used
Knowledge Database Discovery, with datamining, using temporal series, in order to
build up a predictive model for the city of Goiania - Goias in central Brazil to compare
results obtained by the Control Diagram that is the standard technique applied in
epidemiological studies in Brazil.
We used data from Sistema de Informações de Agravos de Notificação (confirmed
cases) and the mean of climatic parameters (defined a priori in two weeks) colleted
by 10º Distrito de Meteorologia of this city, from the period of 01/01/2001 to
30/04/2004, by epidemiological week. All confirmed cases refer to Dengue since
there was no report of Yellow Fever during the study period.
The use of temporal series aims to predict new values taking into account the
analyses of previous values. The temporal series are measures or observations
obtained from phenomena and which are sequentially produced in a time interval.
II
680È5,2
5(6802 ,
$%675$&7 ,,
/,67$'(),*85$6 9
/,67$'(48$'526 9,,
/,67$'(48$'526 9,,
/,67$'(7$%(/$6 9,,,
/,67$'(*5È),&26 ,;
/,67$'(6,*/$6 ;
/,67$'($%5(9,$d®(6;,,
,1752'8d2
1.1 EXPOSIÇÃO DO ASSUNTO .............................................................................................5
1.2 INTRODUÇÃO AO PROBLEMA ........................................................................................5
1.3 DEFINIÇÃO DA PESQUISA .............................................................................................7
1.4 DELIMITAÇÃO DA PESQUISA ........................................................................................7
1.5 JUSTIFICATIVA DA PESQUISA ........................................................................................8
1.6 REFERENCIAL TEÓRICO ................................................................................................8
1.7 OBJETIVOS ...................................................................................................................9
*HUDO
(VSHFtILFRV
1.8 HIPÓTESE ...................................................................................................................10
+LSyWHVHSULQFLSDO
+LSyWHVHVVHFXQGiULDV
1.9 ORGANIZAÇÃO DO DOCUMENTO ................................................................................11
5(9,62'(/,7(5$785$
2.1 DADOS, INFORMAÇÃO E CONHECIMENTO...................................................................12
2.2 GESTÃO DO CONHECIMENTO E TECNOLOGIA DA INFORMAÇÃO ..................................14
2.3 SISTEMAS DE SUPORTE À DECISÃO ............................................................................16
$X[tOLRjGHFLVmRFRPSXWDFLRQDO
2.4 DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS .............................................17
,QWURGXomR
ÈUHDVGH$SOLFDomR
2.5 MINERAÇÃO DE DADOS .............................................................................................20
7pFQLFDVSUHGLWLYDVGD0'
3UREOHPDVGHVDILRVYDQWDJHQViUHDVGHDSOLFDomRHWpFQLFDVGD0'
2.6 CRISP-DM PARA MINERAÇÃO DOS DADOS ................................................................29
2.7 REDES NEURAIS ARTIFICIAIS.......................................................................................31
,QWURGXomR
&DUDFWHUtVWLFDVHDUTXLWHWXUDVGDV51$V
5HGHV0XOWL/D\HU3HUFHSWURQ
2.8 GESTÃO DO CONHECIMENTO SOBRE OS EFEITOS DO CLIMA NA SAÚDE HUMANA.........40
2.9 O MODELO DE NOTIFICAÇÃO BRASILEIRO ...................................................................43
'LDJUDPDVGHFRQWUROH
2.10 DENGUE E SEU VETOR................................................................................................45
'HQJXH
2.11 INQUÉRITOS SOROLÓGICOS.........................................................................................50
2.12 ESTUDOS RELATADOS ................................................................................................52
III
(VWXGRDSUHVHQWDGRQD66%'0¶
0RGHOR3DQ(XURSHXGH6D~GH
0RGHOR$OHPmRGH6D~GH
2XWURVPRGHORVGHSUHGLomRHWUDEDOKRVHQFRQWUDGRV
7UDEDOKRVHQFRQWUDGRVUHODWLYRVDR%UDVLO
2XWUDVSXEOLFDo}HVUHIHUHQWHVD'HQJXH
(VWXGRVHSLGHPLROyJLFRVHP*RLkQLD
0(72'2/2*,$
3.1 CARACTERIZAÇÃO DA PESQUISA ................................................................................62
&ODVVLILFDomRGD3HVTXLVD
8QLYHUVRGD3HVTXLVD
'HVFULomRGRPpWRGR&5,63'0
&ROHWDGH'DGRV
5HSUHVHQWDomRGDDQiOLVHGRVGDGRV
$QiOLVHGRVJUiILFRVHUHVXOWDGRVHQFRQWUDGRVQDSUHGLomR
3.3 MODELO PROPOSTO ...................................................................................................66
3.4 ENTENDIMENTO DO NEGÓCIO .....................................................................................68
2EMHWLYRV
$YDOLDomRGRVUHFXUVRVDWXDLV
2EMHWLYRVDVHUHPDOFDQoDGRVSHODPLQHUDomRGHGDGRV
3.5 ENTENDIMENTO DOS DADOS ......................................................................................72
'DGRV,QLFLDLV
'HVFULomRGRVGDGRV
([SORUDomRGRVGDGRV
4XDOLGDGHGRVGDGRV
$VSHFWRVGD*&QRHQWHQGLPHQWRGRVGDGRV
3.6 PREPARAÇÃO DOS DADOS ........................................................................................101
3.7 MODELAGEM ...........................................................................................................102
3.8 APRESENTAÇÃO DOS RESULTADOS...........................................................................116
$1È/,6('265(68/7$'26
&21&/86®(6(68*(67®(63$5$75$%$/+26)878526
5.1 CONSIDERAÇÕES FINAIS ...........................................................................................121
5.2 DESTAQUES E CONTRIBUIÇÃO DA PESQUISA .............................................................121
5.3 SUGESTÕES PARA NOVOS TRABALHOS DE PESQUISA .................................................123
5()(5Ç1&,$6%,%/,2*5È),&$6
*/266È5,2',&,21È5,2'(7(5026
$1(;2$62/,&,7$d2'('2$d2'('$'26$26(&5(7È5,2081,&,3$/'(6$Ò'('(
*2,Æ1,$*2
$1(;2%62/,&,7$d2'('2$d2'('$'26$2',5(72535(6,'(17('$&20'$7$
$1(;2&62/,&,7$d2'('2$d2'('$'26&/,0È7,&26$20,1,67e5,2'$
$*5,&8/785$('2$%$67(&,0(172
$1(;2'&$/(1'È5,2(3,'(0,2/Ï*,&2'($
$1(;2((6&$/$$1(020e75,&$%($8)257$'$37$'$
IV
/,67$'(),*85$6
FIGURA 1 - PROCESSO DE CONSTRUÇÃO DE UMA BASE DE REGRAS DE UMA REGIÃO ADAPTADA DE
AGRAWAL E PSAILA (1995, PP.1-2, COM ALTERAÇÕES)......................................................27
FIGURA 2 - REPRESENTAÇÃO DOS QUATRO NÍVEIS DA METODOLOGIA CRISP-DM (SPSS, 2000,
P.09, TRADUÇÃO NOSSA) ....................................................................................................30
FIGURA 3 - REPRESENTAÇÃO DO NÍVEL FASES DA CRISP-DM (SPSS, 2000, P.13, TRADUÇÃO
NOSSA)...............................................................................................................................31
FIGURA 4 - COMPONENTES DO NEURÔNIO BIOLÓGICO (BRAGA; LUDERMIR; CARVALHO,
2000, P.06).........................................................................................................................31
FIGURA 5 - COMPONENTES DO NEURÔNIO DE MCCULLOCH E PITTS (BRAGA; LUDERMIR;
CARVALHO, 2000, P.09).................................................................................................32
FIGURA 6 - ARQUITETURAS DE REDES NEURAIS ARTIFICIAIS – RETIRADA DE HAYKIN (2001,
PP.47-49) ...........................................................................................................................35
FIGURA 7 - FLUXO DE PROCESSAMENTO DO ALGORITMO %$&.3523$*$7,21 ............................37
FIGURA 8 PREDIÇÃO DE VOLUME DE VENDAS DURANTE CINCO SEMANAS UTILIZANDO RNA COM
A TÉCNICA DE JANELAMENTO (BRAGA; LUDERMIR; CARVALHO, 2000, P.226) .......38
FIGURA 9 - PREDIÇÃO REALIZADA POR ALVARENGA E OLIVEIRA JUNIOR E CARVALHO (2003,
P.19) ..................................................................................................................................39
FIGURA 10 - GRÁFICO DA CURVA DE APRENDIZADO REALIZADA POR OLIVEIRA E ALVARENGA
(2003, P.10) .......................................................................................................................40
FIGURA 11 - GRÁFICO DA PREDIÇÃO REALIZADA POR OLIVEIRA E ALVARENGA (2003 P.11)......40
FIGURA 12 - MUDANÇAS CLIMÁTICAS E SEUS EFEITOS NA SAÚDE HUMANA (OMS, 2003D, P.30,
TRADUÇÃO NOSSA, COM ALTERAÇÕES) ..............................................................................41
FIGURA 13 – DIAGRAMA DE CONTROLE E CASOS NOTIFICADOS DE DENGUE POR SEMANA
EPIDEMIOLÓGICA, GOIÂNIA – GO, 2001 (SIQUEIRA JUNIOR, 2001, P.23)......................45
FIGURA 14 - ASPECTO DE UM $('(6$(*<37, (MUNSTERMANN, 1995) ...............................46
FIGURA 15 ASPECTO DE UM $('(6$/%23,&786 (CRUZ, 2004) ...............................................46
FIGURA 16 - TIPOS DE TRANSMISSÃO INDIRETA RECONHECIDA PARA DENGUE (OMS, 2003D,
P.16, TRADUÇÃO NOSSA, COM ALTERAÇÕES)......................................................................47
FIGURA 17 – PAÍSES COM PRESENÇA DE DENGUE EM 2003 (OMS ,2004C, P.74)........................48
FIGURA 18 - SOROTIPOS CIRCULANTES DO VÍRUS DA DENGUE POR ESTADOS, BRASIL, 2004 (SVS ,
2005, P.02).........................................................................................................................49
FIGURA 19 - FORMATO DE ENVIO DE DADOS DOS HOSPITAIS AO DEPARTAMENTO DE SAÚDE
PÚBLICA ALEMÃO (SCHUMANN; LÓPEZ; GRAW , 1998)............................................54
FIGURA 20 - FORMATO DE ENVIO DE DADOS DOS HOSPITAIS AO DEPARTAMENTO DE SAÚDE
PÚBLICA ALEMÃO (SCHUMANN; LÓPEZ; GRAW, 1998).............................................54
FIGURA 21 - ÓBITOS OBSERVADOS E ESTIMADOS POR REGRESSÃO BINOMIAL NEGATIVA E REDE
NEURAL - CEARÁ, JULHO DE 1991 A DEZEMBRO DE 1995 (PENNA, 2004, P.355) .............56
FIGURA 22 - CASOS RELATADOS DE DENGUE NO BRASIL NOS ANOS DE 1986 A 2003 (SIQUEIRA
JÚNIOR, 2005, P.49).........................................................................................................57
FIGURA 23 - NÚMERO DE CASOS RELATADOS DE AGRAVO, ÓBITOS, HOSPITALIZAÇÕES E ANO DA
TIPIFICAÇÃO DOS CASOS DE DENGUE NO BRASIL (SIQUEIRA JÚNIOR, 2005, P.50).........58
FIGURA 24 -PREVALÊNCIA DE DENGUE EM GOIÂNIA, 2001 (SIQUEIRA JÚNIOR (7$/, 2004) 61
FIGURA 25 - DADOS PRELIMINARES DOS CASOS NOTIFICADOS DE DENGUE POR SEMANA
EPIDEMIOLÓGICA SEGUNDO REGIÃO, BRASIL, 2004 (SVS, 2005) P.01................................66
FIGURA 26 - DADOS PRELIMINARES DOS CASOS NOTIFICADOS DE DENGUE POR SEMANA
EPIDEMIOLÓGICA DA REGIÃO CENTRO-OESTE, BRASIL, 2003-2004 (SVS ,2005) P.5 .........67
FIGURA 27 – DIAGRAMA DE CONTROLE DE DENGUE POR SEMANA EPIDEMIOLÓGICA, GOIÂNIA,
V
2003 A 2004, (FRANÇA; ALVES SILVA; AMORIM SILVA, 2004, P.52).....................67
FIGURA 28 TOTAL ANUAL DE REGISTROS DE DENGUE, SINAN, GOIÂNIA, 2001-2004 ...............79
FIGURA 29 – PERCENTUAL ANUAL DE REGISTROS DE DENGUE, APÓS SELEÇÃO, SINAN,
GOIÂNIA, JAN/2001 A ABR/2004 .......................................................................................80
FIGURA 30 - TIPOS E PERCENTUAL DE DENGUE, GOIÂNIA, 2001 A 2004 .....................................80
FIGURA 31 – PERCENTUAL DO TOTAL DAS RESPOSTAS NO CAMPO DENGUE DO SINAN,
GOIÂNIA, 2001-2004 .........................................................................................................81
FIGURA 32 - PERCENTUAL DO TOTAL DAS RESPOSTAS NO CAMPO VACINADO, SINAN,
GOIÂNIA, 2001-2004 .........................................................................................................82
FIGURA 33 - PERCENTUAL POR GÊNERO EM GOIÂNIA, IBGE, 2000 (A); PERCENTUAL POR
GÊNERO NA ANÁLISE DO SINAN, GOIÂNIA, 2001 A 2004 ..................................................83
FIGURA 34 – CASOS CONFIRMADOS DE DENGUE VERSUS NÚMERO DE HABITANTES POR BAIRRO,
GOIÂNIA, 2001 A 2004.......................................................................................................84
FIGURA 35 – PERCENTUAL DE FAIXA ETÁRIA POR ANO, SINAN, GOIÂNIA, 2001-2004 ..............85
FIGURA 36 – PERCENTUAL POR FAIXA ETÁRIA – GOIÂNIA, IBGE, 2000 (A) E PERCENTUAL DE
CASOS CONFIRMADOS DE DENGUE – GOIÂNIA, SINAN, 2001 A 2004.................................86
FIGURA 37 – CASOS CONFIRMADOS DE DENGUE POR BAIRROS VERSUS CEMITÉRIOS EXISTENTES,
GOIÂNIA, 2001-2004 .........................................................................................................87
FIGURA 38 – CASOS CONFIRMADOS DE DENGUE VERSUS PERCENTUAL DE LOTES VAGOS POR
BAIRROS, GOIÂNIA, 2001-2004..........................................................................................87
FIGURA 39 - CASOS CONFIRMADOS DE DENGUE VERSUS PERCENTUAL DE ÁREA VERDE POR
BAIRRO, GOIÂNIA, 2001-2004............................................................................................88
FIGURA 40- CASOS CONFIRMADOS DE DENGUE VERSUS NÚMERO DE FEIRAS LIVRES SEMANAIS
POR BAIRRO, GOIÂNIA, 2001-2004.....................................................................................89
FIGURA 41 - CASOS CONFIRMADOS DE DENGUE VERSUS QUANTIDADE DE HOSPITAIS POR BAIRRO,
GOIÂNIA, 2001-2004 .........................................................................................................89
FIGURA 42 - CASOS CONFIRMADOS DE DENGUE VERSUS QUANTIDADE DE ESCOLAS, GOIÂNIA,
2001- 2004 ........................................................................................................................90
FIGURA 43 - CASOS CONFIRMADOS DE DENGUE VERSUS QUANTIDADE DE PRÉDIOS POR BAIRRO,
GOIÂNIA, 2001- 2004.........................................................................................................91
FIGURA 44 – PERCENTUAL DE CASOS CONFIRMADOS POR SEMANA EPIDEMIOLÓGICA, GOIÂNIA,
2001 A 2003.......................................................................................................................91
FIGURA 45 – SÉRIE TEMPORAL DOS CASOS CONFIRMADOS DE DENGUE, GOIÂNIA, 2001 A 2004 93
FIGURA 46 – DIAGRAMA DE CONTROLE DE DENGUE POR SEMANA EPIDEMIOLÓGICA, SMSGO,
GOIÂNIA-2004 .................................................................................................................103
FIGURA 47 - ARQUITETURA DE REDE UTILIZADA, NO ($6<113/86 PARA PREDIÇÃO
EPIDEMIOLÓGICA DE DENGUE ..........................................................................................106
FIGURA 48 – GRÁFICO DA CURVA DE APRENDIZADO – RODADA 1............................................106
FIGURA 49 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 1 .....107
FIGURA 50– GRÁFICO DA CURVA DE APRENDIZADO – RODADA 2 ............................................110
FIGURA 51 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 2.....111
FIGURA 52 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 3 .....112
FIGURA 53 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 3 .....113
FIGURA 54 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 3 .....115
FIGURA 55 – CASOS CONFIRMADOS / PREVISTOS DE DENGUE, GOIÂNIA, 2004 – RODADA 3 .....116
FIGURA 56 – COMPARAÇÃO DAS PREDIÇÕES DAS TÉCNICAS: DIAGRAMA DE CONTROLE E
MINERAÇÃO DE DADOS PARA O PERÍODO DE DOAÇÃO.......................................................118
VI
/,67$'(48$'526
QUADRO 1 - QUADRO DE TÉCNICAS DE MD DESENVOLVIDO A PARTIR DOS AUTORES FAYYAD E
PIATETSKY-SHAPIRO E SMYTH (1996); TURBAN E RAINER E POTTER (2004, P.159) E
DELMATER E HANCOCK (2001)..........................................................................................22
QUADRO 2 - DICIONÁRIO DE DADOS DA TABELA DO SINAN, REFERENTE A PESQUISAS SOBRE O
DENGUE .............................................................................................................................73
QUADRO 3 - DICIONÁRIO DE DADOS SOBRE OS DADOS DO VETOR ..............................................75
QUADRO 4 - DICIONÁRIO DE DADOS DA SEPLAN......................................................................75
QUADRO 5 - DICIONÁRIO DE DADOS DA COMDATA ................................................................76
QUADRO 6 - DICIONÁRIO DE DADOS DA TABELA REFERENTE AS SEMANAS EPIDEMIOLÓGICAS....77
QUADRO 7 - DICIONÁRIO DE DADOS DA TABELA REFERENTE AOS DADOS DO 10º DISME ..........77
QUADRO 8- CLASSIFICAÇÃO DOS PERÍODOS ENDÊMICOS E EPIDÊMICOS DE GOIÂNIA ANOS 2001 A
2004 ..................................................................................................................................98
QUADRO 9 - DICIONÁRIO DE DADOS DA TABELA CLASSIFICADORFINAL...........................101
QUADRO 10 – ANÁLISE DOS CASOS CONFIRMADOS DE DENGUE, GOIÂNIA, 2001 A 2004 .........116
QUADRO 11 – ANÁLISE DOS CASOS DE DENGUE VERSUS VARIÁVEL, GOIÂNIA, 2001 A 2004....117
VII
/,67$'(7$%(/$6
TABELA 1 - TOTAL DE REGISTROS ANTES, DEPOIS DA SELEÇÃO E A PERDA .................................79
TABELA 2 - ANÁLISE DOS RESULTADOS DA PREVISÃO FEITA ATRAVÉS DO DIAGRAMA DE
CONTROLE DA SECRETARIA MUNICIPAL DE SAÚDE DE GOIÂNIA - GOIÁS, 2004...............104
TABELA 3 – ANÁLISE DOS RESULTADOS DA PREVISÃO – TÉCNICA 1.........................................106
TABELA 4 – ANÁLISE DOS RESULTADOS DA PREVISÃO - RODADA 2.........................................110
TABELA 5 – ANÁLISE DOS RESULTADOS DA PREVISÃO - RODADA 3.........................................113
VIII
/,67$'(*5È),&26
QUADRO DE GRÁFICOS 1 - CASOS CONFIRMADOS DE DENGUE VERSUS MÉDIAS DE VARIÁVEIS
CLIMÁTICAS DE 2001..........................................................................................................94
QUADRO DE GRÁFICOS 2 - CASOS CONFIRMADOS DE DENGUE VERSUS MÉDIAS DE VARIÁVEIS
CLIMÁTICAS DE 2002..........................................................................................................95
QUADRO DE GRÁFICOS 3 - CASOS CONFIRMADOS DE DENGUE VERSUS MÉDIAS DE VARIÁVEIS
CLIMÁTICAS DE 2003..........................................................................................................96
QUADRO DE GRÁFICOS 4 - CASOS CONFIRMADOS DE DENGUE VERSUS MÉDIAS DE VARIÁVEIS
CLIMÁTICAS DE 2004..........................................................................................................97
QUADRO DE GRÁFICOS 5 – TREINAMENTO PROPOSTO – RODADA 2 ..........................................109
IX
/,67$'(6,*/$6
10º DISME 10º Distrito de Meteorologia
AMPLITUDE Amplitude térmica (medida diária, valor em Graus Celsius)
CARESS (SLGHPLRORJLFDODQG6WDWLVWLFDO'DWD([SORUDWLRQ6\VWHP
CARLOS &DQFHU5HJLVWU\/RZHU6D[RQ\
COMDATA Companhia de Processamento de Dados do Município de Goiânia
CRISP-DM &URVV,QGXVWULDO6WDQGDUG3URFHVVIRU'DWD0LQLQJ
CSV &RPPD6HSDUDWHG9DOXH
DBF 'DWD%DVH)RUPDW
DCBD Descoberta de Conhecimento em Banco de Dados
'HFLVLRQ6XSSRUW6\VWHP
DH Dengue Hemorrágico
DSS
DW 'DWD:DUHKRXVLQJ
EI Era da Informação
EUA Estados Unidos da América
EWS (DUO\:DUQLQJ6\VWHPV
FHD Febre Hemorrágica do Dengue
FUNASA Fundação Nacional de Saúde
GC Gestão do Conhecimento
GIS *HRJUDSKLF,QIRUPDWLRQ6\VWHP
HBR +DUYDUG%XVLQHVV5HYLHZ
IA Inteligência Artificial
.QRZOHGJH'LVFRYHU\LQGDWDEDVHV
INEMET Instituto Nacional de Meteorologia
KDD
MD Mineração de Dados
MGCTI Mestrado em Gestão do Conhecimento e da Tecnologia da Informação
MLP 0XOWLOD\HU3HUFHSWURQ ouSHUFHSWURQPXOWLFDPDGDV
OMS Organização Mundial de Saúde
PD Índice pluviométrico ou precipitação (medida diária)
PIB Produto Interno Bruto
RNAs Redes Neurais Artificiais
SAMC 6RXWKHUQ$IULFD0DODULD&RQWURO
SAP Sistemas de Aviso Prévio
SEPLAN Secretaria Municipal de Planejamento
SIG Sistema de Informação Geográfica
SIG’S Sistemas de Informações Geográficas
SINAN Sistema de Informações de Agravos de Notificação
SIR 6XVFHSWLEOH,QIHFWHG,PPXQH
SMS Secretaria Municipal de Saúde
SMS-GO Secretaria Municipal de Saúde de Goiânia-GO
SSD Sistema de Suporte a Decisão
SUS Sistema Único de Saúde
TEMP Temperatura (média diária, valor em Graus Celsius)
TEMPMAX Temperatura máxima (medida diária, valor em Graus Celsius)
TEMPMIN Temperatura mínima (medida diária, valor em Graus Celsius)
UBV Ultra Baixo Volume
UCB Universidade Católica de Brasília
URA Umidade Relativa do Ar
X
URA Umidade relativa do ar (média diária, valor em percentual)
URAMAX Umidade relativa do ar máxima (medida diária, valor em percentual)
URAMIN Umidade relativa do ar mínima (medida diária, valor em percentual)
WHO :RUOG+HDOWK2UJDQL]DWLRQ
XI
/,67$'($%5(9,$d®(6
HJ (H[HPSOLJUDWLD), Por exemplo
i.e. Isto é
XII
5
,1752'8d2
“Se GHVHQYROYLGD H DSOLFDGD FRP VXFHVVR D WHRULD H SUiWLFD GD JHVWmR GR
FRQKHFLPHQWR VH WRUQDUi XPD GLVFLSOLQD IXQGDPHQWDO SDUD HOLPLQDU HVSDoRV TXH OHYHP
DR DXPHQWR GH TXDOLGDGH QD VD~GH S~EOLFD SDUD WRGRV´ Dr. Ariel Pablos-Mendez,
Diretor do Departamento de Gestão e Compartilhamento do Conhecimento, da
Organização Mundial de Saúde, 2005.
([SRVLomRGR$VVXQWR
,QWURGXomRDR3UREOHPD
A abordagem adotada neste trabalho visa explorar o uso das Redes Neurais
Artificiais para a construção de um modelo voltado à predição de casos confirmados de
Dengue e à comparação dos resultados obtidos com o Diagrama de Controle adotado no
Brasil.
7
'HILQLomRGD3HVTXLVD
'HOLPLWDomRGD3HVTXLVD
Cria um modelo para predição urbana de surtos de Dengue (OMS, 2004b, p.17), e
alimenta esse modelo com dados (i.e. parâmetros climáticos e pacientes confirmados)
Prediz a ocorrência de surtos em uma região, (OMS, 2004b, pp.15-16) e avalia seu valor
de predição (possibilita ao gestor, designar recursos humanos e/ou financeiros para o
tratamento dos pacientes, campanhas informativas e educativas e combate do vetor da
1
“Tipo de mosquito que pode transmitir doenças como a Febre Amarela e o Dengue” (OMS, 1996, p. 01).
8
doença em tela).
-XVWLILFDWLYDGD3HVTXLVD
5HIHUHQFLDO7HyULFR
2
“Doença que ataca ao mesmo tempo muitas pessoas da mesma região” (MICHAELIS, 1998, p.483).
9
2EMHWLYRV
*HUDO
(VSHFtILFRV
+LSyWHVH
+LSyWHVHSULQFLSDO
+LSyWHVHVVHFXQGiULDV
3
Definição de Last (2001 apud OMS, 2004, p. 14, tradução nossa): “Uma epidemia (praga) limitada a um local
que aumenta na incidência de uma doença (enfermidade). e.g. em uma vila, cidade ou instituição fechada.”
11
2UJDQL]DomRGR'RFXPHQWR
5(9,62'(/,7(5$785$
“O valor do conhecimento é intangível, o que para muitos pode não ter sentido,
para outros pode ser a ‘invenção da pólvora’”. Autor desconhecido
'DGRV,QIRUPDomRH&RQKHFLPHQWR
Uma informação pode ser caracterizada através de conjunto de itens que tenham
significado (TURBAN; RAINER; POTTER, 2004, p.364) e proporcionem um novo
ponto de vista para a interpretação de eventos ou objetos, tornando visíveis, significados
antes invisíveis. A compreensão de dados (HJ fatos, textos, gráficos, imagens estáticas,
sons, etc.), por um indivíduo ou conjunto de indivíduos (organização) é uma informação.
Esta informação se completa e, sem sobrecarga, pode ser usada como vantagem
competitiva para tomada de decisão, no ambiente em que foi moldada (MORESI, 2000,
pp.17-18).
“Essa informação pode não ser a mesma do ponto de vista de quem emitiu a
mensagem, pois emissor e receptor são pessoas com experiências distintas” (LEMOS,
2003, p.07).
Por exemplo: para maximizar os lucros em pesquisas, uma organização que possua
várias filiais, desenvolve diversos projetos simultâneos. Provavelmente os profissionais
que compõem as equipes, enfrentam alguns problemas iguais ou semelhantes aos já
ocorridos em projetos anteriores. Se as informações de solução dos problemas anteriores
(técnicas aplicadas) estão mantidas e são compartilhadas dentro da organização, os
especialistas dos novos projetos localizam as soluções e as aplicam de maneira rápida e
eficaz. Outro exemplo interessante, no mesmo sentido, é o de compartilhar, vender ou
comprar informações (soluções) sobre resolução de desafios, em projetos já enfrentados
por outras organizações.
*HVWmRGR&RQKHFLPHQWRH7HFQRORJLDGD,QIRUPDomR
Pode ser vista, através de outros conceitos similares como: D “uma coleção de
processos que governa a criação, disseminação e utilização do conhecimento para atingir
plenamente os objetivos da organização” (TEIXEIRA FILHO, 2001, p.22); E um
“processo que acumula e cria conhecimento de modo eficiente, gerenciando uma base de
conhecimentos organizacionais para armazenar o conhecimento, e facilitando o
compartilhamento desse conhecimento para permitir sua aplicação eficaz em toda
15
6LVWHPDVGH6XSRUWHj'HFLVmR
2.3.1 $X[tOLRjGHFLVmRFRPSXWDFLRQDO
Em um SSD, deve haver um profissional que domine o problema, para que, através
de informações e concepção intelectual do assunto, possa obter um bom suporte à decisão
(HÄTTENSCHWILER, 1999 DSXG GACHET, 2001, p.215).
'HVFREHUWDGH&RQKHFLPHQWRHP%DVHGH'DGRV
,QWURGXomR
devido ao grande número de produtos comerciais existentes e aos requisitos para operar
essa ferramenta.
É inegável que diante das dificuldades acima listadas e do desgaste humano para
analisar, manualmente, essa grande quantidade de dados, surge o desafio de desenvolver
técnicas, ou aplicativos de automação, capazes de filtrar a informação necessária de
grandes bases de dados e disponibilizá-la em formatos visualmente compreensíveis, que
possam ser utilizados para solução de um problema (ADRIAANS; ZANTIGE, 1996,
p.02; GOEBEL; GRUENWALD, 1999, p.20; MOORE, 1999, p.01).
forma primitiva, em outras formas que serão: D mais compactas (HJ um pequeno
relatório); E mais abstratas (HJ um modelo que possa ter sido concebido a partir de
dados); F mais proveitosas (HJ um modelo de predição para estimativa de casos
futuros) (FAYYAD; PIATETSKY-SHAPIRO; SMYTH, 1996, p.37; NOON; HANKINS,
2001, p.01). “O centro do processo é a aplicação de métodos específicos de mineração de
dados, para descoberta e extração de padrões” (AGRAWAL; PSAILA, 1995 DSXG
FAYYAD; PIATETSKY-SHAPIRO, 1996).
2.4.2 ÈUHDVGH$SOLFDomR
0LQHUDomRGH'DGRV
O que deixa a MD eficaz é a aliança entre o que o ser humano faz de melhor
(avaliar/inferir as informações descobertas pela MD) e o que o computador faz de
melhor (procurar relações entre os dados existentes em uma base de dados)
(DELMATER; HANCOCK, 2001, p.09).
22
4XDGUR4XDGURGHWpFQLFDVGH0'GHVHQYROYLGRDSDUWLUGRVDXWRUHV)D\\DGH3LDWHWVN\6KDSLURH
6P\WK7XUEDQH5DLQHUH3RWWHUSH'HOPDWHUH+DQFRFN
Técnica Descrição dos modelos Tipo
Pressupõe características definidoras de um
Preditiva
Classificação grupo específico (como clientes que foram
perdidos para concorrentes)
Regressão Prediz um valor numérico com base no Preditiva
comportamento histórico dos dados
Clusterização Possibilita gerar agrupamentos a partir de Descritiva
semelhanças encontradas nos dados.
Procura descobrir se existe algum padrão de
Associação
relacionamento entre itens existentes nos dados Descritiva
(como o conteúdo de um carrinho de compras)
23
2.5.1 7pFQLFDVSUHGLWLYDVGD0'
tradicionais, já que lida com grande quantidade de volume de dados e consegue gerar
padrões para fenômenos complexos, que necessitam de muitos parâmetros. Por
exemplo, a estatística, de modo geral, é orientada para a verificação e validação das
hipóteses cognitivas e a maioria de suas técnicas requer o desenvolvimento de uma
hipótese prévia. Já a MD busca padrões, nas bases de dados, que possam ser utilizados
para algum fim. A grande vantagem da MD, em relação às técnicas estatísticas, é a
possibilidade de explicitar informações, apenas do domínio de especialistas,
escondidas nas bases, através da documentação gerada durante sua realização. Essas
informações podem levantar hipóteses que não haviam sido descobertas, até aquele
momento (PASSARI, 2003, pp 58-60).
3UREOHPDVGHVDILRVYDQWDJHQViUHDVGHDSOLFDomRHWpFQLFDVGD0'
Além desses problemas, existem alguns desafios a serem vencidos, dentre eles:
D o volume da base de dados: as bases, normalmente, possuem centenas de tabelas,
com centenas de campos e talvez milhares de registros, o que pode resultar em uma
variedade enorme de padrões, combinações e hipóteses; E dados inconsistentes: além
de atributos com valores nulos, outros, importantes, podem estar ausentes das bases de
dados, pois, na sua concepção, não foram projetadas para DCBD; F ruídos nas bases
de dados: é um problema muito comum e grave, indicando que atributos importantes
podem estar perdidos, com valores errados ou colocados em locais incorretos, na base
de dados; Ginteração com o usuário: o profissional ou técnico de MD, deve procurar
conhecimentos, a partir de hipóteses levantadas por seus clientes, que possam ser
utilizados para explicar algum processo, na corporação, ou predizer ocorrências
futuras; H representação da informação: se o conhecimento descoberto não for de
fácil acesso e claramente compreendido pelo cliente, pode causar interpretações
errôneas ou ambíguas (FAYYAD; SHAPIRO-PIATETSKY; SMYTH 1996b).
)LJXUD3URFHVVRGHFRQVWUXomRGHXPDEDVHGHUHJUDVGHXPDUHJLmRDGDSWDGDGH$JUDZDOH3VDLOD
SSFRPDOWHUDo}HV
4
www.spss.com
5
www.sasinstitute.com
6
www.easynn.com/easynnplus.html
7
www.ibm.com
29
&5,63'0SDUDPLQHUDomRGRVGDGRV
Sua origem deve-se ao consórcio formado por quatro empresas de consultoria: 1&5
6\VWHPV (QJLQHHULQJ &RSHQKDJHQ 'DLPOHU&KU\VOHU $* 6366 ,QF. e 2+5$
Verzekeringen en Bank Groep (SPSS, 2000 p.2). A CRISP-DM tem como vantagem, não
depender da área de negócio e da tecnologia a ser utilizada na MD, além da fácil
aplicação rapidez, custos mais baixos, viabilidade e facilidade da gestão dos projetos de
alta ou baixa envergadura de MD.
a) Fases: neste nível, dividido em seis fases principais, estão as tarefas genéricas e os
relacionamentos entre essas tarefas;
b) Tarefas genéricas: neste nível, são apresentadas de forma geral, para cobrir todas
as situações possíveis da MD, mesmo aquelas não previstas (HJ novas técnicas de
modelagem);
8
www.insightful.com
9
www.rulequest.com
10
www.r-project.org
11
www.cs.waikato.ac.nz/~ml/weka/
12
www.ucb.br/prg/professores/rogerio/arara/arara.html
30
)LJXUD5HSUHVHQWDomRGRVTXDWURQtYHLVGDPHWRGRORJLD&5,63'06366SWUDGXomRQRVVD
)LJXUD5HSUHVHQWDomRGRQtYHO)DVHVGD&5,63'06366SWUDGXomRQRVVD
5HGHVQHXUDLVDUWLILFLDLV
2.7.1 ,QWURGXomR
)LJXUD&RPSRQHQWHVGRQHXU{QLRELROyJLFR%5$*$/8'(50,5&$59$/+2S
32
)LJXUD&RPSRQHQWHVGRQHXU{QLRGH0F&XOORFKH3LWWV%5$*$/8'(50,5&$59$/+2
S
Em suma, nos neurônios artificiais, as conexões emulam os dendritos, pesos imitam
as sinapses, uma função de mapeamento emula o corpo celular e uma saída imita o
33
&DUDFWHUtVWLFDVHDUTXLWHWXUDVGDV51$V
valores de entrada, que são combinados em um único valor. Com o uso de diferentes
pesos para cada entrada, através de uma função de ativação, gera-se uma saída. Deve-se
ressaltar que o número de elementos que compõem a entrada de uma RNA, não é,
necessariamente, o número de elementos que compõem a saída da mesma RNA
(AZEVEDO; BRASIL; OLIVEIRA, 2000, pp.03-30; BRAGA; LUDERMIR;
CARVALHO 2000, pp.10-13; SWINGLER, 1996, p.03).
Definir a arquitetura de uma RNA é uma decisão importante, uma vez que ela
restringe o tipo de problema a ser tratado pela rede. As principais arquiteturas de redes
são: D As que possuem uma camada única, representada pela Figura 6(a): um nó entre
qualquer entrada e qualquer saída; tendem a resolver problemas linearmente separáveis
(i.e. que podem ser separados por uma reta, em um espaço geométrico, no qual os pontos
obedecem a uma equação linear de coordenadas cartesianas); E As que possuem
múltiplas camadas, representada pela Figura 6(b): com mais de um neurônio entre alguma
entrada e alguma saída da rede e tendem a resolver problemas não linearmente separáveis
(i.e. possuem o potencial de resolverem problemas complexos) (AZEVEDO; BRASIL;
OLIVEIRA, 2000, pp. 71-72,81-90; BRAGA; LUDERMIR; CARVALHO 2000, p. 11-
12,49, HAYKIN, 2001, pp. 46-47,47-48); F As recorrentes, representadas pela Figura
6(c), com a seguinte característica de possuir laços de realimentação (i.e. possuem uma
camada de neurônios que, com seu sinal de saída, alimenta as entradas de todos os outros
neurônios). (HAYKIN, 2001, pp.48-49).
A tecnologia das RNAs, talvez seja a que mais apresenta o profundo poder da MD,
pois elas tentam construir representações internas de modelos ou padrões encontrados
nos dados. A visão do processo das RNAs do tipo MLP a descoberta pode ser feita em
duas fases: na primeira, a seleção dos parâmetros de treinamento do algoritmo, na
segunda, os resultados finais obtidos pela RNA são vistos como uma “caixa preta” (ou
seja, são inexplicáveis) (PASSARI, 2003, p.32; SWINGLER, 1996, p.08); aqui se faz
necessário um apêndice sobre o funcionamento de uma “caixa preta” em uma RNA:
As RNAs são úteis em diversas aplicações do mundo real, pois lidam com dados
complexos e geralmente incompletos; as primeiras aplicações desenvolvidas nas RNAS
foram: D reconhecimento de voz e E reconhecimento de padrões visuais.
)LJXUD$UTXLWHWXUDVGH5HGHV1HXUDLV$UWLILFLDLV±UHWLUDGDGH+D\NLQSS
36
2.7.3 5HGHV0XOWL/D\HU3HUFHSWURQ
“Ficou provado que tudo que uma rede pode aprender com Q camadas
intermediárias pode ser aprendido por uma rede com uma única camada intermediária”
(AZEVEDO; BRASIL; OLIVEIRA, 2000, p.23).
)LJXUD)OX[RGHSURFHVVDPHQWRGRDOJRULWPREDFNSURSDJDWLRQ
)LJXUD3UHGLomRGHYROXPHGHYHQGDVGXUDQWHFLQFRVHPDQDVXWLOL]DQGR51$FRPDWpFQLFDGH
MDQHODPHQWR%5$*$/8'(50,5&$59$/+2S
)LJXUD3UHGLomRUHDOL]DGDSRU$OYDUHQJDH2OLYHLUD-XQLRUH&DUYDOKRS
)LJXUD*UiILFRGDFXUYDGHDSUHQGL]DGRUHDOL]DGDSRU2OLYHLUDH$OYDUHQJDS
O erro alcançado nesta predição foi de 0,049916, após 578 ciclos de aprendizado e
os resultados da predição podem ser vistos na Figura 11.
)LJXUD*UiILFRGDSUHGLomRUHDOL]DGDSRU2OLYHLUDH$OYDUHQJDS
Em relação aos três artigos acima, todos os autores utilizaram RNAs com o
algoritmo EDFNSURSDJDWLRQ e possuíam, no período a ser analisado, todo o universo de
variáveis, que seriam trabalhadas. O grande desafio à predição de Dengue, em Goiânia-
Go, com essa técnica e no período de doação, é o percentual estimado pela Divisão de
Epidemiologia da Secretaria Municipal de Saúde de Goiânia, de trinta e cinco a quarenta
por cento de notificações não realizadas. Esse desafio também é enfrentado pelos gestores
da atualidade, na análise dessas informações.
*HVWmRGR&RQKHFLPHQWRVREUHRVHIHLWRVGRFOLPDQDVD~GHKXPDQD
Existem diversas obras (GALE MOORE, 2000, OMS, 2003d, 2004b, 2000b, dentre
outras) que relatam as conseqüências da influência sazonal, em relação às doenças
41
transmitidas por vetores. Nas publicações da OMS (2003d, 2004b), foram abordados os
efeitos das variações climáticas e as técnicas mais conhecidas e utilizadas para medir ou
predizer os seus efeitos sobre a saúde humana. Dentre os provocados pelo clima, estão os
surtos causados por vetores. As mudanças climáticas e seus efeitos (relações),
reconhecidos em diversas áreas, estão representados na Figura 12.
)LJXUD0XGDQoDVFOLPiWLFDVHVHXVHIHLWRVQDVD~GHKXPDQD206GSWUDGXomRQRVVDFRP
DOWHUDo}HV
Os SAP surgiram, através da proposta de Gill (1923 DSXG OMS, 2004b, p.12), para
predizer o surto de doenças infecciosas (malária), baseado nas condições climáticas
(chuva). O modelo foi colocado em prática, na cidade de Punjab, na Índia, entre os anos
1921 e 1942.
Rogers (1923, 1925, 1926 DSXG OMS, 2004b, p.12) descreveu a associação entre
variáveis climáticas (temperatura, chuva, umidade e ventos) e a incidência de doenças
(pneumonia, varíola, lepra e tuberculose), na Índia e em outras localidades. O modelo
nunca foi implementado em larga escala.
Em seu texto, a OMS (2004b, p.12) aponta três fatores para o setor de saúde
explorar os SAP: D padronização do diagnóstico, o que possibilita a rápida notificação e
monitoramento de doenças; E rede de monitoramento de dados ambientais, a um custo
praticamente inexistente; F avanços nos modelos estatísticos e epidemiológicos.
Sua predição pode ser feita em semanas, meses ou até mesmo anos (OMS, 2004b,
pp.18-19). Seus principais objetivos são: D identificar se uma epidemia irá ocorrer em
uma população, de acordo com um número relatado de casos; E predizer o número de
casos, em um período de tempo (OMS, 2004b, p.19).
2 PRGHORGHQRWLILFDomREUDVLOHLUR
O Sistema Único de Saúde foi promulgado em 1990, através da lei 8.080, e através
dele, a descentralização das responsabilidades e funções do sistema de saúde, implicou no
redirecionamento das atividades de vigilância epidemiológica ao município (FUNASA,
2002, pp.10-11). A Portaria n.º 1.943, de 18 de outubro de 2001 do Ministério da Saúde,
aumentou para trinta e cinto, o número de doenças que são compulsórias e, por isto,
devem ser notificadas (FUNASA, 2002, pp.26-27).
Para cada doença, a coleta, notificação13 de casos e geração dos dados são
'LDJUDPDVGHFRQWUROH
O método indicado pela FUNASA (2002, p.48) e adotado em todo Brasil, para
verificação de uma epidemia, é transcrito a seguir:
14
"Investigação epidemiológica é um trabalho de campo, realizado a partir de casos notificados (clinicamente
declarados ou suspeitos) e seus contatos, que tem como principais objetivos: identificar fonte e modo de
transmissão: grupos expostos a maior risco; fatores determinantes; confirmar diagnóstico; e determinar as
principais características epidemiológicas. O seu propósito final é orientar medidas de controle para impedir a
ocorrência de novos casos" (FUNASA, 2002, 31).
45
)LJXUD±'LDJUDPDGHFRQWUROHHFDVRVQRWLILFDGRVGHGHQJXHSRUVHPDQDHSLGHPLROyJLFD*RLkQLD±*R
6,48(,5$-81,25S
'HQJXHHVHX9HWRU
)LJXUD$VSHFWRGHXP$HGHVDHJ\SWL08167(50$11
)LJXUD$VSHFWRGHXP$HGHVDOERSLFWXV &58=
Desconhece-se, através da revisão bibliográfica realizada, publicações nas
Américas, que relatem o $HGHV DOERSLFWXV portando quaisquer arbovírus, embora Alves
Borges (2001, p.04) relate que “estudos laboratoriais demonstram a competência vetora
do $H$OERSLFWXV para transmitir dezoito arbovírus, incluídos em três famílias”.
Dengue constitui num dos mais importantes problemas de saúde pública, em vários
outros países, exigindo avanços na busca de soluções e obtenção de resultados
satisfatórios nos programas de controle de vetores (BRASSOLATTI; ANDRADE, 2002,
p.244).
47
A prevenção a essas epidemias pode ser feita por meio do combate ao vetor na
forma de: campanhas preventivas, aplicação de veneno nas ruas da cidade; com a
utilização do Ultra Baixo Volume (UBV) (GUBLER, 1989 p.244 DSXG BRASSOLATTI;
ANDRADE, 2000; OMS, 1997, p.57); predadores naturais (PINHEIRO; TADEI,
2002, p.1529; MARTENS HW DO., 1995, p.04; OMS, 1997, p.59); agentes biológicos
(POLANCZYK; GARCIA; ALVES, 2003, p.01; OMS, 1997, p.58); a soltura
(liberação em locais de risco) de vetores transgênicos (não férteis) (O´BROCHTA, 2002,
pp.247-253).
)LJXUD7LSRVGHWUDQVPLVVmRLQGLUHWDUHFRQKHFLGDSDUDGHQJXH206GSWUDGXomRQRVVD
FRPDOWHUDo}HV
'HQJXH
“A Dengue tem sido relatada nas Américas, há mais de 200 anos” [...] “há
referências de epidemias desde o século XIX” (FUNASA, 2002, p.207). Dengue é um
vírus (arbovirose) (UNICAMP, 2004, p.127) da família )ODYLYLULGDH gênero )ODYLYLUXV
(FUNASA 2002, p.203; HEINZ HWDO 2000 DSXGCORTES, 2003, p.01). De acordo com
as publicações da FUNASA (2002, p.203) e da OMS (2003d, p.14, tradução nossa) “é a
mais importante arbovirose que afeta o ser humano”.
São reconhecidos, no mundo, quatro tipos diferentes do vírus Dengue: Den-1, Den-
2, Den-3 e Den-4. Os tipos Den-1, Den-2 e Den-3 são circulantes em boa parte do Brasil
(SVS, 2005, p.02) (Figura 18). Alguns autores (ALVES BORGES, 2001, pp.18-22;
LOIOLA, 2000, pp.49-55; MSB, 2004, 2005) relatam que o Den-4 não está presente no
Brasil.
)LJXUD±3DtVHVFRPSUHVHQoDGH'HQJXHHP206FS
No entanto, a FUNASA (2002, p.207) registrou nos anos de 1981 e 1982,
epidemias comprovadas clínica e laboratorialmente, do Den-4 e Den-1, na cidade de Boa
Vista, em Roraima. Foram registrados, no mesmo período (1981-1982), casos do Den-4
na Venezuela, Equador e Peru (LOIOLA, 2000, pp.49-55). Na obra de )RXTXH e *DULQFL
e *DERULW (2004, p.44), há relato da presença dos quatro sorotipos de Dengue na Guiana
Francesa, o que indica, pela proximidade geográfica, a possibilidade de um novo surto no
Brasil.
)LJXUD6RURWLSRVFLUFXODQWHVGRYtUXVGDGHQJXHSRUHVWDGRV%UDVLO696S
Dengue, no organismo do vetor, demora de oito a dez dias para se desenvolver e
permanece ativo, até o fim da vida, sem prejudicá-lo (OMS, 2003, p.01). No organismo
humano, os sintomas aparecem, após três dias da picada do vetor contaminado e o vírus
permanece ativo, em média, de cinco a seis dias, período em que os sintomas aparecem
(OMS, 2003, p.02).
Já se registrou a incidência dos casos de Dengue, entre cinqüenta e setenta por cento
da população do Estado do Rio de Janeiro (CREMERJ, 2002 DSXG DENIS, 2003, p.645).
A OMS estima que a incidência possa atingir, entre oitenta e noventa por cento da
população (GUBLER; TRENT 1993 DSXG OMS, 2003, p.51).
Registra-se que um mesmo paciente pode ser infectado por mais de um vírus, ao
mesmo tempo (ROCCO; BARBOSA; KANOMATA, 1998, p.151). A imunidade
humana, quanto a qualquer dos tipos adquiridos de Dengue, é permanente e a infecção
seqüencial por outro tipo do vírus, pode causar a Febre Hemorrágica do Dengue (FHD)
(FUNASA, 2002, p.203, PONTES; RUFFINO NETTO, 1994, p.01; OMS, 2003, p.01).
África, além das áreas urbanas, ocorre, também, em áreas silvestres. Em anos recentes, o
$HGHVDOERSLFWXVfoi reconhecido (OMS, 1997, p.51) como vetor secundário, na Ásia, e
tornou-se presente em diversos países americanos, dentre eles o Brasil (OMS, 2003,
p.02).
Publicações recentes (SIQUEIRA JUNIOR HW DO, 2004, 2005) relatam que a
ocorrência de Dengue nos anos 2001 e 2002, em toda a América Latina, está concentrada
na população adulta (30 a 49 anos de idade) e, no Brasil, concentrada na faixa etária de 20
a 40 anos de idade.
,QTXpULWRVVRUROyJLFRV
Os inquéritos são importantes para a precisão da avaliação do caso suspeito, por sua
alta eficácia de diagnóstico (CORTES HW DO., 2003, p.331). Citam-se, em ordem
cronológica de publicação, alguns autores que realizaram inquéritos sorológicos relativos
ao dengue, e os resultados alcançados:
Venâncio da Cunha HW DO (1997, p.379) relatam que, em amostragem de crianças
em fase escolar, no ano de 1994, no Município de Paracambi, Estado do Rio de Janeiro, a
positividade do teste de Inibição da Hemaglutinação foi detectada em 39,2% (145/370)
dos casos escolares pesquisados. A freqüência de positividade foi de 53,8% (78/145) para
o sexo feminino, e de 46,2% (67/145) para o sexo masculino. A distribuição por faixa
etária mostrou positividade crescente com o aumento da idade.
Lima HWDO (1999, p.566) relatam que, mesmo com a notificação compulsória dos
casos de agravo (448 sendo 57 confirmados), os dados estatísticos, obtidos através de
pesquisa (com 1.113 amostras) realizada três (03) meses após o término da epidemia,
feita com a técnica MAC-ELISA para detecção dos anticorpos IgM Den-1 e Den-2,
apresentaram valores duas vezes superiores aos notificados, e quinze vezes superiores aos
casos laboratoriais relatados, o que indicaria que a epidemia foi muito superior à
inicialmente divulgada.
Vasconcelos HW DO. (1998, p.447) relatam inquérito baseado em mil trezentas e
quarenta e uma amostras de soro, de nove distritos sanitários, testadas por inibição da
hemaglutinação, sendo classificadas como negativas e positivas, com quarenta e quatro
por cento ou quinhentas e oitenta e oito amostras positivas. Os autores relatam que não
houve diferença da prevalência quanto ao sexo, faixa etária e escolaridade, ao contrário
da condição sócio-econômica que apresentou diferenças estatisticamente significantes.
Silveira Rodrigues HW DO (2002, p.160), relatam estudo realizado em instituto de
correção de menores (com 196 amostras), que indicou o possível nível de disseminação
52
Cabe salientar, que o preço médio para um kit com 96 (noventa e seis) amostras
(testes individuais) de averiguação de Dengue, com a capacidade de diagnosticar se a
pessoa está com o vírus no momento, ou se já teve contato com o vírus (são kits
diferentes), foi avaliado em um mil e duzentos reais, em fevereiro de 2005.(preço por kit).
Para realizar um inquérito sorológico, com no mínimo mil amostras, seriam necessários
aproximadamente onze kits, o que totalizaria, aproximadamente, treze mil e duzentos
reais, apenas em material para testes laboratoriais.
(VWXGRVUHODWDGRV
(VWXGRDSUHVHQWDGRQD66%'0¶
0RGHOR3DQ(XURSHXGH6D~GH
0RGHOR$OHPmRGH6D~GH
)LJXUD)RUPDWRGHHQYLRGHGDGRVGRVKRVSLWDLVDR'HSDUWDPHQWRGH6D~GH3~EOLFD$OHPmR
6&+80$11/Ï3(=*5$:
Na Figura 19, Kij representa a freqüência da doença Ki, em uma área geográfica oj
(i.e. distrito ou cidade). Os parâmetros [ta, te] representam o intervalo de tempo.
)LJXUD)RUPDWRGHHQYLRGHGDGRVGRVKRVSLWDLVDR'HSDUWDPHQWRGH6D~GH3~EOLFD$OHPmR
6&+80$11/Ï3(=*5$:
Segundo os autores, embora o conjunto de dados 0' possa ser facilmente extraído do
&' o fluxo de dados é lento e dificulta a predição de epidemias.
2XWURVPRGHORVGHSUHGLomRHWUDEDOKRVHQFRQWUDGRV
)LJXUDÏELWRVREVHUYDGRVHHVWLPDGRVSRUUHJUHVVmRELQRPLDOQHJDWLYDHUHGHQHXUDO&HDUi-XOKR
GHDGH]HPEURGH3(11$S
Nessa obra, a autora nos relata que os dois modelos alcançaram valores bons de
predição, embora o modelo de regressão binomial negativa estudado, apresentasse menor
variância que o da rede neural (PENNA, 2004, p.355).
7UDEDOKRVHQFRQWUDGRVUHODWLYRVDR%UDVLO
Siqueira Júnior (2005) faz uma avaliação dos casos de Dengue no Brasil nos anos
situados entre 1981 e 2002. Nessa obra, o autor relata que o Brasil notificou,
aproximadamente, setenta por cento de todos os casos notificados nas Américas.
)LJXUD&DVRVUHODWDGRVGHGHQJXHQR%UDVLOQRVDQRVGHD6,48(,5$-Ò1,25
S
)LJXUD1~PHURGHFDVRVUHODWDGRVGHDJUDYRyELWRVKRVSLWDOL]Do}HVHDQRGDWLSLILFDomRGRVFDVRVGH
GHQJXHQR%UDVLO6,48(,5$-Ò1,25S
2XWUDVSXEOLFDo}HVUHIHUHQWHVD'HQJXH
Na publicação de Sousa HW DO (2004), é relatada uma relação direta entre a
precipitação pluviométrica e o número de casos notificados de Dengue, em Belém-PA, no
período entre 1998 e 2003. Os autores construíram gráficos anuais, divididos em faixas
mensais que, depois de analisados, os levaram a constatar que existe uma maior
incidência de casos de Dengue nos meses considerados mais chuvosos (janeiro, fevereiro,
março e abril). Os autores relacionaram outros parâmetros meteorológicos (temperatura e
umidade relativa) com o surto dessa doença.
Nascimento Sousa HW DO (2004), relatam ter utilizado tomada mensal de dados
climáticos (temperatura média, temperatura máxima, temperatura mínima, umidade
relativa do ar e precipitação) entre 1996 e 2000, para determinar, através do método de
coeficientes de incidências mensais, a influência do clima sobre a variação anual média
de casos relatados de Dengue, na cidade de Campina Grande-PB. Os autores relatam que
uma das condições atmosféricas (temperatura mínima) restringe a ação do vetor e o
impede de transmitir o vírus de Dengue. Dizem, ainda, que os elementos (parâmetros)
meteorológicos (chuva, temperatura média e umidade relativa do ar) contribuíram para
incidência da doença, naquela cidade, na faixa de doze a trinta e quatro por cento da
população. Ainda justificam que, “além das condições meteorológicas, existem outras,
causadas por condições nutricionais, sociais, e de defesa imunológica do organismo
59
humano” (NASCIMENTO SOUSA HWDO, 2004, p.02) HJ (relatado pelos autores) e pelo
racionamento de água ocorrido na região.
Campus Braga HWDO (2004), em artigo, apresentam a regressão linear simples, como
método para predição de Dengue, sobre a região da Paraíba, a partir de uma variável
atmosférica (índice pluviométrico). Os dados adotados para a pesquisa, foram os totais
diários de notificação de Dengue e a precipitação da região. O método tem capacidade de
predição para alguns meses, em relação à distribuição do número de casos relatados de
Dengue. Os resultados encontrados foram de boa acurácia, para alguns municípios da
região estudada.
(VWXGRVHSLGHPLROyJLFRVHP*RLkQLD
atingidas, entre vinte e quarenta e nove anos; F a região com maior número de
notificações foi a central, com 19,8% dos casos.
É importante ressaltar que, antes da década de 80, não houve notificação do vírus
de Dengue, em Goiânia-Go, portanto, o ano de 1994 foi considerado epidêmico.
0(72'2/2*,$
&DUDFWHUL]DomRGDSHVTXLVD
&ODVVLILFDomRGD3HVTXLVD
8QLYHUVRGD3HVTXLVD
0DWHULDOH0pWRGRV
$ERUGDJHP$GRWDGD
'HVFULomRGRPpWRGR&5,63'0
&ROHWDGH'DGRV
5HSUHVHQWDomRGDDQiOLVHGRVGDGRV
Para cada tipo existem especificações: D O gráfico de torta deve ser utilizado
para mostrar o tamanho de cada parte como um percentual do total, em, no máximo, seis
divisões (ZELASNY, 1997, pp.38-42); E O gráfico de barras, ou de colunas, deve ser
utilizado para demonstrar a variação de um item mensurável (HJ volume de vendas,
magnitude de rendimento), em um determinado período ou para a comparação entre
diferentes produtos (ZELASNY, 1997, pp.43-45); F O gráfico de linhas deve ser
utilizado para mostrar, de forma compacta, se existe tendência de aumento ou
decréscimo em determinado período de tempo (ZELASNY, 1997, pp.48-50); G O
gráfico de pontos deve ser utilizado para mostrar a relação entre duas variáveis que
seguem ou não, o padrão que normalmente se esperaria (e.g. pessoas com maior grau de
instrução recebem maiores salários, profissionais com mais tempo de serviço e maior
experiência, realizam tarefas de forma mais rápida e sem necessidade de supervisão).
65
No caso de pesquisas que apresentem fortes relações com séries temporais, dois
tipos de gráficos, o de colunas e o de linhas, são os indicados para representar os dados.
No primeiro tipo, o de colunas, deve-se observar o limite máximo de seis ou sete
divisões; já o segundo tipo, o de linhas, deve ser usado para representar mais de sete
divisões (ZELASNY, 1997, p. 36,46-47).
$QiOLVHGRVJUiILFRVHUHVXOWDGRVHQFRQWUDGRVQDSUHGLomR
Escolher gráficos como uma alternativa para melhor representação visual é uma
opção amplamente utilizada em diversas instituições (ZELASNY, 1997). Quando
existem vários gráficos sobre o mesmo assunto, a análise visual pode comprometer a
avaliação sobre qual deles apresenta o melhor resultado. Para sanar essa dúvida, não
resta alternativa, a não ser trabalhar com métricas de análise.
0RGHOR3URSRVWR
No Brasil, Dengue é uma doença reemergente e, por isso, as epidemias são um dos
mais importantes problemas de saúde pública, apresentando padrão de contaminação alto,
especialmente em áreas urbanas com elevada densidade populacional (FUNASA, 2002,
p.20). A detecção precoce e a predição de surtos, pelo sistema de vigilância brasileiro, são
essenciais para possibilitar a interrupção da epidemia e o planejamento de combate à
doença.
)LJXUD'DGRVSUHOLPLQDUHVGRVFDVRVQRWLILFDGRVGHGHQJXHSRUVHPDQDHSLGHPLROyJLFDVHJXQGR
UHJLmR%UDVLO696S
)LJXUD'DGRVSUHOLPLQDUHVGRVFDVRVQRWLILFDGRVGHGHQJXHSRUVHPDQDHSLGHPLROyJLFDGDUHJLmR
&HQWUR2HVWH%UDVLO696S
)LJXUD±'LDJUDPDGHFRQWUROHGHGHQJXHSRUVHPDQDHSLGHPLROyJLFD*RLkQLDD
)5$1d$$/9(66,/9$$025,06,/9$S
Através das publicações da OMS (2003d, 2004b), SVS (2003, 2004, 2005) e dos
autores acima citados (dentre outros), foi possível compilar lista de variáveis que podem
auxiliar o diagnóstico, a localização e a predição de surtos de Dengue. As principais
variáveis são: D Mudanças climáticas extremas (HJ chuva, ondas de calor, amplitude
térmica, etc.); E Regionais (HJ número de casos ocorridos, tipificação do vírus
corrente, susceptibilidade da população ao tipo do vírus, medida do vetor naquela região,
etc.); F Físicas da região (HJ tipo e uso do solo, altitude, vegetação predominante,
características de ocupação territorial, etc.).
Assim como relatado pela OMS (2003d, 2004b) em relação às variáveis similares,
não houve possibilidade de análise da amálgama de todas. O problema da impossibilidade
da transformação dos dados para o formato desejado, em tempo hábil, era inesperado e
consumiu aproximadamente três meses da pesquisa. Apenas as variáveis climáticas e
relativas à notificação dessas doenças puderam ser adequadas para o de semanas
epidemiológicas adotado nesta pesquisa.
(QWHQGLPHQWRGRQHJyFLR
2EMHWLYRV
Nas bases de dados do SINAN, que contêm todos os registros classificados como
confirmados, descartados ou suspeitos (i.e. não houve possibilidade de chegar a um
resultado durante a investigação), são mantidos os casos notificados de uma cidade. Cada
região (cidade, estado ou país) tem suas características regionais e físicas próprias e
sofrem diferentes epidemias, em épocas distintas. (OMS, 2003d; 2004b).
Com a resolução dessas questões, espera-se fornecer base para suporte ao combate
epidemiológico da doença. Pela análise dos dados e seu entendimento, pode-se identificar
a influência sazonal em relação aos casos confirmados.
$YDOLDomRGRVUHFXUVRVDWXDLV
b) Foi utilizada a base de dados referente ao 10º DISME de Goiânia. Nela estão os
dados (parâmetros) climáticos;
e) Recursos externos disponíveis (acesso a outras bases de dados): dados que não
puderam ser trabalhados na forma temporal (semanas epidemiológicas) adotada
nesta pesquisa.
f) Por seu caráter individual e restrito, o cadastro dos dados do SINAN não pode
ser divulgado, sem a devida autorização, conforme o compromisso de doação
firmado com a Secretaria Municipal de Saúde. A autorização de uso das
informações do cadastro de pacientes, no SINAN, teve sua aprovação baseada
nas restrições impostas pela FUNASA (2002, p.17) e no pedido de doação que
consta do Anexo A.
2EMHWLYRVDVHUHPDOFDQoDGRVSHODPLQHUDomRGHGDGRV
(QWHQGLPHQWRGRV'DGRV
Durante a fase da coleta, foi realizada investigação preliminar que visou maior
familiarização com os dados, além de avaliação e limpeza.
'DGRV,QLFLDLV
'HVFULomRGRVGDGRV
4XDGUR'LFLRQiULRGHGDGRVGDWDEHODGR6,1$1UHIHUHQWHDSHVTXLVDVVREUHR'HQJXH
4XDGUR'LFLRQiULRGHGDGRVVREUHRVGDGRVGR9HWRU
4XDGUR'LFLRQiULRGHGDGRVGD6(3/$1
4XDGUR'LFLRQiULRGHGDGRVGDWDEHODUHIHUHQWHDVVHPDQDVHSLGHPLROyJLFDV
4XDGUR'LFLRQiULRGHGDGRVGDWDEHODUHIHUHQWHDRVGDGRVGR',60(
Domínio Clima
Origem dos Dados Distrito de Meteorologia em Goiás - 10º DISME
pertencente ao Instituto Nacional de Meteorologia
(INEMET)
Período de abrangência 01/Janeiro/2001 a 30/Abril/2004
Número total de Instâncias Total – 1.582
Formato de doação dos dados Foram doados 360 arquivos referentes ao clima na
78
cidade de Goiânia.
Formato do arquivo Microsoft Access
Domínio dos dados Restrito a esta pesquisa
Nome ',60(
Número de Atributos 10
Utilização Utilizada para a geração da tabela CLASSIFICADOR
FINAL
Descrição dos Atributos
DATA Data da avaliação climática
N0900 Nebulosidade às 09:00 horas
N1800 Nebulosidade às 18:00 horas
N2100 Nebulosidade às 21:00 horas
PD Índice pluviométrico ou precipitação (medida diária)
URA Umidade relativa do ar (média diária, valor em percentual)
URAMIN Umidade relativa do ar mínima (medida diária, valor em percentual)
URAMAX Umidade relativa do ar máxima (medida diária, valor em percentual)
TEMP Temperatura (média diária, valor em Graus Celsius)
TEMPMAX Temperatura máxima (medida diária, valor em Graus Celsius)
TEMPMIN Temperatura mínima (medida diária, valor em Graus Celsius)
AMPLITUDE Amplitude térmica (medida diária, valor em Graus Celsius)
No Quadro 7, estão representados os dados referentes à doação realizada pelo 10º
DISME. No conjunto de dados estão os padrões climáticos. Não houve problemas de
conversão com essa base.
([SORUDomRGRVGDGRV
16
O código 5208707 é o da cidade de Goiânia, no cadastro de cidades do IBGE.
79
Foi feito um estudo comparativo dos dados que não serão utilizados durante a
análise dos dados.
)LJXUD7RWDODQXDOGHUHJLVWURVGH'HQJXH6,1$1*RLkQLD
17
Os dados referentes a 2004 são até o fim do mês de abril.
80
)LJXUD±3HUFHQWXDODQXDOGHUHJLVWURVGH'HQJXHDSyVVHOHomR6,1$1*RLkQLD-DQD$EU
)LJXUD7LSRVHSHUFHQWXDOGHGHQJXH*RLkQLDD
)LJXUD±3HUFHQWXDOGRWRWDOGDVUHVSRVWDVQRFDPSR'(1*8(GR6,1$1*RLkQLD
A partir da Figura 31, pode-se relatar que o porcentual de casos, nos quais o
paciente não teve contato anterior com o Dengue, é superior aos que o próprio
entrevistado admite não saber se já havia apresentado a doença ou ainda aos que
afirmou ter sido infectado. Esse relato reforça a idéia de que o vírus se dissemina
(através do vetor), em sua maioria, dentre as pessoas que não apresentaram
infecção prévia.
)LJXUD3HUFHQWXDOGRWRWDOGDVUHVSRVWDVQRFDPSR9$&,1$'26,1$1*RLkQLD
)LJXUD3HUFHQWXDOSRUJrQHURHP*RLkQLD,%*(D3HUFHQWXDOSRUJrQHURQDDQiOLVHGR
6,1$1*RLkQLDD
Algumas das hipóteses que poderiam ser formuladas para explicar essa
possível diferença de taxas de ataque de Dengue com relação ao sexo são: D
grupos que permanecem mais tempo dentro do ambiente domiciliar e/ou ambiente
de trabalho e/ou escolar, possuem uma probabilidade maior de infecção/doença;
E demanda espontânea dos serviços de saúde que dispõe de atendimento
preferencial à saúde da mulher18.
18
Hipóteses também levantadas por Maciel (1999, p. 66) em sua dissertação de mestrado.
84
)LJXUD±&DVRVFRQILUPDGRVGHGHQJXHYHUVXVQ~PHURGHKDELWDQWHVSRUEDLUUR*RLkQLDD
)LJXUD±3HUFHQWXDOGHIDL[DHWiULDSRUDQR6,1$1*RLkQLD
)LJXUD±3HUFHQWXDOSRUIDL[DHWiULD±*RLkQLD,%*(DH3HUFHQWXDOGHFDVRVFRQILUPDGRVGH
GHQJXH±*RLkQLD6,1$1D
)LJXUD±&DVRVFRQILUPDGRVGH'HQJXHSRUEDLUURVYHUVXVFHPLWpULRVH[LVWHQWHV*RLkQLD
b) O número de casos confirmados, com presença do SIM no campo
CON_CLASSI, foi totalizado por bairro, no período de doação. Para cada bairro,
foi calculado o percentual de lotes sem construção (i.e. lotes baldios ou vagos) e
comparado ao número de casos confirmados, no período de doação. O
comparativo pode ser visto na Figura 38.
)LJXUD±&DVRVFRQILUPDGRVGH'HQJXHYHUVXVSHUFHQWXDOGHORWHVYDJRVSRUEDLUURV*RLkQLD
)LJXUD&DVRVFRQILUPDGRVGH'HQJXHYHUVXVSHUFHQWXDOGHiUHDYHUGHSRUEDLUUR*RLkQLD
O número de casos confirmados apresentou relação considerada forte com os
menores percentuais de área verde por bairro, ou seja, de forma genérica, a partir
da Figura 39 pode-se relatar que os bairros com os menores percentuais de área
verde são os que apresentam mais relatos de casos confirmados. Este relato
demonstra a necessidade de trabalhos futuros, detalhados e específicos, dada a
ocorrência de Dengue nas altas densidades populacionais, em Goiânia. Surge,
também, outro trabalho futuro interessante: quais as diferenças entre os bairros que
apresentam baixo e alto número de casos, mas possuem densidades similares,
aproximadas, de área verde?
)LJXUD&DVRVFRQILUPDGRVGHGHQJXHYHUVXVQ~PHURGHIHLUDVOLYUHVVHPDQDLVSRUEDLUUR*RLkQLD
)LJXUD&DVRVFRQILUPDGRVGHGHQJXHYHUVXVTXDQWLGDGHGHKRVSLWDLVSRUEDLUUR*RLkQLD
)LJXUD&DVRVFRQILUPDGRVGH'HQJXHYHUVXVTXDQWLGDGHGHHVFRODV*RLkQLD
Pode-se relatar, pela análise da Figura 42, que os quatro bairros com mais de
dez hospitais apresentaram números de casos confirmados, semelhantes aos bairros
que não possuem o mesmo número de hospitais.
Pode-se relatar, pela análise da Figura 43, que os sete bairros com mais de
cinqüenta prédios, apresentam relatos semelhantes aos dos bairros que não
possuem o mesmo número de prédios e, portanto, é considerada uma relação fraca.
91
)LJXUD&DVRVFRQILUPDGRVGH'HQJXHYHUVXVTXDQWLGDGHGHSUpGLRVSRUEDLUUR*RLkQLD
)LJXUD±3HUFHQWXDOGHFDVRVFRQILUPDGRVSRUVHPDQDHSLGHPLROyJLFD*RLkQLDD
6pULHWHPSRUDOGRVFDVRVFRQILUPDGRVGH'HQJXHGHDFRUGRFRPRFDOHQGiULRLQWHUQDFLRQDOGR6,1$1*RLkQLD*R
1800
1600
1400
1200
H
X 1000
J
Q
H
'
H
G
V
R
V
D 800
&
600
400
200
0
S01
S03
S05
S07
S09
S11
S13
S15
S17
S19
S21
S23
S25
S27
S29
S31
S33
S35
S37
S39
S41
S43
S45
S47
S49
S51
S01
S03
S05
S07
S09
S11
S13
S15
S17
S19
S21
S23
S25
S27
S29
S31
S33
S35
S37
S39
S41
S43
S45
S47
S49
S51
S01
S03
S05
S07
S09
S11
S13
S15
S17
S19
S21
S23
S25
S27
S29
S31
S33
S35
S37
S39
S41
S43
S45
S47
S49
S51
S01
S03
S05
S07
S09
S11
S13
S15
S17
6HPDQDVHSLGHPLROyJLFDV
)LJXUD±6pULHWHPSRUDOGRVFDVRVFRQILUPDGRVGH'HQJXH*RLkQLDD
94
4XDGURGHJUiILFRV&DVRVFRQILUPDGRVGH'HQJXHYHUVXVPpGLDVGHYDULiYHLVFOLPiWLFDVGH
4XDGURGHJUiILFRV&DVRVFRQILUPDGRVGH'HQJXHYHUVXVPpGLDVGHYDULiYHLVFOLPiWLFDVGH
4XDGURGHJUiILFRV&DVRVFRQILUPDGRVGH'HQJXHYHUVXVPpGLDVGHYDULiYHLVFOLPiWLFDVGH
4XDGURGHJUiILFRV&DVRVFRQILUPDGRVGH'HQJXHYHUVXVPpGLDVGHYDULiYHLVFOLPiWLFDVGH
De forma genérica, essa escala foi adaptada para os países de clima temperado e/ou
tropical (Anexo E). A partir de então, os parâmetros climáticos foram classificados,
conforme a característica apresentada nas 178 semanas epidemiológicas, relativas à tabela
6(0$1$(3,. Essa classificação está representada no Quadro 8 e demonstra a influência
sazonal sobre doença. O índice pluviométrico (PD) foi principal parâmetro climático de
influência, durante aquele período, em Goiânia, com a média de duas semanas.
4XDGUR&ODVVLILFDomRGRVSHUtRGRVHQGrPLFRVHHSLGrPLFRVGH*RLkQLDDQRVD
Variável climática Períodos endêmicos Períodos epidêmicos
Para preparação dos dados para mineração, os problemas encontrados são tratados
de forma ética e não devem comprometer o resultado esperado. Assim, os registros
atributos com valor faltante, foram descartados da análise e as falhas encontradas no
cadastro foram selecionadas de acordo com os bancos e cronologia abaixo:
I. Não existe padronização entre o nome dos bairros contidos nessa base e
os bairros contidos na publicação da SEPLAN (2002). Para a
associação das bases, foi necessária a criação de uma tupla e a
associação manual, bairro a bairro, entre as tabelas;
II. Foram encontrados cerca de trinta bairros (regiões) que não constam em
nenhum dos dois cadastros (SEPLAN ou COMDATA), além dos
nomes dos bairros existentes não seguirem nenhum tipo de padrão, na
sua utilização. Essa base, mesmo depois de totalmente digitada,
associada e conferida, não pôde ser utilizada neste trabalho.
$VSHFWRVGD*&QRHQWHQGLPHQWRGRVGDGRV
3UHSDUDomRGRVGDGRV
Nessa fase e a partir do entendimento dos dados, são gerados os conjuntos que
serão submetidos à ferramenta de análise. Antes de submetê-los, é feita a limpeza dos
dados inconsistentes e faltantes, além da totalização dos casos confirmados e respectivas
médias das variáveis climáticas, de acordo com o calendário do SINAN, adotado para
esta pesquisa.
4XDGUR'LFLRQiULRGHGDGRVGDWDEHOD&/$66,),&$'25),1$/
0RGHODJHP
Essa simples análise pode fornecer as bases para melhorar o atendimento aos
pacientes além, é claro, do combate ao vetor, nos pontos mais críticos de ocorrência, em
uma cidade. Ações de planejamento podem ser implementadas, por exemplo, através da
localização manual dos casos do SINAN e da análise das últimas N semanas (à escolha
do gestor), em uma ferramenta de Sistema de Informação Geográfica.
103
b) A janela de saída utiliza o valor da série com W passos à frente; por exemplo, três
passos à frente;
)LJXUD±'LDJUDPDGHFRQWUROHGH'HQJXHSRUVHPDQDHSLGHPLROyJLFD606*2*RLkQLD
104
7DEHOD$QiOLVHGRVUHVXOWDGRVGDSUHYLVmRIHLWDDWUDYpVGR'LDJUDPDGH&RQWUROHGD6HFUHWDULD
0XQLFLSDOGH6D~GHGH*RLkQLD*RLiV
Resultados Tendência
semana/2004 previstos notificados % erro real predita acerto
S02 25,3 91 259,68 Alta Alta Ok
S03 35,8 109 204,47 Alta Alta Ok
S04 43 144 234,88 Queda Alta -
S05 37,5 217 478,67 Queda Queda Ok
S06 36,8 205 457,07 Queda Queda Ok
S07 35,8 188 425,14 Alta Queda -
S08 37,8 160 323,28 Queda Alta -
S09 37,7 165 337,67 Alta Alta Ok
S10 42,8 179 318,22 Queda Queda Ok
S11 38,2 139 263,87 Alta Alta Ok
S12 44,5 203 356,18 Queda Queda Ok
S13 42,7 179 319,20 Queda Queda Ok
S14 33,8 142 320,12 Alta Queda -
S15 44 128 190,91 Queda Alta -
S16 43,5 148 240,23 Queda Queda Ok
S17 33,3 136 308,41 - - -
Esta tabela foi importada para o 0LFURVRIW ([FHO e convertida para o formato
&RPPD 6HSDUDWHG 9DOXH (CSV). Após a conversão, o arquivo resultante foi editado,
através do aplicativo 7H[WSDG19 e todas as vírgulas substituídas por pontos.
19
Download gratuito através do link ftp://download.textpad.com/pub/textpad4.7/txpptb473.exe
105
c) Para treinamento, foram utilizadas 106 instâncias, referentes aos anos de 2001,
2002. Para avaliação, foram utilizadas 53 instâncias, referentes a 2003. Na
predição, foram utilizadas 16 instâncias, referentes aos quatro primeiros meses
de 2004.
)LJXUD$UTXLWHWXUDGHUHGHXWLOL]DGDQR(DV\QQ3OXVSDUDSUHGLomRHSLGHPLROyJLFDGH'HQJXH
)LJXUD±*UiILFRGDFXUYDGHDSUHQGL]DGR±5RGDGD
7DEHOD±$QiOLVHGRVUHVXOWDGRVGDSUHYLVmR±7pFQLFD
Resultados Tendência
semana/2004 confirmados previstos % erro real predita acerto
S02 96 39 59,38 Queda Alta -
S03 73 32 56,16 Alta Alta Ok
S04 102 34 66,67 Alta Alta Ok
S05 123 39 68,29 Alta Queda -
S06 198 46 76,77 Queda Alta -
S07 179 56 68,72 Queda Alta -
S08 163 43 73,62 Queda Queda Ok
S09 147 44 70,07 Queda Queda Ok
S10 130 33 74,62 Alta Queda -
S11 154 37 75,97 Queda Queda Ok
S12 112 29 74,11 Alta Queda -
107
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGHGHQJXH*RLkQLD±5RGDGD
Com essa análise, a taxa de erro encontrada na tendência foi de 26,7% e o erro
padrão 101,8.
A tática adotada visou gerar três anos com a função de ensinar a RNA que, após um
ano epidêmico, acontece queda brusca no número de casos. Para representar essas
informações para rede neural, foram consideradas as trinta e três mil, seiscentas e setenta
e três instâncias (i.e. casos confirmados) agrupadas e contabilizadas, segundo o
calendário do SINAN relativo ao período de estudo, o que resultou em 173 instâncias.
Para o primeiro ano, a fórmula de geração para os campos não binários é a que
se segue.
Para o terceiro ano, a fórmula de geração para os campos não binários segue a
seguinte seqüência: O número de casos confirmados recebeu o valor do ano 2003, menos
trinta por cento do mesmo campo, nessa tabela e as variáveis climáticas receberam os
valores da média dos anos gerados.
O treinamento dado à rede, pode ser visto no Quadro de gráficos 5, através do qual
vê-se exemplos da ocorrência de decréscimo brusco no número de casos, após um surto.
109
4XDGURGHJUiILFRV±7UHLQDPHQWRSURSRVWR±5RGDGD
a) Para treinamento, foram utilizadas 260 instâncias, referentes aos anos de 2001 e
2002, ano de treinamento 1 e ano de treinamento 2;
)LJXUD±*UiILFRGDFXUYDGHDSUHQGL]DGR±5RGDGD
O erro alcançado, como pode ser visto na Figura 50, foi inferior ao desejado. Os
resultados obtidos, após o treinamento, são mostrados na Tabela 4 e na Figura 51.
7DEHOD±$QiOLVHGRVUHVXOWDGRVGDSUHYLVmR5RGDGD
Resultados Tendência
Semana/2004 confirmados previstos % erro real predita acerto
S02 96 34 64,58 Queda Alta -
S03 73 64 12,33 Alta Alta Ok
S04 102 145 42,16 Alta Alta Ok
S05 123 161 30,89 Alta Queda -
S06 198 145 26,77 Queda Alta -
S07 179 174 2,79 Queda Queda Ok
S08 163 173 6,13 Queda Queda Ok
S09 147 126 14,29 Queda Alta -
S10 130 143 10,00 Alta Alta Ok
S11 154 152 1,30 Queda Queda Ok
S12 112 150 33,93 Alta Queda -
S13 156 139 10,90 Queda Queda Ok
S14 148 118 20,27 Queda Queda Ok
S15 113 60 46,90 Queda Alta -
S16 89 109 22,47 Alta Queda -
S17 126 76 39,68 - - -
111
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGH'HQJXH*RLkQLD±5RGDGD
Com essa análise, a taxa de erro na tendência foi de 46,7% e o erro padrão 35,7.
b) Do total dos 36.081 casos de agravo, 33.673 eram casos confirmados e 1.582,
dados referentes a medidas climáticas diárias. Os dados foram separados em treinamento
(2001 e 2002), avaliação (2003) e teste (2004).
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGHGHQJXH*RLkQLD±5RGDGD
7DEHOD±$QiOLVHGRVUHVXOWDGRVGDSUHYLVmR5RGDGD
Resultados Tendência
Semana/2004 confirmados previstos % erro real predita acerto
S02 96 62 35,42 Queda Queda Ok
S03 73 53 27,40 Alta Alta Ok
S04 102 60 41,18 Alta Alta Ok
S05 123 178 44,72 Alta Alta Ok
S06 198 258 30,30 Queda Queda Ok
S07 179 177 1,12 Queda Queda Ok
S08 163 164 0,61 Queda Alta -
S09 147 181 23,13 Queda Queda Ok
S10 130 150 15,38 Alta Alta Ok
S11 154 152 1,30 Queda Alta -
S12 112 176 57,14 Alta Queda -
S13 156 83 46,79 Queda Queda Ok
S14 148 68 54,05 Queda Alta -
S15 113 116 2,65 Queda Queda Ok
S16 89 72 19,10 Alta Alta Ok
S17 126 135 7,14 - - -
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGHGHQJXH*RLkQLD±5RGDGD
Com essa análise, a taxa de erro na tendência foi de 26,7% o erro padrão 43
aproximadamente.
O modelo da rede que obteve os melhores resultados dessa série apresenta sessenta
e sete neurônios, na camada de entrada, doze na camada intermediária e um, na camada
de saída. O modelo apresenta os seguintes neurônios:
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGHGHQJXH*RLkQLD±5RGDGD
116
)LJXUD±&DVRVFRQILUPDGRVSUHYLVWRVGHGHQJXH*RLkQLD±5RGDGD
Com essa análise, a taxa de erro na tendência foi de 47,1% e o erro padrão 56,9.
Neste mesmo período o diagrama de controle obteve a taxa de erro na tendência de 45,1%
e o erro padrão 88,3.
$SUHVHQWDomRGRVUHVXOWDGRV
4XDGUR±$QiOLVHGRVFDVRVFRQILUPDGRVGH'HQJXH*RLkQLDD
Variável Informações
Clássico – 87,87%;
Tipos de dengue em Goiânia, 2001 Dengue com complicações – 11,80%
a 2004 FHD – 0,33%
Não havia apresentado infecção anterior –
Percentual das respostas no campo
88,23%;
DENGUE, SINAN, Goiânia, 2001
Havia apresentado infecção anterior – 7,69%;
a 2004
Ignorado – 3,81%
117
4XDGUR±$QiOLVHGRVFDVRVGHGHQJXHYHUVXVYDULiYHO*RLkQLDD
)LJXUD±FRPSDUDomRGDVSUHGLo}HVGDVWpFQLFDVGLDJUDPDGHFRQWUROHHPLQHUDomRGHGDGRVSDUDR
SHUtRGRGHGRDomR
119
$QiOLVHGRVUHVXOWDGRV
Ao final da apresentação dos resultados, torna-se importante tecer as seguintes
considerações em relação a: D bancos estudados; E metodologia adotada; F Modelo
Brasileiro de Notificação utilizado para o combate de várias doenças; G modelo de
regressão através de redes neurais apresentado; H técnica apresentada para predição; I
objetivos propostos.
a) Em relação aos bancos de dados analisados: nenhum dos bancos avaliados foi
desenvolvido com o fim de DCBD. Mesmo assim, foi possível, através de alto esforço de
conversão, gerar várias informações importantes. A análise dessas informações foi feita
de forma ética, através de gráficos de fácil entendimento, que não identificam os
pacientes infectados ou os bairros da cidade de Goiânia.
O objetivo principal foi alcançado, já que construído modelo que forneceu suporte à
tomada de decisão para o combate a epidemias de Dengue, o que possibilitou, neste
estudo de caso, a predição de casos confirmados de Dengue, em menor tempo e maior
precisão do que a prática atual.
&RQFOXV}HVHVXJHVW}HVSDUDWUDEDOKRVIXWXURV
“A arte do raciocínio epidemiológico é tirar sábias conclusões de dados
imperfeitos” George W. Comstock.
&RQVLGHUDo}HVILQDLV
Para ter sucesso em suas pesquisas, segundo Elder (2004, p.27), o profissional
(pesquisador) de MD deve ter persistência (não desistir se os primeiros experimentos não
apresentarem sucesso) e atitude (ser otimista e acreditar que o trabalho poder ser feito);
ser aberto ao trabalho de equipe (aprender com os usuários o que eles sabem, onde
desejam chegar e como comunicar, de modo eficaz, as descobertas obtidas pela MD). Ser,
principalmente, humildade (saber que a tecnologia, sem o apoio e o conhecimento da
equipe, não fornece soluções).
'HVWDTXHVHFRQWULEXLomRGDSHVTXLVD
Com essa visão, a pesquisa teve como objetivo principal, predizer, com uma
122
6XJHVW}HVSDUDQRYRVWUDEDOKRVGHSHVTXLVD
Outros trabalhos futuros que não abordam predição epidemiológica são relatados
abaixo:
a) O governo brasileiro criou o cartão SUS, que será utilizado, após a distribuição
em todo território brasileiro, para identificação de seus pacientes, no
atendimento em suas unidades de saúde. Cerca de cinqüenta por cento destes
cartões já foram distribuídos em Goiânia. Sugere-se utilizar a técnica de
classificação, no aplicativo (software) WEKA, para, de uma base de
conhecimento, identificar as faixas etárias menos contempladas e locais nos
quais houve pouca entrega, auxiliando, assim, o planejamento de campanhas de
distribuição em Goiânia-Go.
bairro (sugeridos pela OMS, 2004, p.15), campanhas preventivas por setor e
locais/forma de combate ao vetor. Com estes dados, provavelmente seria
conseguido um modelo que fornecesse melhores resultados que os obtidos.
Entretanto, estes dados não estão disponíveis, o que desde já aponta para a
necessidade de uma coleta mais refinada de dados relevantes para a gestão das
doenças em tela. Outros dados, embora interessantes, foram descartados pelo
ciclo de vida/reprodução e combate ao vetor, tais dados e motivos de descarte
são: rios (o vetor não coloca seus ovos em água corrente) e lagoas (existem os
predadores naturais como forma de combate). Neste sentido, um trabalho
interessante seria do de verificar, com as bases existentes quais de suas
variáveis apresentam os menores níveis de ruído e que poderiam ser utilizadas
em estudos futuros.
5HIHUrQFLDV%LEOLRJUiILFDV
AGRAWAL, Rakesh; PSAILA, Guiseppe: $FWLYH 'DWD 0LQLQJ In Proceedings of the First
International Conference on Knowledge Discovery and Data Mining (KDD-95): American
Association for Artificial Intelligence. 1995.
ALVARENGA, Rogério; JUNIOR, Odilon N.; CARVALHO, Marcelo R. C.: 8PPRGHORGH
H[WHUQDOL]DomR GR FRQKHFLPHQWR YLVDQGR VXSRUWH j GHFLVmR H YDQWDJHQV FRPSHWLWLYDV
XWLOL]DQGRDVPHWRGRORJLDV&RPPRQNDGVH&5,63'0 KMBRASIL, 2004.
'DWDPLQLQJ HP ILQDQoDV 8P PRGHOR SDUD SUHYLVmR HP VpULHV WHPSRUDLV EDVHDGD HP
ALVARENGA, Rogério; OLIVEIRA JUNIOR, Waldomiro de; CARVALHO, Marcelo.
UHGHV QHXUDLV ± HVWXGR GH SUHYLVmR VREUH R VLVWHPD GH SDJDPHQWRV %UDVLOHLUR
KMBRASIL, Julho 2003.
ALVES BORGES, Sonia Marta dos Anjos ,PSRUWkQFLD HSLGHPLROyJLFD GR $HGHV
$OERSLFWXV QDV $PpULFDV Brasil, Universidade de São Paulo – USP, Dissertação de
Mestrado, Outubro 2001, 99p.
ANDRADE, Ionilda Sabrino; DANTAS, Renilson Targino: (VWXGR GD LQIOXrQFLD GH
HOHPHQWRVPHWHRUROyJLFRVQRVFDVRVGHFyOHUDGHQJXHHPHQLQJLWHQDFLGDGHGH&DPSLQD
*UDQGH XIII Congresso Brasileiro de Meteorologia. Fortaleza-Ceará. Setembro 2004. Anais.
10p.
ARAUJO, Vânia M. R. Hermes de; FREIRE, Isa Maria; MENDES, Teresa Cristina M.:
'HPDQGDGD,QIRUPDomRSHORVHWRULQGXVWULDO: dois estudos no intervalo de 25 anos. Brasil,
Brasília-Df: Ci. Inf.,v.26 n.3, p. 283-289, set/dez – 1997.
AZEVEDO, Fernando Mendes de; BRASIL, Lourdes Mattos; OLIVEIRA, Roberto Célio
Limão de: 5HGHV 1HXUDLV FRP $SOLFDo}HV HP &RQWUROH H HP 6LVWHPDV (VSHFLDOLVWDV
Florianópolis, Brasil, Visual Books, 2000.
______: 8VRGHPLQHUDomRGHGDGRVSDUDDFRQVWUXomRGHPRGHORSUHGLWLYRGHVXUWRGH
GHQJXH XWLOL]DQGR FDVRV FRQILUPDGRV GR 6LVWHPD GH ,QIRUPDo}HV GH $JUDYRV GH
1RWLILFDomRVI Workshop de Tecnologia da Informação da UCB. p. 41-42, Maio 2005.
COFFIN, Carla HW DO.: 8VLQJ ,QWHOOLJHQW $JHQWV WR 5HSXUSRVH $GPLQLVWUDWLYH 'DWD LQ
)RUHFDVWLQJ 'LVHDVH 3UHYHQWLRQ LQ DQ 2XWSDWLHQW &RQWH[W 7KH &DVH RI 3QHXPRFRFFDO
9DFFLQDWLRQUSA, Hawaii: Proceedings on 37th Hawaii International Conference on Systems
Sciences – 2004, IEEE, 7p. 2004.
CORTES, Luzia M de C HW DO &RPSDUDWLYH LPPXQRORJLFDO UHFRJQLWLRQ RI SURWHLQV IURP
1HZ *XLQHD ³&´ GHQJXH YLUXV W\SH SURWRW\SH DQG IURP D GHQJXH YLUXV W\SH VWUDLQ
LVRODWHG LQ WKH 6WDWH RI 5LR GH -DQHLUR %UD]LO. Brasil.Memorando Instituto Oswaldo Cruz.
Abr. 2003, vol.98, no.3, p.331-334. ISSN 0074-0276.
COSTA SOUSA, Paulo de Tarso: 0LQHUDomR GH 'DGRV SDUD LQGXomR GH XP PRGHOR GH
*HVWmRGR&RQKHFLPHQWRBrasil, Universidade Católica de Brasília – UCB, Dissertação de
Mestrado, Março 2003, 167p.
CRUZ, Bruna: (VWXGR YDL PRQLWRUDU UHSURGXomR
GHYHWRUHVGRGHQJXH Brasil. FIOCRUZ, Março/2004.
CUMMINGS, Derek A. T. HW DO: 7UDYHOOLQJ ZDYHV LQ WKH RFFXUUHQFH RI GHQJXH
KDHPRUUKDJLFIHYHULQ7KDLODQG USA. Nature, Vol. 427, p.344-347, Jan/2004.
ELDER, John:7RS GDWD PLQLQJ PLVWDNHV :RRG *ULOOH %XIIHW &KDUORWWHVYLOOH 9LUJLQLD
,(((0DUS
WR.QRZOHGJH'LVFRYHU\LQ'DWDEDVHV86$ $PHULFDQ$VVRFLDWLRQIRU$UWLILFLDO,QWHOOLJHQFH
FAYYAD, Usama; SHAPIRO-PIATETSKY, Gregory; SMYTH, Padhraic:)URP'DWD0LQLQJ
1996, p. 37-54.
______: $GYDQFHV LQ .QRZOHGJH 'LVFRYHU\ DQG 'DWD 0LQLQJ. American Association for
Artificial Intelligence, 1996b. 625p. ISBN 0-262-56097-6
FOCKS, Dana A. HW DO$ VLPXODWLRQ PRGHO RI WKH HSLGHPLRORJ\ RI XUEDQ GHQJXH IHYHU
OLWHUDWXUH DQDO\VLV PRGHO GHYHORSPHQW SUHOLPLQDU\ YDOLGDWLRQ DQG VDPSOHV RI VLPXODWLRQ
UHVXOWV. American Journal of Tropical Medicine and Hygiene. 1995. Nr. 53, p. 489-506.
FRANÇA, Consuelo Vidica; ALVES SILVA, Marta Maria; AMORIM SILVA, Flúvia Pereira:
$o}HV YLWRULRVDV QR FRQWUROH GD GHQJXH HP *RLkQLD Revista da Secretaria Municipal de
Saúde, Relatório de Gestão, Artigos, p. 51-53. Dezembro/2004.
HALES HW DO.:3RWHQWLDO HIIHFW RI SRSXODWLRQDQG FOLPDWH FKDQJHV RQ JOREDO GLVWULEXWLRQ RI
GHQJXHIHYHUDQHPSLULFDOPRGHO. THE LANCET, Vol 360, p. 830-834, September 2002.
HAN Jiawei; KAMBER Micheline:'DWD 0LQLQJ &RQFHSWV DQG 7HFKLQLTXHV 6LPRQ )UDVHU
8QLYHUVLW\2001. 550 p.
KHAN A.M. HW DO.:$QDO\VLV RI DQWLJHQLF KRWVSRWV LQ GHQJXH YLUXV $ ELRLQIRUPDWLFV
DSSURDFK LQ First Asian Regional dengue research network meeting. October 2004. Bankok.
Thailand.
LOIOLA, Carlos Catão Prates:'HQJXH QDV $PpULFDV in CASTRO GOMES, Almerio de:
Informes em Saúde Pública Universidade de São Paulo – Faculdade de Saúde Pública, 2000.
MACIEL, Ivan José:$YDOLDomR (SLGHPLROyJLFD GR 'HQJXH QR 0XQLFtSLR GH *RLkQLD QR
3HUtRGR GH D Brasil, Universidade Federal de Goiás, Dissertação de Mestrado,
1999, 119p.
NASCIMENTO SOUSA HW DO.:(IHLWR GR FOLPD VREUH D 'HQJXH QD FLGDGH GH &DPSLQD
*UDQGH 3%. XIII Congresso Brasileiro de Meteorologia. Fortaleza-Ceará. Setembro 2004.
Anais. 7p.
O’DELL, Carla, GRAYSON, JR. C. Jackson:,I 2QO\ :H .QHZ :KDW :H .QRZ:
The Transfer of Internal Knowledge and Best Practice. The Free Press, USA, 1998
OLIVEIRA JÚNIOR, Waldomiro: 3UHYLVmR GH VpULHV WHPSRUDLV XWLOL]DQGR UHGHV QHXUDLV
Estudo de caso: Previsão no sistema de pagamentos Brasileiro. Universidade Católica de
Brasília – UCB, Descoberta de conhecimentos em bases de dados, 2003, 40 p.
______:8VLQJ FOLPDWH WR SUHGLFW ,QIHFWLRXV GLVHDVH RXWEUHDNV D UHYLHZ Suíça, Genebra.
130
&RPPXQLFDEOH 'LVHDVHV 6XUYHLOODQFH DQG 5HVSRQVH 3URWHFWLRQ RI WKH +XPDQ (QYLURQPHQW
5ROO%DFN0DODULD 55p. 2004b.
______:,QWHUQDWLRQDO7UDYHODQG+HDOWKSuíça, Genebra. 2004c
______:'HQJXH1HW:+2*OREDO'HQJXH6XUYHLOODQFH Suíça, Genebra. 2004d
______::RUOG 5HSRUW RQ .QRZOHGJH IRU %HWWHU +HDOWK 6WUHQJWKHQLQJ +HDOWK 6\VWHPV
Suíça, Genebra. 2004e
______:$WLYLGDGHV GD 206 QD 5HJLmR $IULFDQD – Relatório Anual de 2002. África,
Jonesburgo. 82p. Setembro 2003b.
______:&OLPDWH9DULDELOLW\DQG&KDQJHDQGWKHLU+HDOWK(IIHFWVLQ3DFLILF,VODQG&RXQWULHV
:RUNVKRS5HSRUW $SLD6DPRD6XtoD*HQHEUDS-XOKRE
______:'HQJXH DQG 'HQJXH +HPRUUKDJLF )HYHU – Report on global surveillance of
epidemic-prone infectious diseases. Chapter 6: p.75-88, 2000c.
PASSARI, Antônio Fabrizio Lima:([SORUDomR GH GDGRV DXWRPDWL]DGRV SDUD SUHYLVmR GH
YHQGDVQRYDUHMRXWLOL]DQGRUHGHVQHXUDLV, São Paulo, Brasil, Universidade de São Paulo -
USP, Dissertação de Mestrado, 2003, 150p.
PATZ, Jonathan A. HW DO:'HQJXH )HYHU (SLGHPLF 3RWHQWLDO DV 3URMHFWHG E\ *HQHUDO
&LUFXODWLRQ 0RGHOV RI *OREDO &OLPDWH&KDQJH Environmental Health Perspectives Volume
106, Number 3, March 1998.
0DQDXV $PD]RQDV %UDVLO Idem. Caderno Saúde Pública. Nov./dez. 2002, vol.18, no.6,
p.1529-1535.
3RWHQFLDO GH %DFLOOXV WKXULQJLHQVLV LVUDHOHQVLV %HUOLQHU QR FRQWUROH GH $HGHV DHJ\SWL.
POLANCZYK, Ricardo Antonio, GARCIA, Marcelo de Oliveira e ALVES, Sérgio Batista:.
PONTES, Ricardo J. S.; RUFFINO NETTO, Antonio:'HQJXH HP ORFDOLGDGH XUEDQD GD
UHJLmR VXGHVWH GR %UDVLO DVSHFWRV HSLGHPLROyJLFRV Brasil. Revista Saúde Pública. Jun.
1994, vol.28, no.3, p.218-227.
PRADO, Hercules Antônio:$ERUGDJHQV +tEULGDV SDUD 0LQHUDomR GH 'DGRV Exame de
qualificação de doutorado. Universidade Federal do Rio Grande do Sul. 1998.
RAFAELI NETO, Silvio Luiz:7RPDGD GH 'HFLVmR (VSDFLDO Uma abordagem sistêmica e
implicações tecnológicas. III Workshop Brasileiro de Geoinformática – GeoInfo2001. Brasil.
Rio de Janeiro. Instituto Militar de Engenharia, 4 e 5 de outubro de 2001.
REBELO, José Manuel MacárioHWDO.:'LVWULEXLomRGH$HGHVDHJ\SWL H GRGHQJXHQR(VWDGR
GR 0DUDQKmR %UDVLO. &DG 6D~GH 3~EOLFD. Jul./set. 1999, vol.15, no.3, p.477-486. ISSN
0102-311X.
WRRO IRU WKH H[SORUDWLRQ RI KXPDQ KHDOWK GDWD Alemanha: Proceedings of the International
SCHUMANN; H, CHÁVEZ, Norma de López; GRAW, H,-U:9LVXDODQDO\VLVDVDQHIILFLHQW
SEPLAN:$VSHFWRVGHPRJUiILFRVGDSRSXODomRGH*RLkQLDSRUEDLUURVHJXQGRRDQRGH
Brasil, Goiânia. Secretaria de Planejamento - SEPLAN. 199p, dezembro 2002.
SIQUEIRA JUNIOR, João Bosco HW DO:+RXVHKROG VXUYH\ RI GHQJXH LQIHFWLRQ LQ FHQWUDO
EUD]LO VSDWLDO SRLQW SDWWHUQ DQDO\VLV DQG ULVN IDFWRUV DVVHVVPHQW American Journal of
Tropical Medicine and Hygiene, nº 71, p 646-651, 11/2004.
______:'HQJXH DQG 'HQJXH +HPRUUKDJLF )HYHU %UD]LO ± CDC – Emerging
Infectious Diseases, Vol .11, nº 1, p 48-53, 01/2005.
SIQUEIRA JÚNIOR, João Bosco:9LJLOkQFLD GR 'HQJXH $SOLFDomR GH 'LDJUDPDV GH
&RQWUROHH$QiOLVH(VSDFLDOQR0XQLFtSLRGH*RLkQLD*RLiVBrasil, Universidade Federal
132
SOUSA HWDO:(VWXGRFRPSDUDWLYRHQWUHDSUHFLSLWDomRSOXYLRPpWULFDPHQVDOHRQ~PHUR
PHQVDO GH FDVRV GH FDVRV GHQJXH QRWLILFDGRV HP %HOpP3D . XIII Congresso
Brasileiro de Meteorologia. Fortaleza-Ceará. Setembro 2004. Anais. 9p.
SRINIVASAN K.N. HW DO:$QDO\VLV RI 7FHOO HSLWRSH KRWVSRWV LQ GHQJXH YLUXV HQYHORSH
SURWHLQ LQ First Asian Regional dengue research network meeting. October 2004. Bankok.
Thailand.
TURBAN, Efraim; ARONSON, Jay E.:'HFLVLRQ 6XSSRUW 6\VWHPV DQG ,QWHOOLJHQW 6\VWHPV
1HZ-HUVH\3UHQWLFH+DOO(GLWLRQ
UNICAMP:;,, &RQJUHVVR ,QWHUQR GH ,QLFLDomR &LHQWtILFD. Brasil. São Paulo: Ed.
Universidade de Campinas (UNICAMP). 398p. Setembro 2004.
VASCONCELOS, Pedro F. C.HWDO(SLGHPLDGHGHQJXHHP)RUWDOH]D&HDUiLQTXpULWR
VRURHSLGHPLROyJLFR DOHDWyULR Brasil. 5HY 6D~GH 3~EOLFD. Out. 1998, vol.32, no.5, p.447-
454. ISSN 0034-8910.
VENÂNCIO DA CUNHA, Rivaldo HW DO'HQJXH LQIHFWLRQ LQ 3DUDFDPEL 6WDWH RI 5LR GH
-DQHLUR. Rev. Soc. Bras. Med. Trop. Set./out. 1997, vol.30, no.5, p.379-383. ISSN
0037-8682.
*ORVViULRGLFLRQiULRGHWHUPRV
³6U$ODRU0RDF\U'¶DOODQW{QLD-~QLRU
'LUHWRUGR'LVWULWRGH0HWHRURORJLDHP*RLiV',60(
&DUR6U$ODRU
*RVWDULDVHSRVVtYHOFRQWDUQRYDPHQWHFRPVXDJUDWLGmRFRPSUHHQVmRHERD
YRQWDGH QR VHQWLGR GH YLDELOL]DU D GRDomR GRV GDGRV QHFHVViULDV DR SOHQR
GHVHQYROYLPHQWR H ILQDOL]DomR GD GLVVHUWDomR GH 0HVWUDGR GH PHX RULHQWDQGR
*LRYDQQL*RQGLP
*LRYDQQL WrP GHGLFDGR IRUWHPHQWH HP VXD SHVTXLVD TXH WUDWD GR
GHVHQYROYLPHQWRGHXPPRGHORTXHDFUHGLWDPRVVHMDFDSD]GHSUHYHUHQGHPLDVH
HSLGHPLDVGH)HEUH$PDUHODH'HQJXHWHQGRFRPRFHQiULRSDUDHVWXGRGHFDVRD
FLGDGH GH *RLkQLD H TXH VHMD HTXLYDOHQWH RX DWp PHVPR VXSHULRU DRV PRGHORV Mi
H[LVWHQWHVLQFOXVLYHRVXWLOL]DGRVSHOD2UJDQL]DomR0XQGLDOGH6D~GH
Os dados serão utilizados exclusivamente para este projeto de pesquisa e
teremos imenso prazer de citá-los em nossas publicações.“
139
$QH[R'&DOHQGiULRHSLGHPLROyJLFRGHD
Semana Epidemiológica Inicio Fim
S01 20001231 20010106
S02 20010107 20010113
S03 20010114 20010120
S04 20010121 20010127
S05 20010128 20010203
S06 20010204 20010210
S07 20010211 20010217
S08 20010218 20010224
S09 20010225 20010303
S10 20010304 20010310
S11 20010311 20010317
S12 20010318 20010324
S13 20010325 20010331
S14 20010401 20010407
S15 20010408 20010414
S16 20010415 20010421
S17 20010422 20010428
S18 20010429 20010505
S19 20010506 20010512
S20 20010513 20010519
S21 20010520 20010526
S22 20010527 20010602
S23 20010603 20010609
S24 20010610 20010616
S25 20010617 20010623
S26 20010624 20010630
S27 20010701 20010707
S28 20010708 20010714
S29 20010715 20010721
S30 20010722 20010728
S31 20010729 20010804
S32 20010805 20010811
S33 20010812 20010818
S34 20010819 20010825
S35 20010826 20010901
S36 20010902 20010908
S37 20010909 20010915
S38 20010916 20010922
S39 20010923 20010929
S40 20010930 20011006
S41 20011007 20011013
S42 20011014 20011020
S43 20011021 20011027
S44 20011028 20011103
S45 20011104 20011110
S46 20011111 20011117
S47 20011118 20011124
S48 20011125 20011201
S49 20011202 20011208
S50 20011209 20011215
S51 20011216 20011222
140
$QH[R((VFDOD$QHPRPpWULFD%HDXIRUW$GDSWDGD
VENTO
Velocidade equivalente na altura padrão de 10m acima de um
terreno plano e descoberto
No Beaufort Termo Vel. m/seg. Km/h Especificações em terra
Descritivo Med.
Nó
0 Clma <1 0 - 0.2 <1 Não se nota o menor deslocamento
nos mais leves objetos. A fumaça
eleva-se verticalmente
1 Aragem 1 -3 0.3 -1.5 1 -5 A direção do vento é indicada pelo
desvio da fumaça mas não pelos
cata-ventos.
2 Brisa leve 4 -6 1.6 - 3.3 6 -11 Sente-se o vento na face; as folhas
das árvores são levemente
agitadas; os cata-ventos comuns
são acionados.
3 Brisa 7 - 10 3.4 -5.4 12 -19 As folhas e os pequenos arbustos
fraca ficam em agitação contínua; as
bandeiras leves começam a se
estender.
4 Brisa 11 - 16 5.5 - 7.9 20 -28 Move-se os pequenos galhos das
moderada árvores, poeira e pedaços de papel
são levantados.
5 Brisa 17 - 21 8.0 - 29 -38 As árvores pequenas com
forte 10.7 folhagem começam a oscular,
aparecem ondas com crista nas
superfície dos rios e lagos.
6 Vento 22 - 27 13.9 - 39-49 Galhos maiores das árvores
fresco 17.1 agitadas; ouve-se os assobios
produzidos pelo vento ao passar
pelos fios telegráficos; torna-se
difícil de usar o guarda-chuva.
7 Vento 28 - 33 17.2 - 50 -61 Os troncos das árvores oscilam;
forte 20.7 torna-se difícil andar contra o
vento.
8 Ventania 34 - 40 20.8 - 62 -74 Geralmente torna-se impossível
24.4 andar contra o vento. Quebram-se
os galhos das árvores.
9 Ventania 41 - 47 24.5 - 75 -88 Ocorrem pequenos danos nas
forte 28.4 edificações (telhas, chaminés são
arrancadas).
10 Tempesta 48 - 55 24.5 - 89 -102 Raro no interior da terra; as árvores
de 28.4 são derrubadas; as edificações
sofrem danos materiais
consideráveis.
144
40 - 50% Subúmido
50 - 60% Úmido
60 - 70% Úmido
70 - 80% Úmido
80 - 90% Muito úmido
90 - 100% Muito úmido
Classificação Climática segundo Köppen (Vianello, R.L & Alves, A. R., 1991) Modificado
TEMPERATURA DO AR (oC)
-3 – 0 Climar polar
0–5 Clima temperado/clima polar
5 – 10 Clima temperado
10 – 15 Clima subtropical
15 – 20 Clima tropical
20 – 25 Clima tropical/Equatorial
25 – 30 Clima tropical/Equatorial
30 - 35 Clima tropical/Equatorial
35 – 40 Clima semi-árido
40 – 45 Clima semi-árido/clima desértico
45 - 50 Clima semi-árido/clima desértico
Classificação Climática segundo Köppen (Vianello, R.L & Alves, A. R., 1991) Modificado
33 - 35 Clima desértico