Três algoritmos preditivos para doenças transmitidas por mosquitos

Os dias 2 e 3 de dezembro, o Banco Interamericano de Desenvolvimento organizará uma Expedição de Dados chamada Alerta Zika, em parceria com a Fundação Getulio Vargas (FGV), a Pontifícia Universidade Católica do Rio (PUC-Rio), a Secretaria Municipal de Saúde do Rio de Janeiro, e o Lab.Rio. Os participantes irão utilizar os seus conhecimentos de ciência informática para enfrentar o desafio levantado pela Secretaria Municipal de Saúde do Rio: Haverá um novo surto do Zika o próximo verão? Quais são as áreas do Rio de Janeiro com mais risco de surtos?

Este evento surge porque os epidemiologistas identificaram a necessidade de melhorar a recolha e análise de dados. No projeto Zika SmarterCrowdsourcing, duas conferências foram dedicadas para discutir questões relacionadas a dados e destacar alguns casos exemplares de modelos preditivos como parte da vigilância de doenças transmitidas por mosquitos. Os três exemplos abaixo são representativos deles.

Info Dengue

Fundação Oswaldo Cruz e FGV, Brasil

screen-shot-2016-11-09-at-1-04-37-pm

Info Dengue é um sistema de alerta precoce desenvolvido pela FGV em colaboração com uma aliança de instituições brasileiras.

O sistema combina dois elementos. O primeiro, um cronograma que usa a “now-casting” para explicar a situação do momento em relação aos casos de dengue nos estados de Río, Paraná, y Espírito Santo.  O gráfico ilustra os períodos de brotos no tempo real ao longo do ano. Segundo, um mapa ilustra o índice de risco em municipalidades usando um modelo preditivo baseado em séries temporais. O modelo incorpora múltiplas variáveis tais como a temperatura ambiente, informação clínica e mensagens em Twitter para determinar o nível de risco. Se o tempo é ideal para a reprodução dos mosquitos, a área afetada fica amarela e assinala a necessidade de tomar medidas preventivas. Cada semana, os municípios participantes receberão relatórios epidemiológicos que resumem as conclusões do sistema.

Flávio Coelho, professor da escola de matemática aplicada e coordenador do Centro de Epidemiologia Matemática da FGV, procura aplicar as lições aprendidas do modelo Info Dengue ao caso do Zika. “Certas semelhanças entre Zika e Dengue nos permitem usar o que sabemos sobre  Dengue para compreender e prever Zika,” disse Coelho. “Sabemos que no Brasil, essas doenças compartilham o vetor Aedes aegypti, e já estudamos o comportamento e os padrões desses mosquitos.”

Dengue Forecast

Agência Nacional do Meio Ambiente de Cingapura

denguepredictionsingapore

Por outro lado do mundo, prevendo Dengue é igualmente importante. Em Cingapura, um estudo refina a análise das variáveis meteorológicas para fazer previsões mais precisas utilizando modelos auto-regressivos.

A comparação entre os casos previstos e casos relatados, ilustrados no gráfico, mostra que um algoritmo pode ter um grau elevado de precisão usando poucas variáveis, enquanto elas são de qualidade. A introdução à metodologia descreve como usaram as séries temporais da temperatura e precipitação em relação à propagação da dengue na ilha do Pacífico Sul.

O modelo de Cingapura foi elogiado pela sua precisão e eficácia dos programas de resposta informados por suas previsões.

Malaria Early Warning System

Universidade Columbia, Estados Unidos

screen-shot-2016-11-09-at-1-06-06-pm

Em contraste com o exemplo anterior, o sistema de alerta precoce Early Warning de Malaria (MEWS) desenvolvido pela Biblioteca de dados do Instituto de Pesquisa Internacional para a Clima e a Sociedade (IRI para os seus sinais em Inglês) compilou um extenso catálogo de variáveis e algoritmos de previsão dos fatores atribuídos à propagação da malária. Dentro de quatro categorias, explora se “o uso de todos os elementos como o sistema pode ser útil na compreensão dos fatores socioeconômicos e climáticas da malária em algumas regiões.”

 

Estes são três abordagens para a predição de doenças transmitidas por mosquitos, mas as necessidades de especialistas estão incentivando o desenvolvimento de muitos novos modelos preditivos. Os Data Scientists da expedição de dados no Río de Janeiro estarão entre os primeiros a misturar os dados recolhidos pelos colaboradores do evento. Os resultados e as novas técnicas reveladas no Rio poderão representar um passo importante no uso de Big Data com a epidemiologia.

 

Versión original publicada en español en Gente Saludable, blog de la División de Protección Social y Salud del BID.

Leave a Reply

Your email address will not be published. Required fields are marked *