Uma comparação dos Modelos SARIMA e Estruturais para a previsão da incidência de dengue em Belo Horizonte, Minas Gerais

Abstract

Fazer previsões para a incidência de dengue é um dos objetivos de vigilância em saúde pública, trazendo aos gestores em saúde estimativas dos números mensais de novos casos de forma que os mesmos possam, por exemplo, planejar estratégias de atendimentos, deslocamentos de equipes de saúde, etc. Este artigo contém previsões para as observações futuras da série de incidência de dengue em Belo Horizonte baseadas nos modelos Seasonal Autoregressive Integrated Moving Average (SARIMA) e Modelos Estruturais (ME), comparando-os quanto aos seus ajustes e às suas capacidades preditivas. As previsões via ME têm um desempenho melhor que as via modelos SARIMA, segundo os critérios erro quadrático médio (EQM) e erro absoluto médio (EAM). Além disso, como os ME decompõem a série em termos de seus componentes não-observáveis, pode-se estudar o comportamento da tendência da incidência dos casos de dengue ao longo do tempo. Este componente têm um decrescimento entre os anos de 2002 a 2005, tornando não significativo em 2005 e tendo um crescimento daí por diante. Também pode-se identificar os meses de maior e menor incidência através dos componentes não-observáveis de sazonalidade. Os primeiros meses do ano apresentam maior incidência, o que já era esperado. Os resultados são muito satisfatórios e servem de base para novos estudos.ABSTRACT: Forecasts for dengue incidence are essentials for public policies and actions, providing to health managers monthly estimates of the number of new cases in order that they can, for example, plan and organize strategies, health teams, etc. This paper provides forecasts of the future values of dengue incidence in Belo Horizonte, Brazil, based on Seasonal Autoregressive Integrated Moving Average (SARIMA) models and Structural Models (SM), comparing them with respect to their fit and out-of-sample forecasts. In general, forecasts via the SM had a better performance than the SARIMA ones, according to the forecast error statistics. Furthermore, as the SM decomposes the time series in terms of its unobservable components; the behavior of the trend component of dengue incidence may be studied over time. This component decreases between 2002 and 2005 and increases after 2005. The months of the highest and lowest incidence can also be identified through the seasonality component. The first months of year have a high incidence, which was already expected. The results are very satisfactory and motivate future studies.