Análise de dados da dengue na região oeste paulista

Abstract

Este estudo analisou a incidência da doença em Presidente Prudente e em 43 municípios do oeste paulista, relacionando dados epidemiológicos e climáticos. O objetivo principal foi avaliar o uso de algoritmos de aprendizado de máquina na previsão dos níveis de alerta epidemiológico. A pesquisa seguiu a metodologia CRISP-DM. As análises descritivas incluíram boxplots, distribuições de frequência e correlações, permitindo identificar padrões sazonais e assimetrias nos registros. Observou-se predominância de semanas com baixo risco, embora picos de casos tenham ocorrido em períodos mais quentes e úmidos. As variáveis epidemiológicas apresentaram maior influência na dinâmica da doença, enquanto as climáticas mostraram impacto mais discreto. Conclui-se que a modelagem preditiva é uma ferramenta promissora para a gestão pública da saúde, auxiliando decisões preventivas e o planejamento de ações.

This study analyzed the incidence of the disease in Presidente Prudente and in 43 municipalities in the western region of the state of São Paulo, relating epidemiological and climatic data. The main objective was to evaluate the use of machine learning algorithms to predict epidemiological alert levels. The research followed the CRISP-DM methodology. Descriptive analyses included boxplots, frequency distributions, and correlation analyses, enabling the identification of seasonal patterns and asymmetries in the records. A predominance of weeks with low risk was observed, although peaks in cases occurred during warmer and more humid periods. Epidemiological variables showed a greater influence on the dynamics of the disease, while climatic variables had a more subtle impact. It is concluded that predictive modeling is a promising tool for public health management, supporting preventive decision-making and action planning.