Técnicas de processos espaciais e espaço-temporais com aplicações em dados de dengue

Abstract

Recentemente, métodos estatísticos para estudar variáveis distribuídas no espaço e/ou no tempo vêm sendo desenvolvidos, isto se deve aos avanços tecnológicos que permitem a construção de modelos de estrutura complexa, com intuito de descrever melhor a realidade. O presente trabalho abordou o caso dos modelos bayesianos hierárquicos espaço-temporais. Além dos modelos espaço-temporais, dois modelos espacias, que incorporam a autocorrelação espacial presente nos dados, foram definidos, sendo eles o modelo de defasagem e de erro espacial. Através deles foi possível analisar a distribuição da dengue e relacioná-la com variáveis socioeconômicas para o ano de 2011 em Rio Claro -- SP. Diferentes abordagens espaço-temporais, baseadas na literatura recente para dados de área, foram analisadas e compõem as três técnicas apresentadas. Estes modelos tem por objetivo o mapeamento de doenças, como conhecer o seu comportamento ao longo de anos, identificar regiões de maior risco e capturar a estrutura espacial e temporal. Cada técnica apresenta uma particularidade como variação do tempo de forma linear, quadrática ou por coortes de nascimento.

Recently, statistical methods to study distributed variable in space and/or on time has been developed, this is due to technological advances that allow the construction of model with complex structure, to better describe the reality, as the case of Bayesian hierarchical model. In addition to the spatio-temporal models, two spatial models incorporating spatial autocorrelation present in the data set were defined, being them spatial lag model and spatial error model, through them was possible to analyze the dengue distribution and relate it with socioeconomic variables for 2011 in Rio Claro - SP. Different approaches spatio-temporal, based on recent literature for areal data were analyzed and form the three techniques presented. These models aims at diseases mapping such as knowing their behavior over the years, identify areas with high risk and capture the spatial and temporal structure. Each technique presents a particularity, for example the time variation that can be analysed by different ways as linear, quadratic or by birth cohorts.