Investigação causal das doenças respiratórias e doenças transmitidas por mosquitos no Brasil por meio do aprendizado de máquina no contexto das mudanças climáticas

Abstract

As mudanças climáticas têm gerado impactos diretos sobre a saúde humana, como o aumento da ocorrência de doenças respiratórias associadas a variações climáticas extremas e à poluição atmosférica, ou com a maior frequência de eventos extremos, como aumento da temperatura e da pluviosidade, impactando diretamente a saúde pública por meio da proliferação de doenças como a dengue. Este trabalho propõe uma abordagem para inferência causal em séries temporais epidemiológicas multivariadas e não lineares, considerando dados de morbidade respiratória e taxas de internação por casos de dengue de municípios brasileiros com autocorrelação espacial positiva entre 1999 e 2021. Foram utilizadas variáveis socioeconômicas, ambientais e demográficas combinadas a diferentes modelos de machine learning, incluindo Random Forest, ARIMA/ARIMAX e Long Short-Term Memory (LSTM), no contexto do algoritmo Aleph, que permite identificar relações causais com base em importância de variáveis e testes estatísticos por permutação. Os resultados indicaram que a Random Forest apresentou comportamento mais conservador na seleção de drivers causais, enquanto a LSTM foi mais sensível a padrões temporais, selecionando um maior número de variáveis. A rede ARIMA/ARIMAX, por sua vez, mostrou pouca capacidade de inferência causal para os dados utilizados que possuem características adversas. A comparação entre os modelos reforça a necessidade de metodologias robustas e adaptáveis para análise causal em dados epidemiológicos complexos, contribuindo para o monitoramento e prevenção de crises sanitárias associadas ao agravamento das mudanças climáticas.

Climate change has generated direct impacts on human health, such as the increased occurrence of respiratory diseases associated with extreme weather variations and air pollution, or the greater frequency of extreme events, such as rising temperatures and rainfall, directly impacting public health through the proliferation of diseases such as dengue. This work proposes an approach for causal inference in multivariate and nonlinear epidemiological time series, considering data on respiratory morbidity and hospitalization rates due to dengue cases from Brazilian municipalities with positive spatial autocorrelation between 1999 and 2021. Socioeconomic, environmental, and demographic variables were combined with different machine learning models, including Random Forest, ARIMA/ARIMAX, and Long Short-Term Memory (LSTM), in the context of the Aleph algorithm, which allows the identification of causal relationships based on variable importance and permutation statistical tests. The results indicated that Random Forest was more conservative in selecting causal drivers, while LSTM was more sensitive to temporal patterns, selecting a larger number of variables. The ARIMA/ARIMAX network, in turn, showed little causal inference capability for the data used, which had adverse characteristics. The comparison between the models reinforces the need for robust and adaptable methodologies for causal analysis in complex epidemiological data, contributing to the monitoring and prevention of health crises associated with worsening climate change.