A nossa próxima palestra ocorrerá na quarta-feira, 3 de DEZEMBRO, no horário das 15h30 às 17h00, Local: Laboratório de Sistemas Estocásticos (LSE), Sala I-044-B, Centro de Tecnologia - UFRJ.

Palestrante:  Lais Picinini Freitas (ENSP/Fiocruz)

Título: Epidemiologia e estatística em parceria: desenvolvendo modelos altamente estruturados aplicados a dados de vigilância

Resumo: Além de conferir maior robustez e rigor estatístico, essa colaboração assegura que as hipóteses e a estrutura do modelo sejam guiadas por um raciocínio epidemiológico sólido, ancorado em um modelo teórico consistente com o comportamento real da transmissão. Os dados de vigilância frequentemente apresentam limitações que tornam sua análise especialmente desafiadora, tornando essa integração entre estatística e epidemiologia ainda mais essencial. Para ilustrar essa parceria, falarei de estudos realizados em colaboração com estatísticos para o desenvolvimento de modelos estatísticos altamente estruturados e sob a perspectiva Bayesiana para dados de vigilância de arboviroses no Rio de Janeiro e na Colômbia. Para o Rio, apresentarei um modelo desenvolvido para estudar a distribuição espaço-temporal intraurbana e fatores associados à primeira epidemia de Chikungunya no município, considerando estruturas autorregressivas e uma função de transferência (Alves et al. 2022) para capturar a associação não linear com a temperatura. Na Colômbia, a epidemia de Zika é particularmente desafiadora de ser estudada espaço-temporalmente: mais de 90% dos dados de casos semanais por município são constituídos de zeros. Adaptamos um modelo de mudança de estado (Markov switching) (previamente proposto por Douwes-Schultz & Schmidt, 2022), aplicado a dados semanais de casos de Zika em todos os municípios da Colômbia. O modelo assume que a epidemia transita entre estados de ausência e presença, permitindo estimar probabilidades de emergência, persistência e reemergência da transmissão. Quando em estado presente, as contagens de casos são modeladas por uma distribuição Binomial negativa para estimar a intensidade da transmissão. A colaboração na formulação dos modelos exigiu não apenas a definição de hipóteses epidemiológicas plausíveis, mas também sua tradução em um arcabouço estatístico formal, viabilizado por métodos de inferência bayesiana via MCMC/HMC. Além do desafio presente nos dados, o cenário epidemiológico se complexifica com a co-circulação de mais de uma arbovirose. Com a Professora Alexandra Schmidt, desenvolvemos um modelo espacial Poisson-multinomial para epidemias simultâneas de arboviroses (Schmidt et al. 2022) e o aplicamos aos dados do Rio e da Colômbia para estudar a tríplice epidemia de dengue, Zika e chikungunya.  Espero com essa apresentação reforçar a importância da colaboração entre epidemiologistas e estatísticos para estudar e entender agravos que desafiam a saúde pública.

Artigos que serão apresentados:

- Freitas LP, Schmidt AM, Cossich W, Cruz OG, Carvalho MS (2021) Spatio-temporal modelling of the first Chikungunya epidemic in an intra-urban setting: The role of socioeconomic status, environment and temperature. PLoS Negl Trop Dis 15(6): e0009537. https://doi.org/10.1371/journal.pntd.0009537

-   Picinini Freitas, L., Douwes-Schultz, D., Schmidt, A.M. et al. Zika emergence, persistence, and transmission rate in Colombia: a nationwide application of a space-time Markov switching model. Sci Rep 14, 10003 (2024). https://doi.org/10.1038/s41598-024-59976-7

-   Picinini Freitas, L., Carabali, M., Schmidt, A.M. et al. A nationwide joint spatial modelling of simultaneous epidemics of dengue, chikungunya, and Zika in Colombia. BMC Infect Dis 25, 406 (2025). https://doi.org/10.1186/s12879-025-10782-0

Referências metodológicas:

-   Alves MB, Gamerman D, Ferreira MA. Transfer functions in dynamic generalized linear models. Statistical Modelling: An International Journal. 2010;10: 03–40.

-   Douwes-Schultz, D. & Schmidt, A. M. Zero-state coupled Markov switching count models for spatio-temporal infectious disease spread. J. R. Stat. Soc.: Ser. C (Appl. Stat.) 71, 589–612. https://doi.org/10.1111/rssc.12547 (2022).

-   Schmidt AM, Freitas LP, Cruz OG, Carvalho MS. A Poisson-multinomial spatial model for simultaneous outbreaks with application to arboviral diseases. Stat Methods Med Res. 2022;31:1590–602. https://doi.org/10.1177/09622802221102628

Mais informações: https://ppge.im.ufrj.br/ciclo-de-palestras-segundo-semestre-de-2025/

Organizadores: Maria Eulalia Vares e Widemberg S Nobre