📄 medicine

Application of SARIMA and Hybrid SARIMA–ANN Models in Predicting and Forecasting Scorpionism Cases in Brazil

Cette étude démontre qu'un modèle hybride SARIMA–Réseau de Neurones Artificiels surpasse les approches SARIMA traditionnelles dans la prévision des cas mensuels de scorpionisme au Brésil, révélant une tendance à la hausse persistante et des modèles saisonniers qui soulignent l'urgence d'une surveillance de santé publique accrue et de stratégies de prévention renforcées.

Auteurs originaux : Amaury de Souza

Publié 2026-06-30

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Amaury de Souza

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Un problème croissant

Imaginez le Brésil comme une immense maison où un type d'invité spécifique — le scorpion — organise une fête de plus en plus déchaînée. Au cours des dernières décennies, le nombre de piqûres de scorpions (appelées « scorpionisme ») a augmenté de manière significative. Il ne s'agit pas seulement d'un problème d'insectes ; c'est une urgence de santé publique. L'article explique que cela se produit parce que les villes se développent rapidement, que l'assainissement fait parfois défaut et que les scorpions deviennent très doués pour vivre dans les quartiers humains.

L'objectif principal de cette étude était d'agir comme un prévisionniste météo, mais au lieu de prédire la pluie, les chercheurs ont tenté de prédire quand et combien de personnes seraient piqués par des scorpions à l'avenir.

Les outils : Deux types différents de boules de cristal

Pour faire ces prédictions, l'auteur a utilisé deux « boules de cristal » mathématiques différentes (modèles) et les a comparées pour voir laquelle était la meilleure.

1. Le modèle SARIMA (Le « Suiveur de règles rigide »)
Considérez le modèle SARIMA comme un bibliothécaire strict qui ne suit qu'un emploi du temps précis. Il regarde les données passées et dit : « D'accord, chaque année en juillet, les chiffres augmentent, et en janvier, ils baissent. Je vais simplement suivre ce schéma. »

Comment ça marche : Il est excellent pour repérer les lignes droites et les cycles saisonniers répétitifs (comme la météo).
La conclusion de l'article : Ce modèle a bien fonctionné pour observer la tendance générale et les cycles annuels. Il pouvait nous dire que les piqûres de scorpions augmentent généralement pendant les mois plus chauds et plus humides. Cependant, il manquait parfois les sauts soudains et délirants dans les chiffres car il suppose que le monde est très ordonné.

2. Le modèle hybride SARIMA-ANN (Le « Détective flexible »)
Ce modèle est une collaboration. Il prend le « Suiveur de règles » (SARIMA) et l'associe à un « Réseau de neurones artificiels » (ANN).

L'analogie : Imaginez que le modèle SARIMA fasse d'abord les mathématiques faciles. Ensuite, il examine les erreurs qu'il a commises (les parties qu'il n'a pas pu expliquer) et remet ces erreurs à l'ANN. L'ANN est comme un détective formé pour trouver des motifs cachés et désordonnés qui ne suivent pas de règles. Il observe le « chaos résiduel » et comprend les raisons étranges et non linéaires pour lesquelles les chiffres ont bondi de manière inattendue.
Comment ça marche : Il combine le rythme régulier des saisons avec la capacité d'apprendre des surprises complexes et désordonnées.
La conclusion de l'article : Cette équipe a gagné. Elle a prédit l'avenir avec plus de précision que le Suiveur de règles seul, car elle pouvait gérer à la fois les saisons prévisibles et le chaos imprévisible.

Ce que les données ont réellement montré

Les chercheurs ont examiné les données de 2007 à 2025. Voici ce qu'ils ont découvert :

La tendance est à la hausse : Le nombre de piqûres de scorpions a grimpé régulièrement, comme un escalier qui monte. Ce n'est pas seulement un pic temporaire ; c'est une croissance à long terme.
Le rythme saisonnier : Il y a un rythme clair à ce problème. Tout comme les fleurs éclosent au printemps, les piqûres de scorpions sont plus fréquentes pendant les mois chauds et humides. Les scorpions deviennent plus actifs et les gens sont plus piqués.
La prédiction de l'avenir : Lorsqu'ils ont utilisé leurs modèles pour regarder vers l'avant (prévisions jusqu'en 2026), les deux modèles se sont accordés sur un point : la fête ne va pas s'arrêter. On s'attend à ce que le nombre de piqûres reste élevé. Le « Détective flexible » (modèle hybride) a donné une prédiction légèrement plus fluide et plus fiable, mais les deux ont averti que le Brésil doit se préparer à de nombreuses piqûres au cours de l'année à venir.

Pourquoi cela importe (selon l'article)

L'article soutient que nous ne pouvons pas simplement deviner quand la prochaine vague de piqûres aura lieu. Nous avons besoin d'un plan.

Alerte précoce : Si nous connaissons la « saison », les hôpitaux peuvent préparer plus de médicaments (antivenin) et les médecins peuvent se préparer.
Prévention : L'étude suggère que corriger les causes profondes — comme une meilleure gestion des déchets, des égouts plus propres et l'éducation des populations sur la façon d'éviter les scorpions — est le seul moyen d'arrêter la hausse des chiffres.

Les limites (ce que l'article a admis)

L'auteur a été honnête concernant les failles de sa boule de cristal :

Données manquantes : Parfois, les personnes dans les zones reculées ne signalent pas les piqûres, donc les chiffres pourraient être inférieurs à la réalité.
Absence de variables météorologiques : Les modèles ont examiné l'historique des piqûres, mais ils n'ont pas explicitement intégré de données quotidiennes de température ou de pluie. L'article suggère que les futurs modèles devraient inclure ces détails météorologiques spécifiques pour être encore plus intelligents.

L'essentiel

Cet article est une preuve de concept démontrant que combiner les statistiques traditionnelles avec l'IA moderne crée un outil meilleur pour prédire les attaques de scorpions au Brésil. Le modèle « Hybride » est le meilleur outil actuellement disponible pour aider le pays à se préparer à un avenir où les piqûres de scorpions resteront un défi de santé majeur.

Résumé technique : Application des modèles SARIMA et hybrides SARIMA–ANN pour la prédiction et la prévision des cas de scorpionisme au Brésil

Énoncé du problème
Le scorpionisme est devenu un défi environnemental et de santé publique critique au Brésil, caractérisé par une augmentation substantielle des cas signalés au cours des dernières décennies. Cette hausse est portée par l'expansion urbaine, l'assainissement inadéquat, la variabilité climatique et l'adaptation écologique des espèces de Tityus (particulièrement T. serrulatus, T. stigmurus et T. bahiensis) aux environnements anthropiques. Bien que la charge épidémiologique soit élevée, il existe une rareté d'études appliquant des approches avancées de séries temporelles et d'apprentissage automatique pour prédire la dynamique temporelle des envenimations par scorpion. Les modèles linéaires traditionnels échouent souvent à capturer les interactions non linéaires complexes inhérentes aux données épidémiologiques, nécessitant des cadres de prévision plus robustes pour soutenir la surveillance de la santé publique, l'allocation des ressources et les stratégies de prévention.

Méthodologie
Cette étude quantitative rétrospective a analysé les cas mensuels agrégés de scorpionisme au Brésil de 2007 à 2025. La recherche a employé une approche de modélisation en deux étapes :

Modélisation SARIMA : Un modèle de moyenne mobile autorégressive saisonnière intégrée (SARIMA) a d'abord été ajusté à la série temporelle selon la méthodologie de Box–Jenkins. Le modèle optimal, SARIMA(1,1,1)(0,1,1)₁₂, a été sélectionné sur la base du critère d'information d'Akaike (AIC) et du critère d'information bayésien (BIC). Le modèle utilisait une période saisonnière ( $s$ ) de 12 mois pour rendre compte des cycles annuels.
Modélisation hybride SARIMA–ANN : Pour traiter les composantes non linéaires potentielles non capturées par la structure linéaire du SARIMA, les résidus du modèle SARIMA optimal ont été extraits et modélisés à l'aide d'un réseau de neurones artificiels (ANN). Plus précisément, un perceptron multicouche (MLP) avec une fonction d'activation logistique a été entraîné sur ces résidus. La prévision hybride finale a été construite en sommant les prédictions linéaires du SARIMA et les prédictions de résidus non linéaires de l'ANN.
Évaluation et validation : La performance du modèle a été évaluée à l'aide de l'erreur quadratique moyenne (RMSE), de l'erreur absolue moyenne (MAE) et de l'erreur absolue moyenne en pourcentage (MAPE). L'adéquation du modèle SARIMA a été vérifiée via le test de Ljung–Box pour les résidus de bruit blanc. La supériorité prédictive du modèle hybride sur le modèle SARIMA seul a été validée statistiquement à l'aide du test de Diebold–Mariano (DM).

Principales contributions

Modélisation comparative : L'étude fournit une comparaison directe entre une approche standard de séries temporelles linéaires (SARIMA) et une approche hybride d'apprentissage automatique (SARIMA–ANN) spécifiquement pour les données de scorpionisme au Brésil, un domaine où une telle modélisation prédictive est actuellement limitée.
Mise en œuvre du cadre hybride : Elle démontre la faisabilité technique de la décomposition des séries temporelles épidémiologiques en composantes linéaires et non linéaires, de la modélisation séparée de celles-ci, et de leur recombinaison pour améliorer la précision des prévisions.
Horizon de prévision : L'étude va au-delà de l'analyse descriptive pour générer des prévisions ponctuelles pour la période de 2026, offrant une base quantitative pour anticiper les tendances d'incidence futures.

Résultats

Tendances temporelles : L'analyse exploratoire a confirmé une tendance à la hausse marquée des cas de scorpionisme de 2007 à 2025, ainsi qu'une saisonnalité prononcée avec des pics survenant durant les mois chauds et humides.
Performance des modèles : Le modèle SARIMA(1,1,1)(0,1,1)₁₂ a réussi à capturer la tendance générale et les oscillations saisonnières. Cependant, les diagnostics de résidus ont indiqué la présence de structures non linéaires restantes.
Supériorité du modèle hybride : Le modèle hybride SARIMA–ANN a démontré une performance prédictive statistiquement supérieure par rapport au modèle SARIMA autonome, comme en témoignent les valeurs plus faibles de RMSE, MAE et MAPE, ainsi qu'un résultat significatif dans le test de Diebold–Mariano. Le modèle hybride a montré une capacité améliorée à reproduire les pics saisonniers et les fluctuations brusques d'incidence.
Projections futures : Les deux modèles ont prévu la persistance de niveaux d'incidence de scorpionisme élevés tout au long de l'année 2026, maintenant le schéma saisonnier historique. Le modèle hybride a produit des prévisions plus fluides et plus stables tout en préservant la structure saisonnière.

Signification et affirmations
L'article affirme que l'approche hybride SARIMA–ANN constitue un outil prometteur pour la prévision épidémiologique du scorpionisme au Brésil. En intégrant les méthodes statistiques classiques à l'intelligence artificielle, l'étude prétend offrir une méthode plus précise et plus fiable pour capturer les dynamiques linéaires et non linéaires complexes de l'envenimation par scorpion.

Les auteurs positionnent ces résultats comme une contribution à la planification de la santé publique, suggérant que de tels modèles peuvent soutenir la mise en œuvre de systèmes d'alerte précoce. Spécifiquement, les prévisions peuvent aider les autorités sanitaires à anticiper les périodes à haut risque, optimiser la préparation hospitalière, allouer les stocks d'antivenins et organiser des campagnes de prévention ciblées. L'étude conclut que, bien que les modèles présentent une capacité prédictive satisfaisante, la charge croissante du scorpionisme nécessite un renforcement de la surveillance, de la gestion environnementale et des stratégies préventives, le modèle hybride servant d'atout précieux pour les processus de prise de décision.

Limites notées
Les auteurs reconnaissent que l'étude repose sur des données secondaires agrégées, qui peuvent être sujettes à une sous-déclaration et à des délais de notification. De plus, les modèles n'ont pas explicitement incorporé de variables climatiques, environnementales ou socio-économiques (ex. température, précipitations, densité de population), ce qui pourrait potentiellement améliorer le pouvoir explicatif dans de futurs cadres. Par conséquent, il est conseillé d'interpréter les prévisions à long terme avec prudence.