Dengue hospitalizations in Brazil: forecasting with climatic and physicians digital search data under real-world reporting delays

Resumo Técnico: Hospitalizações por Dengue no Brasil: Previsão com Dados Climáticos e de Busca Digital de Médicos sob Atrasos de Notificação do Mundo Real

Definição do Problema
A previsão oportuna de hospitalizações por dengue é crítica para a preparação da saúde pública no Brasil, mas é frequentemente dificultada por atrasos significativos na notificação dos sistemas oficiais de hospitalização (SIH/SUS), onde os dados muitas vezes tornam-se disponíveis semanas ou meses após a admissão do paciente. Embora as condições climáticas sejam conhecidas como indutores da transmissão da dengue, modelos que dependem apenas de dados históricos de hospitalização ou variáveis climáticas têm dificuldade em fornecer alertas precoces acionáveis quando os dados oficiais apresentam atraso. O estudo aborda a necessidade de sinais mais oportunos de atividade de doenças emergentes ao explorar a integração do comportamento clínico digital — especificamente, consultas de busca de médicos em uma plataforma de suporte à decisão clínica — com dados epidemiológicos e meteorológicos tradicionais.

Metodologia
O estudo desenvolveu uma estrutura preditiva utilizando redes neurais de Long Short-Term Memory (LSTM) para prever hospitalizações semanais por dengue em 27 Regiões Geográficas Imediatas (RGIs) do Brasil entre 2021 e 2024. O pipeline analítico envolveu:

• Integração de Dados: O modelo combinou três fontes de dados primárias:
  1. Dados de Hospitalização: Contagens semanais do banco de dados SIH/SUS.
  2. Dados de Busca Clínica: Contagens de buscas relacionadas à dengue, anonimizadas e em tempo real, realizadas por médicos licenciados verificados na plataforma Afya Whitebook®.
  3. Dados Climáticos: Observações meteorológicas diárias (precipitação, temperatura, umidade) de estações do INMET, agregadas em séries semanais e transformadas em 42 preditores potenciais (incluindo defasagens/lags, extremos e interações).
• Seleção de Atributos (Features): Para gerenciar a dimensionalidade, o modelo selecionou uma variável representativa de cada uma das quatro categorias climáticas (umidade, temperatura, precipitação, sazonalidade) por RGI, baseando-se no menor Erro Quadrático Médio (RMSE) durante o treinamento.
• Cenários de Modelagem: Dois cenários distintos foram avaliados para aferir o desempenho sob diferentes condições de disponibilidade de dados:
  1. Cenário de Dados Ideais: Assume a disponibilidade imediata dos dados de hospitalização (sem atraso de notificação).
  2. Cenário do Mundo Real: Incorpora atrasos típicos de notificação ao deslocar os dados de hospitalização em até oito semanas para simular a latência do mundo real.
• Modelos Comparativos: Cinco estruturas de modelos foram comparadas: Apenas Hospitalização (LSTM e SARIMAX), Apenas Busca Clínica (Hospitalização + Busca), Apenas Clima (Hospitalização + Clima) e um Modelo Integrado (Hospitalização + Busca + Clima).
• Avaliação: O desempenho foi avaliado por meio de RMSE, Erro Quadrático Médio (MSE), Erro Absoluto Médio (MAE) e o coeficiente de determinação ($R^2$). A importância dos atributos foi analisada utilizando valores SHAP (SHapley Additive exPlanations).

Principais Resultados

• Correlação e Alinhamento Temporal: A análise revelou que a atividade de busca médica na Afya Whitebook® demonstrou a correlação positiva mais forte e consistente com as hospitalizações por dengue entre as RGIs. A análise de séries temporais indicou que os picos na atividade de busca frequentemente precederam ou coincidiram com aumentos nas admissões hospitalares, sugerindo que o comportamento de busca atua como um indicador clínico precoce.
• Desempenho em Dados Ideais: Na ausência de atrasos de notificação, os modelos que dependiam primordialmente de variáveis climáticas alcançaram a maior precisão preditiva (menor RMSE). O modelo integrado apresentou bom desempenho, mas mostrou apenas ganhos modestos em relação aos modelos baseados apenas em clima neste cenário.
• Desempenho no Mundo Real: Sob atrasos de notificação realistas, a dinâmica de desempenho mudou significamente. O Modelo Integrado (combinando histórico de hospitalização, clima e dados de busca médica) superou consistentemente todas as outras abordagens, alcançando os menores erros de previsão na maioria das regiões.
  • Modelos que dependiam exclusivamente de dados climáticos ou de histórico de hospitalização sofreram redução de precisão devido à latência dos registros oficiais.
  • A inclusão dos dados de busca médica compensou a perda de sinal proveniente dos atrasos nos counts de hospitalização, mantendo a robustez da previsão.
• Importância dos Atributos (SHAP): A análise SHAP confirmou que, sob condições ideais, o histórico recente de hospitalização e as variáveis climáticas eram os preditores dominantes. No entanto, sob atrasos do mundo real, a importância relativa do histórico de hospitalização caiu drasticamente, enquanto a contribuição do indicador de busca clínica aumentou, destacando sua utilidade como um proxy em tempo real para a atividade da doença.

Significância e Alegações
O artigo afirma que a integração do comportamento clínico digital com dados climáticos melhora o desempenho da previsão especificamente sob restrições de atraso de notificação do mundo real. Os autores postulam que o comportamento de busca dos médicos constitui um indicador valioso e em tempo real da atividade da dengue, refletindo o engajamento clínico imediato com os casos.

O estudo conclui que, embora os modelos baseados em clima sejam eficazes quando os dados são oportunos, eles são insuficientes para uma resposta precoce quando a notificação oficial está atrasada. Ao incorporar sinais digitais de médicos, a estrutura proposta fortalece os sistemas de alerta precoce e apoia a tomada de decisões de saúde pública mais tempestivas. Os autores enfatizam que esta abordagem fornece um "sinal mais rápido e clinicamente fundamentado" para apoiar a detecção de surtos, particularmente em contextos onde os atrasos de notificação são estruturais. Eles reconhecem limitações quanto à inferência ecológica, potenciais vieses na base de usuários médicos e a opacidade dos modelos LSTM, mas afirmam que a integração desses domínios de dados oferece uma melhoria prática para a previsão operacional no Brasil.