📄 medicine

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

Este estudo demonstra que um modelo híbrido SARIMA–Rede Neural Artificial supera as abordagens tradicionais de SARIMA na previsão de casos mensais de escorpionismo no Brasil, revelando uma tendência de ascensão persistente e padrões sazonais que ressaltam a necessidade urgente de vigilância de saúde pública aprimorada e estratégias preventivas.

Autores originais: Amaury de Souza

Publicado 2026-06-30

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Amaury de Souza

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Panorama Geral: Um Problema Crescente

Imagine o Brasil como uma casa gigante onde um tipo específico de convidado — o escorpião — está dando uma festa cada vez mais selvagem. Nas últimas décadas, o número de picadas de escorpião (chamado de "escorpionismo") aumentou significamente. Isso não é apenas um problema de insetos; é uma emergência de saúde pública. O artigo explica que isso está acontecendo porque as cidades estão crescendo rápido, o saneamento às vezes é precário e os escorpiões estão ficando muito bons em viver em bairros humanos.

O objetivo principal deste estudo foi agir como um previsor do tempo, mas em vez de prever chuva, os pesquisadores tentaram prever quando e quantas pessoas seriam picadas por escorpiões no futuro.

As Ferramentas: Dois Tipos Diferentes de Bolas de Cristal

Para fazer essas previsões, o autor usou duas "bolas de cristal" matemáticas (modelos) diferentes e as comparou para ver qual era melhor.

1. O Modelo SARIMA (O "Seguidor de Regras Rígido")
Pense no modelo SARIMA como um bibliotecário rigoroso que apenas segue um cronograma estabelecido. Ele olha para os dados do passado e diz: "Ok, todo ano em julho os números sobem, e em janeiro eles descem. Eu apenas seguirei esse padrão".

Como funciona: É ótimo para identificar linhas retas e ciclos sazonais repetitivos (como o clima).
A descoberta do artigo: Este modelo funcionou razoavelmente bem para observar a tendência geral e os ciclos anuais. Ele pôde nos dizer que as picadas de escorpião geralmente aumentam durante os meses mais quentes e úmidos. No entanto, às vezes ele perdia os saltos repentinos e loucos nos números porque assume que o mundo é muito ordenado.

2. O Modelo Híbrido SARIMA-ANN (O "Detetive Flexível")
Este modelo é um trabalho em equipe. Ele pega o "Seguidor de Regras" (SARIMA) e o combina com uma "Rede Neural Artificial" (ANN).

A Analogia: Imagine que o modelo SARIMA faz a matemática fácil primeiro. Depois, ele olha para os erros que cometeu (as partes que não conseguiu explicar) e entrega esses erros para a ANN. A ANN é como um detetive treinado para encontrar padrões ocultos e bagunçados que não seguem regras. Ela olha para o "caos restante" e entende as razões estranhas e não lineares pelas quais os números subiram inesperadamente.
Como funciona: Combina o ritmo constante das estações com a capacidade de aprender com surpresas complexas e desordenadas.
A descoberta do artigo: Esta parceria foi a vencedora. Ela previu o futuro com mais precisão do que o Seguidor de Regras sozinho porque conseguiu lidar tanto com as estações previsíveis quanto com o caos imprevisível.

O Que os Dados Realmente Mostraram

Os pesquisadores analisaram dados de 2007 a 2025. Aqui está o que encontraram:

A Tendência é de Alta: O número de picadas de escorpião tem subido constantemente, como uma escada subindo. Não é apenas um pico temporário; é um crescimento de longo prazo.
O Ritmo Sazonal: Existe uma batida clara para o problema. Assim como as flores florescem na primavera, as picadas de escorpião ocorrem com mais frequência nos meses mais quentes e úmidos. Os escorpiões ficam mais ativos e as pessoas são picadas com mais frequência.
A Previsão Futura: Quando usaram seus modelos para olhar adiante (fazendo previsões para 2026), ambos concordaram em uma coisa: a festa não vai parar. Espera-se que o número de picadas permaneça alto. O "Detetive Flexível" (modelo híbrido) deu uma previsão ligeiramente mais suave e confiável, mas ambos alertaram que o Brasil precisa estar preparado para muitas picadas no próximo ano.

Por Que Isso Importa (Segundo o Artigo)

O artigo argumenta que não podemos apenas adivinhar quando a próxima onda de picadas acontecerá. Precisamos de um plano.

Alerta Antecipado: Se soubermos que a "estação" está chegando, os hospitais podem preparar mais medicamentos (antiveneno) e os médicos podem se preparar.
Prevenção: O estudo sugere que corrigir as causas raízes — como melhor gestão de lixo, esgotos mais limpos e educar as pessoas sobre como evitar escorpiões — é a única maneira de interromper o aumento dos números.

As Limitações (O Que o Artigo Admitiu)

O autor foi honesto sobre as falhas de sua bola de cristal:

Dados Ausentes: Às vezes, pessoas em áreas remotas não relatam as picadas, então os números podem ser menores do que a realidade.
Sem Variáveis Climáticas: Os modelos olharam para o histórico de picadas, mas não inseriram explicitamente dados diários de temperatura ou chuva. O artigo sugere que modelos futuros devem incluir esses detalhes climáticos específicos para serem ainda mais inteligentes.

A Conclusão

Este artigo é uma prova de conceito de que combinar a estatística tradicional com a IA moderna cria uma ferramenta melhor para prever ataques de escorpiões no Brasil. O modelo "Híbrido" é a melhor ferramenta disponível atualmente para ajudar o país a se preparar para um futuro onde as picadas de escorpião continuam sendo um grande desafio de saúde pública.

Resumo Técnico: Aplicação de Modelos SARIMA e Híbridos SARIMA–ANN na Predição e Previsão de Casos de Escorpionismo no Brasil

Definição do Problema
O escorpionismo emergiu como um desafio crítico ambiental e de saúde pública no Brasil, caracterizado por um aumento substancial nos casos relatados nas últimas décadas. Este aumento é impulsionado pela expansão urbana, saneamento inadequado, variabilidade climática e a adaptação ecológica de espécies de Tityus (particularmente T. serrulatus, T. stigmurus e T. bahiensis) a ambientes antropogênicos. Embora a carga epidemiológica seja alta, há uma escassez de estudos que apliquem abordagens avançadas de séries temporais e aprendizado de máquina para prever a dinâmica temporal do envenenamento por escorpiões. Modelos lineares tradicionais frequentemente falham em capturar as complexas interações não lineares inerentes aos dados epidemiológicos, necessitando de estruturas de previsão mais robustas para apoiar a vigilância em saúde pública, a alocação de recursos e estratégias preventivas.

Metodologia
Este estudo quantitativo retrospectivo analisou os casos mensais agregados de escorpionismo no Brasil de 2007 a 2025. A pesquisa empregou uma abordagem de modelagem em dois estágios:

Modelagem SARIMA: Um modelo de Média Móvel Integrada Autorregressiva Sazonal (SARIMA) foi primeiramente ajustado à série temporal seguindo a metodologia de Box–Jenkins. O modelo otimizado, SARIMA(1,1,1)(0,1,1)₁₂, foi selecionado com base no Critério de Informação de Akaike (AIC) e no Critério de Informação Bayesiano (BIC). O modelo utilizou um período sazonal ( $s$ ) de 12 meses para considerar os ciclos anuais.
Modelagem Híbrida SARIMA–ANN: Para abordar potenciais componentes não lineares não capturados pela estrutura linear do SARIMA, os resíduos do modelo SARIMA otimizado foram extraídos e modelados utilizando uma Rede Neural Artificial (ANN). Especificamente, um Perceptron Multicamadas (MLP) com uma função de ativação logística foi treinado nesses resíduos. A previsão híbrida final foi construída somando as previsões lineares do SARIMA às previsões de resíduos não lineares da ANN.
Avaliação e Validação: O desempenho do modelo foi avaliado utilizando o Erro Quadrático Médio (RMSE), o Erro Absoluto Médio (MAE) e o Erro Percentual Absoluto Médio (MAPE). A adequação do modelo SARIMA foi verificada via teste de Ljung–Box para resíduos de ruído branco. A superioridade preditiva do modelo híbrido sobre o modelo SARIMA isolado foi validada estatisticamente através do teste de Diebold–Mariano (DM).

Principais Contribuições

Modelagem Comparativa: O estudo fornece uma comparação direta entre uma abordagem padrão de séries temporais lineares (SARIMA) e uma abordagem híbrida de aprendizado de máquina (SARIMA–ANN) especificamente para dados de escorpionismo no Brasil, um domínio onde tal modelagem preditiva é atualmente limitada.
Implementação de Estrutura Híbrida: Demonstra a viabilidade técnica de decompor séries temporais epidemiológicas em componentes lineares e não lineares, modelando-os separadamente e recombinando-os para aumentar a precisão da previsão.
[]* Horizonte de Previsão: O estudo vai além da análise descritiva para gerar previsões pontuais para o período de 2026, ofereando uma base quantitativa para antecipar tendências de incidência futuras.

Resultados

Tendências Temporais: A análise exploratória confirmou uma tendência de aumento acentuado nos casos de escorpionismo de 2007 a 2025, juntamente com uma sazonalidade pronunciada com picos ocorrendo durante os meses mais quentes e úmidos.
Desempenho do Modelo: O modelo SARIMA(1,1,1)(0,1,1)₁₂ capturou com sucesso a tendência geral e as oscilações sazonais. No entanto, diagnósticos de resíduos indicaram a presença de estruturas não lineares remanescentes.
Superioridade do Modelo Híbrido: O modelo híbrido SARIMA–ANN demonstrou desempenho preditivo estatisticamente superior em comparação ao modelo SARIMA isolado, evidenciado por valores menores de RMSE, MAE e MAPE e um resultado significativo no teste de Diebold–Mariano. O modelo híbrido mostrou melhor capacidade de reproduzir picos sazonais e flutuações abruptas de incidência.
Projeções Futuras: Ambos os modelos previram a persistência de níveis elevados de incidência de escorpionismo ao longo de 2026, mantendo o padrão sazonal histórico. O modelo híbrido produziu previsões mais suaves e estáveis, preservando a estrutura sazonal.

Significância e Alegações
O artigo afirma que a abordagem híbrida SARIMA–ANN constitui uma ferramenta promissora para a previsão epidemiológica do escorpionismo no Brasil. Ao integrar métodos estatísticos clássicos com inteligência artificial, o estudo alega oferecer um método mais preciso e confiável para capturar as complexas dinâmicas lineares e não lineares do envenenamento por escorpiões.

Os autores posicionam esses achados como uma contribuição para o planejamento de saúde pública, sugerindo que tais modelos podem apoiar a implementação de sistemas de alerta precoce. Especificamente, as previsões podem auxiliar as autoridades de saúde a antecipar períodos de alto risco, otimizar a preparação hospitalar, alocar estoques de antiveneno e organizar campanhas preventivas direcionadas. O estudo conclui que, embora os modelos apresentem capacidade preditiva satisfatória, a crescente carga do escorpionismo exige o fortalecimento da vigilância, do manejo ambiental e das estratégias preventivas, servindo o modelo híbrido como um valioso ativo para os processos de tomada de decisão.

Limitações Observadas
Os autores reconhecem que o estudo se baseia em dados secundários agregados, que podem estar sujeitos a subnotificação e atrasos na notificação. Além disso, os modelos não incorporaram explicitamente variáveis climáticas, ambientais ou socioeconômicas (ex: temperatura, precipitação, densidade populacional), que poderiam potencialmente aumentar o poder explicativo em estruturas futuras. Consequentemente, recomenda-se cautela na interpretação das previsões de longo prazo.