Developing early warning systems using predictive models to identify Lassa fever threats in Ondo State, Nigeria

Resumo Técnico: Desenvolvimento de Sistemas de Alerta Precoce para a Febre Lassa no Estado de Ondo, Nigéria

Definição do Problema
A febre Lassa (FL), uma doença hemorrágica grave causada pelo vírus Lassa, continua a ser um fardo persistente para a saúde pública na África Ocidental, particularmente na Nigéria. O Estado de Ondo é identificado como um importante foco, respondendo por mais de 30% dos casos nacionais confirmados. A doença exibe um padrão sazonal distinto, com surtos que tipicamente atingem o pico durante a estação seca (dezembro–março) devido ao aumento do contato entre humanos e o reservatório de roedores Mastomys natalensis. Apesar dos esforços de vigilância existentes, desafios como a subnotificação, o erro de diagnóstico devido à sobreposição de sintomas com a malária e a detecção tardia dificultam uma resposta eficaz aos surtos. O estudo aborda a necessidade crítica de um sistema de alerta precoce eficaz, capaz de prever padrões de surtos para orientar a tomada de decisões de saúde pública e a alocação de recursos de forma proativa no Estado de Ondo.

Metodologia
O estudo empregou uma abordagem de previsão de séries temporais utilizando dados de vigilância semanal coletados rotineiramente de casos confirmados de febre Lassa no Estado de Ondo, abrangendo 382 semanas de janeiro de 2018 a abril de 2025. Os dados foram obtidos do Centro de Controle e Prevenção de Doenças da Nigéria (NCDC).

1. Particionamento de Dados: O conjunto de dados foi dividido em um conjunto de treinamento (70%) para estimativa de parâmetros e um conjunto de teste (30%) para avaliação do modelo.
2. Seleção de Modelo: Os pesquisadores utilizaram o modelo de Média Móvel Integrada Autorregressiva Sazonal (SARIMA), especificamente projetado para capturar tanto tendências quanto comportamentos sazonais em dados de séries temporais. Dado o caráter semanal dos dados e a sazonalidade anual da FL, estabeleceu-se um período sazonal ($s$) de 52 semanas.
3. Identificação e Estimativa do Modelo: A função auto.arima() no R foi utilizada para automatizar a seleção de modelos candidatos com base no Critério de Informação de Akaike (AIC). Seis modelos candidatos foram comparados.
4. Métricas de Avaliação: A precisão do modelo foi avaliada utilizando o Erro Quadrático Médio da Raiz (RMSE), o Erro Absoluto Médio (MAE) e o Erro Quadrático Médio (MSE).
5. Diagnósticos: A adequação do modelo selecionado foi verificada através da análise de resíduos, incluindo verificações de normalidade e o teste de Ljung-Box para garantir a ausência de autocorrelação significativa nos resíduos.

Principais Resultados

• Modelo Ótimo: O modelo ARIMA(3,0,2)(1,0,1)[52] foi identificado como o modelo de melhor ajuste, alcançando os menores valores em todas as métricas de erro (RMSE, MAE, MSE) e o menor valor de AIC entre os candidatos.
• Desempenho do Modelo: As verificações diagnósticas confirmaram que os resíduos estavam aproximadamente distribuídos normalmente e dispersos aleatoriamente em torno de zero, sem autocorrelação significativa (teste de Ljung-Box $p > 0,05$), indicando que o modelo capturou efetivamente a estrutura temporal dos dados.
• Horizonte de Previsão: O modelo foi utilizado para gerar uma previsão de 34 semanas (da 19ª à 52ª semana de 2025).
  • A previsão prevê uma média de aproximadamente 4 casos de febre Lassa por semana.
  • O modelo projeta uma tendência de transmissão relativamente estável, sem surtos catastróficos, com a maioria dos valores previstos situando-se entre 5 e 15 casos por semana.
  • Picos Sazonais: A previsão indica que os picos de transmissão provavelmente ocorrerão entre a 48ª e a 52ª semana do ano, alinhando-se com o padrão histórico da estação seca.
• Validação Visual: Comparações entre os valores ajustados e os dados reais do conjunto de teste demonstraram que o modelo reproduziu com sucesso os principais picos sazonais e a tendência epidêmica geral da febre Lassa na região.

Significância e Alegações
O artigo afirma que o modelo SARIMA desenvolvido fornece uma estrutura estatisticamente robusta para compreender a dinâmica de transmissão da febre Lassa no Estado de Ondo. Ao capturar tanto as variações de curto prazo quanto os padrões sazonais de longo prazo, o modelo oferece uma ferramenta confiável para antecipar prováveis surtos.

Os autores enfatizam que as descobertas apoiam o desenvolvimento de sistemas de alerta precoce proativos. Especificamente, o estudo sugere que:

• A transmissão da febre Lassa no Estado de Ondo deve persistir em níveis moderados com picos sazonais previsíveis.
• Os formuladores de políticas de saúde pública podem utilizar estas previsões para fortalecer a vigilância e otimizar a alocação de recursos antes dos períodos de pico (especificamente no final do ano).
• O modelo serve como um passo fundamental para a operacionalização de algoritmos preditivos para o controle de surtos em tempo real, indo além da análise retrospectiva para o planejamento de saúde pública voltado para o futuro.

O estudo conclui que, embora o modelo preveja uma transmissão moderada sob condições estáveis, a natureza sazonal recorrente da doença exige preparação contínua e intervenções direcionadas durante as janelas de alto risco identificadas.