Analysis of the Epidemiological Characteristics of Tuberculosis in Shenyang City, Liaoning Province, and Construction of a Time Series Model

Resumo Técnico: Análise da Epidemiologia da Tuberculose e Modelagem de Séries Temporais em Shenyang

Definição do Problema
A tuberculose (TB) continua sendo um desafio crítico de saúde pública na China, mas as pesquisas existentes frequentemente focam em tendências macro de nível nacional ou provincial, deixando uma lacuna em análises epidemiológicas detalhadas e de longo prazo para cidades específicas no Nordeste da China. Além disso, há uma carência de avaliações quantitativas sobre as flutuações de incidência da doença antes e depois da pandemia de COVID-19, e uma escassez de modelos preditivos aplicáveis adaptados a esta região. Este estudo aborda essas lacunas analisando as características epidemiológicas da tuberculose pulmonar (PTB) em Shenyang de 2015 a 2024 e desenvolvendo um modelo de série temporal robusto para prever futuras tendências de incidência.

Metodologia
O estudo utilizou uma análise retrospectiva de dados de vigilância do "Sistema de Informação de Gestão da Tuberculose" (um subsistema do Sistema de Informação do China CDC), abrangendo 38.928 novos casos de PTB relatados em Shenyang entre 2015 e 2024.

1. Epidemiologia Descritiva: Os autores analisaram tendências temporais, características demográficas (sexo, idade, ocupação) e padrões de distribuição espacial. A análise espacial envolveu o cruzamento das taxas de incidência com mapas vetoriais de limites administrativos para gerar mapas coloridos em camadas para 13 distritos/condados usando ArcGIS.
2. Modelagem de Séries Temporais: Dois modelos distintos foram construídos utilizando dados mensais de incidência de 2015 a 2023:
   • Suavização Exponencial Aditiva de Holt–Winters: Selecionada entre variantes sazonais simples, aditivas e multiplicativas com base em métricas de ajuste (RMSE, MAE, MAPE, $R^2$).
   • Média Móvel Integrada Autorregressiva Sazonal (SARIMA): O modelo ideal foi identificado através de testes de estacionariedade (teste ADF), identificação de parâmetros via gráficos ACF/PACF e minimização dos valores de AIC e BIC.
3. Validação do Modelo: Ambos os modelos foram validados contra dados mensais reais de janeiro a dezembro de 2024. As verificações de diagnóstico incluíram análise de resíduos (teste Q de Ljung–Box, gráficos ACF/PACF e gráficos Q–Q) para garantir que os resíduos constituíssem ruído branco e seguissem uma distribuição normal.
4. Previsão: O modelo superior foi utilizado para projetar as taxas de incidência mensal de PTB para 2025–2027.

Principais Resultados

• Tendências Epidemiológicas: A taxa de incidência total relatada em Shenyang mostrou uma tendência de queda flutuante, diminuindo de 46,91 por 100.000 em 2015 para 61,11 por 100.000 em 2024 (nota: o resumo afirma uma diminuição de 2019 para 2020, enquanto a discussão observa uma diminuição geral de 2015 a 2024, com um rebote específico pós-pandemia). Uma distribuição bimodal sazonal significativa foi observada, com picos na primavera (março–abril) e no inverno (novembro–dezembro).
• Impacto da Pandemia: Em comparação com 2019, a taxa de incidência em 2020 diminuiu 15,46% (resumo) ou 27,03% (discussão), marcando a queda mais acentuada no período do estudo. Isso foi atribuído à redução do contato humano e ao realocamento de recursos médicos durante a pandemia. De 2021 a 2024, os casos flutuaram e tenderam a aumentar, provavelmente devido ao relaxamento das restrições e ao atraso na detecção de casos.
• Disparidades Demográficas:
  • Sexo: Homens representaram 71,02% dos casos.
  • Idade: A maior carga mudou ao longo do tempo; antes de 2021, o grupo de 18–35 anos era o mais afetado, enquanto de 2021 em diante, indivíduos com $\ge$60 anos tornaram-se o grupo de maior incidência.
  • Ocupação: Donas de casa e desempregados constituíram a maior proporção (73,53%), seguidos por agricultores (14,26%).
• Heterogeneidade Espacial: Disparidades regionais significativas foram identificadas. O Distrito de Yuhong teve a maior incidência média (79,33 por 100.000), enquanto os distritos de Liaozhong e Heping tiveram as menores. As tendências variaram por distrito, com alguns mostrando tendências de queda e outros (ex: Yuhong, Faku, Kangping) mostrando tendências de aumento.
• Desempenho do Modelo:
  • O modelo SARIMA(0,1,1)(0,1,1)$_{12}$ demonstrou desempenho superior em comparação ao modelo aditivo de Holt–Winters. Ele alcançou menor MAE (6,5765 vs. 6,7783) e MAPE (15,0731% vs. 15,1449%) e capturou melhor as flutuações de curto prazo e mudanças extremas.
  • Ambos os modelos passaram nos diagnósticos de resíduos, confirmando sua validade para previsão de curto prazo.
  • As previsões para 2025–2027 indicam uma tendência de queda gradual contínua com flutuações sazonais estáveis.

Principais Contribuições

• Dados Epidemiológicos Regionais: O estudo fornece a primeira análise sistemática e de longo prazo (2015–2024) da epidemiologia da TB especificamente para Shenyang, preenchendo um vazio nos dados de nível de cidade do Nordeste da China.
• Quantificação do Impacto da Pandemia: Avalia quantitativamente a supressão da incidência de TB durante a pandemia e o subsequente rebote, oferecendo evidências empíricas para os efeitos combinados das medidas de prevenção e das interrupções no sistema de saúde.
• Modelagem Preditiva: O estudo estabelece e valida um modelo SARIMA como uma ferramenta confiável para prever tendências de TB neste contexto urbano específico, superando o modelo Holt–Winters na captura de flutuações complexas.
• Base para Estratégias Direcionadas: Ao identificar grupos de alto risco específicos (idosos, desempregados/donas de casa, agricultores) e regiões de alta incidência, o estudo oferece uma base orientada por dados para personalizar estratégias de prevenção e controle.

Significância e Alegações
Os autores afirmam que esta pesquisa delineia com precisão o padrão evolutivo da incidência de TB em Shenyang, caracterizado por uma diminuição inicial seguida por uma flutuação e aumento pós-pandemia. O estudo assegura que suas descobertas:

1. Suplementam os dados epidemiológicos empíricos para as cidades do Nordeste da China.
2. Fornecem uma base teórica para realizar análises epidemiológicas e previsões de tendências em Shenyang e cidades similares.
3. Oferecem uma base científica para o desenvolvimento de estratégias de prevenção e controle direcionadas, particularmente para populações de alto risco e regiões com aumento de incidência.
4. Demonstram que o modelo SARIMA é uma ferramenta valiosa e interpretável para as autoridades de saúde pública anteciparem futuras cargas de TB e alocarem recursos de forma eficaz.

Os autores mantêm um tom modesto quanto às limitações, reconhecendo que os modelos não incorporaram fatores externos como clima ou mobilidade populacional e que os intervalos de confiança das previsões se alargam ao longo do tempo. Eles sugerem que trabalhos futuros poderiam explorar modelos híbridos (ex: LSTM), mas enfatizam a utilidade atual do modelo SARIMA estabelecido para o planejamento rotineiro de saúde pública.