Olá pessoal! Sejam bem vindos a mais um curso do Programa de Fortalecimento da Epidemiologia nos Serviços de Saúde. Na aula de hoje nós vamos falar sobre análise de séries temporais.
Então, qual é o contexto e os aspectos iniciais para a gente trabalhar com esse tipo de dado em vigilância, em saúde e ambiente? Para iniciar nossa aula, vamos entender algumas séries temporais que a gente vê em alguns boletins epidemiológicos sites de informações em gerais. Tá que eu peguei um recorte dos casos de dengue lá da plataforma do Info Dengue da UF RJ e aqui a gente tem alguns anos, cada ano descrito com uma cor e mapeado aqui nas 50 e duas semanas epidemiológicas.
Então aqui os dados sequenciais por ordem cronológica e aqui os números de casos. Aqui também. Eu peguei uma informação do painel do vírus Brasil, onde a gente tem aqui em verde os anos de 2024 e aqui em Roxo os anos de 2025.
Então aqui os casos sequencialmente organizados por semanas epidemiológicas e aqui a variação e como que essa série de casos está se comportando ao longo do tempo? Porque essa é que é a ideia de análise de séries temporais. Entender o comportamento de uma série de casos ao longo do tempo.
Aqui também mais um exemplo do painel do quadro de vídeos Brasil, onde eu trouxe os óbitos confirmados por Calvi 19, também por semana Epidemiológica de Notificação. Então, aqui, como eles estão organizados sequencialmente ao longo do tempo e qual é essa distribuição ao longo das semanas, tá? Então, aqui a ideia é entender essa ciclicidade do número de casos de óbitos confirmados por semana epidemiológica de notificação.
Então, a grande ideia das séries temporais atrapalhar a trabalhar com este tipo de dado e informação. Por isso que chamo a série temporal, porque são dados cronológicos no tempo. Qual que é o contexto, então de análise de séries temporais dentro do que a gente se propõe a trabalhar em vigilância, em saúde e ambiente?
Então, a gente tem uma grande diversidade de aplicações e múltiplas dimensões de saúde coletiva e do ambiente. Então a gente tem a vigilância epidemiológica de doenças transmissíveis, de eventos críticos e emergências ambiental e exposição a riscos. Os indicadores de saúde reprodutiva, desenvolvimento infantil, vigilância de violências e agravos não transmissíveis.
Todas essas informações a gente pode estudar cronologicamente a taxa, o número de casos e assim por diante. Então, qual é a definição de série temporal do ponto de vista estrito e conceitual? Série Temporal é um grande ramo de análise na análise de dados.
Tá, e ela é uma realização de um processo estocástico. Então a gente pega uma coleção de variável aleatória observada sequencialmente ao longo do tempo e aí a gente tem essa série temporal nesse intervalo de tempo. Qual é a ideia inicial, né?
A gente tem aqui alguns objetivos. Em vez de investigar um mecanismo gerador de série, fazer previsões de valores futuros das séries, dado que a gente tem os valores até o tempo atual, essas podem ser de curto prazo, médio prazo e longo prazo e procurar periodicidade relevante nos dados. Vou entender então aqui esses conceitos da variável aleatória processo estocástico O que está por trás matematicamente, que nos permite estudar séries temporais como óbitos de Kombi, como casos confirmados, como casos de dengue, para que a gente use um arcabouço de análises de dados para trabalhar com isso.
Então, a ideia é vocês entenderem o que está por trás. O ponto de vista conceitual de uma grande área de análise de estatística, para que depois a gente avance aos longos dos módulos e entenda como que a gente vai trabalhar e quais são as informações que a gente pode extrair. Como a fidedignidade de análise de dados coerente para iniciar.
Então, é interessante a gente entender que a gente está numa grande área de análise estatística de série temporal ou simplesmente análise de séries temporais a estatística por critérios pedagógicos. Ela é dividida em três grandes áreas a estatística descritiva, que dá conta de descrever as informações com medidas, resumos, gráficos e estudo das probabilidades que eu gosto de falar que é a fundação das outras áreas. Então ela traz os teoremas, as organizações matemáticas e conceituais bem robustas, que nos permitem fazer análises mais avançados e a inferência estatística que pode inclusive ser dividida inferência clássica e inferência hobbesiano.
A inferência nos dá conta, nos dá elementos de análise de dados para fazer a projeção dos dados na população, fazer previsão fora da amostra. Tudo isso aqui é inferência com base nos estudos anteriores pescoço completamente interligadas, elas são divididas para critérios pedagógicos. Um processo estocástico é uma sequência de eventos ou observações.
Tá? Então percebam que isso é exatamente o que acontece a gente trabalhar com uma série temporal, porque a análise de séries temporais ela é um processo estocástico que envolve várias variáveis aleatórias da evolução de um sistema de valores no tempo. Então, se eu não souber o que é a variável aleatória, eu não consigo definir processo estocástico e não consigo definir o que é série temporal.
É um série temporal. É derivada de um processo estocástico formado por várias variáveis aleatórias com especificidades distintas, que pode ser discreta ou pode ser contida. Então, daí a gente tem aqui os quatro objetivos que a gente vai revisar.
O que a gente falou no início desse vídeo. A série temporal é a realização de um processo estocástico do que é um conjunto de variáveis aleatórias que agora a gente sabe o que é observado sequencialmente ao longo do tempo. Só por isso que a gente consegue fazer.
A modelagem diz que a gente tem um componente ali de probabilidade, que ancora os modelos que a gente vai ver. Inclusive ao longo deste curso. Tá, quando a gente obtém uma série temporal nesse intervalo de tempo, então a gente investiga o mecanismo gerador da série.
Como é que ela começou, o que causa Pico que não causa fazer previsões de valores futuros com base no que a gente estudou até no tempo atual descrever comportamentos das séries. Aí a gente faz construção de gráficos da série Autocorrelação, que é o Corrêa Holograma, que a gente vai ver, autocorrelação parcial. A gente faz uma ponderação dessa correlação grama e procura a periodicidade relevante nesses dados como tendência e sazonalidade que a gente também vai definir para vocês entenderem o que é essas partições ou esses pedaços da série temporal que exibem esses comportamentos que podem ser modelados, tá?
A grande ideia aqui é que, além de vocês entenderem o que é uma série temporal do ponto de vista do arcabouço técnico de teoria e também das aplicações, o que vocês veem no dia a dia? Como a gente iniciou esse vídeo falando de dengue? Falando de COBIT, Existe a questão do uso ético desses dados, tá?
Então, esses dados a gente pode coletar, por exemplo, do DATASUS, ele já vem agregado anonimização. É preciso ter um domínio técnico do que você está fazendo, Entender a ética no tratamento dessa informação. E se você tem as informações do nível individual e vai agregar, é importante que isso não vá de que está ancorado pela Lei Geral de Proteção de Dados de 2018.
Tá? Então, a questão de você fazer a coleta, o processamento e a divulgação precisa entender que tem essa ética, mesmo se tratando de dados agregados, tá? Então até trouxe aqui uma uma definição do ponto de vista filosófico e bioético.
O uso de dados em saúde sempre deve estar alinhado a valores como beneficiência e não maleficência e justiça e respeito à autonomia. Você vai gerar conhecimento e a geração de políticas públicas a partir de séries temporais e deve ter como horizonte a promoção do bem coletivo, a equidade de saúde, o fortalecimento dos sistemas de vigilância. Então, a ética que no uso da informação é extremamente importante.
Inclusive a gente vai ver mais adiante nesse curso, como o pré processamento e a coleta são etapas essenciais para que não haja erro e para que não haja também que a gente tire resultados ou conclusões que podem estar errado, associado ao pré processamento da informação. Muito obrigada pela nossa aula. Todos os pormenores vocês podem encontrar nos materiais adicionais que estão disponíveis aqui na plataforma.
Bons estudos e muito obrigada!
