Sobre o InfoDengue

O InfoDengue é um sistema de alerta para arboviroses baseado em dados híbridos gerados por meio da análise integrada de dados minerados a partir da web social e de dados climáticos e epidemiológicos.

Em 2021, o sistema ganhou amplitude nacional com o apoio do Ministério da Saúde realizando análises em nível estadual. Com isso, mais secretarias passaram a receber semanalmente os boletins do InfoDengue. Implementado em 2015, o sistema foi desenvolvido por pesquisadores do Programa de Computação Científica (Fundação Oswaldo Cruz, RJ) e da Escola de Matemática Aplicada (Fundação Getúlio Vargas) com a forte colaboração da Secretaria Municipal de Saúde do Rio de Janeiro, o Observatório da Dengue/UFMG e pesquisadores da Universidade Federal do Paraná e da Universidade Estadual do Oeste do Paraná.

Embora desenvolva boletins com análises de casos de dengue, zika e chikungunya de todo o país, os estados ainda podem aderir ao sistema.
Acesse como participar para integrar o InfoDengue. O estado participante recebe um relatório de análise de situação da dengue semanalmente. A versão pública do site é acessada por muitas pessoas e é comum recebermos notícias de que essas informações são utilizadas na definição de viagens e outras atividades.

Nossa rede de colaboradores cresceu e conta agora com a parceria de grupos de pesquisa internacionais que buscam soluções para arboviroses em outros países e organizações da sociedade civil. Por meio do compartilhamento de experiências e metodologias, ampliamos a inovação e o conhecimento das arboviroses.

Vários desafios técnicos e científicos foram enfrentados durante o desenvolvimento do InfoDengue, resultando em diversas teses e dissertações. Como os desafios não terminam, continuamos e continuaremos sempre investigando novas soluções para gerar informação útil para a gestão e para o avanço do conhecimento das arboviroses e seu controle.

O Sistema

O sistema InfoDengue é um pipeline de coleta, harmonização e análise de dados semi-automatizado, que gera indicadores de situação epidemiológica da dengue e outras arboviroses a nível municipal.

gibberish


De onde vem os dados?

• Casos de dengue, chikungunya e zika: Essas são doenças de notificação obrigatória, isso é, o profissional de saúde que diagnostica um caso suspeito precisa preencher uma ficha de notificação que alimenta um banco de dados municipal que depois é consolidado a nível estadual e finalmente, a nível federal pelo Ministério da Saúde. Apenas uma fração desses casos são confirmados laboratorialmente, a maioria recebe classificação final com base em critérios clínico-epidemiológicos. A partir dos casos notificados, são calculados os indicadores de incidência que alimentam o InfoDengue.

• Dados meteorológicos: A transmissão de arboviroses é muito influenciada pelo clima. O mosquito transmissor, Aedes aegypti, requer temperatura alta e umidade para se reproduzir e viver. O vírus ao infectar o mosquito, também irá se reproduzir melhor em temperaturas mais altas. Dados de temperatura e umidade são obtidos das estações meteorológicas de aeroportos assim como de imagens de satélite.

• Dados demográficos: Indicadores epidemiológicos precisam ser calculados em relação ao tamanho da população. Dados demográficos dos municípios brasileiros são atualizados a cada ano no Infodengue, utilizando as estimativas do IBGE.

O que o sistema faz?
Correção do atraso de notificação (nowcasting): Os dados de notificação de doenças tem sempre um atraso. Isso ocorre por vários motivos e inclui o tempo entre a pessoa adoecer e buscar atendimento médico, o tempo que leva para o profissional de saúde notificar e o tempo que demora para agregar as informações nos bancos de dados. Esse atraso dificulta a tomada de decisão pois tem-se sempre que olhar para um dado desatualizado. Para contornar esse problema, foi desenvolvido um método estatístico baseado em inferência Bayesiana que combina a estimação do atraso com a estimação do padrão temporal histórico da incidência para calcular o número esperado de casos a cada semana. Esse processo se chama nowcasting ou estimação do presente e está descrita em: Bastos, Economou et al (2019) ”A modelling approach for correcting reporting delays in disease surveillance data”. A Figura abaixo (retirada de Bastos et al 2019) mostra em preto, a incidência verdadeira, em vermelho, aquela observada com atraso e, em cinza, o nowcasting. Para mais detalhes técnicos, ver a referida publicação.

gibberish


Detecção de transmissão sustentada: A estimação do número reprodutivo é importante em vários aspectos. Sequência de semanas com transmissão crítica (Rt > 1) indica transmissão sustentada. Isso é, indica que estamos na fase de espalhamento da doença, e que ações adequadas para controle precisam ser implementadas. Já períodos sub-críticos (Rt < 1) indicam que não há transmissão sustentada, isso pode ocorrer por causa do clima, por causa do controle ou pela redução do contingente de suscetíveis. Para estimar R0 e Rt a partir dos dados de incidência, desenvolvemos metodologia própria, descrita em Codeço et al. 2018 "Estimating the effective reproduction number of dengue considering temperature-dependent generation intervals".

Análise de receptividade: A transmissão das arboviroses requer condições climáticas adequadas, que podem variar de lugar para lugar. No Rio de Janeiro, por exemplo, temperatura maior que 22 graus é condição necessária para transmissão sustentada. Em Fortaleza, umidade máxima acima de 85% é a condição necessária. Nós ajustamos modelos de árvore de decisão, para avaliar que combinação de variáveis climáticas e ambientais são indicadoras de condições de transmissão. Essa informação serve de alerta precoce de chegada da temporada da arbovirose.

Detecção de situação atípica: Para estimar limiares epidêmicos, nós utilizamos o Moving Epidemics Method (MEM) Vega et al. 2012, que permite estimar diversas grandezas de interesse com base em dados históricos locais como limiar pré-epidêmico, níveis de atividade típicas, valores esperados para cada semana, etc. Como este limiar é obtido a partir do histórico de dados que alimenta o sistema, ele tem valores particulares para cada localidade. Além destes limiares globais para a série temporal, a metodologia utilizada permite ainda obter estimativas para o número esperado de casos por semana, juntamente de intervalos de confiança que permitem definir zonas de atividade semanal. Estas regiões são definidas de maneira similar aos níveis de atividade, porém são calculados com base na distribuição típica de casos para cada semana. Tal construção identifica visualmente os padrões sazonais, uma vez que apresentam a evolução temporal típica com base na mediana dos casos esperados para cada semana e intervalos de confiança inferior e superior (utilizamos 10% e 90%, respectivamente), definindo corredores de atividade típica, como um diagrama de controle.

Código de Cores:

gibberish


Implementação
Todos os códigos gerados para o InfoDengue, em sua maioria em R e Python, estão disponíveis em acesso aberto em​:
​https://github.com/AlertaDengue

Relatórios Técnicos


Projetos de pesquisa

2022-2023
ARBOFRONTEIRA: Prevendo epidemias de doenças transmitidas por mosquitos no arco sul do país
O objetivo dessa proposta é gerar indicadores para a vigilância de arboviroses que sejam específicos para a fronteira sul do país e guidelines para seu uso no fortalecimento da vigilância desses municípios. Para isso, faz-se necessário compreender o processo de expansão das arboviroses nos três países e identificar cenários futuros de expansão. Por meio de modelos estatísticos e matemáticos, vamos investigar cenários possíveis de disseminação das arboviroses e a importância de protocolos binacionais e trinacionais para a maior precisão de ações de controle. Do ponto de vista prático, serão aplicados modelos de nowcasting e de predição em dois pontos: a tríplice fronteira Foz do Iguaçu, Iguazu e Ciudad del este; e na fronteira formada por Barracão (PR), Dionísio Cerqueira (SC) e Bernando de Irigoyen (Arg). Os modelos serão incorporados ao Infodengue e serão disponibilizados relatórios específicos para cada região.
Financiamento: INOVA Fiocruz

2020-2021
Prevendo epidemias de doenças transmitidas por mosquitos
Esse projeto visa fornecer projeções a médio prazo para a incidência de novos casos de doenças transmitidas por mosquitos no Brasil. O projeto visa adaptar para a realidade brasileira a experiência implementada no Vietnam onde propomos o uso de modelos hierárquicos espaço-temporais bayesianos para prever a incidência de casos de dengue e o suporte de variáveis auxiliares tais como variáveis climáticas (Colon-Gonzalez, Bastos, et al. 2021). Neste projeto estenderemos a modelagem preditiva de dengue no Vietnam para as doenças transmitidas por mosquito, na qual exploraremos, separadamente, as arboviroses no Brasil e a malária na região Amazônica, que são doenças de grande impacto e relevância na saúde pública do país. Os modelos a serem propostos serão construídos e validados usando dados abertos, e serão feitas projeções a médio prazo, ou seja seis a doze meses à frente para as microrregiões de saúde. O projeto priorizará o uso de dados abertos, além do uso e desenvolvimento de códigos em ambientes livres, de tal forma que equipes de vigilância epidemiológica possam replicar e adaptar conforme suas necessidades. Além das projeções, será desenvolvido em paralelo um dashboard específico para cada doença, de tal forma que as previsões fiquem acessíveis a tomadores de decisão e para população geral.
Financiamento: INOVA Fiocruz

2019-2023
EVIGILANCIA: monitoramento integrado e contínuo de arboviroses
Este projeto visou a consolidação do sistema de alerta para arboviroses baseado em dados hı́bridos gerados por meio da análise integrada de dados minerados a partir de dados regionais climáticos e epidemiológicos, o Infodengue.
Financiamento: INOVA Fiocruz

Como citar o InfoDengue

C. Codeco, F. Coelho, O. Cruz, S. Oliveira, T. Castro, L. Bastos, Infodengue:
A nowcasting system for the surveillance of arboviruses in Brazil, Revue d'Épidémiologie et de Santé Publique, Vol 66, Suppl 5, 2018, Page S386,​https://doi.org/10.1016/j.respe.2018.05.408.

@article{CODECO2018S386,
title = "Infodengue: A nowcasting system for the surveillance of arboviruses in Brazil",
journal = "Revue d'Épidémiologie et de Santé Publique",
volume = "66",
pages = "S386",
year = "2018",
note = "European Congress of Epidemiology “Crises, epidemiological transitions and the role of epidemiologists”",
issn = "0398-7620",
doi = "https://doi.org/10.1016/j.respe.2018.05.408",
url = "http://www.sciencedirect.com/science/article/pii/S0398762018311088",
author = "C. Codeco and F. Coelho and O. Cruz and S. Oliveira and T. Castro and L. Bastos"}

Produções científicas associadas ao Infodengue

    2022
  • Codeco C.T., Oliveira S.S., Ferreira D.A.C., Riback T.I.S., Bastos L.S., Lana R.M., Almeida I.F., Godinho V.B., Cruz O.G., and Coelho F.C. Fast expansion of dengue in brazil. The Lancet Regional Health - Americas, link
  • Miller S, Preis T, Mizzi G, Bastos LS, Gomes, MFC, Coelho FC, Codeço CT, Moat SH. Faster indicators of chikungunya incidence using Google searches Plos Computational Biology, link
    2021
  • Alves L.D., Lana R.M., and Coelho F.C. A framework for weather-driven dengue virus transmission dynamics in different Brazilian regions. International Journal of Environmental Research and Public Health, link
  • Colon-Gonzalez, Bastos, et al. (2021) Probabilistic seasonal dengue forecasting in Vietnam: A modelling study using superensembles PLOS Medicine, link
    2020
  • Elisa Mussumeci, Flávio Codeço Coelho. Large-scale multivariate forecasting models for Dengue - LSTM versus random forest regression, Spatial and Spatio-temporal Epidemiology, link
  • Lowe R., Lee S., Lana R.M., Codeço C.T., Castro M.C., and Pascual M. Emerging arboviruses in the urbanized amazon rainforest. BMJ, link
    2019
  • Bastos LS, Economou T, Gomes MG, Villela DAM, Coelho OG, Stoner O, Bailey T, Codeço CT. A modelling approach for correcting reporting delays in disease surveillance data. Statistics in Medicine, link
  • Coelho FC, Codeço CT. Precision epidemiology of arboviral diseases. Journal of Public Health and Emergency, link
    2018
  • Santos, B.C., Coelho F.C., Armstrong M, Sarraceni V, Lemos C. Zika: an ongoing threat to women and infant. Cadernos de Saude Publica, link
  • Codeço, C.T., Villela A.M.D. , Coelho F.C. Estimating the effective reproduction number of dengue considering temperature-dependent generation intervals. Epidemics, link
  • Codeço, C.T., Coelho F.C., Cruz, O.G., Oliveira, S. Castro, T. Bastos, L.S. Infodengue: A nowcasting system for the surveillance of arboviruses in Brazil. Revue d'Épidémiologie et de Santé Publique, link
  • Lana R.M., Morais M.M., Lima T.F.M., Carneiro T.G.S., Stolerman L.M., Santos J.P.C., Cortês J.J.C., Eiras A.E., and Codeço C.T. Assessment of a trap based aedes aegypti surveillance program using mathematical modeling. PLOS ONE, link
    2017
  • Lana R.M., Gomes M.F.C., Lima T.F.M., Honório N.A., and Codeço C.T. The introduction of dengue follows transportation infrastructure changes in the state of acre, brazil: A network-based analysis. PLOS Neglected Tropical Diseases, link
    2016
  • Coelho et al. Epidemiological data accessibility in Brazil, The Lancet ID, link

Eventos

• E-vigilância 2019-2023: ​ http://e-vigilancia.dengue.mat.br/

Como colaborar

• Se sua cidade não está no Infodengue, entre em contato com a Secretaria de Saúde.
• Se é um estudante ou pesquisador e gostaria de contribuir com análises e modelos, nos escreva.
• Se quiser contribuir com patrocínios, escreva-nos.
• Se quiser aprender a usar o infodengue, tem sugestões, críticas ou se percebeu algum erro no site, escreva-nos.

Vencer as arboviroses é um trabalho de todos, toda colaboração é bem vinda!

Videos relacionados

Entenda o modelo mais usado para representar a pandemia de COVID-19

Curso PySUS - Aula 1


Mais videos da série no canal: A Matemática das Epidemias