Estimates of gestational syphilis in Brazil using mathematical and artificial intelligence models

Resumo

Objetivo: estimar novos casos de sífilis em gestantes no Brasil entre 07/2024 e 06/2027 utilizando os modelos Autorregressivo Integrado de Médias Móveis Sazonal (SARIMA), Memória de Curto-Longo Prazo (LSTM) e Suavização Exponencial Complexa (CES). Métodos: foram utilizados dados do Sistema de Informação de Agravos de Notificação referentes às notificações mensais entre janeiro de 2014 e junho de 2024. A validação ocorreu pelas métricas Erro Percentual Absoluto Médio (MAPE), Raiz do Erro Quadrático Médio (RMSE) e Erro Absoluto Médio (MAE). A implementação foi em Python. Resultados: a série não foi estacionária pelo teste de Dickey-Fuller aumentado, teve tendência crescente pelo teste de Mann-Kendall e autocorrelação dos dados pelo teste de Ljung-Box. O SARIMA (RMSE = 987; MAPE = 11%; MAE = 726) e o CES (RMSE = 1225; MAPE = 14%; MAE = 875) tiveram bom desempeno nas métricas de erro, mostrando-se adequados para a série em questão. Porém, o LSTM (RMSE = 811; MAPE = 9%; MAE = 610) foi superior a ambos. Até maio
de 2027, os modelos divergiram em suas previsões. O SARIMA enxergou queda de casos, e o CES, alta. O LSTM estimou uma diminuição seguida de aumento de notificações. Conclusões: todos os modelos testados mostraram-se confiáveis para prever os casos de sífilis em gestantes para os próximos 3 anos no Brasil, mas o LSTM demonstrou maior precisão. Portanto, recomenda-se seu uso na tomada de decisão dos gestores públicos.