Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/41099| Título: | Modelagem de séries temporais para informações de COVID-19 no estado do Paraná |
| Título(s) alternativo(s): | Time series modeling for COVID-19 information in the state of Paraná |
| Autor(es): | Teixeira, Gracielle Silva |
| Orientador(es): | Lizzi, Elisângela Aparecida da Silva |
| Palavras-chave: | Modelagem Pandemias Avaliação de riscos ecológicos Modeling Pandemics Ecological risk assessment |
| Data do documento: | 4-Dez-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | TEIXEIRA, Gracielle Silva. Modelagem de séries temporais para informações de COVID-19 no estado do Paraná. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2025. |
| Resumo: | No estado do Paraná, foram notificados mais de 3 milhões de casos, com 46,9 mil mortes. Tendo em vista os prejuízos causados pela COVID-19 e a importância que o desenvolvimento de um imunizante obteve neste curso, esta pesquisa tem como objetivo utilizar modelagem de série temporal com o intuito de estudar os dados da COVID-19, no Paraná, com ponto de mudança em função da vacinação. A modelagem de séries temporais para análise e previsão dos padrões de propagação da COVID-19 no estado do Paraná representa uma área de pesquisa relevante no contexto atual com abordagem por modelos probabilísticos. Esta justificativa é fundamentada em diversos pontos que destacam a importância e a necessidade deste estudo para o cenário acadêmico e científico. Este trata-se de um estudo epidemiológico ecológico, com componente de série temporal. Os dados foram extraídos do Sistema de Informação de Agravos de Notificações (SINAN) via TABNET-DATASUS resultante da apuração dos casos incidentes de SRAG e vacinação por COVID-19, para os anos de 2020 a 2024. Por conseguinte realizou-se a formatação em banco de dados estruturados. As linhas de código desenvolvidas no ambiente R desde o tratamento dos dados, organização e modelagem usando Sazonal Autoregressive Integrated Moving Average (SARIMA) com objetivo de estimar os parâmetros de interesse dos modelos ARIMA/SARIMA, obtidos por estimação de máxima verossimilhança e, por intermédio das funções de autocorrelação parcial e autocorrelação, para definição dos parâmetros. Os resultados evidenciaram que o número de casos de COVID-19 no Paraná apresentou queda significativa a partir do segundo semestre de 2021, coincidindo com a ampliação da cobertura vacinal e com a organização das ações de saúde pública. Essa redução se reflete na mudança do comportamento dinâmico do sistema, que passa de uma resposta oscilatória e instável (picos epidêmicos) para uma resposta amortecida, análoga a um sistema estável de segunda ordem com realimentação negativa. Em termos epidemiológicos, isso significa que as ações de imunização e controle social atuam como filtros de atenuação, reduzindo a amplitude das oscilações de casos (ruído epidemiológico) e estabilizando o sistema social-biológico. Dessa forma, o modelo SARIMA mostrou-se adequado não apenas para previsão de curto prazo, mas também como ferramenta para compreender a dinâmica da pandemia como um sistema dinâmico controlado, onde políticas públicas e vacinação são os principais controladores do sistema, cedendo apoio à análise epidemiológica e à tomada de decisões em saúde pública no nível de governança e políticas públicas. |
| Abstract: | In the state of Paraná, more than 3 million cases were reported, with 46,900 deaths. Considering the damage caused by COVID-19 and the importance that the development of a vaccine has gained in this course, this research aims to use time series modeling to study COVID-19 data in Paraná, with a turning point due to vaccination. Time series modeling for analyzing and predicting COVID-19 spread patterns in the state of Paraná represents a relevant area of research in the current context with a probabilistic modeling approach. This justification is based on several points that highlight the importance and necessity of this study for the academic and scientific community. This is an ecological epidemiological study with a time series component. The data were extracted from the Notifiable Diseases Information System (SINAN) via TABNET-DATASUS, resulting from the calculation of incident cases of SARS and COVID-19 vaccination for the years 2020 to 2024. Therefore, formatting was performed in structured databases. The lines of code developed in the R environment from data processing, organization, and modeling using Seasonal Autoregressive Integrated Moving Average (SARIMA) aimed to estimate the parameters of interest for the ARIMA/SARIMA models, obtained by maximum likelihood estimation and, through partial autocorrelation and autocorrelation functions, to define the parameters. The results showed that the number of COVID-19 cases in Paraná fell significantly from the second half of 2021, coinciding with the expansion of vaccination coverage and the organization of public health actions. This reduction is reflected in the change in the dynamic behavior of the system, which shifts from an oscillatory and unstable response (epidemic peaks) to a dampened response, analogous to a stable second-order system with negative feedback. In epidemiological terms, this means that immunization and social control measures act as attenuation filters, reducing the amplitude of case fluctuations (epidemiological noise) and stabilizing the socio-biological system. Thus, the SARIMA model proved to be adequate not only for short-term forecasting but also as a tool for understanding the dynamics of the pandemic as a controlled dynamic system, where public policies and vaccination are the main controllers of the system, providing support for epidemiological analysis and public health decision-making at the level of governance and public policy. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/41099 |
| Aparece nas coleções: | CP - Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| seriestemporaiscovid19parana.pdf | 1,33 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
