Caracterização Socioespacial de Áreas Vulneráveis à Chikungunya em Pernambuco
Resumo
Este trabalho apresenta resultados parciais de uma pesquisa que visa desenvolver um modelo preditivo de risco à chikungunya em Pernambuco, integrando determinantes sociais, territoriais e climáticos. Foram integrados nesta etapa inicial 106.223 microdados do SINAN/DATASUS. A análise exploratória revelou concentração epidêmica no biênio 2021–2022, sazonalidade com pico predominante no primeiro semestre com maior frequência em maio e predominância feminina e parda, consistente com populações socioeconomicamente vulneráveis. A base integrada subsidiará mapeamento georreferenciado de clusters e modelagem preditiva de áreas de risco.Referências
Aguiar-Santos, M., Mendes, L. G. D. C., Passos, D. F. D., Santos, T. G. D. S., Lins, R. H. F. B., and Monte, A. C. P. D. (2023). Análise espacial da incidência da febre de Chikungunya e dos fatores socioeconômicos, demográficos e de infestação vetorial associados, em municípios de Pernambuco, Brasil, 2015–2021. Revista Brasileira de Epidemiologia, 26:e230018.
Brasil. Ministério da Saúde (2025). Informe Semanal nº 17 - COE Dengue e outras Arboviroses - SE 1 a 23 | 17 de junho — Brasil. Secretaria de Vigilância em Saúde e Ambiente. Ministério da Saúde.
Brasil. Ministério da Saúde. DATASUS (2020). Sistema de informação de agravos de notificação (sinan). [link]. Acesso em: 21 abr. 2026.
Brasil. Ministério da Saúde. DATASUS (2021). Sistema de informação de vigilância epidemiológica da gripe (sivep-gripe). [link]. Acesso em: 21 abr. 2026.
Coelho, F. C. and Carvalho, L. M. D. (2015). Estimating the Attack Ratio of Dengue Epidemics under Time-varying Force of Infection using Aggregated Notification Data. Scientific Reports, 5(1):18455.
Coelho, F. C., Vacaro, L., Semantic Release Bot, Sandro Loch, Bernardo Chrispim Baron, Gabriel Machado de Castro Fonseca, Ana Paula Gomes, Pedro Reck, Felipe Adeildo, Daidson Alves, Daniela Palumbo, Justin Poehnelt, Luis Novo, and shotaf (2026). AlertaDengue/PySUS: 2.2.0.
IBGE (2022). Malha municipal do brasil. [link]. Acesso em: 17 abr. 2026.
IBGE (2023). Sistema ibge de recuperação automática (sidra). [link]. Acesso em: 21 abr. 2026.
Kikuti, M., Cunha, G. M., Paploski, I. A. D., Kasper, A. M., Silva, M. M. O., Tavares, A. S., Cruz, J. S., Queiroz, T. L., Rodrigues, M. S., Santana, P. M., Lima, H. C. A. V., Calcagno, J., Takahashi, D., Gonçalves, A. H. O., Araújo, J. M. G., Gauthier, K., Diuk-Wasser, M. A., Kitron, U., Ko, A. I., Reis, M. G., and Ribeiro, G. S. (2015). Spatial distribution of dengue in a brazilian urban slum setting: Role of socioeconomic gradient in disease risk. PLOS Neglected Tropical Diseases, 9(7):1–18.
Organization, W. H. et al. (2022). Ending the neglect to attain the sustainable development goals: a rationale for continued investment in tackling neglected tropical diseases 2021–2030. World Health Organization.
PNUD, IPEA, and FJP (2013). Atlas do desenvolvimento humano no brasil. [link]. Acesso em: 17 abr. 2026.
Wirth, R. and Hipp, J. (2000). Crisp-dm: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining, volume 1, pages 29–39. Manchester.
Brasil. Ministério da Saúde (2025). Informe Semanal nº 17 - COE Dengue e outras Arboviroses - SE 1 a 23 | 17 de junho — Brasil. Secretaria de Vigilância em Saúde e Ambiente. Ministério da Saúde.
Brasil. Ministério da Saúde. DATASUS (2020). Sistema de informação de agravos de notificação (sinan). [link]. Acesso em: 21 abr. 2026.
Brasil. Ministério da Saúde. DATASUS (2021). Sistema de informação de vigilância epidemiológica da gripe (sivep-gripe). [link]. Acesso em: 21 abr. 2026.
Coelho, F. C. and Carvalho, L. M. D. (2015). Estimating the Attack Ratio of Dengue Epidemics under Time-varying Force of Infection using Aggregated Notification Data. Scientific Reports, 5(1):18455.
Coelho, F. C., Vacaro, L., Semantic Release Bot, Sandro Loch, Bernardo Chrispim Baron, Gabriel Machado de Castro Fonseca, Ana Paula Gomes, Pedro Reck, Felipe Adeildo, Daidson Alves, Daniela Palumbo, Justin Poehnelt, Luis Novo, and shotaf (2026). AlertaDengue/PySUS: 2.2.0.
IBGE (2022). Malha municipal do brasil. [link]. Acesso em: 17 abr. 2026.
IBGE (2023). Sistema ibge de recuperação automática (sidra). [link]. Acesso em: 21 abr. 2026.
Kikuti, M., Cunha, G. M., Paploski, I. A. D., Kasper, A. M., Silva, M. M. O., Tavares, A. S., Cruz, J. S., Queiroz, T. L., Rodrigues, M. S., Santana, P. M., Lima, H. C. A. V., Calcagno, J., Takahashi, D., Gonçalves, A. H. O., Araújo, J. M. G., Gauthier, K., Diuk-Wasser, M. A., Kitron, U., Ko, A. I., Reis, M. G., and Ribeiro, G. S. (2015). Spatial distribution of dengue in a brazilian urban slum setting: Role of socioeconomic gradient in disease risk. PLOS Neglected Tropical Diseases, 9(7):1–18.
Organization, W. H. et al. (2022). Ending the neglect to attain the sustainable development goals: a rationale for continued investment in tackling neglected tropical diseases 2021–2030. World Health Organization.
PNUD, IPEA, and FJP (2013). Atlas do desenvolvimento humano no brasil. [link]. Acesso em: 17 abr. 2026.
Wirth, R. and Hipp, J. (2000). Crisp-dm: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining, volume 1, pages 29–39. Manchester.
Publicado
01/06/2026
Como Citar
SILVA, Bianka Uiara Cândido da; ALENCAR, Andrêza Leite de.
Caracterização Socioespacial de Áreas Vulneráveis à Chikungunya em Pernambuco. In: WORKSHOP DE COMPUTAÇÃO APLICADA ÀS DOENÇAS TROPICAIS NEGLIGENCIADAS - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 26. , 2026, Ouro Preto/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 316-322.
ISSN 2763-8987.
DOI: https://doi.org/10.5753/sbcas_estendido.2026.26493.
