DEP - Dissertações de mestrado
Permanent URI for this collection
Browse
Browsing DEP - Dissertações de mestrado by advisor "Antunes, Marília"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Modelação do atraso na notificação dos óbitos no sistema de vigilância diária da mortalidadePublication . Antunes, Liliana; Antunes, Marília; Nunes, BaltazarO sistema de vigilância diária da mortalidade (VDM), que monitoriza a mortalidade por “todas as causas" em Portugal, está implementado no Departamento de Epidemiologia (DEP) do Instituto Nacional de Saúde Dr. Ricardo Jorge (INSA) e foi desenvolvido em parceria com o Instituto dos Registos e do Notariado (IRN) e com o Instituto de Gestão Financeira e Equipamentos da Justiça (IGFEJ). O sistema VDM tem como função a monitorização contínua e sistemática da mortalidade observada em Portugal, com o objetivo de detetar e estimar a magnitude do impacte de epidemias, novas doenças, condições climáticas extremas ou outros eventos relacionados com a saúde. Este sistema é visto como uma ferramenta estratégica para a ação em saúde pública. O tempo entre a ocorrência do óbito e a chegada dessa informação ao sistema é crucial para a deteção atempada destes impactes na medida em que, quanto maior é o atraso na notificação dos óbitos ao sistema VDM, maior será o tempo até à deteção destes impactes. O principal objetivo deste projeto foi o desenvolvimento de uma metodologia que permita estimar diariamente o número de óbitos ocorridos mas ainda não notificados ao VDM, através da modelação do atraso na notificação dos mesmos e, tendo em vista, a diminuição do tempo até à deteção de impactes na mortalidade através da metodologia proposta. A informação disponível contabiliza um total de 593197 óbitos, correspondendo à informação rececionada de Maio de 2008 a 20 de Janeiro de 2014. A metodologia que se propõe para a concretização dos objetivos assenta na utilização do estimador pontual: M t,i = mt,i / Pi , i = 1; …, 14 , onde Pi é a probabilidade estimada de um óbito ser notificado com um atraso igual ou inferior a i dias, mt;i o número de óbitos ocorridos a dia t e notificados com atraso igual ou inferior a i dias e Mt;i o número total de óbitos ocorridos a dia t com a informação rececionada até i dias depois. A estimação das probabilidades associadas aos vários dias de atraso foi obtida através de modelos de regressão logística, tendo como covariáveis: o dia de semana de morte, ser feriado no dia da morte, ser feriado no dia da previsão e ser feriado nos k dias anteriores à previsão, com k = 1; …, 4 e para i < 5, k = 1, …, i-1. Todas as variáveis mostraram ser significativas para explicar pelo menos um dos atrasos. O desempenho da metodologia foi avaliado através de validação cruzada em duas fases: a primeira ajustando os modelos aos dados até 2011 e implementando a metodologia para 2012 e a segunda, ajustando os modelos aos dados até 2012 e implementando a metodologia para 2013. Esta escolha deve-se à ocorrência de dois eventos relacionados com excesso de mortalidade nestes anos, epidemia de gripe em 2012 e onda de calor em 2013. A metodologia foi capaz de produzir estimativas com qualidade, ou seja, com um erro relativo mediano inferior a 10%, quando se teve acesso a pelo menos um dia de informação. Na prática, corresponde aos momentos de previsão em que pelo menos um dos dias anteriores ao dia da previsão foi um dia útil. A metodologia também permitiu diminuir o tempo até à deteção do início do excesso de mortalidade durante os dois eventos em estudo comparativamente com o sistema atual. O início de excesso de mortalidade durante a epidemia de gripe em 2012 e durante a onda de calor em 2013 foi detetado, através da metodologia, 7 e 6 dias mais cedo, respetivamente. É absolutamente essencial durante períodos de eventos relacionados com a saúde contar com informação atualizada sobre a mortalidade. A metodologia proposta mostrou ser capaz de estimar diariamente a mortalidade em Portugal, tendo acesso a pelo menos um dia de informação, contribuindo para a redução do tempo até à deteção de excesso de mortalidade. Desta forma, a deteção de impactes destes eventos em tempo real permite que a tomada de ações de mitigação seja mais atempada.
- The impact of heatwaves on mortality in the Lisbon district – ICARO system revisitedPublication . Bulhosa, Carolina; Antunes, Marília; Nunes, BaltazarTemperature is an environmental factor that influences human comfort and health, so much that both extreme heat and cold increase mortality. Studying the effect that extreme heat has on mortality is of utmost importance, in order to try to predict and mitigate the consequences of global warming, with special attention to the most vulnerable and least adaptive population. In 1991, a heat health warning system that monitors possible increases in mortality due to extreme heat was created - the ICARO system. It was initially developed based on a time series statistical model using dynamic regression techniques and a dynamic threshold, which were calibrated for Lisbon data concerning the 1981 and 1991 heatwaves. The purpose of this work is to formulate a new kind of model to study the heat-mortality relation, aiming to optimise/update the ICARO system. Since the effect of extreme heat on mortality is not limited to the time period when it occurs but is delayed in time, using a model from the family of distributed lag non-linear models (DLNM) seems to be appropriate. A DLNM is based on a bidimensional function, called “cross-basis” function, which describes the shape of the relationship simultaneously along the space of the predictor - temperature -, and along its lag dimension. Therefore, this type of functions allows to explain an exposure-response effect, considering both the intensity and timing of a combination of several past exposures, up to a determined maximum lag. The model proposed here, was calibrated with data from the district of Lisbon from 1980 to 2017, restricted to the months between May and September. The total counts of daily deaths were explained in function of the daily maximum temperatures, through a cross-basis function allowing for a maximum lag of 10 days. The model also accounted for two time functions to control for seasonality and trend. The day of the week and annual average population entered the final model, as well. The results revealed that heat has a sustained effect up to 4 days, causing an overall increase in the relative risk of death for temperatures above 30 oC. However, temperatures below 15 oC during summer confer some protection. The predictive performance of the DLNM and the ICARO model were assessed and compared, through a cross-validation method. It revealed that both models have a good capacity to predict the highest peaks of mortality, but the DLNM tends to underestimate the magnitude of the lower ones. Overall, the DLNM obtained is considered a good model, since it seems to capture at least the main features of the studied relationship. There are some possible future developments for this theme, such as simpler modelling choices for the cross-basis function and accounting for some of the known risk factors for the heat-related mortality.