DEP - Dissertações de mestrado
Permanent URI for this collection
Browse
Browsing DEP - Dissertações de mestrado by Author "Antunes, Liliana"
Now showing 1 - 1 of 1
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.