Universidade de Lisboa Repositório da Universidade de Lisboa

Repositório da Universidade de Lisboa >
Faculdade de Ciências (FC) >
FC - Teses de Doutoramento >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10451/5282

Título: Statistical methods for modeling and nowcasting the impacts of influenza epidemics
Autor: Nunes, Baltazar, 1973-
Orientador: Carvalho, Maria Lucília Salema e, 1949-
Natário, Isabel Cristina Maciel, 1972-
Palavras-chave: Influenza
Epidemias
Modelos autoregressivos
Modelos bayesianos
Processos de Markov
Vigilância
Teses de doutoramento - 2012
Issue Date: 2011
Resumo: Influenza is an acute respiratory infection responsible for epidemics with high impact on human health. Several statistical methods have been applied to data collected from influenza surveillance systems (ISS) to assess the epidemic burden and early detect it. Given the ISS reporting delays, models have recently been developed to correct them by predicting the present situation (nowcasting) using the incomplete information collected. Thus, three objectives were defined. Review and classify the methods that use interrupted mortality time series to estimate influenza excess deaths. They were classified according to the model used to fit the time series and obtain a baseline; the influenza epidemic period estimator and the procedure used to fit the model (iterative or non iterative). This generalization led to the development of user friendly R-package, flubase, implementing all these models. Estimate influenza excess deaths in Portugal between 1980 and 2004. The seasonal excess deaths average by all causes was 2,475, of those 90% occurred in the elderly. These results suggest a similar influenza epidemics profile between Portugal and other countries in the Northern Hemisphere, and represent the first reference to contextualize future epidemics severity and design public health measures. Develop a model to nowcast the influenza epidemic evolution in a weekly basis. A non homogenous hidden Markov model (HMM) was developed to nowcast the current week influenza-like illness (ILI) incidence rate and the probability that the influenza activity is epidemic using as covariates an early estimate of ILI rate and the number of ILI cases tested positive in the previous week. Bayesian inference was used to estimate the model parameters and nowcasted quantities. The results obtained by application to the Portuguese ISS data, demonstrated the additional value of using a non homogenous HMM instead of an homogenous since it improves the ISS timeliness in 2 weeks.
A gripe é uma doença respiratória aguda que no hemisfério norte, durante o Outono e Inverno, é responsável por epidemias com considerável impacto nas populações humanas, traduzindo-se muitas vezes em excessos de mortalidade, hospitalizações e necessidades de cuidados de saúde. Neste contexto, têm sido implementados vários sistemas de vigilância epidemiológica da gripe (SVG) a nível nacional e internacional com o objectivo de fornecer às autoridades de saúde informação para a elaboração de avaliações de risco actualizadas que permitam uma correcta implementação de medidas de controlo e mitigação das epidemias e suas consequências. Com o objectivo de medir o efeito das epidemias em termos de excessos de mortalidade e de detectar de forma precoce o seu início, diversos métodos estatísticos têm sido propostos e aplicados aos dados colhidos por estes SVG. Em relação a este último objectivo, e dado que muitos dos SVG apresentam importantes demoras no processo de recolha, tratamento e análise dos dados, com consequentes atrasos na detecção das epidemias, recentemente têm-se desenvolvido modelos estatísticos que procuram corrigir estas faltas de informação. Os modelos propostos procuram então prever a situação epidémica actual - nowcasting - usando a informação incompleta colhida até ao momento pelo SVG. Neste enquadramento os objectivos desta tese foram: unificar numa única classe os métodos estatísticos para estimar os excessos de mortalidade atribuíveis à gripe, que são caracterizados por usarem séries temporais de mortalidade interrompidas; estimar os excessos de mortalidade atribuível à gripe durante o período de 1980 a 2004 e contextualizá-los na literatura cientifica internacional; e desenvolver modelos para prever a presente situação epidémica da gripe (nowcast) no contexto dos sistemas de vigilância epidemiológica. Os principais métodos estatísticos, que recorrem a séries temporais da mortalidade interrompidas para estimar os excessos de óbitos associados à gripe foram revistos de forma exaustiva. O objectivo foi identificar não só as suas características comuns mas também os factores que os diferenciam. Desta análise resultou uma unificação dos métodos que se caracterizou pela sua classificação de acordo com os seguintes parâmetros: o tipo de modelo usado para ser ajustado à série temporal interrompida e estimar a linha de base (regressão cíclica ou ARIMA), o período temporal escolhido a priori usado para estimar o período epidémico e o procedimento para ajustar o modelo à série temporal (iterativo ou não iterativo). Esta generalização e formalização levou naturalmente à construção de um conjunto de rotinas de R de fácil utilização, o pacote flubase, que pode ser descarregado de http://cran.r-project.org/web/packages/flubase/index.html e onde estão implementados todos os métodos descritos. O pacote de rotinas desenvolvido representa também uma importante ferramenta para a avaliação da sensibilidade dos excessos de óbitos obtidos face à variação do tipo de método usado, pois permite obter de forma prática e rápida estas estimativas para diferentes combinações dos parâmetros. Os vários métodos identificados foram ainda aplicados a 20 anos de mortalidade por Pneumonia e Gripe em Portugal, demonstrando que, neste caso, o parâmetro que maior impacto teve nas estimativas dos excessos de óbitos foi o tipo de período escolhido para estimar o período epidémico. Com base nos resultados obtidos no estudo anterior seleccionou-se o método estatístico considerado mais adequado à estimação retrospectiva dos excessos de mortalidade associados à gripe em Portugal. Mais especificamente foi aplicado às séries de mortalidade estudadas o modelo ARIMA com ajustamento não iterativo onde os períodos epidémicos foram estimados com base na mortalidade específica por gripe. Os resultados obtidos da aplicação do método a 7 causas de morte diferentes para 8 grupos etários, permitiu: estimar em 2.475 a média sazonal de óbitos associados às epidemias de gripe que ocorreram no período de 1980 a 2004, valor este que corresponde a uma taxa média bruta por época de 24,7 por 100.000 habitantes; verificar que em 5 das 24 épocas não ocorreram excessos de óbitos associados à gripe e que o máximo estimado foi de 8.514 óbitos na época 1998-1999. Um outro resultado importante foi que em média, os excessos estimados no grupo etário ≥ 65, representaram cerca de 90% do total dos excessos. Todos os resultados obtidos sugerem ainda que as epidemias de gripe ocorridas neste período em Portugal tiveram, em termos gerais, um perfil semelhante ao descrito noutros países com clima temperado do Hemisfério Norte. Adicionalmente, poderemos ainda afirmar que as estimativas obtidas neste estudo, representam um passo importante para estabelecer referências para avaliar o impacto de futuras epidemias de gripe e também para delinear medidas de saúde pública racionais para mitigar o seu efeito. O objectivo de reduzir a demora dos SVG na detecção do início do período epidémico, foi atingido com a apresentação de um modelo que permite prever a taxa de incidência de síndroma gripal (SG), assim como o estado de actividade gripal (epidémico ou não epidémico) da própria semana. Este modelo foi escolhido na família de modelos de cadeias de Markov escondidas (HMM), porque aplicações anteriores, no contexto da detecção de epidemias, demonstraram algum sucesso e principalmente porque estes modelos permitem a previsão simultânea de duas medidas de grande interesse para este trabalho - a probabilidade de se estar no período epidémico e a taxa de incidência de SG. Nestes modelos as probabilidades de transição entre estados podem ser assumidas como contantes ou variantes no tempo, correspondendo respectivamente ao modelo homogéneo e não homogéneo. Assim, elegeu-se naturalmente o modelo não homogéneo para atingir o objectivo definido, dado que tem a vantagem de permitir a inclusão de covariáveis com informação precoce sobre a evolução da epidemia que permitem, ao mesmo tempo, modelar a variável resposta, taxa de incidência de SG, mas também as probabilidades de transição entre o estado epidémico e o não epidémica e vice-versa. As covariáveis escolhidas foram uma estimativa precoce da taxa de incidência de SG calculada `a sexta-feira da própria semana e o número de casos de SG com resultado laboratorial positivo para gripe na semana anterior. As estimativas dos parâmetros dos modelos assim como a taxa de incidência e a probabilidade de estar no estado epidémico foram obtidas por métodos de inferência bayesiana. Os resultados obtidos pela aplicação dos modelos propostos à informação recolhida pelo SVG Português, demonstraram a vantagem de usar um modelo de cadeias de Markov escondidas não homogéneo em comparação com um modelo homogéneo. Concretamente foi possível mostrar que, no caso deste SVG, o recurso a um HMM não homogéneo reduz o atraso na detecção do início do período epidémico em duas semanas.
Descrição: Tese de doutoramento, Estatística e Investigação Operacional (Probabilidades e Estatística), Universidade de Lisboa, Faculdade de Ciências, 2012
URI: http://hdl.handle.net/10451/5282
Appears in Collections:FC - Teses de Doutoramento

Files in This Item:

File Description SizeFormat
ulsd061988_td.pdf1,67 MBAdobe PDFView/Open
Statistics
FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

  © Universidade de Lisboa / SIBUL
Alameda da Universidade | Cidade Universitária | 1649-004 Lisboa | Portugal
Tel. +351 217967624 | Fax +351 217933624 | repositorio@reitoria.ul.pt - Feedback - Statistics
DeGóis
Promotores do RCAAP   Financiadores do RCAAP

Fundação para a Ciência e a Tecnologia Universidade do Minho   Governo Português Ministério da Educação e Ciência PO Sociedade do Conhecimento (POSC) Portal oficial da União Europeia