RESUMO
Neste estudo, baseado na análise de séries temporais para um período de 8 anos, correlacionou-se os casos de dengue com as variáveis climáticas das cidades da Baixada Santista (sudeste brasileiro) e de Cingapura (sudeste asiático). O estudo foi feito com o uso de um modelo de regressão de Poisson (MRP), que considera os casos de dengue como a variável dependente e as variáveis climáticas: precipitação, temperatura (máxima e mínima) e umidade relativa (máxima e mínima) como as variáveis independentes. Também foi utilizada a Análise de Componentes Principais (ACP) para escolher as variáveis que influenciam no aumento do número de casos de dengue nas cidades estudadas. A CP1 (componente principal 1) foi representada pelas temperaturas (máxima e mínima) e a precipitação e a CP2 (componente principal 2) pela umidade relativa (máxima e mínima). Calculou-se o acréscimo dos novos casos de dengue e o risco relativo de ocorrência da doença por influência de cada uma das variáveis climáticas. Na Baixada Santista, os maiores valores de precipitação e temperatura ocorrem nos meses de dezembro e janeiro (verão) e o aumento dos casos de dengue ocorre nos meses de março a maio (outono). Para Cingapura, a diminuição da precipitação e o aumento da temperatura ocorrem nos meses de março a maio (pré-monção de sudoeste), e, portanto, observa-se o aumento dos casos de dengue nos meses de junho a outubro (monção de sudoeste). Os resultados foram: em Cingapura, para 2oC a 10oC de variação na temperatura (máxima e mínima), houve um aumento médio dos casos de dengue de 22,2 por cento a 184,6 por cento (máxima) e de 26,1 por cento a 230,3 por cento (mínima). O risco relativo médio foi de 1,2 por cento a 2,9 por cento e de 1,3 por cento a 3,3 por cento, respectivamente. Para precipitação, a variação de 5mm a 55mm, houve o aumento dos casos de dengue de 5,6 por cento a 83,2 por cento, sendo e o risco relativo médio foi de 1,06 por cento a 1,83 por cento. A umidade relativa após a análise de correlação foi descartada no uso do modelo de regressão de Poisson por apresentar uma correlação...
In this study, based on time series analysis for a period of eight years, correlated dengue cases with climatic variables in the cities of Santos (southeastern Brazil) and Singapore (Southeast Asia). The study was done using a Poisson regression model (PRM), which considers the cases of dengue as the dependent variable and climatic variables: precipitation, temperature (maximum and minimum) and relative humidity (maximum and minimum) as the independent variables. Also we used the Principal Component Analysis (PCA) to select the variables that influence the increase in the number of dengue cases in the cities studied. The PC1 (principal component 1) was represented by the temperatures (maximum and minimum) and precipitation and the PC2 (principal component 2) the relative humidity (maximum and minimum). We calculated the addition of new dengue cases and relative risk of disease influenced by each variable climate. In Baixada Santista, the highest values of precipitation and temperature occur in the months of December and January (summer) and the increase in dengue cases occur in the months from March to May (autumn). For Singapore, the decrease in precipitation and temperature increase occurring in the months March to May (southwest inter-monsoon) and hence there is an increase of dengue cases in the months from June to October (southwest monsoon). The results were in Singapore for 2oC to 10oC change in temperature (maximum and minimum), there was an average increase of dengue cases from 22.2 percent to 184.6 percent (maximum) and 26.1 percent at 230 3 percent (minimum). The average relative risk was 1.2 percent to 2.9 percent and 1.3 percent to 3.3 percent, respectively. For precipitation, the range of 5mm to 55mm, there was an increase of dengue cases from 5.6 percent to 83.2 percent, with and average relative risk was 1.06 percent to 1.83 percent. The relative humidity after the correlation analysis was discarded in the use of Poisson regression model for presenting a very low correlation. For Baixada Santista, the variation of temperature...