Programa - Comunicação Coordenada - CC1.21 - Inovações Tecnológicas na Vigilância Epidemiológica: Modelos, Dados e Monitoramento

Objetivos: Apresentar a estratégia de monitoramento de tendências e geração de alertas de eventos de interesse epidemiológico a partir de dados não-tradicionais na vigilância em saúde do município do Rio de Janeiro. Métodos: Utilizando dados de prontuários eletrônicos de atendimentos de urgência e emergência, são construídas séries temporais de diferentes agravos de interesse para a saúde no município. Agravos como síndrome gripal, diarreia, arboviroses e bronquiolite são monitorados diariamente, através do CID registrado nos atendimentos. A partir de modelos temporais sob a ótica Bayesiana, monitora-se a situação desses agravos sob duas perspectivas: patamar de número de atendimentos e inclinação da curva. Diariamente, são gerados alertas baseados nessas métricas, informando sobre regiões e grupos populacionais com alto patamar de casos ou mudança significativa de tendência. De forma complementar, são também considerados como evento de alerta atendimentos cujo CID informado corresponda a um agravo de imediato interesse epidemiológico, como sarampo, febre amarela, ou cólera. Todas as análises foram realizadas na linguagem R. Resultados e Conclusões: Os resultados da modelagem são dispostos em um painel de uso interno do Centro de Inteligência Epidemiológica, onde acompanha-se as atualizações diárias das tendências no município e os alertas gerados. Ao longo de um ano de uso, o painel contribuiu para geração de informação e ações decorrentes para possíveis emergência, como investigação de possíveis casos de sarampo e aumento localizado de casos de diarreia. Em conjunto com outras coordenações da vigilância, foram implantadas ações no território de forma precoce e direcionada, inovando na rotina de ação da vigilância em saúde.

A Sala de Situação em Saúde (SDSS) da Secretaria de Saúde de Salvador se configura como um espaço físico e virtual voltado para o monitoramento de indicadores de saúde como subsídio à tomada de decisão pela gestão do SUS municipal. Enquanto ferramenta do planejamento estratégico-situacional desta secretaria, a SDSS dispõe a visualização do desempenho de indicadores através de uma plataforma virtual de Business Inteligence (BI), cujos elementos gráficos (tabelas, gráficos, mapas...) são apresentados de forma dinâmica, de acordo com as variáveis pertinentes para a análise de cada indicador. O cálculo destes, por sua vez, é feito de forma automatizada pelo software Alteryx, que integra as diversas bases de dados disponíveis nos Sistemas de Informação, a exemplo do SIM, SINASC, SINAN, SISCAN, além de sistemas de base estadual e o Sistema Vida, que é municipal. O objetivo deste trabalho é apresentar a SDSS enquanto estratégia que integra a vigilância em saúde no contexto do SUS, com a utilização de dados em saúde através de BI e o planejamento estratégico. Atualmente, a SDSS conta com indicadores disponíveis para utilização por áreas como a atenção, a vigilância e a regulação em saúde. A utilização da plataforma de BI como instrumento do processo de trabalho da gestão municipal qualifica o monitoramento e a avaliação de indicadores estratégicos, assim como a disponibilização de acesso para o nível distrital e as unidades da rede contribui para o acompanhamento da situação de saúde, de forma a orientar a tomada de decisão inclusive pelas equipes assistenciais de saúde.

Objetivos:(1) Estimar o melhor tamanho de janela do pacote nowcaster para corrigir o atraso de notificação, (2) e avaliar a performance da predição de uma semana dos casos hospitalizados de SRAG e Covid-19 para o estado de SP e seus DRS. Métodos: Foram realizadas 34.992 estimativas de nowcasting com diferentes intervalos de janelas para o estado de SP, usando as bases Sivep-Gripe de 04/08/2021 a 31/08/2022. A avaliação da habilidade preditiva dos modelos foi feita por meio do cálculo da proporção de casos observados que caíram nos intervalos de credibilidade (IC) de 50% e 95% e cálculos de weighted interval score. Entre os dias 06/07/2023 à 17/01/2024, foram geradas semanalmente análises preditivas prospectivas de forecasting para SRAG e Covid-19, com os melhores intervalos de janela avaliados anteriormente, as quais também tiveram sua habilidade preditiva estimada. Resultados: Os melhores intervalos de janela para corrigir o atraso de notificação foram de 8 e 10 semanas. Em relação às análises de forecasting, 74,8 % das estimativas de SRAG e 86,7% de Covid-19 caíram dentro do IC de 95%, enquanto 38,1% e 50,9%, respectivamente, caíram dentro do IC de 50%. Alguns DRS tiveram a habilidade preditiva menor, principalmente para SRAG. Conclusões: Utilizando os parâmetros adequados, o pacote nowcaster tem sido eficaz em estimar o atraso de notificação e fazer predições de curto prazo para as hospitalizações de SRAG e Covid-19 na maioria dos DRS do estado de São Paulo.

Objetivos: Descrever o Painel de Vigilância Laboratorial de Vírus Respiratórios implantado pelo Centro de Inteligência Epidemiológica, na cidade do Rio de Janeiro. Métodos: Registros do Sistema Gerenciador de Amostras Laboratoriais (GAL) foram consolidados em um painel, com visualização restrita aos técnicos da vigilância em saúde. Análises relacionadas aos resultados de exames com possibilidade de estratificação segundo sexo, ciclo de vida, área geográfica, unidade de saúde solicitante, semana epidemiológica e agente etiológico foram disponibilizadas automaticamente. O painel foi desenvolvido com a ferramenta Power BI e a série histórica incluiu dados laboratoriais desde 2021. Resultados: No ano de 2024, o total de exames liberados foi igual a 5.201 (56,2% corresponderam ao sexo feminino). A positividade foi igual a 42,1% (n=2.190), destacando-se o ciclo de vida adulta (39,0%). A partir da semana epidemiológica 12, verificou-se aumento da positividade para vírus sincicial respiratório e rinovírus no município. As unidades sentinela foram responsáveis pela solicitação de 42,3% do total de exames. Conclusões: O painel trouxe ganhos para a vigilância epidemiológica, pois permitiu uma análise detalhada e semi-automatizada de registros relacionados aos resultados laboratoriais disponibilizados no GAL. A ferramenta tem sido utilizada no nível central e nas áreas programáticas da cidade e favoreceu a consulta e a visualização de indicadores de vigilância laboratorial de vírus respiratórios.

OBJETIVO: detectar precocemente elevação de casos com sintomas de dengue, identificar regiões com aumento desses casos e iniciar ações conjuntas com os municípios para controlar a disseminação da doença. METODOLOGIA: A ação envolveu a Superintendência de Informação Estratégica em Vigilância em Saúde (SUPIEVS), a Fundação de Saúde e a Organização Pan-Americana da Saúde (OPAS). Iniciada em janeiro de 2023, seguiu o seguinte fluxo: definição do corpus pelo conjunto de queixas, coleta e pré-processamento diário dos dados, extração de termos relevantes definidos com base na literatura e em consultas a especialistas, criação da matriz termo-documento para análise quantitativa e visualização dos dados. Um painel interativo em Shiny (R) foi desenvolvido para visualizar os dados estratificados por região de saúde e municípios, facilitando a detecção oportuna de elevação de casos. Os dados coletados de diferentes upas foram centralizados em uma base de dados única, permitindo um monitoramento pelo Centro de Operações de Emergência (COE), que se reunia semanalmente para análise da situação da doença e definição de apoio às regiões mais afetadas. CONCLUSÃO: Os resultados mostraram uma detecção mais rápida dos casos de dengue, com identificação precoce de picos em determinadas regiões antes dos relatórios oficiais. Os aumentos foram detectados a partir de queixas e não de classificação de doenças, permitindo uma vigilância ativa e oportuna. A experiência destacou a importância de uma infraestrutura de dados bem-organizada e de parcerias eficazes entre as instituições, demonstrando que a mineração de texto e o uso de tecnologias interativas podem melhorar significativamente o monitoramento epidemiológico.