Previsão da tendência da coqueluche no Brasil em 2026–2027 com base nos modelos Arima e Sarima
DOI:
https://doi.org/10.63162/v67n70e26722Palavras-chave:
ARIMA, Brasil, SARIMA, TSM, CoquelucheResumo
Introdução: Embora a introdução da vacinação contra a coqueluche tenha reduzido significativamente sua incidência, os últimos anos têm demonstrado um ressurgimento da doença, enfatizando a importância de análises temporais e regionais para compreender sua dinâmica e subsidiar a vigilância epidemiológica. Objetivo: Desenvolver um modelo de série temporal para prever os casos de coqueluche no Brasil nos anos de 2026 e 2027. Material e Métodos: Este estudo ecológico de série temporal analisou as notificações de coqueluche no Brasil no período de 2007 a 2024, utilizando dados públicos disponíveis do SINAN/Tabnet/DataSUS. Os dados foram organizados em séries mensais e anuais, seguindo as diretrizes GATHER. As características das séries foram avaliadas por meio dos testes de Dickey-Fuller, Mann-Kendall, Kruskal-Wallis e Box-Pierce. Modelos ARIMA e SARIMA foram aplicados para prever os casos de 2026 e 2027 com intervalos de confiança de 95%. As análises foram realizadas utilizando R (v4.3.2) e Excel, de acordo com protocolos previamente estabelecidos. Resultados: Entre 2007 e 2024, foram registrados 42.354 casos de coqueluche. Observou-se que as regiões Sul e Sudeste foram as mais afetadas pela doença durante esse período. Os resultados indicaram que, embora os modelos ARIMA e SARIMA identificados para cada região apresentassem perfis relativamente estáveis de estacionariedade, tendência e sazonalidade, a análise baseada no modelo ajustado com o conjunto completoIntrodução: Embora a introdução da vacinação contra a coqueluche tenha reduzido significativamente sua incidência, os últimos anos têm demonstrado um ressurgimento da doença, enfatizando a importância de análises temporais e regionais para compreender sua dinâmica e subsidiar a vigilância epidemiológica. Objetivo: Desenvolver um modelo de série temporal para prever os casos de coqueluche no Brasil nos anos de 2026 e 2027. Material e Métodos: Este estudo ecológico de série temporal analisou as notificações de coqueluche no Brasil no período de 2007 a 2024, utilizando dados públicos disponíveis do SINAN/Tabnet/DataSUS. Os dados foram organizados em séries mensais e anuais, seguindo as diretrizes GATHER. As características das séries foram avaliadas por meio dos testes de Dickey-Fuller, Mann-Kendall, Kruskal-Wallis e Box-Pierce. Modelos ARIMA e SARIMA foram aplicados para prever os casos de 2026 e 2027 com intervalos de confiança de 95%. As análises foram realizadas utilizando R (v4.3.2) e Excel, de acordo com protocolos previamente estabelecidos. Resultados: Entre 2007 e 2024, foram registrados 42.354 casos de coqueluche. Observou-se que as regiões Sul e Sudeste foram as mais afetadas pela doença durante esse período. Os resultados indicaram que, embora os modelos ARIMA e SARIMA identificados para cada região apresentassem perfis relativamente estáveis de estacionariedade, tendência e sazonalidade, a análise baseada no modelo ajustado com o conjunto completo
Referências
Leontari K, Lianou A, Tsantes AG, Filippatos F, Iliodromiti Z, Boutsikou T, Paliatsou S, Chaldoupis AE, Ioannou P, Mpakosi A, Iacovidou N, Sokou R. Pertussis in Early Infancy: Diagnostic Challenges, Disease Burden, and Public Health Implications Amidst the 2024 Resurgence, with Emphasis on Maternal Vaccination Strategies. Vaccines (Basel). 2025;13(3).
Mi YM, Deng JK, Zhang T, Cao Q, Wang CQ, Ye S, Chen YH, He HQ, Wu BB, Liu Y, Zeng M, Li W, Wu F, Xu HM, Zhao SY. Expert consensus for pertussis in children: new concepts in diagnosis and treatment. World J Pediatr. 2024;20(12):1209-22.
Ulloa-Gutierrez R, Hozbor D, Avila-Aguero ML, Echániz-Aviles G, Gentile A, Torres Torretti JP, Heininger U, Muloiwa R, Wirsing von König CH, Forsyth K, Tan TQ. Country-Specific Data and Priorities for Pertussis in Latin America: Recent Findings From the Global Pertussis Initiative. Open Forum Infectious Diseases. 2025;12(5):ofaf154.
Kardos P, Correia de Sousa J, Heininger U, Konstantopoulos A, MacIntyre CR, Middleton D, Nolan T, Papi A, Rendon A, Rizzo A, Sampson K, Sette A, Sobczyk E, Tan T, Weil-Olivier C. Understanding the impact of adult pertussis and current approaches to vaccination: A narrative review and expert panel recommendations. Human Vaccines & Immunotherapeutics. 2024;20(1):2324547.
Skoff TH, Faulkner AE, Liang JL, Barnes M, Kudish K, Thomas E, Kenyon C, Hoffman M, Pradhan E, Liko J. Pertussis infections among pregnant women in the United States, 2012–2017. Clinical Infectious Diseases. 2021;73(11):e3836-e41.
Shi Q, Li J, Hu Q, Cheng C, Yang K, Li X, Song X, Chen S, Duan G. Efficacy, Immunogenicity, and Safety of Pertussis Vaccine During Pregnancy: A Meta-Analysis. Vaccines (Basel). 2025;13(7).
MacIntyre CR, de Sousa JC, Heininger U, Kardos P, Konstantopoulos A, Middleton D, Nolan T, Papi A, Rendon A, Rizzo A, Sampson K, Sette A, Sobczyk E, Tan T, Weil-Olivier C. Public health management of pertussis in adults: Practical challenges and future strategies. Human Vaccines & Immunotherapeutics. 2024;20(1):2377904.
Jenkins VA, Savic M, Kandeil W. Pertussis in High Risk Groups: An Overview of the Past Quarter Century. Human Vaccines & Immunotherapeutics. 2020;16(11):2609-17.
Wang S, Zhang S, Liu J. Resurgence of pertussis: Epidemiological trends, contributing factors, challenges, and recommendations for vaccination and surveillance. Human Vaccines & Immunotherapeutics. 2025;21(1):2513729.
Duda-Madej A, Łabaz J, Topola E, Bazan H, Viscardi S. Pertussis-A Re-Emerging Threat Despite Immunization: An Analysis of Vaccine Effectiveness and Antibiotic Resistance. Int J Mol Sci. 2025;26(19).
Dyer O. Whooping cough: Cases soar in US. BMJ. 2025;389:r704.
Sansone NMS, Boschiero MN, Marson FAL. The 2024 resurgence of Bordetella pertussis in Brazil and a decade-long epidemiological overview. Front Public Health. 2025;13:1549735.
Bakare EA, Mogbojuri OA, Oniyelu DO, Abidemi A, Daniel DO, Olasupo, II, Osikoya SA, Nwana AO, Olorunfemi RD, Olagbami SO. Time series modelling and forecasting of mpox incidence and mortality in Nigeria. BMC Infect Dis. 2025;25(1):794.
Anjos L, Neto B, Do Prado Assunção L. DEVELOPMENT AND VALIDATION OF A TUBERCULOSIS CASE PREDICTION MODEL IN THE STATE OF GOIÁS (2025-2026) WITH A FOCUS ON COMPUTATIONAL PATHOLOGY. International Journal of Health Science. 2025;5:1-12.
Zhang Q, Yu H, Zhong J, Cheng W, Qi Y. Global, regional, and national burden of brain and central nervous system cancer: a systematic analysis of incidence, deaths, and DALYS with predictions to 2040. Int J Surg. 2025;111(6):4033-8.
Hasan P, Khan TD, Alam I, Haque ME. Dengue in Tomorrow: Predictive Insights From ARIMA and SARIMA Models in Bangladesh: A Time Series Analysis. Health Sci Rep. 2024;7(12):e70276.
Schaffer AL, Dobbins TA, Pearson SA. Interrupted time series analysis using autoregressive integrated moving average (ARIMA) models: a guide for evaluating large-scale health interventions. BMC Med Res Methodol. 2021;21(1):58.
Peng PY, Duan HY, Xu L, Sun JQ, Ma LJ, Zu Y, Yan TL. A Seasonal Autoregressive Integrated Moving Average (SARIMA) forecasting model to predict the epidemic trends of scrub typhus in China. PLoS One. 2025;20(6):e0325905.
Rocha MS, Bartholomay P, Cavalcante MV, Medeiros FCd, Codenotti SB, Pelissari DM, Andrade KB, Silva GDMd, Arakaki-Sanchez D, Pinheiro RS. Notifiable Diseases Information System (SINAN): main features of tuberculosis notification and data analysis. Epidemiologia e Serviços de Saúde. 2020;29:e2019017.
Brasil CNdS. Resolução 510/2016 - Dispõe sobre a pesquisa em Ciências Humanas e Sociais . Brasil: Ministério da Saúde, Brasília, DF. 2016 [cited 2024]. Available from: https:// www.gov.br/conselho-nacional-de-saude/pt-br/acesso-a-informacao/legislacao/resolucoes/2016/resolucao-no-510.pdf/view.
Stevens GA, Alkema L, Black RE, Boerma JT, Collins GS, Ezzati M, Grove JT, Hogan DR, Hogan MC, Horton R. Guidelines for accurate and transparent health estimates reporting: the GATHER statement. The Lancet. 2016;388(10062):e19-e23.
Brasil. Portaria de Consolidação nº 4, de 28 de setembro de 2017. Consolidação das normas sobre os sistemas e os subsistemas do Sistema Único de Saúde. Ministério da Saúde Brasília; 2017.
Team RS. RStudio: integrated development environment for R. (No Title). 2021.
do Anjos LRB, do Prado Assunção L. Algorithm with time series simulation versus auto-adjustment in R for predicting tuberculosis cases in Goiás. 2024.
Wang H, Liu X, Cao X, Liu J, Li W. Global tendency and frontiers of research on pertussis from 2000 to 2023: A bibliometric and visual analysis. Hum Vaccin Immunother. 2024;20(1):2392334.
Cousin VL, Caula C, Vignot J, Joye R, Blanc M, Marais C, Tissières P. Pertussis infection in critically ill infants: meta-analysis and validation of a mortality score. Crit Care. 2025;29(1):71.
Tian S, Chen Y, Su Q, Sun B, Lin Z, Long Y, Wang H, Liao C, Zhang Y, Zheng J, Chen L, Guan S, Wang S, Xu X, Ai J. Pertussis clinical profile shift, severity, prediction in a tertiary hospital: A comparative study before, during, and after COVID-19 in Southern China. Journal of Infection and Public Health. 2025;18(1):102610.
Jha AK, Mithun S, Sherkhane UB, Jaiswar V, Osong B, Purandare N, Kannan S, Prabhash K, Gupta S, Vanneste B, Rangarajan V, Dekker A, Wee L. Systematic review and meta-analysis of prediction models used in cervical cancer. Artif Intell Med. 2023;139:102549.
Saúde BMd. Coqueluche https://app.powerbi.com view?r=eyJrIjoiYTU3MmI5ZjItYmMyNC00ZTVjLTk2ZTItNWZlMjUxNDQwZmVlIiwidCI6IjlhNTU0YWQzLWI1MmItNDg2Mi1hMzZmLTg0ZDg5MWU1YzcwNSJ92025 [cited 2025 23 / 10 / 2025].
Koike M. Datasus: An Essential Tool for Public Health in Brazil. Arquivos Brasileiros de Cardiologia. 2025;122(2).
Macina D, Evans KE. Bordetella pertussis in School-Age Children, Adolescents, and Adults: A Systematic Review of Epidemiology, Burden, and Mortality in Asia. Infect Dis Ther. 2021;10(3):1115-40.]
Saúde BMd. Situação epidemiológica da coqueluche, Brasil, 2015 Ministério da Saúde2016 [cited 2016 2025]. Available from: https://www.gov.br/saude/pt-br/assuntos/ saude-de-a-a-z/c/coqueluche/arquivos/boletim-epidemiologico-da-coqueluche-brasil-2015.pdf/view.
Ribeiro RMM, Mendes VA. Situación epidemiológica de tos ferina en el Distrito Federal entre 2007 y 2016. Revista Bioética. 2019;27:764-71.
Saúde BMd. NOTA TÉCNICA CONJUNTA Nº 70/2024-DPNI/SVSA/MS Ministério da Saúde2024 [cited 2024 novembro de 2025]. Available from: https://www.gov.br/saude/pt-br/ centrais-de-conteudo/publicacoes/notas-tecnicas/2024/nota-tecnica-conjunta-no-70-2024-dpni-svsa-ms.pdf.
Fu P, Yan G, Li Y, Xie L, Ke Y, Qiu S, Wu S, Shi X, Qin J, Zhou J, Lu G, Yang C, Wang C. Pertussis upsurge, age shift and vaccine escape post-COVID-19 caused by ptxP3 macrolide-resistant Bordetella pertussis MT28 clone in China. Clinical Microbiology and Infection. 2024;30(11):1439-46.
Saúde BMd. População Residente - Estudo de estimativas populacionais por município, idade e sexo de 2000 a 2025, no Brasil. Ministério da Saúde do Brasil2025.
Carvalho D, Soares G. COBERTURA VACINAL CONTRA COQUELUCHE E A INCIDÊNCIA DE CASOS DA DOENÇA EM CRIANÇAS NO BRASIL (2022-2024). Revista ft. 2025;29:01-2.
Oliveira Ed, Moraes JCd, França AP, Silva AId, Ramos Jr AN, Oliveira AdNM, Boing AF, Domingues CMAS, Oliveira CSd, Maciel ELN. Inquérito de cobertura vacinal segundo estrato social em crianças até 24 meses de vida, em Londrina, Paraná, entre 2021 e 2022. Epidemiologia e Serviços de Saúde. 2024;33:e20231393.
Zhang Y, Milinovich G, Xu Z, Bambrick H, Mengersen K, Tong S, Hu W. Monitoring Pertussis Infections Using Internet Search Queries. Sci Rep. 2017;7(1):10437.
Wang Y, Xu C, Wang Z, Zhang S, Zhu Y, Yuan J. Time series modeling of pertussis incidence in China from 2004 to 2018 with a novel wavelet based SARIMA-NAR hybrid model. PLoS One. 2018;13(12):e0208404.
Wongkoon S, Jaroensutasinee M, Jaroensutasinee K. Assessing the temporal modelling for prediction of dengue infection in northern and northeastern, Thailand. 2012.
Midekisa A, Senay G, Henebry GM, Semuniguse P, Wimberly MC. Remote sensing-based time series models for malaria early warning in the highlands of Ethiopia. Malaria journal. 2012;11(1):165.
Ren H, Li J, Yuan Z-A, Hu J-Y, Yu Y, Lu Y-H. The development of a combined mathematical model to forecast the incidence of hepatitis E in Shanghai, China. BMC infectious diseases. 2013;13(1):421.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Revista Goiana de Medicina
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
