A nossa próxima palestra ocorrerá na quarta-feira, 3 de DEZEMBRO, no horário das 15h30 às 17h00, Local: Laboratório de Sistemas Estocásticos (LSE), Sala I-044-B, Centro de Tecnologia - UFRJ.
Palestrante: Lais Picinini Freitas (ENSP/Fiocruz)
Título: Epidemiologia e estatística em parceria: desenvolvendo modelos altamente estruturados aplicados a dados de vigilância
Resumo: Além de conferir maior robustez e rigor estatístico, essa colaboração assegura que as hipóteses e a estrutura do modelo sejam guiadas por um raciocínio epidemiológico sólido, ancorado em um modelo teórico consistente com o comportamento real da transmissão. Os dados de vigilância frequentemente apresentam limitações que tornam sua análise especialmente desafiadora, tornando essa integração entre estatística e epidemiologia ainda mais essencial. Para ilustrar essa parceria, falarei de estudos realizados em colaboração com estatísticos para o desenvolvimento de modelos estatísticos altamente estruturados e sob a perspectiva Bayesiana para dados de vigilância de arboviroses no Rio de Janeiro e na Colômbia. Para o Rio, apresentarei um modelo desenvolvido para estudar a distribuição espaço-temporal intraurbana e fatores associados à primeira epidemia de Chikungunya no município, considerando estruturas autorregressivas e uma função de transferência (Alves et al. 2022) para capturar a associação não linear com a temperatura. Na Colômbia, a epidemia de Zika é particularmente desafiadora de ser estudada espaço-temporalmente: mais de 90% dos dados de casos semanais por município são constituídos de zeros. Adaptamos um modelo de mudança de estado (Markov switching) (previamente proposto por Douwes-Schultz & Schmidt, 2022), aplicado a dados semanais de casos de Zika em todos os municípios da Colômbia. O modelo assume que a epidemia transita entre estados de ausência e presença, permitindo estimar probabilidades de emergência, persistência e reemergência da transmissão. Quando em estado presente, as contagens de casos são modeladas por uma distribuição Binomial negativa para estimar a intensidade da transmissão. A colaboração na formulação dos modelos exigiu não apenas a definição de hipóteses epidemiológicas plausíveis, mas também sua tradução em um arcabouço estatístico formal, viabilizado por métodos de inferência bayesiana via MCMC/HMC. Além do desafio presente nos dados, o cenário epidemiológico se complexifica com a co-circulação de mais de uma arbovirose. Com a Professora Alexandra Schmidt, desenvolvemos um modelo espacial Poisson-multinomial para epidemias simultâneas de arboviroses (Schmidt et al. 2022) e o aplicamos aos dados do Rio e da Colômbia para estudar a tríplice epidemia de dengue, Zika e chikungunya. Espero com essa apresentação reforçar a importância da colaboração entre epidemiologistas e estatísticos para estudar e entender agravos que desafiam a saúde pública.
Artigos que serão apresentados:
- Freitas LP, Schmidt AM, Cossich W, Cruz OG, Carvalho MS (2021) Spatio-temporal modelling of the first Chikungunya epidemic in an intra-urban setting: The role of socioeconomic status, environment and temperature. PLoS Negl Trop Dis 15(6): e0009537. https://doi.org/10.1371/journal.pntd.0009537
- Picinini Freitas, L., Douwes-Schultz, D., Schmidt, A.M. et al. Zika emergence, persistence, and transmission rate in Colombia: a nationwide application of a space-time Markov switching model. Sci Rep 14, 10003 (2024). https://doi.org/10.1038/s41598-024-59976-7
- Picinini Freitas, L., Carabali, M., Schmidt, A.M. et al. A nationwide joint spatial modelling of simultaneous epidemics of dengue, chikungunya, and Zika in Colombia. BMC Infect Dis 25, 406 (2025). https://doi.org/10.1186/s12879-025-10782-0
Referências metodológicas:
- Alves MB, Gamerman D, Ferreira MA. Transfer functions in dynamic generalized linear models. Statistical Modelling: An International Journal. 2010;10: 03–40.
- Douwes-Schultz, D. & Schmidt, A. M. Zero-state coupled Markov switching count models for spatio-temporal infectious disease spread. J. R. Stat. Soc.: Ser. C (Appl. Stat.) 71, 589–612. https://doi.org/10.1111/rssc.12547 (2022).
- Schmidt AM, Freitas LP, Cruz OG, Carvalho MS. A Poisson-multinomial spatial model for simultaneous outbreaks with application to arboviral diseases. Stat Methods Med Res. 2022;31:1590–602. https://doi.org/10.1177/09622802221102628
Mais informações: https://ppge.im.ufrj.br/ciclo-de-palestras-segundo-semestre-de-2025/
Organizadores: Maria Eulalia Vares e Widemberg S Nobre
Our next seminar will be held on Monday, December 1st, from 3:30 p.m. to 4:30 p.m. (Rio de Janeiro local time). The meeting will take place at room C116- Bloco C - CT – Instituto de Matemática – UFRJ. There will be no transmission online.
Speaker: Phanuel Mariano (Union College)
Title: Spectral bounds, exit times and survival probability for stochastic processes
Abstract:
Given a domain in a metric measure space equipped with a Dirichlet form, we present results that relate the bottom of the spectrum to the exit time of the associated Hunt process from the domain. In particular, we establish spectral upper and lower bounds for the survival probability of the process. Our discussion covers both local processes (such as diffusions) and non-local processes (such as jump processes). Our results can be applied in a wide variety of settings such as manifolds, Carnot groups and fractals to name a few. This is joint work with Jing Wang (Purdue).
More complete information about the seminars can be found at
https://ppge.im.ufrj.br/seminarios-de-probabilidade/
Sincerely,
Organizers: Giulio Iacobelli and Maria Eulalia Vares
Palestrante: Guilherme Ludwig (UNICAMP)
Título: A non-stationary spatio-temporal covariance model with advection effects for rainfall data
Resumo: We propose a non-stationary model constructed using a mixture of spatio-temporal covariance models with advection effects (Gupta and Waymire, 1987; Cox and Isham, 1988); namely, models that have larger covariance values along an orientation vector in the spatio-temporal index set, that simulate wind direction and cloud movement. We show that a mixture of such models can allow for wind direction change in data during (estimated) time intervals, unlike classical models that use rigid advection effects. We construct a MCMC procedure for Bayesian estimation, and illustrate the problem with rainfall data from the southeastern region of Brazil. This is a joint work with Pedro Nasevicius Ramos (UNICAMP).
Mais informações: https://ppge.im.ufrj.br/ciclo-de-palestras-segundo-semestre-de-2025/
Organizadores: Maria Eulalia Vares e Widemberg S Nobre
