Dados & documentação – Modelagem de risco de febre amarela

Dois modelos, duas perguntas

O projeto tem dois modelos, porque responde a duas perguntas diferentes, e cada um é avaliado pela validação que corresponde ao seu uso.

Modelo	Pergunta	Validação
Previsão por temporada: regressão logística sobre doze variáveis de propagação, refratariedade, floresta, relevo, população e clima normal, com regularização L2 forte e sem peso de classe	Onde a onda em curso deve aparecer na temporada que começa em julho?	Janela expansiva por temporada: treina em tudo até T−1, prevê T, avança. Calibração de Platt ajustada só sobre temporadas anteriores.
Adequabilidade ambiental: floresta aleatória com 300 árvores e folha mínima de 5 sobre clima, paisagem, imunidade e demografia	Quais determinantes ecológicos sustentam o risco, e como o clima projetado o desloca?	Blocos temporais, espaciais e espaço-temporais; importância por permutação fora da amostra.

Os valores das figuras são lidos de arquivos JSON gerados pela análise, e não digitados no HTML: atualizar o portal é reexecutar a análise.

O painel analítico

A unidade de análise passou de município×período para município-ano: 178.240 linhas cobrindo 5.570 municípios entre 1994 e 2025, com 32 variáveis de modelagem ambiental em cinco famílias. A resolução anual é o que permite partição temporal: com períodos plurianuais largos presentes dos dois lados do teste, o modelo nunca precisaria extrapolar. O modelo de previsão usa o mesmo painel reexpresso por temporada de monitoramento, julho a junho, com 86 variáveis defasadas para o instante da previsão.

Família	Variáveis	Conteúdo
Clima	9	Chuva anual e sazonalidade, temperaturas, déficit de pressão de vapor, vento, trimestre seco, amplitude térmica
Clima defasado	8	Quatro variáveis climáticas com defasagem de um e dois anos
Paisagem	11	Frações de uso do solo, cobertura florestal, perda anual e acumulada, interface floresta–antrópico
Imunidade	1	Imunidade acumulada defasada em dois anos
Demografia	3	População em log, densidade e área

Controles de qualidade na construção do painel

Armadilha	Tratamento
Os tiles da base florestal Hansen são organizados em faixas de 10° de latitude, e o recorte "óbvio" para o Brasil omite a faixa ao norte do equador: 44 municípios, 12,4% do território, ficariam sem dado — e uma imputação pela média nacional poria floresta média do Brasil em plena Amazônia.	A faixa 10N é baixada e verificada por soma de verificação. Nenhum município recebe valor imputado sem estar declarado.
As colunas normalizadas do derivado de uso do solo estão três ordens de grandeza fora de escala e praticamente sem variância.	Frações de área calculadas a partir das contagens de pixels de cada classe no município.
Imputar cobertura vacinal ausente como 0% equivale a "população 100% suscetível", e a ausência é sistematicamente maior em municípios pequenos, remotos e de baixa notificação.	A ausência não incrementa a imunidade acumulada, mas também não a zera, e fica marcada em coluna própria.
A cobertura vacinal registrada é resposta ao surto, não condição anterior a ele.	A variável de modelagem é a imunidade defasada em dois anos. Ver Vacinação.
Um download truncado (um arquivo climático de zero byte) passaria despercebido.	Todo download é verificado por tamanho mínimo e soma de verificação antes de ser promovido a definitivo, com manifesto por arquivo.
Exportações manuais sem URL, data ou parâmetros de consulta não são reprodutíveis.	Arquivo de proveniência declarando origem, período, lacunas conhecidas e pendências de cada fonte.

Fontes de dados

Fonte	Conteúdo	Período	Lacunas declaradas
Ministério da Saúde, CGARB/DEDT/SVSA	Casos humanos confirmados, por município provável de infecção	1994–2025	7 registros sem código municipal, descartados e contabilizados; nenhum caso registrado em 2012
Ministério da Saúde, CGARB/DEDT/SVSA	Epizootias em primatas não humanos	2000–2025	Sem registro nacional em 2004–2006 e 2010–2013; marcados como lacuna de vigilância, não como ausência de circulação
TerraClimate (Abatzoglou et al., 2018)	Clima mensal em grade de 1/24 de grau	1994–2024	Não há 2025, enquanto a epidemiologia vai até 2025
WorldClim 2.1 (CMIP6)	Projeções climáticas mensais, cinco modelos × quatro trajetórias	2021–2040	Não projeta vento nem déficit de pressão de vapor; tratamento declarado em Cenários
Hansen et al. (2013), GFC-2024-v1.12	Cobertura arbórea e perda anual, a 30 m	2000–2024	—
Derivado do MapBiomas (Abdalla e Augusto, 2022)	Proporção de uso e cobertura do solo	1985–2020	Termina em 2020; é um derivado de terceiros, e não a coleção oficial do MapBiomas
IBGE	Estimativas populacionais municipais e malha municipal 2022	1994–2025	Sem planilha para 1996, 2007, 2010, 2022 e 2024, interpolados e marcados
Programa Nacional de Imunizações, DATASUS	Cobertura vacinal contra febre amarela	1994–2022	Termina em 2022 enquanto o painel vai a 2025; 40% das células vazias, concentradas no início da série

Decisões metodológicas

Decisão	Justificativa
Unidade município-ano, e temporada julho–junho na previsão	Permite partição temporal. Períodos plurianuais largos permitiriam ao modelo interpolar no tempo em vez de prever; o ano civil cortaria a temporada de transmissão ao meio.
Variáveis de propagação estritamente defasadas	Toda variável de contágio da temporada t usa apenas desfechos até t−1. É o que existe na operação real, ao fim de junho.
Sem peso de classe, e parcimônia na previsão	Peso de classe melhora a calibração de um classificador, não a ordenação. Com dez formas de medir "quão perto esteve a onda", o ajuste as fazia se cancelarem; um representante por mecanismo remove a colinearidade na origem.
PR-AUC como métrica principal	Com prevalência de 0,74%, a ROC-AUC permanece alta mesmo quando quase todo alerta é falso. A PR-AUC responde à pergunta operacional.
Validação em bloco espaço-temporal	Nem a macrorregião nem o ano de teste aparecem no treino. É o esquema que corresponde à afirmação de transferibilidade do modelo ambiental: prever território e período não vistos.
Importância medida fora da amostra	Importância de Gini calculada durante o treino registra o que a floresta memorizou. Fora da amostra, ela não guarda relação estatística com a permutação.
Efeito local acumulado em vez de dependência parcial	As variáveis são correlacionadas entre si; a dependência parcial obrigaria o modelo a avaliar combinações que não existem no território.
Reamostragem por município, nunca por linha	As trinta e duas linhas de um município não são independentes. Reamostrar linhas produziria intervalos falsamente estreitos.
Conjunto de cinco modelos climáticos	Escolhidos por cobrirem a faixa de sensibilidade climática do CMIP6. Um conjunto só de modelos de sensibilidade média reportaria incerteza falsamente estreita.
Método delta aplicado ano a ano	Transporta a mudança projetada e não o nível, cancelando o viés de cada modelo climático. Aplicado a cada ano observado porque a média entre anos reduz a sazonalidade da chuva em 20%, e a floresta é não linear.

O que ainda está em aberto

Proxy de esforço de vigilância. A população em log está entre as quatro variáveis robustas, o que é compatível tanto com risco real quanto com viés de notificação. Nada no painel atual separa as duas hipóteses.
Separação entre caso humano e epizootia. Os dois desfechos têm sistemas de vigilância e vieses distintos, e o bloqueio vacinal responde ao caso humano notificado, não à epizootia.
Projeção de uso do solo. Mantido fixo nos cenários. É o candidato mais provável a dominar o efeito climático no horizonte de 2021–2040.
Eficácia vacinal como parâmetro externo. O caminho correto para avaliar imunização, já que os dados observacionais não identificam o efeito protetor.
Extensão do horizonte para 2041–2060. As trajetórias de emissão só divergem de fato depois de 2040.
Emergência de onda nova. Prever onde a próxima onda começa exigiria variáveis que não estão no painel: densidade e suscetibilidade de primatas, deslocamento humano e gatilho climático sazonal.
Versão em inglês do portal. A documentação do repositório está em inglês; o portal, por ora, só em português.

Créditos

Projeto desenvolvido no Laboratório de Vírus da Universidade Federal de Minas Gerais, com financiamento da Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG).

Código, métricas e tabelas derivadas acompanham o repositório do projeto. Cada figura deste portal é reproduzível a partir dos arquivos em dados/, que por sua vez são gerados por yfvrisk.viz.exportar_painel a partir das saídas da análise.