Um modelo treinado com a cobertura vacinal do próprio ano aprende que aumentar a cobertura eleva o risco previsto. O resultado é fisicamente absurdo, e não é defeito de implementação: a causa está na própria variável.
O diagnóstico está nesta página. A cobertura registrada pelo Programa Nacional de Imunizações não descreve a condição do município antes do surto: descreve, em boa medida, o bloqueio vacinal e a campanha de massa que o surto dispara, contabilizados no ano em que ocorrem.
A figura alinha todos os surtos no tempo, com o ano do surto em zero, e mostra a cobertura vacinal duplamente centrada — pela média nacional daquele ano, que remove as campanhas nacionais, e pela média histórica do próprio município, que remove tudo que nele é fixo. O que sobra é o desvio em relação ao normal daquele município naquele momento do país.
Figura 1. Cobertura vacinal em torno do ano do surto. A cobertura permanece no patamar normal do município até o ano anterior e salta no ano do surto, mantendo-se elevada por pelo menos três anos. A segunda opção existe porque município com vários surtos tem janelas sobrepostas — o ano −1 de um surto pode ser o ano 0 do anterior, contaminando justamente o lado que precisa estar limpo. Restrita ao primeiro surto de cada município, a linha de base anterior fica ainda mais plana.
Três medições encaixadas, cada uma removendo uma fonte de confundimento. A terceira é a única que responde à pergunta que um cenário faz — porque um cenário não troca um município por outro, ele move a cobertura do próprio município.
Figura 2. Associação entre imunidade e evento sob três controles. Remover o confundimento entre municípios não reduz a associação: aumenta. Dentro do mesmo município, os anos de imunidade acima da própria tendência são os anos com surto. Vacina não causa febre amarela, de modo que o que a figura mostra é a seta do tempo invertida.
Mesmo respeitada a seta do tempo, resta um obstáculo independente. Um cenário precisa de contraste para mover, e a imunidade acumulada praticamente não varia mais entre municípios.
Figura 3. Distribuição da imunidade acumulada entre municípios, por ano. A faixa cobre do primeiro ao nono decil e a linha é a média nacional. A amplitude interdecil cai de — em 2013 para — em 2025. Os últimos três anos merecem ressalva própria: a fonte do PNI termina em 2022, e a imunidade nesse trecho é apenas decaimento por renovação populacional, sem nenhum dado de entrada.
A variável de modelagem é a imunidade defasada em dois anos, o que é duplamente justificado: remove a campanha disparada pelo surto e corresponde ao uso — só se pode agir sobre a imunidade que já existe quando o ano começa. Um ano não basta, porque no ano seguinte ao surto a cobertura ainda está elevada.
Medida a ablação, a imunidade contemporânea acrescentava +0,0199 de ROC-AUC (IC 95% +0,0070 a +0,0320) e nada de PR-AUC. É a assinatura de um vazamento: melhora a ordenação global sem melhorar a detecção no ponto em que o modelo seria operado.
Mesmo defasada, a alavanca não existe. No corte de 2019, a imunidade defasada é a 4ª variável mais importante pelo critério de Gini e a 27ª pela permutação, com importância média negativa. A família inteira contribui −0,52% para a PR-AUC. Nenhum cenário de vacinação é reportável a partir deste painel de dados.
Não é perturbar uma variável do modelo e ler o que sai. É declarar a eficácia vacinal como parâmetro externo, de fonte independente, e aplicá-la sobre a população suscetível projetada. Isso é análise de impacto com parâmetro declarado, e não inferência a partir de dados observacionais que não identificam o efeito — o que é exatamente o que estes dados não fazem.