Resumo
O autoextermínio tem aumentado em Minas Gerais em todas as faixas etárias. Tal fato, além de resultar em perda de vidas humanas, demanda recursos públicos que poderiam ser aplicados em outras áreas da saúde. Isto posto, esse trabalho tem como objetivo modelar e fazer previsões para as taxas específicas de suicídio por sexo no estado de Minas Gerais. Estas análises, juntamente com estudos clínicos, podem compor mais uma alternativa para os órgãos de saúde, auxiliando-os no preparo de ações que possam diminuir de forma efetiva o número de suicídios. As séries foram ajustadas com a metodologia de Box & Jenkins com utilização dos softwares Re GRETL. Foi observada uma tendência crescente histórica nas séries ao longo dos anos para as taxas específicas de suicídios masculinos e femininos e conclui-se que este crescimento ainda prevalece para os próximos anos caso não haja nenhuma intervenção mais efetiva.
Palavras-chave: Séries temporais. Taxa de suicídios. Modelos ARIMA. Previsões.
Temporal analysis of suicide rates in the state of Minas Gerais with ARIMA models
Abstract
Self-extermination has increased in Minas Gerais in all age groups. This fact, besides resulting in the loss of human lives, demands public resources that could be applied in other areas of public health. From this point, this work aims to model and make predictions for specific suicide rates by gender in the state of Minas Gerais. These analyses, combined with clinical studies, can be another alternative for health public agencies, helping them to prepare actions that can effectively reduce the number of suicides. The series were adjusted using the Box & Jenkins methodology using the R and GRETL softwares.A historical growing trend was observed in the series over the years for specific rates of male and female suicides and we concluded that this growth shall remain for the next years if there is no other effective intervention.
Keywords: Time series. Suicide rate. ARIMA Models. Forecasts.
Referências
ANDRADE, C. H. C. Manual de introdução ao pacote econométrico gretl. 2013. Disponível em: <https://s3.amazonaws.com/academia.edu.documents/39579087/Gretl.pdf.> Acesso em: 05 març. 2020.
ARAUJO, M. F. C. et al. Precipitação pluviométrica mensal no estado do rio de janeiro: sazonalidade e tendência. Bioscience Journal, Uberlândia, v. 25, n. 4, p. 90–100, 2009.
BOX, G. E. et al. Time series analysis: forecasting and control. 3. ed. New Jersey: Prentice Hall, 1994.
BRANAS, C. C. et al. The impact of economic austerity and prosperity events on suicide in greece: a 30-year interrupted time-series analysis. BMJ open, British Medical Journal Publishing Group, v. 5, n. 1, 2015.
CAEIRO, F.; MATEUS, A. randtests: Testing randomness in R. [S.l.], 2014. R package version 1.0. Disponível em: <https://CRAN.R-project.org/package=randtests.> Acesso em: 10 març. 2020.
CAMPOS, R. J. Previsão de séries temporais com aplicações a séries de consumo de energia elétrica. 2008. Disponível em: <https://repositorio.ufmg.br/bitstream/1843/ BUOS-8CTETD/1/290m.pdf>. Acesso em: 24 Març. 2020.
FILHO, M. C.; ZERBINI, T. Epidemiologia do suicídio no brasil entre os anos de 2000 e 2010.
Saúde, Ética & Justiça, v. 21, n. 2, p. 45–51, 2016.
GONÇALVES, L. R.; GONÇALVES, E.; JÚNIOR, L. B. d. O. Determinantes espaciais e socioeconômicos do suicídio no brasil: uma abordagem regional. Nova Economia, SciELO Brasil, v. 21, n. 2, p. 281–316, 2011.
GUJARATI, D. N.; PORTER, D. C. Econometria Básica-5. [S.l.]: Amgh Editora, 2011.
HYNDMAN, R. J.; KHANDAKAR, Y. Automatic time series forecasting: the forecast package for R. Journal of Statistical Software, [S.l.], v. 26, n. 3, p. 1–22, 2008. Disponível em: <http://www.jstatsoft.org/article/view/v027i03.> Acesso em: 10 març. 2020.
IPEA. Instituto de pesquisas econômicas e aplicadas. Tema: Saúde, 2020. Disponível em:
<http://www.ipeadata.gov.br/Default.aspx.> Acesso em: 10 març. 2020.
KARAS, M.; URBANEK, J. runstats: Fast Computation of Running Statistics for Time Series. [S.l.], 2019. R package version 1.1.0. Disponível em:
//CRAN.R-project.org/package=runstats.> Acesso em: 10 març. 2020.
MCLEOD, A. I.; ZHANG, Y. Improved subset autoregression: With R package.
Journal of Statistical Software, v. 28, n. 2, p. 1–28, 2008. Disponível em:
//www.jstatsoft.org/v28/i02/.> Acesso em: 10 març. 2020.
MORETTIN, P. A.; TOLOI, C. M. d. C. Análise de Séries Temporais. 2. ed. São Paulo: Edgard Blucher, 2006.
PFAFF, B. Analysis of Integrated and Cointegrated Time Series with R. 2. ed. New York: Springer, 2008. Disponível em: <http://www.pfaffikus.de.> Acesso em: 05 març. 2020.
RIBEIRO, N. M. et al. Análise da tendência temporal do suicídio e de sistemas de informações em saúde em relação às tentativas de suicídio. Texto & Contexto-Enfermagem, SciELO Brasil, v. 27, n. 2, 2018.
SILVEIRA, R. E.; SANTOS, S. A.; FERREIRA, L. A. Impacto da morbi-mortalidade e gastos com suicídio no brasil de 1998 a 2007. Revista de Pesquisa Cuidado é Fundamental Online, Rio de Janeiro, v. 4, n. 4, p. 3033–3042, 2012.
ZEILEIS, A.; HOTHORN, T. Diagnostic checking in regression relationships. R News, v. 2,
n. 3, p. 7–10, 2002. Disponível em : <https://CRAN.R-project.org/doc/Rnews/.> Acesso em: 15 març. 2020.
Este trabalho está licensiado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright (c) 2020 Array