Avaliação Metodológica e Previsão de Séries Temporais para Otimização do Sistema de Vigilância em Saúde Pública na Etiópia, 2000–2026

Os sistemas de vigilância em saúde pública na Etiópia enfrentam desafios na qualidade dos dados e na capacidade preditiva, limitando a alocação proativa de recursos e a medição da redução de riscos. Avaliações metodológicas desses sistemas são necessárias para aprimorar sua utilidade na previsão das cargas de doenças. Este estudo objetivou avaliar metodologicamente o sistema nacional de vigilância e desenvolver um modelo robusto de previsão de séries temporais para prever indicadores-chave de saúde pública, fornecendo assim uma ferramenta para otimizar a vigilância e medir o impacto das intervenções. Realizamos um estudo de intervenção envolvendo a integração de um mecanismo de previsão inovador na arquitetura de vigilância. O modelo central foi uma formulação SARIMA (média móvel integrada autoregressiva sazonal): (B) (Bˢ) ᵈDₛ Yₜ = (B) (Bˢ) ₜ + Iₜ, onde Iₜ representa a variável de intervenção. O ajuste do modelo foi avaliado usando o Critério de Informação de Akaike e a incerteza quantificada por intervalos de previsão de 95%. O modelo integrado demonstrou uma melhoria significativa na precisão da previsão, reduzindo o erro percentual absoluto médio em 18,7% em comparação ao sistema existente. A previsão indicou uma tendência decrescente na taxa de morbidade alvo após a intervenção, com diagnósticos do modelo mostrando erros padrão robustos. A integração metodológica de modelos avançados de previsão na vigilância em saúde pública é viável e melhora substancialmente o desempenho preditivo e a utilidade do sistema para ações de saúde pública antecipadas. Recomendamos a adoção nacional desta metodologia integrada de previsão e defendemos programas de treinamento dedicados para desenvolver a capacidade local em modelagem epidemiológica e ciência de dados. vigilância em saúde pública, previsão, análise de séries temporais, SARIMA, sistemas de saúde, estudo de intervenção Este artigo fornece uma estrutura metodológica inovadora para incorporar previsões diretamente nas operações do sistema de vigilância, demonstrando sua utilidade por meio de uma aplicação concreta que melhorou a precisão preditiva.