Última alteração: 2021-03-18
Resumo
O pensamento complexo tem influenciado muitas áreas de pesquisa contribuindo para a modelagem de problemas relacionados ao surgimento de eventos inesperados ou catastróficos. Desta forma, pode-se pensar em modelar a incidência de dengue, que é uma infecção febril viral que tem como principal vetor o mosquito fêmea da espécie Aedesaegypti, do qual o Brasil vem sofrendo com altos índices de incidência da doença, caracterizando o fenômeno como epidêmico.
O objetivo é aplicar as medidas de complexidade LMC e SDL em dados referentes à incidência de dengue na cidade de São Paulo de janeiro de 2009 a agosto de 2018 a fim de verificar como tais medidas se comportam, permitindo identificar períodos de alta taxa de incidência e detectar possíveis fatores externos (por exemplo, fatores climáticos, baixo investimento em políticas públicas para combater a dengue) que possam ter levado a ocorrência dos altos índices de casos da doença.
As medidas de complexidade são utilizadas para modelar problemas complexos e, neste trabalho, aplicamos as medidas de complexidade desenvolvidas por Lópes, Mancini e Calbet (LMC) e por Shine, Davison and Landsberg (SDL). A medida LMC é definida em termos de entropia e desequilíbrio e a medida SDL relaciona-se com a medida LMC e é baseada no conceito de ordem e desordem.
Mortoza e Piqueira aplicaram as medidas LMC e SDL em observações de uma série temporal, especificamente, nas séries correspondentes ao índice IBOVESPA e à taxa de câmbio dólar-real com o objetivo de identificar períodos de instabilidade a eventos ocorridos na economia brasileira.
Mortoza e Piqueira particionaram o intervalo definido pelo maior e menor valor observado da série e, para cada intervalo da partição, calculou-se a probabilidade de uma observação pertencer a cada um deles. A partir disso, com as probabilidades obtidas, obteve-se as medidas LMC e SDL para cada intervalo.
Através da análise das séries das medidas de complexidade, notou-se que, conforme aumenta-se o número de intervalos, mais picos as medidas são capazes de detectar. Diante disso, pode-se concluir que as medidas de complexidade LMC e SDL são de grande utilidade quando tratamos de um grande conjunto de dados, dispostos em evolução temporal, visto que é possível identificar a mudança do comportamento da série sem a necessidade de quebrá-la em períodos. Utilizando a entropia conjunta do número de casos e índice pluviométrico, não foi possível obter uma explicação para o comportamento das medidas LMC e SDL quando lidamos com estas duas variáveis simultaneamente, apesar da desconfiança de que o alto número de casos registrados nos anos 2014 e 2015 tenham sido influenciados pela falta de investimento em políticas públicas.