PREVISÃO DE MORBIDADE EM CIDADES: UM ESTUDO DA POLUIÇÃO ATMOSFÉRICA E DOENÇAS RESPIRATÓRIAS EM PONTA GROSSA

INTRODUÇÃO: O crescimento acelerado nos centros urbanos e o consequente aumento da densidade populacional impulsionam a emissão de poluentes atmosféricos por meio de fontes industriais e veiculares. Esse cenário gera impacto direto sobre a saúde pública devido a surtos de doenças respiratórias, o que exige que novas tecnologias sejam implantadas para um melhor monitoramento dessas variáveis. A interação entre poluentes e variáveis meteorológicas cria cenários complexos de morbidade que demandam análises estatísticas que superem os modelos tradicionais. OBJETIVOS: O objetivo principal do trabalho é desenvolver modelos preditivos de morbidade respiratória utilizando técnicas avançadas de mineração de dados e uma análise estatística multivariada. MATERIAIS E MÉTODO: A pesquisa adota uma abordagem quantitativa, observacional e retrospectiva ao analisar dados de janeiro de 2015 a dezembro de 2025 na cidade de Ponta Grossa no estado do Paraná. Os dados foram integrados de múltiplas fontes públicas e governamentais. Utilizou-se o algoritmo CBA (Classification Based on Associations), fundamentado pela técnica de Wang, Tay e Liu (1998), que utiliza a J-measure para gerar e maximizar as regras de associação confeccionadas. O modelo foi validado através de uma divisão onde os dados foram agrupados em 70% para treinamento e 30% para teste, e, na sequência, foi aplicado uma validação cruzada para garantir a generalização. RESULTADOS: O classificador CBA apresentou um bom desempenho, atingindo 95% de acurácia e 100% de sensibilidade na detecção de cenários de alto risco epidemiológico (óbitos > 19). Ademais, foram mapeadas 15 regras fundamentais de associação, com destaque para a regra de gatilho oxidativo e térmico, onde a conjunção de baixas temperaturas, alta umidade e elevadas concentrações de NO2 e MP10 elevou significativamente a mortalidade. CONSIDERAÇÕES FINAIS: A aplicação da mineração de regras de associação demonstra ser uma estratégia revolucionária para a gestão urbana que permite a criação de um Score Ponderado de Risco acionável. O presente trabalho cumpre os requisitos de novidade, aplicabilidade e inovação, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS 3 e 11) da ONU ao produzir evidências científicas para intervenções de prevenção em saúde. Limitações como perda de informações dentro da temporalidade e da fusão de intervalos sugerem que futuros estudos devem focar na automação da discretização e integração com redes de sensores em tempo real.

PALAVRAS-CHAVE: Mineração de Dados; Poluição do Ar; Doenças Respiratórias; Aprendizado de Máquina; Morbidade.