Estratégias de seleção de modelos e análise de tendência no ambiente R: aplicações à dados epidemiológicos

Este projeto propõe o aprimoramento da modelagem estatística aplicada à saúde pública por meio de duas vertentes de pesquisa utilizando o ambiente gratuito R. A primeira abordará a seleção de variáveis preditoras para a construção de modelos parcimoniosos em cenários de grandes volumes de dados (big data). Serão comparados os critérios automáticos tradicionais (backward, forward e stepwise) com a estratégia semiautomatizada de Collett, que integra o rigor dos testes estatísticos à plausibilidade clínica. Para isso, serão ajustados modelos de regressão linear e logística utilizando a base de dados de nascidos vivos do DATASUS para a Região Metropolitana de Belém (PA), tendo o peso ao nascer como desfecho. A segunda vertente focará na análise de tendência temporal de doenças com alta incidência no Estado do Pará, como a hanseníase e a doença de Chagas aguda. O estudo aplicará o procedimento de Prais-Winsten para corrigir a autocorrelação serial de primeira ordem (AR(1)) nos resíduos, garantindo inferências válidas. O projeto validará a consistência e a equivalência dos resultados obtidos no software R em relação ao software comercial Stata, tradicionalmente empregado na literatura. Como principais resultados, espera-se disponibilizar scripts estruturados e replicáveis no ambiente R, fornecer um panorama epidemiológico regional atualizado e proporcionar uma formação científica e prática em modelagem estatística para o estudante de graduação envolvido.