Este é um artigo introdutório sobre análise de séries temporais, onde se pretende apresentar, de maneira sumária, alguns modelos estatísticos mais utilizados em análise de séries temporais . Uma série temporal, também denominada série histórica, é uma seqüência de dados obtidos em intervalos regulares de tempo durante um período específico. Na análise de uma série temporal, primeiramente deseja-se modelar o fenômeno estudado para, a partir daí, descrever o comportamento da série, fazer estimativas e, por último, avaliar quais os fatores que influenciaram o comportamento da série, buscando definir relações de causa e efeito entre duas ou mais séries. Para tanto, há um conjunto de técnicas estatísticas disponíveis que dependem do modelo definido (ou estimado para a série), bem como do tipo de série analisada e do objetivo do trabalho. Para analise de tendências, podem se ajustar modelos de regressão polinomial baseados na série inteira ou em vizinhança de um determinado ponto. Isso também pode ser realizado com funções matemáticas. Define-se como um fenômeno sazonal aquele que ocorre regularmente em períodos fixos de tempo e, se existir sazonalidade dita determinística na série, podem-se utilizar modelos de regressão que incorporem funções do tipo seno ou cosseno à variável tempo. Os modelos auto-regressivos formam outra classe de modelos. Na análise do comportamento de uma série histórica livre de tendência e de sazonalidade podem ser utilizados modelos auto-regressivos (AR) ou que incorporem médias móveis (ARMA). Quando há tendência, utilizam-se os modelos auto-regressivos integrados de médias móveis (ARIMA) e, para incorporar o componente de sazonalidade, utilizam-se os modelos SARIMA. Por último há os modelos lineares generalizados. Neste grupo de modelos estatísticos, a variável resposta é um processo de contagem e as variáveis independentes são variáveis candidatas a explicar o comportamento da série ao longo do tempo. Estes modelos são indicados quando as variáveis em estudo não têm aderência à distribuição normal, principalmente pelo fato de serem processos de contagem . Estes modelos compõem um grupo de distribuições de probabilidades conhecido como família exponencial de distribuições que englobam diversas funções aditivas, como a regressão linear, de Poisson, logística, log-linear etc. Os modelos aditivos generalizados são uma extensão desta classe de modelos, nos quais cada variável independente analisada não entra no modelo com o seu valor, mas sim, adotando uma função não paramétrica de forma não especificada, estimada a partir de curvas de alisamento.

OBJETIVO: Investigar os efeitos causados pela poluição atmosférica na morbidade por pneumonia e por gripe em idosos entre 1996 e 1998. MÉTODOS: Foram obtidos dados diários de atendimentos por pneumonia e gripe para idosos em pronto-socorro médico de um hospital-escola de referência no Município de São Paulo, SP, Brasil. Os níveis diários de CO, O3, SO2, NO2 e PM10 foram obtidos na Companhia de Tecnologia de Saneamento Ambiental, e os dados diários de temperatura e umidade relativa do ar foram obtidos no Instituto Astronômico e Geofísico da USP. Para verificar a relação existente entre pneumonia e gripe e poluição atmosférica, utilizou-se o modelo aditivo generalizado de regressão de Poisson, tendo como variável dependente o número diário de atendimentos por pneumonia e gripe e como variáveis independentes as concentrações médias diárias dos poluentes atmosféricos. A análise foi ajustada para sazonalidade de longa duração (número de dias transcorridos), sazonalidade de curta duração (dias da semana), temperatura mínima, umidade média, períodos de rodízio e os atendimentos por doenças não-respiratórias em idosos. RESULTADOS: O3 e SO2 estão diretamente associados à pneumonia e à gripe, independentemente das variáveis de controle. Porém, na análise conjunta, eles perdem sua significância estatística. Pôde-se observar que um aumento interquartil (25%-75%) para o O3 (38,80 mig/m³) e SO2 (15,05 mig/m³) levaram a um acréscimo de 8,07% e 14,51%, respectivamente, no número de atendimentos por pneumonia e gripe em idosos. CONCLUSÕES: Os resultados sugerem que a poluição atmosférica promove efeitos adversos para a saúde de idosos.

OBJETIVOS: Identificar os principais sinais e sintomas do retinoblastoma e determinar o tempo médio entre o início dos sintomas e o diagnóstico. MÉTODOS: Estudo retrospectivo, com revisão dos prontuários das crianças diagnosticadas com retinoblastoma entre janeiro de 1991 e junho de 2000 no Departamento de Pediatria do Hospital do Câncer de São Paulo. Análise estatística: teste t de Student, análise e variância, teste de Tukey-HSD (honest significant differences), teste de Levene, análise de regressão linear, curva ROC, regressão logística e análise de sobrevida pelo método de Kaplan-Meier. RESULTADOS: Foram revisados 327 prontuários, sendo 171 pacientes do sexo masculino. A idade média foi de 25 meses. Doença localizada foi verificada em 269 pacientes. Os sintomas mais freqüentes foram leucocoria (79%), estrabismo (10,7%) e tumoração (3,4%). O tempo médio de queixa foi de 5,8 meses. Pacientes maiores de 2 anos de idade apresentaram maior tempo de queixa em relação aos lactentes (7,2 meses versus 4,7 meses; p = 0,001). Pacientes com estrabismo tiveram maior tempo de queixa (8,8 meses) em comparação com pacientes com tumoração (2,3 meses) ou leucocoria (5,6 meses) (p = 0,014). Pacientes com doença metastática apresentaram maior tempo de queixa (10,6 meses; p < 0,001). O tempo de queixa foi influenciado por doença avançada (OR = 3,25/IC = 1,61:6,55), metastática (OR = 3,52/IC = 1,21:10,21) e estrabismo (OR = 2,84/IC = 1,36:5,92). A sobrevida global em 5 anos foi maior entre os pacientes com doença localizada (94,6%; p < 0,001) e entre os pacientes com tempo de queixa menor que 6 meses (91%) em comparação com os pacientes com tempo de queixa maior que 6 meses (78%) (p < 0,001). CONCLUSÃO: Os sinais e sintomas mais freqüentes de retinoblastoma foram leucocoria, estrabismo e tumoração. O tempo médio de queixa foi de 5,8 meses. Estrabismo e doença avançada foram associados a maior tempo de queixa. Pacientes com doença avançada e com tempo de queixa maior que 6 meses tiveram pior prognóstico.