Please use this identifier to cite or link to this item: http://www.repositorio.uem.mz/handle258/1624
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMartins, Adelino-
dc.contributor.authorSalmina, Francisco-
dc.date.accessioned2026-05-18T12:08:26Z-
dc.date.available2026-05-18T12:08:26Z-
dc.date.issued2026-03-
dc.identifier.urihttp://www.repositorio.uem.mz/handle258/1624-
dc.description.abstractA vigilância espaço-temporal de dados de saúde constitui uma componente essencial na identi- ficação, monitorização e controlo de problemas de saúde pública. Em Moçambique, a malária é uma das principais causas de morbilidade e mortalidade, e, apesar dos esforços de redução da doença, com a implementação, por exemplo, do Programa Nacional de Combate a Malária, ainda continua a afectar maior número de pessoas, em especial para crianças e mulheres grávidas. O modelo de Poisson é recorrentemente usado para modelar casos de malária com o enfoque es- pacial, porém a literatura reporta limitações do modelo que, na sua aplicação, podem apresentar resultados com viés, como é o caso de, na sua forma clássica, não incorporar explicitamente de- pendências espaciais ou temporais e não permitir modelar heterogeneidade espacial não observada entre distritos, o que pode comprometer a precisão das estimativas. Diante dessas limitações, esta dissertação propõe uma modelação de dados provenientes de uma base secundária de casos e óbitos por malária, obtida junto ao Ministério da Saúde, com o objectivo de analisar os padrões espaço- temporais de casos e óbitos por malária em Moçambique no perı́odo de 2017 a 2023, utilizando a classe de modelos Bayesiano misto. A aplicação deste modelo visa por um lado estimar o risco relativo da doença global e especı́fica (no caso por distrito), captando assim a heterogeneidade espacial e temporal da incidência e óbito da malária. Por outro lado, verificar a influência dos factores climáticos na disseminação da malária. Os resultados mostraram que a classe do modelo Bayesianos apresentam melhoria na redução do viés, relativamente aos modelos de Poisson sim- ples usados recorrentemente, com melhor capacidade preditiva, superando alguma das limitações tidas nos modelos recorrentemente usados, indicando distritos com maior número de casos de malária (Nhamatanda, Mafambisse, Sussundenga, Alto Molocue e Lugela). Os resultados mostra- ram também uma influência de escoamento superficial de água de chuva estagnada, da temperatura e da precipitação total nos casos e óbitos por malária. De ponto de vista prático, os resultados do modelo orientam polı́ticas públicas mais eficazes, apoiando os programas nacionais de controlo da malária na alocação de recursos, na planificação de campanhas de prevenção e na implementação de medidas focadas em zonas e perı́odos crı́ticos.en_US
dc.language.isoporen_US
dc.publisherUniversidade Eduardo Mondlaneen_US
dc.rightsopenAcessen_US
dc.subjectModelos mistosen_US
dc.subjectModelação espaço-temporalen_US
dc.subjectMaláriaen_US
dc.subjectDados epidemiológicosen_US
dc.subjectCadeias de Markov Monte Carloen_US
dc.titleModelação Bayesiana mista: uma aplicação a casos e óbitos por malária no espaço-tempo em Moçambique período de 2017 a 2023en_US
dc.typethesisen_US
dc.description.resumoSpatio-temporal surveillance of health data constitutes an essential component in the identifica- tion, monitoring, and control of public health problems. In Mozambique, malaria is one of the leading causes of morbidity and mortality, and, despite efforts to reduce the disease, including the implementation of, for example, the National Malaria Control Program, it continues to affect a large number of people, particularly children and pregnant women. The Poisson model is fre- quently used to model malaria cases with a spatial focus; however, the literature reports limitations of this model which, in its application, may produce biased results, such as, in its classical form, not explicitly incorporating spatial or temporal dependencies and not allowing the modelling of unobserved spatial heterogeneity across districts, which may compromise the accuracy of the esti- mates. Given these limitations, this dissertation proposes the modelling of data from a secondary database of malaria cases and deaths, obtained from the Ministry of Health, with the objective of analysing the spatio-temporal patterns of malaria cases and deaths in Mozambique over the period from 2017 to 2023, using the class of Bayesian mixture models. The application of this model aims, on the one hand, to estimate the relative risk of the disease both globally and specifically (in this case, by district), thereby capturing the spatial and temporal heterogeneity of malaria incidence and mortality. On the other hand, it seeks to assess the influence of climatic factors on the spread of malaria. The results showed that the class of Bayesian models presents improvements in bias reduction compared to the simple Poisson models commonly used, with better predictive capacity, overcoming some of the limitations of the frequently used models, and identifying districts with a higher number of malaria cases (Nhamatanda, Mafambisse, Sussundenga, Alto Molócuè, and Lu- gela). The results also showed an influence of surface runoff from stagnant rainwater, temperature, and total precipitation on malaria cases and deaths. From a practical perspective, the model results guide more effective public policies, supporting national malaria control programmes in resource allocation, the planning of prevention campaigns, and the implementation of targeted measures in critical areas and periods.en_US
Appears in Collections:Dissertações de Mestrado - FC - DMI

Files in This Item:
File Description SizeFormat 
2026 - Salmina, Francisco.pdf5.79 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.