Incidencia Demográfica de Mortalidad Relacionada con el Alzheimer y la Esclerosis Lateral Amiotrófica (ELA) en Brasil

Simone Aparecida da Cruz Miquelin; Douglas Augusto de Paula

DOI: 10.22167/2675-6528-202603471

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La incidencia demográfica de mortalidad relacionada con el Alzheimer y la Esclerosis Lateral Amiotrófica (ELA) en Brasil representa un desafío creciente para los sistemas de salud, dada la aceleración del envejecimiento poblacional. El estudio tuvo como objetivo revelar patrones relevantes de mortalidad por estas enfermedades, utilizando técnicas analíticas aplicadas a bases públicas. Para ello, se utilizaron datos secundarios de mortalidad del Sistema de Información sobre Mortalidad (SIM/DATASUS) y datos poblacionales del IBGE (SIDRA) para el período de 2015 a 2024. Los datos fueron procesados en Python, y se aplicaron métodos descriptivos, regresión de Poisson y regresión logística binaria para analizar la distribución de los óbitos y sus asociaciones con variables demográficas, socioeconómicas y ocupacionales. Los resultados indicaron un aumento expresivo de la mortalidad por Alzheimer, predominantemente en mujeres mayores de 75 años y en las regiones Sudeste y Sur, y asociado a baja escolaridad y ocupaciones agrícolas/rurales. La mortalidad por ELA se mantuvo relativamente estable, con mayor incidencia en hombres, en grupos de edad intermedios (41-80 años), y en ocupaciones de mayor carga cognitiva, como abogados, pero también en trabajadores agrícolas y albañiles. Se concluyó que el Alzheimer presenta una tendencia ascendente como causa de óbito neurológico, y la ELA, aunque rara, mantiene un impacto relevante, evidenciando la necesidad de políticas públicas para el envejecimiento saludable y atención especializada, con la ciencia de datos como herramienta útil para subsidiar tales acciones.

Palabras clave: Alzheimer; Cognitivas; ELA; Neurodegenerativas.

1. Introducción

Las enfermedades neurodegenerativas, como el Alzheimer y la Esclerosis Lateral Amiotrófica (ELA), representan un desafío creciente para los sistemas de salud, especialmente en países con un envejecimiento poblacional acelerado, como Brasil (IBGE, 2023). El análisis de datos demográficos puede revelar patrones importantes sobre la incidencia, distribución geográfica y factores asociados a estas enfermedades, como edad, sexo y condiciones socioeconómicas.

El Alzheimer es la forma más común de demencia, caracterizada por la pérdida gradual de la memoria, cambios de comportamiento y declive de las funciones cognitivas. Afecta principalmente a personas mayores de 65 años y está relacionado con factores genéticos, ambientales y de estilo de vida. En Brasil, se estima que el 8,5% de la población mayor de 60 años convive con la enfermedad, lo que representa alrededor de 1,8 millones de casos, con una proyección de 5,7 millones para 2050 (BRASIL; UNIFESP, 2022). Este crecimiento exponencial refleja no solo el aumento de la esperanza de vida, sino también la necesidad de políticas públicas orientadas a la prevención, el diagnóstico precoz y el seguimiento continuo de los pacientes. Estudios nacionales confirman esta tendencia, señalando un aumento constante de la mortalidad por Alzheimer en todas las regiones de Brasil entre 2000 y 2019 (PASCHALIDIS et al., 2023).

La Esclerosis Lateral Amiotrófica (ELA) es una enfermedad neurodegenerativa rara y progresiva que afecta a las neuronas motoras, lo que lleva a la pérdida de la función muscular y, en etapas avanzadas, a la insuficiencia respiratoria. Aunque existen avances en la comprensión genética de la ELA, todavía hay muchos aspectos desconocidos sobre su origen y evolución, lo que hace esencial el análisis de datos poblacionales para identificar patrones de incidencia y factores asociados. La rareza de la enfermedad dificulta la construcción de políticas específicas, pero estudios epidemiológicos demuestran que la ELA, a pesar de ser menos prevalente, tiene un impacto significativo en la calidad de vida de los pacientes y sus familias, requiriendo apoyo multidisciplinar y seguimiento especializado.

Aunque el Alzheimer y la ELA son condiciones distintas, estudios anteriores han señalado correlaciones relevantes entre ellas. Investigaciones internacionales describen mecanismos neuropatológicos comunes, como agregación proteica y estrés celular, además de la presencia de biomarcadores similares en pacientes de ambas enfermedades (HETZ et al., 2018; JOHNSON et al., 2025). Además, los pacientes con ELA pueden presentar deterioro cognitivo, aproximando su cuadro clínico a manifestaciones típicas del Alzheimer (BORGHEAI et al., 2024). Esta intersección entre las dos condiciones refuerza la importancia de estudios comparativos que consideren no solo los aspectos clínicos, sino también los demográficos y socioeconómicos (VRILLON et al., 2021).

En los últimos años, la ciencia de datos ha revolucionado la forma en que se procesan grandes volúmenes de información, ofreciendo modelos predictivos capaces de generar conocimientos clínicos y apoyar decisiones médicas personalizadas. Este trabajo propone la utilización de técnicas de análisis de datos para explorar información demográfica y clínica disponible en bases públicas, combinando estadísticas y visualizaciones interactivas.

Además de contribuir a la comprensión de la mortalidad por Alzheimer y ELA, este enfoque busca demostrar cómo herramientas de Data Science / Ciencia de datos pueden ser aplicadas en contextos de salud pública para transformar datos brutos en conocimiento útil. La integración de variables demográficas, socioeconómicas y ocupacionales permite no solo caracterizar la incidencia de las enfermedades, sino también identificar grupos poblacionales más vulnerables. Esta perspectiva amplía el alcance de la investigación, ya que no se limita a la descripción clínica de las enfermedades, sino que incorpora dimensiones sociales y económicas que influyen directamente en los indicadores de mortalidad.

Otro aspecto relevante es la posibilidad de utilizar los resultados para subsidiar políticas públicas y estrategias de gestión en salud. Al identificar regiones con mayor incidencia o grupos poblacionales más afectados, los gestores pueden dirigir recursos de forma más eficiente, promoviendo campañas de concienciación, capacitación de profesionales e inversiones en infraestructura hospitalaria. El análisis temporal también permite observar tendencias y proyectar escenarios futuros, contribuyendo a la planificación a largo plazo (PASCHALIDIS et al., 2023).

Por lo tanto, este trabajo se inserta en un contexto interdisciplinario, uniendo conocimientos de la salud, estadística y ciencia de datos para ofrecer una visión abarcadora sobre la mortalidad por Alzheimer y ELA en Brasil. Al revelar patrones y correlaciones, se busca no solo ampliar la comprensión científica de estas enfermedades, sino también proporcionar subsidios prácticos para políticas de salud pública que respondan a los desafíos impuestos por el envejecimiento poblacional y por la complejidad de las enfermedades neurodegenerativas. El objetivo de este estudio es revelar patrones relevantes de la mortalidad por Alzheimer y Esclerosis Lateral Amiotrófica en Brasil, utilizando técnicas analíticas aplicadas a bases públicas, combinando estadísticas demográficas y clínicas con herramientas de visualización interactiva.

2. Material y Métodos

El presente estudio se caracterizó como una investigación cuantitativa, descriptiva y analítica, con un enfoque metodológico basado en técnicas de ciencia de datos. El objetivo fue revelar patrones relevantes de mortalidad por Alzheimer y Esclerosis Lateral Amiotrófica (ELA) en Brasil, utilizando datos secundarios de bases públicas y combinando estadísticas demográficas y clínicas con herramientas de visualización interactiva.

La recolección de datos se realizó a partir de dos fuentes principales. En primer lugar, se utilizaron datos secundarios de mortalidad provenientes del Sistema de Información sobre Mortalidad (SIM), que integra el Departamento de Informática del Sistema Único de Salud (DATASUS). El acceso a los archivos se efectuó por medio de protocolo de transferencia de archivos (FTP – File Transfer Protocol) en la dirección oficial del DATASUS (ftp://ftp.datasus.gov.br/dissemin/publicos/SIM/), abarcando el período de 2015 a 2024.

La identificación de las enfermedades de interés en los registros de defunción se realizó a través de la variable CAUSABAS (causa básica de la defunción), utilizando los códigos de la Clasificación Internacional de Enfermedades – 10ª Revisión (CIE-10), según lo establecido por la Organización Mundial de la Salud (OMS, 1992). Para el Alzheimer, se consideraron los códigos G30, G30.0, G30.1, G30.8 y G30.9. Para la Esclerosis Lateral Amiotrófica (ELA), se utilizó el código G12.2, correspondiente a la enfermedad de la neurona motora.

Adicionalmente, datos poblacionales por Unidad de la Federación (UF) fueron obtenidos del Sistema IBGE de Recuperación Automática (SIDRA), mantenido por el Instituto Brasileño de Geografía y Estadística (IBGE). Específicamente, se consultó la tabla 1209, que proporciona estimaciones poblacionales por grupos de edad y UF para el año 2022 (IBGE, 2022). Esta información fue crucial para contextualizar y comparar las tasas de mortalidad.

Para el tratamiento y limpieza de datos, los archivos originales, que estaban en formato DBC (Data Base Compressed), fueron convertidos a DBF (Data Base File) utilizando el software TABWIN (Tabulador de Datos del SUS), una herramienta oficial para la lectura y conversión de datos del DATASUS. Después de la conversión, los datos fueron procesados y tratados mediante el lenguaje de programación Python, en un entorno de desarrollo Anaconda, utilizando el IDE Spyder.

En el proceso de tratamiento, los archivos DBF se leyeron y convirtieron en estructuras de datos denominadas dataframes. Los datos poblacionales del SIDRA se estandarizaron, eliminando filas no pertinentes y renombrando campos. También se crearon dataframes auxiliares a partir de tablas proporcionadas por el DATASUS, incluyendo la Clasificación Brasileña de Ocupaciones (cbo2002-ocupacao.csv), el Cadastro de Municípios (CADMUN.DBF), la Tabla de Unidades de la Federación (TABUF.DBF) y las descripciones de la CID-10 (CID10.DBF).

Los dataframes se integraron mediante operaciones de fusión, lo que permitió la asociación de información como municipio, capitales, códigos y siglas de las Unidades de la Federación, además de la descripción de diagnósticos y ocupaciones. Las variables de fecha (DTOBITO y DTNASC) se convirtieron al formato estándar, posibilitando el cálculo de la edad de los individuos en el momento del fallecimiento. Para campos con valores ausentes, se aplicaron tratamientos específicos: asignación de cero para variables numéricas (edad, escolaridad, raza/color, estado civil) y relleno con “n/a” para variables categóricas (ocupación y municipio).

El análisis estadístico se realizó en Python, utilizando bibliotecas como pandas, numpy, statsmodels y scikit-learn. Se aplicaron métodos descriptivos y modelos estadísticos para evaluar la distribución de las muertes por Alzheimer y ELA y sus asociaciones con variables demográficas. Los individuos se agruparon en intervalos de edad (0-20, 21-40, 41-60, 61-80, 80+ años). La distribución por sexo y región se obtuvo mediante tablas de frecuencia absoluta y relativa.

La tasa de incidencia se calculó por unidad federativa (UF), considerando la población residente según el IBGE (2022). La medida se expresó como el número de muertes por 100.000 habitantes, lo que permitió comparar la ocurrencia relativa de las enfermedades entre diferentes estados, ajustando por el tamaño poblacional.

Para la modelización estadística, se utilizó la regresión de Poisson, un modelo adecuado para el análisis de datos de recuento, como el número de muertes en epidemiología (COLOSIMO, 2011). La variable dependiente correspondió al número de muertes por Alzheimer y ELA, ajustados por la población residente. El modelo permitió incorporar variables explicativas como la escolaridad y la ocupación, evaluando su influencia sobre la mortalidad. La interpretación de los resultados se realizó mediante la Razón de Incidencia (Incidence Rate Ratio – IRR), donde un IRR igual a uno indicó riesgo equivalente al grupo de referencia, un IRR mayor que uno indicó riesgo aumentado y un IRR menor que uno indicó riesgo reducido.

Adicionalmente, se aplicó la regresión logística binaria para estimar la probabilidad de ocurrencia de un evento en función de variables explicativas. Este modelo clasificó la incidencia de mortalidad en dos categorías binarias: alta incidencia (tasa por encima de la mediana) y baja incidencia (tasa por debajo de la mediana). La variable dependiente se construyó a partir de información agregada por UF y año, con base en la tasa de incidencia de mortalidad por 100.000 habitantes.

Las variables independientes utilizadas en la regresión logística binaria incluyeron nivel educativo (ESC), ocupación (OCUPACAO), edad (IDADE) y sexo (SEXO). Las ocupaciones con más de cien fallecimientos fueron transformadas en variables dummy. Estas variables fueron seleccionadas por representar factores socioeconómicos que pueden estar asociados a la mortalidad por enfermedades neurodegenerativas. La calidad del modelo fue evaluada por la precisión, que correspondió a la proporción de clasificaciones correctas, y por la matriz de confusión, que detalló la distribución entre verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos.

3. Resultados y Discusión

El análisis de los datos de mortalidad por Alzheimer y Esclerosis Lateral Amiotrófica (ELA) en Brasil, en el período de 2015 a 2024, reveló patrones demográficos y socioeconómicos distintos y relevantes. Se observó un aumento progresivo en la incidencia de ambas enfermedades a lo largo de la última década, con el Alzheimer presentando una tendencia ascendente más expresiva. Estos hallazgos son cruciales para la comprensión del impacto del envejecimiento poblacional y de la mejora de los procesos de diagnóstico y registro de defunciones en el país, tal como ya ha sido señalado por estudios anteriores (PASCHALIDIS et al., 2023). La utilización de técnicas analíticas aplicadas a bases públicas permitió desvelar estas dinámicas, contribuyendo al objetivo de revelar patrones relevantes de mortalidad.

La distribución geográfica de las muertes indicó que las regiones Sur y Sudeste concentran los mayores índices de incidencia para ambas enfermedades. Esta concentración puede atribuirse a factores demográficos, como la mayor proporción de población anciana en estas regiones, según datos del Censo Demográfico de 2022 (IBGE, 2022). El análisis temporal, a su vez, demostró un crecimiento continuo en la incidencia de mortalidad, especialmente para el Alzheimer, a lo largo del período estudiado. Esta tendencia refuerza la necesidad de políticas públicas dirigidas al envejecimiento saludable y a la atención especializada, considerando las particularidades regionales de Brasil.

Distribución por grupo de edad, sexo y región

En cuanto a la distribución por grupos de edad, la enfermedad de Alzheimer demostró una fuerte asociación con el envejecimiento avanzado. La mayor concentración de muertes ocurrió en individuos mayores de 61 años, con una marcada predominancia en el grupo de edad superior a 80 años, que registró 174.939 muertes. En contraste, los grupos de edad más jóvenes presentaron cifras significativamente menores, con solo 1 muerte entre 1 y 20 años, 23 muertes entre 21 y 40 años, y 1.312 muertes entre 41 y 60 años. Este patrón refuerza el carácter de la enfermedad como una condición fuertemente ligada a la vejez, alineándose con la literatura que destaca el envejecimiento como el principal factor de riesgo para la demencia (PASCHALIDIS et al., 2023).

La Esclerosis Lateral Amiotrófica (ELA), aunque también relacionada con el envejecimiento, mostró un perfil de mortalidad distinto en relación con el grupo de edad. La mayor incidencia de muertes por ELA se observó entre los 41 y 80 años, con un pico en el grupo de 61 a 80 años, que registró 8.499 muertes. El grupo de 41 a 60 años registró 4.912 muertes, mientras que el grupo mayor de 80 años presentó 1.187 muertes. En los grupos más jóvenes, hubo 128 muertes entre 1 y 20 años y 488 muertes entre 21 y 40 años. Estos datos sugieren que la manifestación letal de la ELA tiende a ocurrir en etapas más tempranas del ciclo vital en comparación con el Alzheimer, lo que implica desafíos diferenciados para las políticas de salud, especialmente en lo que respecta al diagnóstico precoz y a los cuidados paliativos.

Evolución temporal por sexo

El análisis de la evolución temporal de las muertes por sexo entre 2015 y 2024 reveló patrones importantes. Para el Alzheimer, se observó un crecimiento continuo en el número de muertes a lo largo de la década, con una clara predominancia en la categoría de sexo femenino. La categoría femenina concentró la mayor parte de las muertes en todos los años analizados, seguida por la categoría masculina. Este patrón de distribución desigual por sexo indica una mayor vulnerabilidad de las mujeres a la mortalidad por Alzheimer, un hallazgo que corrobora evidencias de la literatura que asocian el sexo femenino a un riesgo aumentado de demencia (BRASIL; UNIFESP, 2022).

En relación con la ELA, se observó un crecimiento gradual de los fallecimientos en el mismo período, aunque en una escala menor en comparación con el Alzheimer. A diferencia del Alzheimer, la mayor incidencia de mortalidad por ELA ocurrió en la categoría de sexo masculino, seguida por la categoría femenina. La categoría de fallecimientos no identificados presentó valores residuales en ambos casos, lo que indica que la mayoría de los registros contenía información sobre el sexo de los individuos. La progresión temporal de la ELA, aunque menos acentuada, mantiene un impacto creciente en la mortalidad, especialmente en grupos de edad intermedios y avanzados, lo que refuerza la necesidad de atención continua a esta enfermedad rara.

Escolaridad

Los resultados de la investigación indicaron que el nivel educativo es un factor que se asocia de manera distinta a la mortalidad por Alzheimer y ELA. Para el Alzheimer, la mayor concentración de fallecimientos se observó en individuos con baja escolaridad. La categoría Educación Básica II (2) registró 60.562 fallecimientos, seguida por la categoría Educación Secundaria (3) con 51.281 fallecimientos y Educación Básica I (1) con 44.294 fallecimientos. Personas sin escolaridad (0) o con escolaridad no identificada (9) también presentaron cifras significativas, con 11.071 y 26.948 fallecimientos, respectivamente. Individuos con educación superior completa (5) e incompleta (4) presentaron menor incidencia, con 30.472 y 14.373 fallecimientos, respectivamente. Este patrón sugiere una relación directa entre un menor nivel educativo y una mayor vulnerabilidad a la mortalidad por Alzheimer, reforzando la importancia de factores socioeconómicos en la progresión de la enfermedad.

En cambio, la ELA presentó una distribución de fallecimientos más equilibrada en relación con el nivel educativo, sin la misma correlación directa con los niveles más bajos de educación observada en el Alzheimer. La mayor incidencia de fallecimientos por ELA se identificó en individuos con Educación Superior Completa (5), con 3.900 fallecimientos, y Educación Secundaria (3), con 3.196 fallecimientos. La categoría Educación Básica II (2) registró 2.577 fallecimientos, mientras que Educación Básica I (1) tuvo 874 fallecimientos. Las personas sin escolaridad (0) y con escolaridad no identificada (9) presentaron 748 y 1.450 fallecimientos, respectivamente. Estos datos indican que la ELA puede no guardar la misma relación con el nivel educativo que el Alzheimer, lo que sugiere que otros factores pueden ser más influyentes en su incidencia.

Ocupación

La aplicación del modelo de regresión de Poisson para correlacionar ocupación y fallecimientos, considerando 87 ocupaciones con más de 100 fallecimientos, reveló diferencias marcadas entre las dos enfermedades neurodegenerativas. Para el Alzheimer, las ocupaciones ligadas al trabajo agrícola y rural presentaron razones de riesgo (RR) extremadamente elevadas. Trabajadores volantes de la agricultura registraron un RR de 21.019,00, y trabajadores agropecuarios en general presentaron un RR de 17.378,00. Otras ocupaciones con riesgo elevado incluyeron empleados domésticos en los servicios generales (RR de 7.601,00) y comerciantes minoristas (RR de 8.346,00). Profesiones de mayor escolaridad, como abogados (RR de 2.956,00) y profesores de nivel superior (RR de 2.503,00), presentaron un riesgo relativamente bajo en comparación con las ocupaciones agrícolas, aunque aún representan números significativos de fallecimientos.

En relación con la ELA, la ocupación con mayor riesgo fue la de abogado, con una razón de riesgo de 6,09. Este hallazgo es particularmente notable, ya que sugiere una asociación con condiciones ocupacionales que implican estrés mental y una elevada carga cognitiva. A continuación, trabajadores agrícolas (RR de 3.242 para trabajadores volantes de la agricultura y 3.069 para trabajadores agropecuarios en general) y albañiles (RR de 2.314) también presentaron riesgos elevados. Profesiones ligadas al sector de servicios y comercio, como comerciantes minoristas (RR de 2.531) y representantes comerciales autónomos (RR de 1.976), también indicaron un riesgo aumentado. Esta distinción sugiere que la ELA puede estar asociada no solo a factores sociales como la baja escolaridad, sino también a demandas cognitivas y estrés ocupacional, un punto que encuentra respaldo en la literatura internacional (RHODES et al., 2024; BORGHEAI et al., 2024; VRILLON et al., 2021).

Regresión logística binaria

Los modelos de regresión logística binaria aplicados para clasificar la incidencia de mortalidad en alta y baja para Alzheimer y ELA presentaron una precisión moderada, con un 65% para Alzheimer y un 63% para ELA. Esta capacidad razonable de distinguir entre los contextos de incidencia refuerza la utilidad del enfoque. El análisis demostró que variables como escolaridad, ocupación, edad y sexo ejercen una influencia significativa sobre la mortalidad, contribuyendo a la identificación de patrones de vulnerabilidad en la población brasileña. La matriz de confusión, que compara valores previstos y observados, corroboró el desempeño del modelo, indicando un equilibrio en la clasificación de las clases.

A pesar de la relevancia de estas variables explicativas, los modelos también evidenciaron que estos factores no son suficientes para capturar toda la complejidad de las enfermedades neurodegenerativas. Esto sugiere la necesidad de incorporar variables adicionales, como condiciones clínicas e historial de salud individual, en estudios futuros para mejorar el poder predictivo de los modelos. Sin embargo, la Regresión Logística demostró ser una herramienta valiosa para destacar grupos poblacionales más expuestos al riesgo, proporcionando subsidios importantes para el desarrollo de políticas públicas eficaces, orientadas a la reducción de la mortalidad por Alzheimer y ELA y a la promoción de un envejecimiento saludable y con soporte especializado.

En resumen, la investigación reveló que la mortalidad por Alzheimer y ELA en Brasil presenta patrones demográficos y socioeconómicos distintos, pero igualmente desafiantes. El Alzheimer demuestra una fuerte asociación con el envejecimiento avanzado, el sexo femenino y la baja escolaridad, además de una alta incidencia en ocupaciones agrícolas. La ELA, por su parte, aunque más rara, impacta franjas de edad intermedias, el sexo masculino, y está asociada a ocupaciones de alta carga cognitiva, como abogados, pero también a trabajadores agrícolas. Estos hallazgos refuerzan la necesidad de políticas públicas diferenciadas y la aplicación de la ciencia de datos como herramienta esencial para subsidiar acciones de salud pública eficaces y dirigidas.

4. Conclusión

El presente estudio tuvo como objetivo revelar patrones relevantes de mortalidad por Alzheimer y Esclerosis Lateral Amiotrófica (ELA) en Brasil, utilizando técnicas analíticas aplicadas a bases públicas. Se observó un aumento expresivo en la mortalidad por Alzheimer en el período de 2015 a 2024, con predominancia en mujeres mayores de 75 años y en las regiones Sudeste y Sur del país. Se observó una asociación con baja escolaridad y ocupaciones ligadas al trabajo agrícola y rural. En contraste, la mortalidad por ELA, aunque con un crecimiento gradual en menor escala, incidió mayoritariamente en hombres, en grupos de edad intermedios (41-80 años), y en ocupaciones de mayor carga cognitiva, como abogados, pero también en trabajadores agrícolas y albañiles. Estos hallazgos demuestran la capacidad de la ciencia de datos en transformar información bruta en conocimiento útil, identificando grupos poblacionales vulnerables y proporcionando subsidios para el direccionamiento de políticas públicas y estrategias de gestión en salud, con el objetivo de un envejecimiento saludable y la atención especializada.

A pesar de la relevancia de los patrones identificados, los modelos de regresión logística binaria aplicados presentaron una precisión moderada, lo que indica que las variables demográficas, socioeconómicas y ocupacionales, aunque significativas, no capturan la totalidad de la complejidad de estas enfermedades neurodegenerativas. Esta limitación sugiere la necesidad de estudios futuros que incorporen variables adicionales, como condiciones clínicas e historial de salud individual, para mejorar el poder predictivo y la comprensión de los fenómenos. Sin embargo, el enfoque analítico empleado refuerza el papel de la ciencia de datos como herramienta esencial para respaldar acciones de salud pública eficaces y dirigidas, contribuyendo a la planificación a largo plazo y a la mitigación de los desafíos impuestos por el envejecimiento poblacional y la creciente incidencia de enfermedades neurodegenerativas en Brasil.

Referencias Bibliográficas

BORGHEAI, Seyyed Bahram; ACHORN, Brie E.; ZISK, Alyssa H.; et al. 2024. A Comprehensive Overview of Neurophysiological Correlates of Cognitive Impairment in Amyotrophic Lateral Sclerosis. Cells, v. 15, n. 1: p. 1-37. DOI: 10.3390/cells15010037.

BRASIL. Ministério da Saúde; UNIVERSIDADE FEDERAL DE SÃO PAULO (UNIFESP). 2024. Relatório Nacional sobre a Demência: Epidemiologia, (re)conhecimento e projeções futuras. Brasília: Ministério da Saúde.

COLOSIMO, E. A. 2011. Métodos Estatísticos Avançados em Epidemiologia – Modelo de Poisson e Análise de Dados Longitudinais. Universidade Federal de Minas Gerais, Belo Horizonte, MG, Brasil.

HETZ et al., 2018 [Referência completa não encontrada no documento original]

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. 2022. Sistema IBGE de Recuperação Automática – SIDRA. Tabela 1209: População por grupos de idade e Unidade da Federação. Rio de Janeiro: IBGE. Disponível em: <https://sidra.ibge.gov.br>. Acesso em: 20 jan. 2026.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. 2023. Censo Demográfico 2022: número de pessoas com 65 anos ou mais de idade cresceu 57,4% em 12 anos. Rio de Janeiro: IBGE. Disponível em: <https://www.ibge.gov.br>. Acesso em: 20 jan. 2026.

JOHNSON et al., 2025 [Referência completa não encontrada no documento original]

ORGANIZAÇÃO MUNDIAL DA SAÚDE – OMS. 1992. Classificação Internacional de Doenças 10ª Revisão (CID-10). Genebra: OMS.

PASCHALIDIS, M.; KONSTANTYNER, T. C. R. O.; MARTINS, C. B.; SIMON, S. S. 2023. Trends in mortality from Alzheimer’s disease in Brazil, 2000–2019. SciELO Brasil, v. 57: p. 1-12.

RHODES et al., 2024 [Referência completa não encontrada no documento original]

VRILLON, Agathe; DERAMECOURT, Vincent; LOZERON, Pierre; et al. 2021. Association of Alzheimer’s disease and amyotrophic lateral sclerosis: A series of cases and review of the literature. Alzheimer’s & Dementia, v. 17, n. 12: p. 2084-2098. DOI: 10.1002/alz.045814.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy