30 de septiembre de 2026
Modelado predictivo para la optimización del método Wolbachia
Modelado Predictivo para la Optimización del Método Wolbachia
Cecília Parolim Ferraz; Auberth Henrik Venson
DOI: 10.22167/2675-6528-202602798
Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.
Resumen
La optimización del método Wolbachia para el control del Aedes aegypti es un desafío relevante en la salud pública. El estudio analizó los factores ambientales, operacionales y espaciales que influyeron en la adherencia de la bacteria Wolbachia en poblaciones de Aedes aegypti, con el objetivo de optimizar la cantidad de mosquitos liberados. Se realizó en el municipio de Joinville/SC, basándose en seis campañas de monitoreo entre septiembre y diciembre de 2024. Se integraron datos espaciales, ambientales, poblacionales y operacionales, utilizando técnicas de geoprocesamiento para crear áreas de influencia de 300 metros alrededor de los puntos de monitoreo. El análisis empleó un modelo de regresión lineal de efectos mixtos para evaluar la influencia de las variables explicativas sobre la proporción de mosquitos con Wolbachia (wMel). Los resultados indicaron que la adherencia resultó de la interacción entre factores ambientales y operacionales, con influencia positiva de la humedad relativa del aire y negativa de la densidad poblacional, además de un efecto positivo de la cantidad de mosquitos liberados. Se identificó un comportamiento de saturación, donde aumentos en la liberación de mosquitos no generaron ganancias proporcionales de adherencia, especialmente en escenarios favorables. El análisis de escenarios demostró que la cantidad de mosquitos necesaria varió según las condiciones ambientales y poblacionales, siendo mayor en contextos desfavorables. En etapas avanzadas, los factores ambientales ejercieron mayor influencia sobre la adherencia que la intensidad de la suelta. Los resultados reforzaron la importancia de estrategias adaptativas y evidenciaron el potencial del modelo como herramienta de apoyo a la planificación operacional de las sueltas.
Palabras clave: Análisis espacial; Geoprocesamiento; Modelado predictivo; Optimización operativa; Wolbachia.
1. Introducción
Las arbovirosis representan un desafío creciente para la salud pública en regiones tropicales, como Brasil, donde factores ambientales favorecen la proliferación del mosquito Aedes aegypti. La Organización Mundial de la Salud (OMS) señala que el dengue, una de las principales arbovirosis, causa más de 390 millones de infecciones anuales a nivel mundial, con una incidencia en expansión en áreas urbanas densamente pobladas. Este aumento está intrínsecamente ligado a los cambios climáticos, al proceso de urbanización desordenada y a la creciente movilidad humana.
En este escenario, el método Wolbachia, desarrollado por el World Mosquito Program, emerge como un enfoque innovador para mitigar la transmisión de estas enfermedades. La estrategia implica la liberación de mosquitos Aedes aegypti infectados con la bacteria Wolbachia, que tiene la capacidad de reducir la competencia vectorial del mosquito para transmitir virus como el del dengue, zika y chikungunya. La eficacia de este método se ha demostrado en Niterói, Río de Janeiro, donde se observó una reducción de hasta el 69% en los casos de dengue, el 56% en los de chikungunya y el 37% en los de zika (Utomo et al., 2021; Ryckebusch et al., 2024).
A pesar de los resultados prometedores en diversas localidades, la implementación y optimización del método Wolbachia a gran escala exigen una comprensión profunda de los factores que influyen en la adherencia de la bacteria en las poblaciones de mosquitos. La expansión del programa en Brasil, en asociación con el Ministerio de Salud y el World Mosquito Program, incluye el municipio de Joinville, Santa Catarina. En este contexto, la necesidad de estrategias innovadoras de control vectorial se ve reforzada por el aumento significativo de los focos de Aedes aegypti en Joinville, que pasaron de 292 en 2017 a 9.453 en 2021 (Joinville, 2022). La optimización de la cantidad de mosquitos liberados se vuelve crucial para la eficiencia operativa y la sostenibilidad del programa.
La presente investigación adopta un enfoque de modelado predictivo, basado en aprendizaje supervisado, para analizar la relación entre variables ambientales, operacionales y espaciales y la proporción de mosquitos con Wolbachia (wMel). El estudio se llevó a cabo en el municipio de Joinville, que tiene aproximadamente 650.000 habitantes y un clima subtropical húmedo (IBGE, 2024). Los datos empíricos se recopilaron durante seis campañas de monitoreo realizadas entre septiembre y diciembre de 2024, integrando información espacial, ambiental, poblacional y operacional a través de técnicas de geoprocesamiento, incluyendo la delimitación de áreas de influencia de 300 metros alrededor de los puntos de monitoreo.
La comprensión de estos factores es esencial para mejorar las estrategias de liberación de mosquitos, optimizando el uso de recursos y maximizando la eficacia del control vectorial. Este trabajo tuvo como objetivo analizar la relación entre variables ambientales y operacionales, como condiciones climáticas y parámetros de liberación, y los niveles de adherencia de la Wolbachia en Joinville/SC, buscando desarrollar un modelo predictivo capaz de simular escenarios de reducción en la cantidad de mosquitos liberados, manteniendo o maximizando la adherencia de la bacteria.
2. Material y Métodos
La presente investigación adoptó un enfoque de modelado predictivo, fundamentado en
aprendizaje supervisado
, para analizar la relación entre variables ambientales, operacionales y espaciales y la proporción de mosquitos con Wolbachia (wMel). El estudio fue de naturaleza cuantitativa y exploratoria, buscando identificar patrones y relaciones entre las variables para optimizar la cantidad de mosquitos liberados en el programa de control vectorial.
El área de estudio comprendió el municipio de Joinville, en Santa Catarina, que posee un clima subtropical húmedo y aproximadamente 650.000 habitantes (IBGE, 2024). La recolección de datos empíricos se realizó durante seis campañas de monitoreo, que ocurrieron entre los meses de septiembre y diciembre de 2024, abarcando puntos fijos de monitoreo distribuidos en la región.
Para la construcción de la base de datos analítica, cada observación correspondió a un punto fijo de monitoreo, identificado por un código único. Esta estructura longitudinal permitió el seguimiento repetido de los puntos a lo largo del tiempo. La variable respuesta utilizada fue la proporción de mosquitos con Wolbachia (wMel), expresada en una escala continua de cero a uno.
Las variables explicativas consideradas incluyeron factores operacionales, demográficos y ambientales. Entre ellas, destacaron la cantidad de mosquitos liberados (qtdMosq), la población en el entorno de los puntos de monitoreo (qtdPop), la humedad relativa del aire (umidAr) y el número total de mosquitos analizados (total_count), este último empleado como medida del tamaño muestral.
El proceso de construcción de la base analítica implicó etapas de geoprocesamiento para la integración y agregación espacial de las variables. Para cada punto de monitoreo, se delimitó un área de influencia con un radio de 300 metros, representando el entorno inmediato de actuación de los mosquitos. A partir de esta unidad espacial, se agregaron informaciones de diversas bases de datos, incluyendo datos poblacionales, ambientales y operacionales.
Las variables espaciales se derivaron mediante operaciones de análisis espacial, que incluyeron la creación de buffers, la intersección con sectores censales y la agregación de atributos. Esta metodología garantizó que cada observación reflejara las condiciones locales específicas del punto de monitoreo, incorporando información contextualizada espacialmente al modelo.
En la etapa de preparación y tratamiento de los datos, se elaboraron representaciones espaciales exploratorias, disponibles en los Anexos A, B, C, D y E del TCC original, para validar y comprender la estructura inicial de los datos. A continuación, la base de datos fue importada al entorno Python, donde se realizaron la limpieza y la organización de los registros.
Se creó una variable numérica de envío (envío_num), extraída del identificador textual de las campañas, y su versión categórica (envío_cat), utilizada en la modelización para representar efectos temporales. Las variables continuas seleccionadas se estandarizaron por z-score, con el objetivo de comparar coeficientes y la estabilidad numérica en el ajuste del modelo.
Antes de la implementación del modelo final, se realizó un análisis de multicolinealidad entre las variables inicialmente consideradas. Se utilizaron la matriz de correlación y el Factor de Inflación de la Varianza (VIF) para esta evaluación. Con base en los resultados, se seleccionaron las variables con mayor relevancia teórica e interpretabilidad para el estudio.
El algoritmo predictivo implementado fue un modelo de regresión lineal de efectos mixtos, adecuado para la estructura de datos con medidas repetidas por punto de monitoreo. En el componente de efectos fijos, se incluyeron las variables estandarizadas qtdMosq, qtdPop, umidAr, total_count y la variable categórica remessa_cat.
En el componente aleatorio del modelo, se consideró un intercepto por punto de monitoreo (identifier), con el objetivo de capturar la variabilidad no observada entre los puntos. La implementación computacional del modelo se realizó utilizando el lenguaje de programación Python, con la ayuda de la biblioteca `statsmodels.formula.api.mixedlm`.
Tras el ajuste del modelo, se generaron diagnósticos basados en el análisis de los residuos y en la comparación entre valores observados y ajustados, permitiendo evaluar la adecuación del modelo a los datos. También se construyeron gráficos exploratorios y diagnósticos para verificar patrones y posibles desviaciones.
Adicionalmente, se simularon escenarios predictivos con diferentes combinaciones de variables ambientales y poblacionales, clasificadas como favorables, intermedias y desfavorables. Para cada escenario, se estimaron las cantidades de mosquitos necesarias para alcanzar niveles de adherencia del 70%, 80%, 90% y 100%, contribuyendo al análisis operacional del método.
Finalmente, se realizó un análisis específico de la última campaña de monitoreo (remesa seis), empleando regresión lineal simple. El objetivo fue investigar posibles efectos de saturación en el sistema en etapas más avanzadas de implementación, complementando la comprensión de la dinámica de la adherencia de Wolbachia.
3. Resultados y Discusión
La presente sección detalla los hallazgos de la investigación sobre la optimización del método Wolbachia para el control del Aedes aegypti en Joinville/SC, interpretando los resultados a la luz de los objetivos propuestos y la metodología aplicada. Los datos revelaron la compleja interacción entre factores ambientales, operacionales y demográficos en la adherencia de la bacteria, con implicaciones significativas para la planificación y ejecución de las campañas de liberación de mosquitos. El análisis permitió identificar patrones cruciales y desarrollar un modelo predictivo capaz de simular escenarios y optimizar la cantidad de mosquitos liberados, con el objetivo de lograr la máxima eficacia y sostenibilidad del programa.
Inicialmente, se observó que la adherencia de Wolbachia no se comporta de manera lineal en relación con la cantidad de mosquitos liberados, siendo influenciada por una gama de variables. Esta comprensión es fundamental para refinar las estrategias de control vectorial, alejándose de enfoques genéricos en favor de intervenciones más adaptadas a las realidades locales. La capacidad de predecir la adherencia en diferentes contextos permite una asignación más eficiente de recursos, maximizando el impacto de las acciones de salud pública en el combate a las arbovirosis.
Contextualización espacial del área de estudio
El estudio se llevó a cabo en el municipio de Joinville, centrándose en las áreas designadas para la operación de liberación de mosquitos con Wolbachia. La distribución espacial de los puntos de monitoreo, representados por las ovitrampas utilizadas en la sexta campaña de recolección, reveló una concentración notable en regiones urbanizadas. Esta distribución refleja una priorización estratégica de áreas con mayor densidad poblacional, donde la proliferación del Aedes aegypti y la transmisión de arbovirosis tienden a ser más intensas. La población influyente en un radio de 300 metros alrededor de cada punto de monitoreo varió, con clases que iban de 111 a 2821 habitantes, lo que indica la diversidad demográfica de las áreas bajo intervención.
El análisis de la cobertura espacial de las unidades muestrales demostró que las áreas de influencia de 300 metros alrededor de los puntos de monitoreo se superponen significativamente. Esta superposición resultó en una cobertura continua en las regiones de mayor densidad de puntos, lo que refuerza la representatividad espacial de los datos empleados en el modelado. Tal detalle espacial fue crucial para capturar las condiciones locales específicas que podrían influir en la dinámica de dispersión y el establecimiento de la Wolbachia, proporcionando una base robusta para los análisis subsecuentes.
El nivel de detalle espacial adoptado en la construcción de las variables explicativas fue elevado, incorporando elementos como la densidad de edificaciones y la extensión de cuerpos hídricos dentro del radio de 300 metros de cada punto de monitoreo. Este enfoque permitió una comprensión más granular de la relación entre el ambiente físico y la adherencia de la Wolbachia. La integración de estas informaciones contextuales fue esencial para el desarrollo de un modelo predictivo que considerara las particularidades de cada localidad, yendo más allá de un análisis puramente agregado.
Rendimiento del modelo
El modelo de regresión lineal de efectos mixtos desarrollado demostró una capacidad adecuada para representar la compleja relación entre las variables explicativas y la adherencia de Wolbachia. La comparación entre los valores observados y los valores ajustados por el modelo indicó una buena adherencia general, especialmente en el rango de valores más altos de la proporción de mosquitos con Wolbachia (wMel). Esto sugiere que el modelo posee mayor precisión en escenarios donde la estabilización de Wolbachia ya está en una etapa avanzada, lo cual es un hallazgo relevante para la gestión operativa del programa.
La robustez del modelo para predecir la adherencia en niveles más altos de wMel es particularmente útil para la planificación a largo plazo, donde el objetivo es mantener la bacteria en niveles elevados en la población de mosquitos. Aunque la adherencia general ha sido satisfactoria, el rendimiento del modelo en diferentes rangos de adherencia apunta a la necesidad de considerar las fases de implementación del programa al aplicar las predicciones. La capacidad de identificar escenarios de alta estabilización permite dirigir recursos al mantenimiento de la adherencia, mientras que en fases iniciales, otras estrategias pueden ser más adecuadas.
Diagnóstico del modelo
El análisis de los residuos se realizó para evaluar la adecuación del modelo, revelando que la variabilidad del error no se mantuvo constante a lo largo del rango de valores predichos. Se observó que la dispersión de los residuos fue mayor en niveles intermedios de adherencia, lo que sugiere una heterocedasticidad en ciertas franjas de la variable respuesta. Esta característica indica que la precisión de las predicciones puede variar dependiendo del nivel de adherencia de la Wolbachia, siendo potencialmente menos precisa en etapas de transición o de menor estabilización.
La distribución de los residuos presentó una concentración cercana a cero, lo que es un indicativo positivo de la ausencia de sesgo sistemático en el modelo. Sin embargo, se observó una asimetría negativa en la distribución, lo que apunta a una mayor frecuencia de errores negativos. Esto significa que el modelo tendió a sobreestimar la adherencia en algunas situaciones, aunque la magnitud de estos errores no comprometió la aplicabilidad general del modelo para fines predictivos. La comprensión de estas características de los residuos es esencial para interpretar las predicciones con la debida cautela y para futuras mejoras del modelo.
A pesar de las características observadas en el análisis de los residuos, el modelo demostró ser adecuado para fines predictivos, especialmente considerando la naturaleza de la variable respuesta, que está limitada al intervalo entre 0 y 1. La capacidad del modelo para capturar la dinámica de la adherencia de Wolbachia, incluso con cierta variabilidad en el error, refuerza su utilidad como herramienta de apoyo a la decisión. La interpretación de los resultados, por lo tanto, no se basa exclusivamente en pruebas de significancia estadística, sino también en la coherencia de los efectos observados y en la aplicabilidad operativa de los patrones identificados.
Relación entre variables y adherencia de la Wolbachia
El análisis de la relación entre la población en el entorno de los puntos de monitoreo y la adherencia de la Wolbachia reveló una tendencia negativa. Este hallazgo sugiere que, en ambientes con mayor densidad poblacional, el establecimiento de la bacteria puede ser más desafiante. Dicha dificultad puede atribuirse a la mayor complejidad ecológica y a la dinámica poblacional del vector en estos contextos, donde factores como la disponibilidad de criaderos, la movilidad humana y la diversidad genética de los mosquitos pueden influir en la tasa de infección y la dispersión de la Wolbachia.
Por otro lado, la cantidad de mosquitos liberados presentó una relación positiva con la adherencia de la Wolbachia, indicando que el aumento en la liberación de mosquitos contribuye a la elevación de la proporción de individuos infectados. Sin embargo, se observó una elevada dispersión de los datos, lo que sugiere que la adherencia no depende exclusivamente de la intensidad de la liberación. Esta dispersión refuerza la idea de que otros factores, como las condiciones ambientales y la densidad poblacional, interactúan con la cantidad de mosquitos liberados para determinar el éxito de la intervención.
La humedad relativa del aire también demostró ser una variable con influencia positiva en la adherencia de Wolbachia, mientras que la densidad poblacional ejerció una influencia negativa. Estos resultados subrayan la importancia de considerar las condiciones climáticas y demográficas al planificar las campañas de liberación. Ambientes con mayor humedad relativa pueden favorecer la supervivencia y la reproducción de los mosquitos infectados, mientras que áreas densamente pobladas pueden presentar desafíos adicionales para la estabilización de la bacteria, exigiendo ajustes en las estrategias de liberación.
Efecto temporal
El análisis de la adherencia de Wolbachia a lo largo de los envíos de monitoreo evidenció un comportamiento de evolución temporal del sistema. Los envíos iniciales, particularmente el segundo, presentaron mayor variabilidad y una amplia dispersión de los valores de adherencia. Esto sugiere que, en las fases iniciales de implementación del programa, la estabilización de la bacteria en la población de mosquitos es más heterogénea y susceptible a fluctuaciones, reflejando la fase de introducción y adaptación del sistema.
En contraste, las remesas más recientes demostraron una mayor concentración de valores cercanos a la adherencia máxima, con la proporción de mosquitos con Wolbachia (wMel) tendiendo a 1. Este patrón indica una clara tendencia de estabilización del proceso a lo largo del tiempo. Tal comportamiento sugiere un efecto acumulativo de las liberaciones sucesivas, resultando en niveles más elevados y consistentes de adherencia en las fases más avanzadas del programa. Este hallazgo refuerza la hipótesis de que la introducción de la Wolbachia es un proceso progresivo, que depende de la continuidad y la persistencia de las liberaciones a lo largo del tiempo para alcanzar la estabilidad deseada.
Análisis de escenarios
El análisis de escenarios permitió cuantificar la cantidad de mosquitos necesaria para alcanzar diferentes niveles de adherencia de Wolbachia bajo condiciones ambientales y poblacionales distintas. Los resultados indicaron que, en escenarios favorables, menores cantidades de mosquitos son suficientes para alcanzar los niveles de adherencia deseados. Por ejemplo, para metas de adherencia de 0,7, 0,8, 0,9 y 1,0 en escenarios favorables, la cantidad necesaria de mosquitos fue de 6.198.
En escenarios intermedios, se observó un aumento gradual en la necesidad operativa. Para metas de adherencia de 0,7, 0,8 y 0,9, la cantidad de mosquitos permaneció en 6.198. Sin embargo, para alcanzar una adherencia de 1,0 en escenarios intermedios, la cantidad de mosquitos necesaria aumentó significativamente a 89.578. Esta variación destaca la sensibilidad del sistema a las condiciones ambientales y poblacionales, incluso en contextos que no se consideran totalmente desfavorables.
En escenarios desfavorables, las cantidades de mosquitos necesarias fueron significativamente mayores. Para metas de adherencia de 0,7 y 0,8, la cantidad fue de 6.198, pero para 0,9, subió a 45.789, y para 1,0, alcanzó 184.956 mosquitos. Estos datos refuerzan la importancia de adaptar las estrategias de liberación a las condiciones locales, evitando un enfoque único que puede ser ineficiente en contextos más desafiantes. La capacidad de estimar estas cantidades permite una planificación más precisa y optimizada de los recursos.
Independientemente del escenario, el análisis reveló un comportamiento de saturación, donde aumentos adicionales en la cantidad de mosquitos liberados resultan en ganancias reducidas en la adherencia. Este efecto de saturación indica que hay un punto a partir del cual la intensificación de las liberaciones no genera incrementos proporcionales en la proporción de mosquitos con Wolbachia. Comprender este límite es crucial para evitar el desperdicio de recursos y para enfocar en otras estrategias cuando el sistema se aproxima a su punto de equilibrio.
Análisis del envío 6 y efecto de saturación
El análisis específico del envío 6, que corresponde a la etapa más avanzada de la intervención, evidenció claramente el efecto de saturación del sistema. La relación entre la cantidad de mosquitos liberados y la adherencia de la Wolbachia en este envío presentó una pendiente reducida, indicando la presencia de rendimientos marginales decrecientes. Esto significa que, en etapas más maduras del programa, por cada mosquito adicional liberado, el incremento en la adherencia de la bacteria es menor, caracterizando un punto de retorno decreciente.
Este comportamiento sugiere que, en niveles elevados de adherencia, el sistema tiende a un estado de equilibrio, en el cual aumentos adicionales en la intensidad de liberación presentan un impacto limitado. En otras palabras, a partir de cierto nivel, la población de mosquitos ya está ampliamente infectada, y la introducción de más mosquitos con Wolbachia no resulta en un cambio significativo en la proporción general. Esta observación es vital para la optimización operativa, ya que dirige la atención hacia el mantenimiento de la adherencia en lugar de un aumento indefinido en la cantidad de liberaciones.
La identificación de este efecto de saturación en la fase más avanzada del monitoreo tiene importantes implicaciones prácticas. Sugiere que, en etapas avanzadas de implementación, los factores ambientales pueden llegar a ejercer una mayor influencia sobre la adherencia de Wolbachia que la intensidad de la liberación en sí. Esto implica que, una vez alcanzado cierto nivel de estabilización, la gestión del programa debe centrarse más en la adaptación a las condiciones ambientales y en el mantenimiento de la adherencia, en lugar de simplemente aumentar el número de mosquitos liberados.
En términos generales, los resultados obtenidos demuestran que la adherencia de Wolbachia está influenciada por múltiples factores y presenta un comportamiento no lineal, lo que exige un enfoque adaptativo en la planificación de las intervenciones. El modelo desarrollado demostró ser adecuado para fines predictivos y operativos, permitiendo identificar relaciones relevantes entre variables como la humedad relativa del aire, la densidad poblacional y la cantidad de mosquitos liberados. La principal contribución del estudio reside en la identificación del efecto de saturación y en la posibilidad de estimar cantidades de liberación más eficientes, considerando diferentes escenarios ambientales y operativos, lo que responde directamente al objetivo de optimizar la cantidad de mosquitos liberados manteniendo o maximizando la adherencia de la bacteria.
4. Conclusión
El presente estudio buscó analizar la relación entre variables ambientales, operacionales y espaciales y la proporción de mosquitos con Wolbachia (wMel) en Joinville/SC, con el objetivo de optimizar la cantidad de mosquitos liberados. Se verificó que la adherencia de Wolbachia resultó de la interacción compleja entre factores como la humedad relativa del aire, que ejerció influencia positiva, y la densidad poblacional, que demostró un efecto negativo. Se observó también que la cantidad de mosquitos liberados impactó positivamente la adherencia, sin embargo, se identificó un comportamiento de saturación, donde aumentos adicionales en la liberación no generaron ganancias proporcionales, especialmente en escenarios favorables. El análisis de escenarios demostró que la cantidad de mosquitos necesaria para alcanzar metas de adherencia varió significativamente según las condiciones ambientales y poblacionales, siendo mayor en contextos desfavorables. En etapas avanzadas del programa, los factores ambientales pasaron a ejercer mayor influencia sobre la adherencia que la intensidad de la liberación. La principal contribución práctica de este trabajo reside en el desarrollo de un modelo predictivo capaz de simular escenarios y estimar cantidades de liberación más eficientes, apoyando la planificación operacional y la optimización del uso de recursos en el control vectorial.
A pesar de la robustez del modelo en la predicción de la adherencia en niveles más altos de wMel, se identificó como limitación la heterocedasticidad de los residuos en niveles intermedios de adherencia, sugiriendo menor precisión en fases de transición. Adicionalmente, el análisis de los residuos indicó una tendencia del modelo a sobreestimar la adherencia en algunas situaciones, y se reconoció la dependencia de la calidad de los datos y la variabilidad espacio-temporal de las condiciones ambientales. Para estudios futuros, se sugiere mejorar el modelo para mitigar la heterocedasticidad e investigar la influencia de factores no observados que puedan impactar la adherencia de Wolbachia, así como explorar estrategias de adaptación a las condiciones ambientales en fases avanzadas del programa. Tales investigaciones pueden refinar aún más las estrategias de liberación de mosquitos, maximizando la eficacia y la sostenibilidad del método Wolbachia.
Referencias Bibliográficas
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Cidades: Joinville (SC). 2024. Disponível em: <https://cidades.ibge.gov.br/brasil/sc/joinville/panorama>. Acesso em: 28 out. 2025.
JOINVILLE (SC). Plano Municipal de Saúde de Joinville: 2022–2025. Joinville: Secretaria Municipal da Saúde, 2022. Disponível em: <https://www.joinville.sc.gov.br/wp-content/uploads/2022/11/Plano-Municipal-de-Saude-de-Joinville-2022-2025-versao-final.pdf>. Acesso em: 1 nov. 2025.
RYCKEBUSCH, F. et al. Effectiveness of Wolbachia-infected mosquito deployments in reducing the incidence of dengue and other Aedes-borne diseases in Niterói, Brazil: a quasi-experimental study. The Lancet Global Health, v. 12, n. 2, p. e301-e311, 2024. DOI: 10.1016/S2214-109X(23)00414-8.
UTOMO, S. et al. Effectiveness of Wolbachia-infected mosquito deployments in reducing the incidence of dengue and other Aedes-borne diseases in Niterói, Brazil: a quasi-experimental study. PLoS Global Public Health, v. 1, n. 7, e0000039, 2021. DOI: 10.1371/journal.pgph.0000039.
Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq
Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy