Trends in dengue incidence and lethality: interrupted time series analysis, Brazil, 2001-2022

Tatiane Fernandes Portal de Lima Alves da Silva; Henry Maia Peixoto; Lúcia Rolim Santana de Freitas; Emerson Luiz Lima Araújo; Walter Massa Ramalho

doi:10.1590/S2237-96222025v34e20240424.en

. 2025 Sep 8;34:e20240424. doi: 10.1590/S2237-96222025v34e20240424.en

Show available content in

View full-text in Portuguese

Trends in dengue incidence and lethality: interrupted time series analysis, Brazil, 2001-2022

Tatiane Fernandes Portal de Lima Alves da Silva ¹, Henry Maia Peixoto ², Lúcia Rolim Santana de Freitas ², Emerson Luiz Lima Araújo ³, Walter Massa Ramalho ²

PMCID: PMC12435890 PMID: 40929501

Abstract

Objective

To analyze the temporal trend of dengue incidence and lethality rates and the proportions of its serotypes, in the different macro-regions of Brazil, between 2001 and 2022. In particular, the immediate and gradual effects of these indicators were verified in the periods before and after the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics.

Methods

This was an interrupted time series analysis. Prais-Winsten generalized linear regression was used and the annual percentage variation was determined with a 95% confidence interval (95%CI). The data were extracted from the Notifiable Diseases Information System and the Mortality Information System.

Results

The incidence of dengue in Brazil was stationary from 2001 to 2009, and the effects of the National Guidelines were not detectable between 2010 and 2022. The dengue fatality rate showed an increasing trend in the period 2001-2009. Between 2010 and 2022, there were gradual reductions of 30.0% in the North (95%CI -36.8; -22.5), 27.9% in the Northeast (95%CI -33.3; -22.2), 20.1% in the Southeast (95%CI -30.0; -8.8), and 17.8% in the Center-West (95%CI -22.5; -12.7). For the South, the dengue fatality rate remained stationary between 2001 and 2009 and undetectable between 2010 and 2022.

Conclusion

The trend in the dengue incidence rate in Brazil was stationary in the period 2001-2009. Between 2010 and 2022, it was not possible to detect immediate and gradual effects on incidence rates. The trend in dengue fatality rates in Brazil (except in the South region) was increasing between 2001 and 2009. After 2010, gradual reductions were identified.

Keywords: Mortality Records, Incidence, Dengue, Public Health Surveillance, Interrupted Time Series Analysis

Ethical aspects

This research respected ethical principles, having obtained the following approval data:

Research Ethics Committee: Universidade de Brasília

Opinion number: 6.545.247

Approval date: 30/11/2023

Certificate of Submission for Ethical Appraisal: 75204823.3.0000.5558

Informed Consent Form: Not applicable.

Introduction

Arboviruses transmitted by Aedes aegypti are relevant health problems, especially in countries located in tropical and subtropical regions (1). In 2023, the Americas reported 4,594,823 dengue cases and 2,467 dengue-related deaths (2). In Brazil, in the same year, 1,649,146 probable cases were reported, with an incidence rate of 773/100,000 inhabitants (3).

The current scenario in Brazil is marked by the simultaneous circulation of four dengue virus serotypes, in addition to the Chikungunya and Zika viruses, which makes health surveillance more complex (4). After the creation of the Brazilian National Dengue Control Program in 2002 and the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics in 2009, the country confirmed the introduction of dengue virus serotype 4 in 2010, Chikungunya virus in 2014 and Zika virus in 2015 (5,6).

To reduce the incidence and mortality from vector-borne diseases and prevent epidemics between 2017 and 2030, the World Health Organization and the Brazilian Ministry of Health have proposed response plans (7,8). The control of the Aedes aegypti faces challenges related to poor urban infrastructure, low waste collection coverage and intermittent water supply (9-11).

Factors such as rising temperatures and increased human mobility in densely populated areas also contribute to the increased dengue burden (12,13). Since 2016, in response to the public health emergency caused by the Zika virus, the Ministry of Health has invested in research and innovative technologies to improve surveillance and control actions (8,14,15). The introduction of the Wolbachia method and the incorporation of the dengue vaccine into the Unified Health System in 2023 marked a new phase in the fight against the disease (1,15,16).

Interrupted time series analysis, widely used since 2010, allows assessing trends before and after interventions. This quasi-experimental method is ideal for identifying associations between temporal changes and events in health systems, especially when randomization is not possible (17). There are still no studies that use this method to assess the impact of national interventions related to dengue in the last two decades (16-20).

This study analyzed the temporal trends of dengue incidence and lethality rates in the macro-regions of Brazil between 2001 and 2022. The immediate and gradual effects of these indicators were evaluated before and after the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics. The results can guide dengue surveillance strategies in Brazil and other countries in the Americas.

Methods

Study design

This study analyzed secondary data from national information systems. Interrupted time series analyses were performed to test the hypothesis that the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics in 2009 caused significant changes in the incidence and lethality rates of the disease’s time series. The objective was to identify changes in the level (abrupt change) or trend (variation in the slope of the time series), using a before-and-after design.

Context

Brazil is divided into five macro-regions, located in areas of the national territory that reflect their respective names and have specific climatic characteristics. The Southern macro-region has a temperate climate. The North is home to a large part of the Amazon rainforest and has a hot equatorial climate. The Northeast has a tropical climate on the coast and a semi-arid climate in the interior. In the Center-West and Southeast, the tropical climate is predominant.

Probable autochthonous dengue cases were analyzed, by macro-region of residence in Brazil, for the periods 2001-2024, in the exploratory data analysis phase, and 2001-2022, in the interrupted time series analysis. Macro-regions without information on any variable were excluded.

Variables and measurement

The dependent variables used were the dengue incidence and lethality rates, calculated by macro-regions of Brazil, for the period 2001-2022. The incidence rate was obtained by dividing the number of probable cases by the population of the corresponding year, multiplied by 100,000 inhabitants (2,3,5,6). The years of case reporting were the independent variables.

The fatality rate was calculated by dividing the total number of deaths recorded in the Mortality Information System by the total number of probable dengue cases, multiplied by 100. For each year and macro-region of residence, the total number of deaths by place of residence was used, considering the year of death (selection for row), the macro-region of residence (selection for column) and the International Statistical Classification of Diseases and Related Health Problems, with codes A90 (classical dengue) and A91 (dengue hemorrhagic fever) (21).

Due to underreporting in the Notifiable Diseases Information System (Sinan), which records only a fraction of actual dengue cases (22), it was recommended to calculate incidence and fatality rates based on probable cases, rather than confirmed ones. This practice was supported by publications and manuals from the Ministry of Health (2,3,5,6). To monitor the Sustainable Development Goals, the World Health Organization adopted the same calculation method proposed in this study (7).

The proportion of reported dengue cases by confirmation criteria between 2001 and 2024 and the distribution of predominant serotypes among positive samples were calculated using the molecular polymerase chain reaction technique or viral isolation in the period 2014-2024. These techniques were fundamental for serotype surveillance, as they allowed the identification of changes in viral circulation and were useful in analyzing population risk (23).

Data sources

Probable cases of dengue, by macro-region of residence and month of onset of symptoms, were obtained from Sinan. The data were available on Tabnet, provided by the Department of Information and Informatics of the Unified Health System (DataSUS), for the periods 2001-2006, 2007-2013 and 2014-2023. The number of deaths between 2001 and 2023 was extracted from the Mortality Information System to calculate the fatality rate (21).

The resident populations of each macro-region were tabulated based on census data and projections from the Brazilian Institute of Geography and Statistics (IBGE), available on Datasus, for the period 2001-2021 (21). To calculate the 2022 population, IBGE census data were used.

Probable cases and deaths from dengue for 2023 and 2024 were extracted from the Ministry of Health’s Arbovirus Monitoring Panel (until November 1, 2024) (3).

Participants

The reference population represented the subset of cases reported by healthcare professionals when serving the population that sought public or private health services in Brazil. Since dengue is a disease that requires compulsory notification, each case of a suspected patient treated requires an individual notification form that is completed and entered into Sinan.

The study population consisted of probable dengue cases reported in Sinan, excluding cases classified as ignored/blank, discarded and inconclusive (21).

Statistical methods

After tabulating data from 2001 to 2024, trend graphs were created for dengue incidence and lethality rates in Brazil and its macro-regions. These graphs allowed descriptive analysis of the patterns. Graphs with smoothed data were generated using different moving averages.

Based on this analysis and contextual surveys from 2001 to 2024, the main intervention milestones were defined. These milestones were used in the interrupted time series analysis between 2001 and 2022, according to the model best suited to the analytical assumptions.

The assumptions of previous studies on interrupted time series were considered (17,24,25,26). These studies recommended the analysis of at least seven moments before and after the intervention. To assess the trend in dengue incidence and lethality rates before and after the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics in 2009, the interrupted time series method with Prais-Winsten segmented regression was used (27,24).

To calculate the percentages of annual growth or decline, the data were transformed to a logarithmic scale. When the annual percentage change was negative, the trend was decreasing; when it was positive, the trend was increasing. Stationary trends were identified when the 95% confidence intervals included zero or when there was no statistical significance (p-value>0.05). To ensure the absence of serial autocorrelation, the Durbin-Watson statistic (17) was applied.

The hypothesis tested sought to identify changes in the incidence and lethality rates of dengue in Brazil and in its macro-regions before and after the publication of the National Guidelines in 2009. Segmented regression assessed immediate (abrupt change after intervention) and progressive (gradual change) impacts on the temporal trend of these indicators. The post-intervention period between 2010 and 2022 was compared to the pre-intervention period between 2001 and 2009.

Public health authorities developed national guidelines to guide state, municipal and federal managers in the surveillance, prevention, and control of dengue fever. These guidelines aimed to reduce cases and deaths, especially during seasonal or epidemic periods, which contributed to controlling the disease in Brazil (5).

For the exploratory and descriptive analysis, electronic spreadsheets were used. The construction of the figures and the Prais-Winsten segmented regression were performed using R Studio software (version 4.2.0).

Results

Between 2001 and 2024, 23,454,554 probable cases of dengue were reported in Brazil, with 17,157 deaths, resulting in a fatality rate of 0.07%. The first decade of analysis, between 2001 and 2010, recorded 4,312,491 probable cases, while the second decade, between 2011 and 2020, totaled 9,505,926 cases. In the first five years of the historical series, incidence rates did not exceed 600 cases per 100,000 inhabitants. The incidence rate ranged from 40.5 cases per 100,000 inhabitants in 2004, exceeding 700 cases per 100,000 inhabitants in 2013, 2015, 2016, 2019 and 2024 (Table 1).

Table 1. Number of deaths, probable cases, proportion (%) of dengue cases by laboratory and clinical-epidemiological confirmation criteria, fatality rate (per 100 probable dengue cases) and incidence rate (per 100,000 inhabitants) of dengue by year of notification. Brazil, 2001-2024.

Year	Deaths	Probable cases	Fatality rate	Proportion (%) of cases by clinical-epidemiological confirmation criterion	Proportion (%) of cases by laboratory confirmation criteria	Incidence rate	Total probable cases in the period
2001	42	389,324	0.01	40.6	31.9	225.8	4,312,491^a
2002	166	700,583	0.02	52.8	17.9	401.1
2003	69	277,421	0.02	50.4	30.3	156.8
2004	26	72,552	0.04	48.8	38.1	40.5
2005	48	151,413	0.03	47.9	36.7	82.2
2006	114	263,890	0.04	40.8	42.5	141.2
2007	332	501,745	0.07	36.0	35.4	265.0
2008	589	558,023	0.11	43.1	21.3	294.3
2009	375	416,264	0.09	50.1	27.4	217.3
2010	774	981,276	0.08	51.3	33.5	514.4
2011	604	686,005	0.09	50.8	33.5	356.5	9,505,926^b
2012	390	580,519	0.07	41.5	24.7	299.2
2013	642	1,428,989	0.04	50.9	29.6	710.8
2014	458	591,549	0.08	45.6	38.9	291.7
2015	930	1,709,159	0.05	49.4	31.4	835.9
2016	853	1,497,956	0.06	51.0	21.5	726.8
2017	210	241,884	0.09	50.0	17.8	116.4
2018	239	269.301	0.09	49.7	23.6	128.7
2019	902	1,553,579	0.06	56.6	27.2	737.4
2020	685	946,985	0.07	49.0	33.4	446.5
2021	404	544,812	0.07	36.6	46.8	255.2	9,636,137^c
2022	1,279	1,243,487	0.10	47.3	41.7	612.3
2023^d	1.306	1,297,064	0.10	44.7	41.0	599.7
2024^d	5,720	6,550,774	0.09	54.1	32.0	3,226.0

Open in a new tab

^aCases for the period 2001-2010; ^bCases for the period 2011-2020; ^cCases for the period 2021-2024; ^dData subject to review.

At the beginning of the historical series, the Southern macro-region had the lowest dengue incidence rate. In 2020, this rate in the Southern macro-region was 921 cases per 100,000 inhabitants, followed by a reduction in 2021 and a significant increase in 2022 (Figure 1). From 2009 onwards, high incidence rates were observed in the Central-West macro-region, with 823 cases per 100,000 inhabitants in 2009, 1,505 cases per 100,000 inhabitants in 2010, 1,747 cases in 2013 and 1,447 cases per 100,000 inhabitants in 2019 (Figure 1; Supplementary Table 1). The highest fatality rate in the country was identified in the Southern macro-region at the beginning of the series (Figure 2).

To identify the temporal trend of dengue incidence and lethality rates in Brazil and its macro-regions from 2001 to 2022, and the effect of interventions in the Unified Health System from 2009 onwards, segmented regression analysis was performed for interrupted time series.

The trend in the dengue incidence rate for Brazil and its macro-regions was stationary in the period 2001-2009 with annual percentage variation of 1.5% (95%CI -16.7; 23.7; p-value 0.882). Interrupted time series analysis revealed no significant effects for Brazil or any macro-region in the period 2010-2022 (Table 2).

Table 2. Annual percentage variation (APV) and 95% confidence interval (95%CI) of dengue incidence rates (per 100,000 inhabitants). Brazil and macro-regions, 2001-2022.

Dimension	Regressors	Interpretation	APV (95%CI)	p-value	Durbin-Watson test^a
Brazil	Change of level (step)	Not detected	131.6 (-35.8;736.8)	0.216	1.80
	Trend change (ramp)	Not detected	-2.2 (-22.5;23.5)	0.856
	Time	Stationary	1.5 (-16.7;23.7)	0.882
North	Change of level (step)	Not detected	77.6 (-24.7;319.2)	0.206	1.93
	Trend change (ramp)	Not detected	-9.0 (-23.3;7.9)	0.292
	Time	Stationary	1.4 (-11.6;16.5)	0.842
Northeast	Change of level (step)	Not detected	66.4 (-45.3;406.9)	0.382	1.86
	Trend change (ramp)	Not detected	2.0 (-16.4;24.6)	0.847
	Time	Stationary	-3.1 (-18.3;14.8)	0.718
South	Change of level (step)	Not detected	456.8 (-63.9;8,503.6)	0.235	1.90
	Trend change (ramp)	Not detected	14.9 (-29.3;86.9)	0.582
	Time	Stationary	-1.8 (-35.3;49.0)	0.931
Southeast	Change of level (step)	Not detected	292.6 (-38.0;2,389.3)	0.164	1.81
	Trend change (ramp)	Not detected	-5.4 (-32.5;32.5)	0.749
	Time	Stationary	1.1 (-23.9;34.5)	0.939
Center-West	Change of level (step)	Not detected	21.9 (-56.9;245.3)	0.714	1.99
	Trend change (ramp)	Not detected	-10.7 (-25.5;6.9)	0.232
	Time	Stationary	17.5 (0.3;37.5)	0.060

Open in a new tab

^aA value close to or equal to 2 means the absence of serial autocorrelation.

Interrupted time series analysis for Brazil showed an immediate reduction of 36.7% (95%CI -54.0; -12.7; p-value 0.012) and a progressive reduction of 22.0% (95%CI -26.1; -17.6; p-value 0.002) in the fatality rate, in relation to the underlying increasing trend of 28.6% (95%CI 22.5; 34.9; p-value<0.001), after the publication of the National Guidelines for the Prevention and Control of Dengue Epidemics (Table 3).

Table 3. Annual percentage variation (APV) and 95% confidence interval (95%CI) of dengue fatality rate (per 100 probable dengue cases). Brazil and macro-regions, 2001-2022.

Dimension	Regressors	Interpretation	APV (95%CI)	p-value	Durbin Watson Test^a
Brazil	Time	Growing	28.6 (22.5;34.9)	<0.001	2.08
	Change of level (step)	Abrupt reduction	-36.7 (-54.0;-12.7)	0.012
	Trend change (ramp)	Progressive reduction	-22.0 (-26.1;-17.6)	0.002
North	Time	Growing	40.8 (28.7;53.9)	<0.001	1.94
	Change of level (step)	Not detected	-41.5 (-67.6;-5.4)	0.059
	Trend change (ramp)	Progressive reduction	-30.0 (-36.8;-22.5)	<0.001
Northeast	Time	Growing	32.2 (23.5;41.6)	0.003	2.04
	Change of level (step)	Not detected	-27.7 (-54.0;)	0.176
	Trend change (ramp)	Progressive reduction	-27.9 (-33.3;-22.2)	0.002
South	Time	Stationary	9.1 (-9.2;31.3)	0.364	2.03
	Change of level (step)	Not detected	-59.3 (-88.0;37.8)	0.166
	Trend change (ramp)	Not detected	-4.2 (-22.4;18.2)	0.696
Southeast	Time	Growing	28.3 (14.8;43.4)	<0.001	1.86
	Change of level (step)	Not detected	-37.1 (-69.2;28.4)	0.219
	Trend change (ramp)	Progressive reduction	-20.1 (-30.0;-8.8)	0.004
Center-West	Time	Growing	19.7 (13.6;26.1)	0.005	2.01
	Change of level (step)	Not detected	25.4 (-11.2;77.2)	0.215
	Trend change (ramp)	Progressive reduction	-17.8 (-22.5;-12.7)	0.007

Open in a new tab

^aA value close to or equal to 2 means the absence of serial autocorrelation.

The fatality rate showed an increasing trend between 2001 and 2009, but there was a change in trend with gradual reductions (ramp) in the period 2010-2022. Reductions were 30.0% in the North (95%CI -36.8; -22.5; p-value<0.001), 27.9% in the Northeast (95%CI -33.3; -22.2; p-value 0.002), 20.1% in the Southeast (95%CI -30.0; -8.8; p-value 0.004) and 17.8% in the Central-West (95%CI -22.5; -12.7; p-value 0.007). In the Southern macro-region, the fatality rate remained stationary between 2001 and 2009 (95%CI -9.2; 31.3; p-value 0.364) and did not show significant variations (not detected) between 2010 and 2022, either in level or slope (Table 3).

The confirmation of dengue cases by clinical-epidemiological criteria predominated throughout the historical series in Brazil. The highest proportions of cases confirmed by laboratory criteria were 46.8% in 2021, 42.5% in 2006 and 41.7% in 2022 (Table 1).

The four serotypes of the dengue virus circulated in Brazil, with changes in predominance over the years. Between 2014 and 2023, serotypes 1 and 2 were predominant. Serotype 1 was identified in more than 60.0% of positive samples with the molecular technique polymerase chain reaction or viral isolation from 2021 onwards, remaining predominant in the Southeast, Northeast, Central-West and South macro-regions. In 2023, serotype 2 predominated in the North, while serotype 3 was identified in 4.0% of positive samples in this macro-region (Supplementary Table 2).

Discussion

Between 2001 and 2024, there was an increase in reported cases of dengue fever and in the fatality rate in Brazil, especially after the COVID-19 pandemic. At the beginning of the historical series, the South macro-region had the lowest incidence rate, but, in more recent years, it stood out with the highest rate, followed by the Center-West. The increase in morbidity and mortality due to dengue in Brazil and worldwide has been associated with urbanization, climate change and greater human mobility (13,28-30). Social, environmental, and economic aspects favor the spread of the vector, while host characteristics influence the severity of the disease (1,9,13,23,30).

Following the Zika epidemic in 2016, the incidence of dengue and Zika decreased in 2017 and 2018 and re-emerged in 2019. This reduction may be related to herd immunity or the circulation of dengue virus strains at low levels until local conditions favor new outbreaks (31,32).

The results reinforce the importance of the National Guidelines for the Prevention and Control of Dengue Epidemics, especially in Aedes aegypti surveillance actions. Although the interrupted time series analysis did not identify effects of the guidelines on incidence rates, there was an ecological effect on fatality rates for all macro-regions, except the South. Before the intervention, between 2001 and 2009, the trend was increasing, but after 2010 there were gradual reductions.

The high mortality rate from dengue fever directly reflects the quality of health care (29,33). The decline in case fatality rate between 2010 and 2022 suggested that national guidelines may have contributed more significantly to patient care than to vector control.

Investments in social determinants and innovative technologies, such as the dengue vaccine and the Wolbachia method, can positively impact the incidence of dengue (15,23). The expansion of dengue fever to the South (16,34), previously less affected, signaled the influence of climate change and reinforced the need for professional qualifications to identify and clinically manage serious cases.

Dengue virus serotype 2 was associated with dengue severity in children (35). There are many gaps in the molecular epidemiology of dengue (36), and it is necessary to better study the predominance of serotype 2 in recent years and in different age groups. Dengue virus serotype 2 was introduced in 1990 in Southeast Brazil. Serotypes 1 and 4 were introduced into Brazil, from the Northern macro-region, in 1981 (37). The introduction of serotype 3 into Brazilian territory was confirmed, from the Northern macro-region, in 1999 (37). Although serotype 3 was identified in 4.0% of dengue-positive samples in 2023 in the North, two decades later, the same serotype returned in 2024 and was reported in different macro-regions of Brazil (3,16).

The results of the distribution of different dengue serological tests, with the change in the predominant serotype over the years and the simultaneous circulation of other viruses or arboviruses, have raised the discussion related to the theory of competition between ecological niches and zoonotic diseases (38,39). These changes have reinforced the need for continuous laboratory surveillance, especially through molecular methods, such as the polymerase chain reaction or viral isolation, which help in understanding the transmission dynamics and in the timely identification of changes in the serological profile (23,35,37).

The response to the COVID-19 pandemic, from 2020 onwards, expanded molecular diagnostic capacity globally (40). The increase in case confirmations using laboratory criteria in 2020 and 2021 could be associated with the strengthening of the public health laboratory network of the Unified Health System.

Limitations of this study included possible underreporting in Sinan and in deaths recorded in the Mortality Information System. Such problems may underestimate or overestimate incidence and fatality rates, which affects the accuracy of analyses (22). Data up to 2022 may be outdated due to changes in health systems during the COVID-19 pandemic (18).

Laboratory surveillance, particularly molecular identification, plays a vital role in understanding dengue dynamics (23,35,37). Strengthening this surveillance, combined with improving the completeness and consistency of data in Sinan, is essential for robust epidemiological analyses. Ensuring accurate records allow for better monitoring of the spread of the disease and planning of effective interventions.

For future interrupted time series analyses, new milestones should be considered, given the scenario of implementation of cost-effective technologies in controlling Aedes aegypti in Brazil. With the start of dengue vaccination for children and adolescents, it is crucial to discuss expanding vaccination coverage to other age groups.

The interrupted time series analysis method is a valuable tool for evaluating the effectiveness of the vaccine and other surveillance, prevention, and control strategies, and should be recommended and developed by managers and professionals from different areas of activity in the Unified Health System.

In conclusion, dengue remains a growing challenge in Brazil. Interrupted time series analysis did not detect any effects of national guidelines on incidence rates but showed a positive impact on reducing fatality rates after 2010. This finding highlights the need to improve surveillance actions, with a focus on incorporating innovative technologies and work processes, aiming to reduce morbidity and mortality and improve the health system’s response.

Supplementary material.

2237-9622-ress-34-e20240424-suppl01-en.pdf^{(60.8KB, pdf)}

Supplementary Table 1 and Supplementary Table 2.

Footnotes

Peer review administrator: Izabela Fulone https://orcid.org/0000-0002-3211-6951

Peer reviewers: Marilia Mastrocolla de Almeida Cardoso https://orcid.org/0000-0002-6231-5425, Leonardo Trench https://orcid.org/0009-0008-7941-6127

Use of generative artificial intelligence: ChatGPT 4.0 was used to correct the codes used in the analyses and in the preparation of the figures. This tool also helped with textual review and the identification and checking of some references. All references presented by ChatGPT 4.0 and cited in this study were verified in full text.

Data availability.

The database and analysis codes used in the research are available at: https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue

References

1.Paz-Bailey G, Adams LE, Deen J, Anderson KB, Katzelnick LC. Dengue. Lancet. 2024;403(10427) doi: 10.1016/S0140-6736(23)02576-X. [DOI] [PMC free article] [PubMed] [Google Scholar]
2.World Health Organization Reported cases of dengue fever in the Americas [Internet] 2024. [[cited 2024 Dec 20]]. https://www3.paho.org/data/index.php/en/mnu-topics/indicadores-dengue-en/dengue-nacional-en/252-dengue-pais-ano-en.html .
3.Brasil Atualização de casos de arboviroses. 2024. [[cited 2024 Nov 3]]. https://www.gov.br/saude/pt-br/assuntos/saude-de-a-a-z/a/aedes-aegypti/monitoramento-das-arboviroses .
4.Zara ALSA, Santos SM, Fernandes-Oliveira ES, Carvalho RG, Coelho GE. Estratégias de controle do Aedes aegypti: uma revisão. Epidemiol Serv Saude. 2016;25(2) doi: 10.5123/S1679-49742016000200017. [DOI] [PubMed] [Google Scholar]
5.Brasil Diretrizes Nacionais para Prevenção e Controle de Epidemias de Dengue. 2009. [[cited 2024 Oct 12]]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/dengue/diretrizes_nacionais_prevencao_controle_dengue.pdf .
6.Brasil Vigilância em saúde no Brasil 2003-2019: da criação da Secretaria de Vigilância em Saúde aos dias atuais. 2019. [[cited 2024 May 24]]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/raiva/boletim-especial-vigilancia-em-saude-no-brasil-2003-2019.pdf/view .
7.World Health Organization Ending the neglect to attain the Sustainable Development Goals: a road map for neglected tropical diseases 2021-2030. 2021. [cited 2023 Aug 22]. https://www.who.int/publications/i/item/9789240010352 .
8.Brasil Plano de ação para redução da dengue e de outras arboviruses: período sazonal 2024-2025. 2024. [cited 2024 Dec 12]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/guias-e-manuais/2024/guia-plano-de-acao-para-reducao-da-dengue-e-outras-arboviroses.pdf/view .
9.Coelho GE. Dengue: desafios atuais. Epidemiol Serv Saude. 2008;17(3) [Google Scholar]
10.Mol MPG, Queiroz JTM, Gomes J, Heller L. Gestão adequada de resíduos sólidos como fator de proteção na ocorrência da dengue. Rev Panam Salud Publica. 2020;44 doi: 10.26633/RPSP.2020.22. [DOI] [PMC free article] [PubMed] [Google Scholar]
11.Wermelinger ED. Reflections on vector control in Brazil. Rev Soc Bras Med Trop. 2020;53 doi: 10.1590/0037-8682-0385-2019. [DOI] [PMC free article] [PubMed] [Google Scholar]
12.Yang X, Quam MBM, Zhang T, Sang S. Global burden for dengue and the evolving pattern in the past 30 years. J Travel Med. 2021;28(8) doi: 10.1093/jtm/taab146. [DOI] [PubMed] [Google Scholar]
13.Santos LLM, Aquino EC, Fernandes SM, Ternes YMF, Feres VCR. Dengue, chikungunya, and Zika virus infections in Latin America and the Caribbean: a systematic review. Rev Panam Salud Publica. 2023;47 doi: 10.26633/RPSP.2023.34. [DOI] [PMC free article] [PubMed] [Google Scholar]
14.Zara ALSA, Santos SM, Fernandes-Oliveira ES, Carvalho RG, Coelho GE. Estratégias de controle do Aedes aegypti: uma revisão. Epidemiol Serv Saude. 2016;25(2) doi: 10.5123/S1679-49742016000200017. [DOI] [PubMed] [Google Scholar]
15.Zimmermann IR, Fernandes RRA, Costa MGS, Pinto M, Peixoto HM. Simulation-based economic evaluation of the Wolbachia method in Brazil: a cost-effective strategy for dengue control. Lancet Reg Health Am. 2024;35 doi: 10.1016/j.lana.2024.100783. [DOI] [PMC free article] [PubMed] [Google Scholar]
16.Gurgel-Gonçalves R, Oliveira WK, Croda J. The greatest dengue epidemic in Brazil: surveillance, prevention, and control. Rev Soc Bras Med Trop. 2024;57 doi: 10.1590/0037-8682-0113-2024. [DOI] [PMC free article] [PubMed] [Google Scholar]
17.Hategeka C, Ruton H, Karamouzian M, Lynd LD, Law MR. Use of interrupted time series methods in the evaluation of health system quality improvement interventions: a methodological systematic review. BMJ Global Health. 2020;5 doi: 10.1136/bmjgh-2020-003567. [DOI] [PMC free article] [PubMed] [Google Scholar]
18.Roster KO, Martinelli T, Connaughton C, Santillana M, Rodrigues FA. Estimativa do impacto da pandemia de covid-19 na dengue no Brasil. 2023. [[cited 2025 Apr 25]]. [DOI]
19.Coutinho HS, Silva JO, Santana GBA, Carmo RF, Souza SO, Faria MD. Temporal trend, space risk and factors associated with the occurrence of dengue in northeast Brazil, 2009-2018. Trans R Soc Trop Med Hyg. 2022;116(9) doi: 10.1093/trstmh/trac027. [DOI] [PubMed] [Google Scholar]
20.Andrioli DC, Busato MA, Lutinski JA. Spatial and temporal distribution of dengue in Brazil, 1990-2017. PLoS ONE. 2020;15(2) doi: 10.1371/journal.pone.0228346. [DOI] [PMC free article] [PubMed] [Google Scholar]
21.Brasil Tabnet. 2023. [cited 2023 Sept 10]. https://datasus.saude.gov.br/informacoes-de-saude-tabnet/
22.Silva MMO, Rodrigues MS, Paploski IAD, Kikuti M, Kasper AM, Cruz JS. Accuracy of Dengue Reporting by National Surveillance System, Brazil. Emerg Infect Dis. 2016;22(2) doi: 10.3201/eid2202.150495. [DOI] [PMC free article] [PubMed] [Google Scholar]
23.Khan MB, Yang ZS, Lin CY, Hsu MC, Urbina AN, Assavalapsakul W. Dengue overview: an updated systemic review. J Infect Public Health. 2023;16(10) doi: 10.1016/j.jiph.2023.08.001. [DOI] [PubMed] [Google Scholar]
24.Antunes JLF, Cardoso MRA. Uso da análise de séries temporais em estudos epidemiológicos. Epidemiol Serv Saude. 2015;24(3) [Google Scholar]
25.Penfold RB, Zhang F. Use of interrupted time series analysis in evaluating health care quality improvements. Academic Pediatrics. 2013;13(Suppl 6) doi: 10.1016/j.acap.2013.08.002. [DOI] [PubMed] [Google Scholar]
26.Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. Int J Epidemiol. 2017;46(1) doi: 10.1093/ije/dyw098. [DOI] [PMC free article] [PubMed] [Google Scholar]
27.Silva TFPLA. Base for interrupted time series analysis: dengue. 2024. [cited 2024 Nov 24]. https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue .
28.Souza HP, Oliveira WTGH, Santos JPC, Toledo JP, Ferreira IPS, Esashika SNGS. Doenças infecciosas e parasitárias no Brasil de 2010 a 2017: aspectos para vigilância em saúde. Rev Panam Salud Publica. 2010;44 doi: 10.26633/RPSP.2020.10. [DOI] [PMC free article] [PubMed] [Google Scholar]
29.Yang X, Quam MBM, Zhang T, Sang S. Global burden for dengue and the evolving pattern in the past 30 years. J Travel Med. 2021;28(8) doi: 10.1093/jtm/taab146. [DOI] [PubMed] [Google Scholar]
30.Gizaw Z, Salubi E, Pietroniro A, Schuster-Wallace CJ. Impactos das mudanças climáticas nas doenças transmitidas por mosquitos relacionadas à água em regiões temperadas: uma revisão sistemática da literatura e meta-análise. Acta Trop. 2024;258 [Google Scholar]
31.Brito AF, Machado LC, Oidtman RJ, Siconelli MJL, Tran QM, Fauver JR. Lying in wait: the resurgence of dengue virus after the Zika epidemic in Brazil. Nat Commun. 2021;12(1) doi: 10.1038/s41467-021-22921-7. [DOI] [PMC free article] [PubMed] [Google Scholar]
32.Borchering RK, Huang AT, Mier-Y-Teran-Romero L, Rojas DP, Rodriguez-Barraquer I, Katzelnick LC. Impacts of Zika emergence in Latin America on endemic dengue transmission. Nat Commun. 2019;10(1) doi: 10.1038/s41467-019-13628-x. [DOI] [PMC free article] [PubMed] [Google Scholar]
33.Figueiró AC, Hartz ZMA, Brito CAA, Samico I, Siqueira NT, Filha, Cazarin G. Óbito por dengue como evento sentinela para avaliação da qualidade da assistência: estudo de caso em dois municípios da Região Nordeste, Brasil, 2008. Cad Saude Publica. 2008;27(12) doi: 10.1590/s0102-311x2011001200009. [DOI] [PubMed] [Google Scholar]
34.Barcellos C, Lowe R. Expansion of the dengue transmission area in Brazil: the role of climate and cities. Trop Med Int Health. 2014;19(2) doi: 10.1111/tmi.12227. [DOI] [PubMed] [Google Scholar]
35.Ramos-Castañeda J, Santos FB, Martínez-Vega R, Araujo JMG, Joint G, Sarti E. Dengue in Latin America: systematic review of molecular epidemiological trends. PLoS Negl Trop Dis. 2017;11(1) doi: 10.1371/journal.pntd.0005224. [DOI] [PMC free article] [PubMed] [Google Scholar]
36.Sangkaew S, Ming D, Boonyasiri A, Honeyford K, Kalayanarooj S, Yacoub S. Risk predictors of progression to severe disease during the febrile phase of dengue: a systematic review and meta-analysis. Lancet Infect Dis. 2021;21(7) doi: 10.1016/S1473-3099(20)30601-0. [DOI] [PMC free article] [PubMed] [Google Scholar]
37.Bezerra JMT, Sousa SC, Tauil PL, Carneiro M, Barbosa DS. Entry of dengue virus serotypes and their geographic distribution in Brazilian federative units: a systematic review. Rev Bras Epidemiol. 2021;24 doi: 10.1590/1980-549720210020. [DOI] [PubMed] [Google Scholar]
38.Escobar LE. Ecological niche modeling: an introduction for veterinarians and epidemiologists. Front Vet Sci. 2020;7 doi: 10.3389/fvets.2020.519059. [DOI] [PMC free article] [PubMed] [Google Scholar]
39.Lawrence TJ, Takenaka BP, Garg A, Tao D, Deem SL, Fèvre EM. A global examination of ecological niche modeling to predict emerging infectious diseases: a systematic review. Front Public Health. 2023;11 doi: 10.3389/fpubh.2023.1244084. [DOI] [PMC free article] [PubMed] [Google Scholar]
40.Pritzker K. Impact of the COVID-19 pandemic on molecular diagnostics. Expert Rev Mol Diagn. 2021;21(6) doi: 10.1080/14737159.2021.1923481. [DOI] [PubMed] [Google Scholar]

Epidemiol Serv Saude. 2025 Sep 8;34:e20240424. [Article in Portuguese] doi: 10.1590/S2237-96222025v34e20240424.pt

Tendências na incidência e letalidade da dengue: análise de séries temporais interrompida, Brasil, 2001-2022

Tatiane Fernandes Portal de Lima Alves da Silva ¹, Henry Maia Peixoto ², Lúcia Rolim Santana de Freitas ², Emerson Luiz Lima Araújo ³, Walter Massa Ramalho ²

Resumo

Objetivo

Analisar a tendência temporal das taxas de incidência e de letalidade da dengue e as proporções dos seus sorotipos, nas diversas macrorregiões do Brasil, entre 2001 e 2022. Foram verificados, notadamente, os efeitos imediatos e graduais desses indicadores nos períodos antes e após a publicação das Diretrizes Nacionais para Prevenção e Controle de Epidemias da Dengue.

Métodos

Tratou-se de análise de séries temporais interrompida. Utilizou-se regressão linear generalizada de Prais-Winsten e foi determinada a variação percentual anual com intervalo de confiança de 95% (IC95%). Os dados foram extraídos do Sistema de Informação de Agravos de Notificação e do Sistema de Informação sobre Mortalidade.

Resultados

A incidência no Brasil foi estacionária de 2001 a 2009, e os efeitos das Diretrizes Nacionais não foram detectáveis entre 2010 e 2022. A taxa de letalidade da dengue apresentou tendência crescente no período 2001-2009. Entre 2010 e 2022, houve reduções graduais de 30,0% no Norte (IC95% -36,8; -22,5), 27,9% no Nordeste (IC95% -33,3; -22,2), 20,1% no Sudeste (IC95% -30,0; -8,8) e 17,8% no Centro-Oeste (IC95% -22,5; -12,7). Para o Sul, a taxa de letalidade da dengue manteve-se estacionária entre 2001 e 2009 e não detectável entre 2010 e 2022.

Conclusão

A tendência da taxa de incidência de dengue no Brasil foi estacionária no período 2001-2009. Entre 2010 e 2022, não foi possível detectar efeitos imediatos e graduais nas taxas de incidência. A tendência das taxas de letalidade da dengue no Brasil (exceto na região Sul) foi crescente entre 2001 e 2009. Após 2010, foram identificadas reduções graduais.

Palavras-chave: Registros de Mortalidade, Incidência, Dengue, Vigilância em Saúde Pública, Análise de Séries Temporais Interrompida

Aspectos éticos

A presente pesquisa respeitou os princípios éticos, obtendo os seguintes dados de aprovação:

Comitê de ética em pesquisa: Universidade de Brasília

Número do parecer: 6.545.247

Data de aprovação: 30/11/2023

Certificado de apresentação de apreciação ética: 75204823.3.0000.5558

Registro do consentimento livre e esclarecido: Não se aplica.

Introdução

As arboviroses transmitidas pelo Aedes aegypti são relevantes problemas de saúde, principalmente em países situados nas regiões tropicais e subtropicais (1). Em 2023, as Américas reportaram 4.594.823 casos de dengue e 2.467 mortes relacionadas à doença (2). No Brasil, no mesmo ano, foram notificados 1.649.146 casos prováveis, com taxa de incidência de 773/100 mil habitantes (3).

O cenário atual no Brasil é marcado pela circulação simultânea dos quatro sorotipos do vírus da dengue, além dos vírus Chikungunya e Zika, o que torna a vigilância em saúde mais complexa (4). Após a criação do Programa Nacional de Controle da Dengue em 2002 e a publicação das Diretrizes Nacionais para Prevenção e Controle de Epidemias da Dengue em 2009, o país confirmou a introdução do sorotipo 4 do vírus da dengue em 2010, do vírus Chikungunya em 2014 e do vírus Zika em 2015 (5,6).

Para reduzir a incidência e a mortalidade por doenças transmitidas por vetores e prevenir epidemias entre 2017 e 2030, a Organização Mundial da Saúde e o Ministério da Saúde do Brasil propuseram planos de enfrentamento (7,8). O controle do Aedes aegypti enfrenta desafios relacionados à infraestrutura urbana precária, à baixa cobertura de coleta de lixo e ao abastecimento de água intermitente (9-11).

Fatores como o aumento das temperaturas e a intensificação da mobilidade humana em áreas densamente povoadas também contribuem para o aumento da carga da dengue (12,13). Desde 2016, em resposta à emergência de saúde pública causada pelo vírus Zika, o Ministério da Saúde tem investido em pesquisas e novas tecnologias para aprimorar as ações de vigilância e controle (8,14,15). A introdução do método Wolbachia e a incorporação da vacina contra a dengue no Sistema Único de Saúde em 2023 marcaram uma nova fase no combate à doença (1,15,16).

A análise de séries temporais interrompida, amplamente utilizada desde 2010, permite avaliar tendências antes e depois de intervenções. Esse método quase experimental é ideal para identificar associações entre mudanças temporais e eventos em sistemas de saúde, especialmente quando a randomização não é possível (17). Ainda não há estudos que utilizem esse método para avaliar o impacto de intervenções nacionais relacionadas à dengue nas últimas duas décadas (16-20).

Este estudo analisou as tendências temporais das taxas de incidência e letalidade da dengue, nas macrorregiões do Brasil, entre 2001 e 2022. Avaliaram-se os efeitos imediatos e graduais desses indicadores antes e após a publicação das Diretrizes Nacionais para Prevenção e Controle de Epidemias da Dengue. Os resultados podem orientar estratégias de vigilância da dengue no Brasil e em outros países das Américas.

Métodos

Delineamento

Este estudo analisou dados secundários de sistemas nacionais de informações. Análises de séries temporais interrompida foram realizadas para testar a hipótese de que a publicação das Diretrizes Nacionais para Prevenção e Controle de Epidemias de Dengue, em 2009, provocou mudanças significativas nas taxas de incidência e letalidade das séries temporais da doença. O objetivo foi identificar alterações no nível (mudança abrupta) ou na tendência (variação na inclinação da série temporal), utilizando o delineamento do tipo antes e depois.

Contexto

O Brasil é dividido em cinco macrorregiões, localizadas em áreas do território nacional que refletem os respectivos nomes e possuem características climáticas específicas. A macrorregião Sul apresenta clima temperado. O Norte abriga grande parte da floresta amazônica e tem clima equatorial quente. O Nordeste tem clima tropical no litoral e semiárido no interior. No Centro-Oeste e no Sudeste, o clima tropical é predominante.

Analisaram-se os casos prováveis de dengue autóctones, por macrorregião de residência no Brasil, para os períodos 2001-2024, na fase de análise exploratória dos dados, e 2001-2022, na análise de séries temporais interrompida. Macrorregiões sem informações em qualquer variável foram excluídas.

Variáveis e mensuração

As variáveis dependentes utilizadas foram as taxas de incidência e de letalidade da dengue, calculadas por macrorregiões do Brasil, para o período 2001-2022. A taxa de incidência foi obtida dividindo-se o número de casos prováveis pela população do ano correspondente, multiplicado por 100 mil habitantes (2,3,5,6). Os anos de notificação dos casos foram as variáveis independentes.

A taxa de letalidade foi calculada dividindo-se o número total de óbitos registrados no Sistema de Informação sobre Mortalidade pelo número total de casos prováveis de dengue, multiplicado por 100. Para cada ano e macrorregião de residência, utilizou-se o total de óbitos por local de residência, considerando o ano do óbito (seleção para linha), a macrorregião de residência (seleção para coluna) e a Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde, com os códigos A90 (dengue clássica) e A91 (febre hemorrágica da dengue) (21).

Devido à subnotificação no Sistema de Informação de Agravos de Notificação (Sinan), que registra apenas uma fração dos casos reais de dengue (22), recomendou-se calcular as taxas de incidência e letalidade com base nos casos prováveis, em vez dos confirmados. Essa prática foi respaldada por publicações e manuais do Ministério da Saúde (2,3,5,6). Para monitorar os Objetivos de Desenvolvimento Sustentável, a Organização Mundial da Saúde adotou o mesmo método de cálculo proposto neste estudo (7).

Foram calculadas a proporção de casos notificados de dengue por critério de confirmação entre 2001 e 2024 e a distribuição dos sorotipos predominantes entre as amostras positivas, por técnica molecular de reação em cadeia da polimerase ou isolamento viral no período 2014-2024. Essas técnicas foram fundamentais para a vigilância de sorotipos, pois permitiram identificar mudanças na circulação viral e foram úteis na análise de risco populacional (23).

Fontes de dados

Os casos prováveis de dengue, por macrorregião de residência e mês de início dos sintomas, foram obtidos do Sinan. Os dados estavam disponíveis no Tabnet, fornecido pelo Departamento de Informação e Informática do Sistema Único de Saúde (DataSUS), para os períodos 2001-2006, 2007-2013 e 2014-2023. O número de óbitos entre 2001 e 2023 foi extraído do Sistema de Informação sobre Mortalidade para o cálculo da taxa de letalidade (21).

As populações residentes de cada macrorregião foram tabuladas com base nos dados censitários e nas projeções do Instituto Brasileiro de Geografia e Estatística (IBGE), disponíveis no Datasus, para o período 2001-2021 (21). Para o cálculo da população de 2022, foram utilizados dados censitários do IBGE.

Os casos prováveis e os óbitos por dengue referentes a 2023 e 2024 foram extraídos do Painel de Monitoramento das Arboviroses do Ministério da Saúde (até 1º de novembro de 2024) (3).

Participantes

A população de referência representou o subconjunto dos casos notificados pelos profissionais de saúde ao atender a população que buscou os serviços de saúde públicos ou privados no Brasil. Sendo a dengue uma doença de notificação compulsória, cada caso de paciente com suspeita atendido deveria gerar uma ficha individual de notificação preenchida e inserida no Sinan.

A população de estudo foi a dos casos prováveis de dengue notificados no Sinan, excluídos os casos classificados como ignorados/branco, descartados e inconclusivos (21).

Métodos estatísticos

Após a tabulação dos dados de 2001 a 2024, foram construídos gráficos de tendência para as taxas de incidência e letalidade da dengue no Brasil e suas macrorregiões. Esses gráficos permitiram a análise descritiva dos padrões. Gráficos com dados suavizados foram gerados, utilizando diferentes médias móveis.

Com base nessa análise e em levantamentos contextuais de 2001 a 2024, definiram-se os principais marcos de intervenção. Esses marcos foram utilizados na análise de séries temporais interrompida entre 2001 e 2022, conforme o modelo mais adequado aos pressupostos analíticos.

Foram considerados os pressupostos de estudos prévios sobre séries temporais interrompidas (17,24,25,26). Esses estudos recomendaram a análise de, pelo menos, sete momentos antes e depois da intervenção. Para avaliar a tendência das taxas de incidência e letalidade da dengue antes e após a publicação, em 2009, das Diretrizes Nacionais para Prevenção e Controle de Epidemias de Dengue, utilizou-se o método de séries temporais interrompida com regressão segmentada de Prais-Winsten (27,24).

Para calcular os percentuais de crescimento ou declínio anual, os dados foram transformados em escala logarítmica. Quando a variação percentual anual foi negativa, a tendência foi decrescente; quando positiva, a tendência foi crescente. Tendências estacionárias foram identificadas quando os intervalos de confiança de 95% incluíam zero ou quando não havia significância estatística (p-valor>0,05). Para garantir a ausência de autocorrelação serial, aplicou-se a estatística de Durbin-Watson (17).

A hipótese testada buscou identificar mudanças nas taxas de incidência e letalidade da dengue no Brasil e em suas macrorregiões antes e após a publicação das Diretrizes Nacionais em 2009. A regressão segmentada avaliou impactos imediatos (mudança abrupta após a intervenção) e progressivos (mudança gradual) na tendência temporal desses indicadores. O período pós-intervenção entre 2010 e 2022 foi comparado ao período pré-intervenção entre 2001 e 2009.

As diretrizes nacionais foram elaboradas por autoridades de saúde pública para orientar gestores estaduais, municipais e federais na vigilância, na prevenção e no controle da dengue. Essas orientações visaram reduzir casos e óbitos, especialmente durante períodos sazonais ou epidêmicos, o que contribuiu para o controle da doença no Brasil (5).

Para a análise exploratória e descritiva, utilizaram-se planilhas eletrônicas. A construção das figuras e a regressão segmentada de Prais-Winsten foram realizadas no software R Studio (versão 4.2.0).

Resultados

Entre 2001 e 2024, foram notificados 23.454.554 casos prováveis de dengue no Brasil, com 17.157 óbitos, o que resultou na taxa de letalidade de 0,07%. A primeira década de análise, entre 2001 e 2010, registrou 4.312.491 casos prováveis, enquanto a segunda década, entre 2011 e 2020, somou 9.505.926 casos. No primeiro quinquênio da série histórica, as taxas de incidência não ultrapassavam 600 casos por 100 mil habitantes. A taxa de incidência variou de 40,5 casos por 100 mil habitantes em 2004, ultrapassando 700 casos por 100 mil habitantes em 2013, 2015, 2016, 2019 e 2024 (Tabela 1).

Tabela 1. Número de óbitos, casos prováveis, proporção (%) de casos de dengue por critério de confirmação laboratorial e clínico-epidemiológico, taxa de letalidade (por 100 casos prováveis) e taxa de incidência (por 100 mil habitantes) de dengue por ano de notificação. Brasil, 2001-2024.

Ano	Óbitos	Casos prováveis	Taxa de letalidade	Proporção (%) de casos por critério de confirmação clínico-epidemiológico	Proporção (%) de casos por critério de confirmação laboratorial	Taxa de incidência	Total de casos prováveis no período
2001	42	389.324	0,01	40,6	31,9	225,8	4.312.491^a
2002	166	700.583	0,02	52,8	17,9	401,1
2003	69	277.421	0,02	50,4	30,3	156,8
2004	26	72.552	0,04	48,8	38,1	40,5
2005	48	151.413	0,03	47,9	36,7	82,2
2006	114	263.890	0,04	40,8	42,5	141,2
2007	332	501.745	0,07	36,0	35,4	265,0
2008	589	558.023	0,11	43,1	21,3	294,3
2009	375	416.264	0,09	50,1	27,4	217,3
2010	774	981.276	0,08	51,3	33,5	514,4
2011	604	686.005	0,09	50,8	33,5	356,5	9.505.926^b
2012	390	580.519	0,07	41,5	24,7	299,2
2013	642	1.428.989	0,04	50,9	29,6	710,8
2014	458	591.549	0,08	45,6	38,9	291,7
2015	930	1.709.159	0,05	49,4	31,4	835,9
2016	853	1.497.956	0,06	51,0	21,5	726,8
2017	210	241.884	0,09	50,0	17,8	116,4
2018	239	269.301	0,09	49,7	23,6	128,7
2019	902	1.553.579	0,06	56,6	27,2	737,4
2020	685	946.985	0,07	49,0	33,4	446,5
2021	404	544.812	0,07	36,6	46,8	255,2	9.636.137^c
2022	1.279	1.243.487	0,10	47,3	41,7	612,3
2023^d	1.306	1.297.064	0,10	44,7	41,0	599,7
2024^d	5.720	6.550.774	0,09	54,1	32,0	3.226,0

Open in a new tab

^aCasos para o período 2001-2010; ^bCasos para o período 2011-2020; ^cCasos para o período 2021-2024; ^dDados sujeitos à revisão.

No início da série histórica, a macrorregião Sul apresentou a menor taxa de incidência de dengue. Em 2020, essa taxa na macrorregião Sul foi de 921 casos por 100 mil habitantes, seguida por redução em 2021 e aumento expressivo em 2022 (Figura 1). A partir de 2009, observaram-se altas taxas de incidência na macrorregião Centro-Oeste, com 823 casos por 100 mil habitantes em 2009, 1.505 casos por 100 mil habitantes em 2010, 1.747 casos em 2013 e 1.447 casos por 100 mil habitantes em 2019 (Figura 1; Tabela suplementar 1). A maior taxa de letalidade do país foi identificada na macrorregião Sul no início da série (Figura 2).

Para identificar a tendência temporal das taxas de incidência e letalidade da dengue no Brasil e nas macrorregiões de 2001 a 2022, e o efeito das intervenções no Sistema Único de Saúde a partir de 2009, foi realizada análise de regressão segmentada para séries temporais interrompida.

A tendência da taxa de incidência de dengue para o Brasil e suas macrorregiões foi estacionária no período 2001-2009 com variação percentual anual de 1,5% (IC95% -16,7; 23,7; p-valor 0,882). A análise de séries temporais interrompida não revelou efeitos significativos para o Brasil ou para qualquer macrorregião no período 2010-2022 (Tabela 2).

Tabela 2. Variação percentual anual (VPA) e intervalo de confiança de 95% (IC95%) das taxas de incidência da dengue (por 100 mil habitantes). Brasil e macrorregiões, 2001-2022.

Dimensão	Regressores	Interpretação	VPA (IC95%)	p-valor	Teste Durbin-Watson^a
Brasil	Mudança de nível (degrau)	Não detectada	131,6 (-35,8; 736,8)	0,216	1,80
	Mudança de tendência (rampa)	Não detectada	-2,2 (-22,5; 23,5)	0,856
	Tempo	Estacionário	1,5 (-16,7; 23,7)	0,882
Norte	Mudança de nível (degrau)	Não detectada	77,6 (-24,7; 319,2)	0,206	1,93
	Mudança de tendência (rampa)	Não detectada	-9,0 (-23,3; 7,9)	0,292
	Tempo	Estacionário	1,4 (-11,6; 16,5)	0,842
Nordeste	Mudança de nível (degrau)	Não detectada	66,4 (-45,3; 406,9)	0,382	1,86
	Mudança de tendência (rampa)	Não detectada	2,0 (-16,4; 24,6)	0,847
	Tempo	Estacionário	-3,1 (-18,3; 14,8)	0,718
Sul	Mudança de nível (degrau)	Não detectada	456,8 (-63,9; 8.503,6)	0,235	1,90
	Mudança de tendência (rampa)	Não detectada	14,9 (-29,3; 86,9)	0,582
	Tempo	Estacionário	-1,8 (-35,3; 49,0)	0,931
Sudeste	Mudança de nível (degrau)	Não detectada	292,6 (-38,0; 2.389,3)	0,164	1,81
	Mudança de tendência (rampa)	Não detectada	-5,4 (-32,5; 32,5)	0,749
	Tempo	Estacionário	1,1 (-23,9; 34,5)	0,939
Centro-Oeste	Mudança de nível (degrau)	Não detectada	21,9 (-56,9; 245,3)	0,714	1,99
	Mudança de tendência (rampa)	Não detectada	-10,7 (-25,5; 6,9)	0,232
	Tempo	Estacionário	17,5 (0,3; 37,5)	0,060

Open in a new tab

^aValor próximo ou igual a 2 significa ausência de autocorrelação serial.

A análise de séries temporais interrompida para o Brasil mostrou redução imediata de 36,7% (IC95% -54,0; -12,7; p-valor 0,012) e redução progressiva de 22,0% (IC95% -26,1; -17,6; p-valor 0,002) na taxa de letalidade, em relação à tendência subjacente crescente de 28,6% (IC95% 22,5; 34,9; p-valor<0,001), após a publicação das Diretrizes Nacionais para Prevenção e Controle de Epidemias da Dengue (Tabela 3).

Tabela 3. Variação percentual anual (VPA) e intervalo de confiança de 95% (IC95%) das taxas de letalidade da dengue (por 100 casos de dengue). Brasil e macrorregiões, 2001-2022.

Dimensão	Regressores	Interpretação	VPA (IC95%)	p-valor	Teste Durbin Watson^a
Brasil	Tempo	Crescente	28,6 (22,5; 34,9)	<0,001	2,08
	Mudança de nível (degrau)	Redução abrupta	-36,7 (-54,0; -12,7)	0,012
	Mudança de tendência (rampa)	Redução progressiva	-22,0 (-26,1; -17,6)	0,002
Norte	Tempo	Crescente	40,8 (28,7; 53,9)	<0,001	1,94
	Mudança de nível (degrau)	Não detectada	-41,5 (-67,6; -5,4)	0,059
	Mudança de tendência (rampa)	Redução progressiva	-30,0 (-36,8; -22,5)	<0,001
Nordeste	Tempo	Crescente	32,2 (23,5; 41,6)	0,003	2,04
	Mudança de nível (degrau)	Não detectada	-27,7 (-54,0; 13,6)	0,176
	Mudança de tendência (rampa)	Redução progressiva	-27,9 (-33,3; -22,2)	0,002
Sul	Tempo	estacionário	9,1 (-9,2; 31,3)	0,364	2,03
	Mudança de nível (degrau)	Não detectada	-59,3 (-88,0; 37,8)	0,166
	Mudança de tendência (rampa)	Não detectada	-4,2 (-22,4; 18,2)	0,696
Sudeste	Tempo	Crescente	28,3 (14,8; 43,4)	<0,001	1,86
	Mudança de nível (degrau)	Não detectada	-37,1 (-69,2; 28,4)	0,219
	Mudança de tendência (rampa)	Redução progressiva	-20,1 (-30,0; -8,8)	0,004
Centro-Oeste	Tempo	crescente	19,7 (13,6; 26,1)	0,005	2,01
	Mudança de nível (degrau)	Não detectada	25,4 (-11,2; 77,2)	0,215
	Mudança de tendência (rampa)	Redução progressiva	-17,8 (-22,5; -12,7)	0,007

Open in a new tab

^aValor próximo ou igual a 2 significa ausência de autocorrelação serial.

A taxa de letalidade apresentou tendência crescente entre 2001 e 2009, mas houve mudança de tendência com reduções graduais (em rampa) no período 2010-2022. As reduções foram de 30,0% no Norte (IC95% -36,8; -22,5; p-valor<0,001), 27,9% no Nordeste (IC95% -33,3; -22,2; p-valor 0,002), 20,1% no Sudeste (IC95% -30,0; -8,8; p-valor 0,004) e 17,8% no Centro-Oeste (IC95% -22,5; -12,7; p-valor 0,007). Na macrorregião Sul, a taxa de letalidade manteve-se estacionária entre 2001 e 2009 (IC95% -9,2; 31,3; p-valor 0,364) e não apresentou variações significativas (não detectada) entre 2010 e 2022, tanto em nível quanto em rampa (Tabela 3).

A confirmação de casos de dengue pelo critério clínico-epidemiológico predominou ao longo da série histórica no Brasil. As maiores proporções de casos confirmados por critério laboratorial foram 46,8% em 2021, 42,5% em 2006 e 41,7% em 2022 (Tabela 1).

Os quatro sorotipos do vírus da dengue circularam no Brasil, com mudanças na predominância ao longo dos anos. Entre 2014 e 2023, os sorotipos 1 e 2 foram predominantes. O sorotipo 1 foi identificado em mais de 60,0% das amostras positivas da técnica molecular reação em cadeia da polimerase ou isolamento viral a partir de 2021, mantendo-se predominante nas macrorregiões Sudeste, Nordeste, Centro-Oeste e Sul. Em 2023, o sorotipo 2 predominou no Norte, enquanto o sorotipo 3 foi identificado em 4,0% das amostras positivas nessa macrorregião (Tabela suplementar 2).

Discussão

Entre 2001 e 2024, observou-se o aumento nos casos notificados de dengue no Brasil e na taxa de letalidade, especialmente após a pandemia de covid-19. No início da série histórica, a macrorregião Sul apresentou a menor taxa de incidência, mas, nos anos mais recentes, destacou-se com a maior taxa, seguida pelo Centro-Oeste. O aumento da morbimortalidade por dengue no Brasil e no mundo tem sido associado à urbanização, às mudanças climáticas e à maior mobilidade humana (13,28-30). Aspectos sociais, ambientais e econômicos favorecem a propagação do vetor, enquanto características do hospedeiro influenciam a gravidade da doença (1,9,13,23,30).

Após a epidemia de zika em 2016, a incidência de dengue e zika diminuiu em 2017 e 2018 e ressurgiu em 2019. Essa redução pode estar relacionada à imunidade coletiva ou à circulação de linhagens do vírus da dengue em baixos níveis até que condições locais favoreçam novos surtos (31,32).

Os resultados reforçam a importância das Diretrizes Nacionais para Prevenção e Controle de Epidemias de Dengue, especialmente nas ações de vigilância do Aedes aegypti. Embora a análise de séries temporais interrompida não tenha identificado efeitos das diretrizes nas taxas de incidência, houve o efeito ecológico nas taxas de letalidade para todas as macrorregiões, exceto o Sul. Antes da intervenção, entre 2001 e 2009, a tendência era de aumento, mas após 2010 houve reduções graduais.

A elevada letalidade por dengue reflete diretamente a qualidade da assistência em saúde (29,33). O declínio na taxa de letalidade entre 2010 e 2022 sugeriu que as diretrizes nacionais podem ter contribuído mais significativamente para a assistência aos pacientes do que para o controle do vetor.

Investimentos em determinantes sociais e novas tecnologias, como a vacina contra a dengue e o método Wolbachia, podem impactar positivamente a incidência da dengue (15,23). A expansão da dengue para o Sul (16,34), antes menos afetado, sinalizou a influência das mudanças climáticas e reforçou a necessidade de qualificação profissional para identificação e manejo clínico de casos graves.

O sorotipo 2 do vírus Dengue associou-se à gravidade da dengue em crianças (35). Há muitas lacunas na epidemiologia molecular na dengue (36), sendo necessário estudar melhor o predomínio do sorotipo 2 em anos recentes e em diferentes faixas etárias. O sorotipo 2 do vírus da Dengue foi introduzido em 1990 no Sudeste brasileiro. Os sorotipos 1 e 4 foram introduzidos no Brasil, a partir da macrorregião Norte, em 1981 (37). A introdução do sorotipo 3 no território brasileiro foi confirmada, a partir da macrorregião Norte, em 1999 (37). Apesar de o sorotipo 3 ter sido identificado em 4,0% nas amostras positivas para dengue em 2023 no Norte, duas décadas seguintes, o mesmo sorotipo voltou a circular em 2024 e foi reportado em distintas macrorregiões do Brasil (3,16).

Os resultados da distribuição dos diferentes sorológicos da dengue, com a alteração do sorotipo predominante ao longo dos anos e a circulação simultânea de outros vírus ou arbovírus, suscitaram a discussão relacionada à teoria de competição de nichos ecológicos e doenças zoonóticas (38,39). Essas alterações reforçaram a necessidade de vigilância laboratorial contínua, especialmente por meio de métodos moleculares, como técnica molecular reação em cadeia da polimerase ou isolamento viral, que auxiliam na compreensão da dinâmica de transmissão e na identificação oportuna de mudanças no perfil sorológico (23,35,37).

A resposta à pandemia de covid-19, a partir de 2020, ampliou a capacidade de diagnóstico molecular nos países (40). O aumento das confirmações dos casos pelo critério laboratorial em 2020 e 2021 puderam estar associadas ao fortalecimento da rede de laboratórios de saúde pública do Sistema Único de Saúde.

As limitações deste estudo incluíram possíveis subnotificações no Sinan e nos óbitos registrados no Sistema de Informações sobre Mortalidade. Tais problemas podem subestimar ou superestimar as taxas de incidência e letalidade, o que afeta a precisão das análises (22). Os dados até 2022 podem estar defasados devido às mudanças nos sistemas de saúde durante a pandemia de covid-19 (18).

A vigilância laboratorial, particularmente a identificação molecular, desempenha papel central na compreensão da dinâmica da dengue (23,35,37). O fortalecimento dessa vigilância, aliado à melhoria na completude e consistência dos dados no Sinan, é essencial para análises epidemiológicas robustas. Garantir registros precisos permite monitorar melhor a propagação da doença e planejar intervenções efetivas.

Para futuras análises de séries temporais interrompida, novos marcos devem ser considerados, dado o cenário de implementação de tecnologias custo-efetivas no controle do Aedes aegypti no Brasil. Com o início da vacinação contra a dengue para crianças e adolescentes, é crucial discutir a ampliação da cobertura vacinal para outras faixas etárias.

O método de análise de séries temporais interrompida é ferramenta valiosa para avaliar a efetividade da vacina e de outras estratégias de vigilância, prevenção e controle, devendo ser recomendado e desenvolvido pelos gestores e profissionais de diferentes instâncias de atuação no Sistema Único de Saúde.

Conclui-se que a dengue permanece como desafio crescente no Brasil. A análise de séries temporais interrompida não detectou efeitos das diretrizes nacionais nas taxas de incidência, mas evidenciou impacto positivo na redução das taxas de letalidade após 2010. Esse achado ressalta a necessidade de aprimorar as ações de vigilância, com foco na incorporação de novas tecnologias e processos de trabalho, visando reduzir morbimortalidade e aprimorar a resposta do sistema de saúde.

Material suplementar.

2237-9622-ress-34-e20240424-suppl01-pt.pdf^{(63.6KB, pdf)}

Tabela suplementar 1 e Tabela suplementar 2.

Footnotes

Gestora de pareceristas: Izabela Fulone https://orcid.org/0000-0002-3211-6951

Pareceristas: Marilia Mastrocolla de Almeida Cardoso https://orcid.org/0000-0002-6231-5425, Leonardo Trench https://orcid.org/0009-0008-7941-6127

Uso de inteligência artificial generativa: Utilizou-se o ChatGPT 4.0 para a correção dos códigos utilizados nas análises e na construção das figuras. Essa ferramenta também auxiliou na revisão textual e na identificação e conferência de algumas referências. Todas as referências apresentadas pelo ChatGPT 4.0 e citadas neste estudo foram verificadas em texto completo.

Disponibilidade de dados.

O banco de dados e os códigos de análise utilizados na pesquisa estão disponíveis em: https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue

Associated Data

This section collects any data citations, data availability statements, or supplementary materials included in this article.

Supplementary Materials

2237-9622-ress-34-e20240424-suppl01-en.pdf^{(60.8KB, pdf)}

Supplementary Table 1 and Supplementary Table 2.

2237-9622-ress-34-e20240424-suppl01-pt.pdf^{(63.6KB, pdf)}

Tabela suplementar 1 e Tabela suplementar 2.

Data Availability Statement

The database and analysis codes used in the research are available at: https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue

O banco de dados e os códigos de análise utilizados na pesquisa estão disponíveis em: https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue

[B1] 1.Paz-Bailey G, Adams LE, Deen J, Anderson KB, Katzelnick LC. Dengue. Lancet. 2024;403(10427) doi: 10.1016/S0140-6736(23)02576-X. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B2] 2.World Health Organization Reported cases of dengue fever in the Americas [Internet] 2024. [[cited 2024 Dec 20]]. https://www3.paho.org/data/index.php/en/mnu-topics/indicadores-dengue-en/dengue-nacional-en/252-dengue-pais-ano-en.html .

[B3] 3.Brasil Atualização de casos de arboviroses. 2024. [[cited 2024 Nov 3]]. https://www.gov.br/saude/pt-br/assuntos/saude-de-a-a-z/a/aedes-aegypti/monitoramento-das-arboviroses .

[B4] 4.Zara ALSA, Santos SM, Fernandes-Oliveira ES, Carvalho RG, Coelho GE. Estratégias de controle do Aedes aegypti: uma revisão. Epidemiol Serv Saude. 2016;25(2) doi: 10.5123/S1679-49742016000200017. [DOI] [PubMed] [Google Scholar]

[B5] 5.Brasil Diretrizes Nacionais para Prevenção e Controle de Epidemias de Dengue. 2009. [[cited 2024 Oct 12]]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/dengue/diretrizes_nacionais_prevencao_controle_dengue.pdf .

[B6] 6.Brasil Vigilância em saúde no Brasil 2003-2019: da criação da Secretaria de Vigilância em Saúde aos dias atuais. 2019. [[cited 2024 May 24]]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/raiva/boletim-especial-vigilancia-em-saude-no-brasil-2003-2019.pdf/view .

[B7] 7.World Health Organization Ending the neglect to attain the Sustainable Development Goals: a road map for neglected tropical diseases 2021-2030. 2021. [cited 2023 Aug 22]. https://www.who.int/publications/i/item/9789240010352 .

[B8] 8.Brasil Plano de ação para redução da dengue e de outras arboviruses: período sazonal 2024-2025. 2024. [cited 2024 Dec 12]. https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/guias-e-manuais/2024/guia-plano-de-acao-para-reducao-da-dengue-e-outras-arboviroses.pdf/view .

[B9] 9.Coelho GE. Dengue: desafios atuais. Epidemiol Serv Saude. 2008;17(3) [Google Scholar]

[B10] 10.Mol MPG, Queiroz JTM, Gomes J, Heller L. Gestão adequada de resíduos sólidos como fator de proteção na ocorrência da dengue. Rev Panam Salud Publica. 2020;44 doi: 10.26633/RPSP.2020.22. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B11] 11.Wermelinger ED. Reflections on vector control in Brazil. Rev Soc Bras Med Trop. 2020;53 doi: 10.1590/0037-8682-0385-2019. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B12] 12.Yang X, Quam MBM, Zhang T, Sang S. Global burden for dengue and the evolving pattern in the past 30 years. J Travel Med. 2021;28(8) doi: 10.1093/jtm/taab146. [DOI] [PubMed] [Google Scholar]

[B13] 13.Santos LLM, Aquino EC, Fernandes SM, Ternes YMF, Feres VCR. Dengue, chikungunya, and Zika virus infections in Latin America and the Caribbean: a systematic review. Rev Panam Salud Publica. 2023;47 doi: 10.26633/RPSP.2023.34. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B14] 14.Zara ALSA, Santos SM, Fernandes-Oliveira ES, Carvalho RG, Coelho GE. Estratégias de controle do Aedes aegypti: uma revisão. Epidemiol Serv Saude. 2016;25(2) doi: 10.5123/S1679-49742016000200017. [DOI] [PubMed] [Google Scholar]

[B15] 15.Zimmermann IR, Fernandes RRA, Costa MGS, Pinto M, Peixoto HM. Simulation-based economic evaluation of the Wolbachia method in Brazil: a cost-effective strategy for dengue control. Lancet Reg Health Am. 2024;35 doi: 10.1016/j.lana.2024.100783. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B16] 16.Gurgel-Gonçalves R, Oliveira WK, Croda J. The greatest dengue epidemic in Brazil: surveillance, prevention, and control. Rev Soc Bras Med Trop. 2024;57 doi: 10.1590/0037-8682-0113-2024. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B17] 17.Hategeka C, Ruton H, Karamouzian M, Lynd LD, Law MR. Use of interrupted time series methods in the evaluation of health system quality improvement interventions: a methodological systematic review. BMJ Global Health. 2020;5 doi: 10.1136/bmjgh-2020-003567. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B18] 18.Roster KO, Martinelli T, Connaughton C, Santillana M, Rodrigues FA. Estimativa do impacto da pandemia de covid-19 na dengue no Brasil. 2023. [[cited 2025 Apr 25]]. [DOI]

[B19] 19.Coutinho HS, Silva JO, Santana GBA, Carmo RF, Souza SO, Faria MD. Temporal trend, space risk and factors associated with the occurrence of dengue in northeast Brazil, 2009-2018. Trans R Soc Trop Med Hyg. 2022;116(9) doi: 10.1093/trstmh/trac027. [DOI] [PubMed] [Google Scholar]

[B20] 20.Andrioli DC, Busato MA, Lutinski JA. Spatial and temporal distribution of dengue in Brazil, 1990-2017. PLoS ONE. 2020;15(2) doi: 10.1371/journal.pone.0228346. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B21] 21.Brasil Tabnet. 2023. [cited 2023 Sept 10]. https://datasus.saude.gov.br/informacoes-de-saude-tabnet/

[B22] 22.Silva MMO, Rodrigues MS, Paploski IAD, Kikuti M, Kasper AM, Cruz JS. Accuracy of Dengue Reporting by National Surveillance System, Brazil. Emerg Infect Dis. 2016;22(2) doi: 10.3201/eid2202.150495. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B23] 23.Khan MB, Yang ZS, Lin CY, Hsu MC, Urbina AN, Assavalapsakul W. Dengue overview: an updated systemic review. J Infect Public Health. 2023;16(10) doi: 10.1016/j.jiph.2023.08.001. [DOI] [PubMed] [Google Scholar]

[B24] 24.Antunes JLF, Cardoso MRA. Uso da análise de séries temporais em estudos epidemiológicos. Epidemiol Serv Saude. 2015;24(3) [Google Scholar]

[B25] 25.Penfold RB, Zhang F. Use of interrupted time series analysis in evaluating health care quality improvements. Academic Pediatrics. 2013;13(Suppl 6) doi: 10.1016/j.acap.2013.08.002. [DOI] [PubMed] [Google Scholar]

[B26] 26.Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. Int J Epidemiol. 2017;46(1) doi: 10.1093/ije/dyw098. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B27] 27.Silva TFPLA. Base for interrupted time series analysis: dengue. 2024. [cited 2024 Nov 24]. https://github.com/tatianeportal/base-interrupted-time-series-analysis-dengue .

[B28] 28.Souza HP, Oliveira WTGH, Santos JPC, Toledo JP, Ferreira IPS, Esashika SNGS. Doenças infecciosas e parasitárias no Brasil de 2010 a 2017: aspectos para vigilância em saúde. Rev Panam Salud Publica. 2010;44 doi: 10.26633/RPSP.2020.10. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B29] 29.Yang X, Quam MBM, Zhang T, Sang S. Global burden for dengue and the evolving pattern in the past 30 years. J Travel Med. 2021;28(8) doi: 10.1093/jtm/taab146. [DOI] [PubMed] [Google Scholar]

[B30] 30.Gizaw Z, Salubi E, Pietroniro A, Schuster-Wallace CJ. Impactos das mudanças climáticas nas doenças transmitidas por mosquitos relacionadas à água em regiões temperadas: uma revisão sistemática da literatura e meta-análise. Acta Trop. 2024;258 [Google Scholar]

[B31] 31.Brito AF, Machado LC, Oidtman RJ, Siconelli MJL, Tran QM, Fauver JR. Lying in wait: the resurgence of dengue virus after the Zika epidemic in Brazil. Nat Commun. 2021;12(1) doi: 10.1038/s41467-021-22921-7. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B32] 32.Borchering RK, Huang AT, Mier-Y-Teran-Romero L, Rojas DP, Rodriguez-Barraquer I, Katzelnick LC. Impacts of Zika emergence in Latin America on endemic dengue transmission. Nat Commun. 2019;10(1) doi: 10.1038/s41467-019-13628-x. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B33] 33.Figueiró AC, Hartz ZMA, Brito CAA, Samico I, Siqueira NT, Filha, Cazarin G. Óbito por dengue como evento sentinela para avaliação da qualidade da assistência: estudo de caso em dois municípios da Região Nordeste, Brasil, 2008. Cad Saude Publica. 2008;27(12) doi: 10.1590/s0102-311x2011001200009. [DOI] [PubMed] [Google Scholar]

[B34] 34.Barcellos C, Lowe R. Expansion of the dengue transmission area in Brazil: the role of climate and cities. Trop Med Int Health. 2014;19(2) doi: 10.1111/tmi.12227. [DOI] [PubMed] [Google Scholar]

[B35] 35.Ramos-Castañeda J, Santos FB, Martínez-Vega R, Araujo JMG, Joint G, Sarti E. Dengue in Latin America: systematic review of molecular epidemiological trends. PLoS Negl Trop Dis. 2017;11(1) doi: 10.1371/journal.pntd.0005224. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B36] 36.Sangkaew S, Ming D, Boonyasiri A, Honeyford K, Kalayanarooj S, Yacoub S. Risk predictors of progression to severe disease during the febrile phase of dengue: a systematic review and meta-analysis. Lancet Infect Dis. 2021;21(7) doi: 10.1016/S1473-3099(20)30601-0. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B37] 37.Bezerra JMT, Sousa SC, Tauil PL, Carneiro M, Barbosa DS. Entry of dengue virus serotypes and their geographic distribution in Brazilian federative units: a systematic review. Rev Bras Epidemiol. 2021;24 doi: 10.1590/1980-549720210020. [DOI] [PubMed] [Google Scholar]

[B38] 38.Escobar LE. Ecological niche modeling: an introduction for veterinarians and epidemiologists. Front Vet Sci. 2020;7 doi: 10.3389/fvets.2020.519059. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B39] 39.Lawrence TJ, Takenaka BP, Garg A, Tao D, Deem SL, Fèvre EM. A global examination of ecological niche modeling to predict emerging infectious diseases: a systematic review. Front Public Health. 2023;11 doi: 10.3389/fpubh.2023.1244084. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B40] 40.Pritzker K. Impact of the COVID-19 pandemic on molecular diagnostics. Expert Rev Mol Diagn. 2021;21(6) doi: 10.1080/14737159.2021.1923481. [DOI] [PubMed] [Google Scholar]

PERMALINK

Trends in dengue incidence and lethality: interrupted time series analysis, Brazil, 2001-2022

Tendencias en la incidencia y letalidad del dengue: análisis de series de tiempo interrumpidas, Brasil, 2001-2022

Tatiane Fernandes Portal de Lima Alves da Silva

Henry Maia Peixoto

Lúcia Rolim Santana de Freitas

Emerson Luiz Lima Araújo

Walter Massa Ramalho

Roles

Abstract

Objective

Methods

Results

Conclusion

Resumen

Objetivo

Métodos

Resultados

Conclusión

Ethical aspects

Introduction

Methods

Study design

Context

Variables and measurement

Data sources

Participants

Statistical methods

Results

Table 1. Number of deaths, probable cases, proportion (%) of dengue cases by laboratory and clinical-epidemiological confirmation criteria, fatality rate (per 100 probable dengue cases) and incidence rate (per 100,000 inhabitants) of dengue by year of notification. Brazil, 2001-2024.

Table 2. Annual percentage variation (APV) and 95% confidence interval (95%CI) of dengue incidence rates (per 100,000 inhabitants). Brazil and macro-regions, 2001-2022.

Table 3. Annual percentage variation (APV) and 95% confidence interval (95%CI) of dengue fatality rate (per 100 probable dengue cases). Brazil and macro-regions, 2001-2022.

Discussion

Supplementary material.

Footnotes

Data availability.

References

Tendências na incidência e letalidade da dengue: análise de séries temporais interrompida, Brasil, 2001-2022

Tatiane Fernandes Portal de Lima Alves da Silva

Henry Maia Peixoto

Lúcia Rolim Santana de Freitas

Emerson Luiz Lima Araújo

Walter Massa Ramalho

Roles

Resumo

Objetivo

Métodos

Resultados

Conclusão

Aspectos éticos

Introdução

Métodos

Delineamento

Contexto

Variáveis e mensuração

Fontes de dados

Participantes

Métodos estatísticos

Resultados

Tabela 2. Variação percentual anual (VPA) e intervalo de confiança de 95% (IC95%) das taxas de incidência da dengue (por 100 mil habitantes). Brasil e macrorregiões, 2001-2022.

Tabela 3. Variação percentual anual (VPA) e intervalo de confiança de 95% (IC95%) das taxas de letalidade da dengue (por 100 casos de dengue). Brasil e macrorregiões, 2001-2022.

Discussão

Material suplementar.

Footnotes

Disponibilidade de dados.

Associated Data

Supplementary Materials

Data Availability Statement

ACTIONS

PERMALINK

RESOURCES

Similar articles

Cited by other articles

Links to NCBI Databases