Objective: to analyze the temporal pattern and estimate mortality rates in the first 24 hours of life and from preventable causes in the state of Pernambuco from 2000 to 2021. Method: an ecological study, using the quarter as the unit of analysis. The data source was made up of the Mortality Information System and the Live Birth Information System. The time series modeling was conducted according to the Autoregressive Integrated Moving Average Model. Results: 14,462 deaths were recorded in the first 24 hours of life, 11,110 (76.8%) of which being preventable. It is observed from the forecasts that the mortality rate in the first 24 hours of life ranged from 3.3 to 2.4 per 1,000 live births, and the mortality rate from preventable causes ranged from 2.3 to 1.8 per 1,000 live births. Conclusion: the prediction suggested progress in reducing mortality in the first 24 hours of life in the state and from preventable causes. The ARIMA models presented satisfactory estimates for mortality rates and preventable causes in the first 24 hours of life.

Objetivo: analizar el patrón temporal y estimar las tasas de mortalidad en las primeras 24 horas de vida y por causas evitables en el estado de Pernambuco en el período de 2000 a 2021. Método: estudio ecológico, teniendo como unidad de análisis el trimestre. La fuente de datos se constituyó por el Sistema de Informaciones sobre Mortalidad y el Sistema de Informaciones sobre Nacidos Vivos. El modelado de series temporales se realizó según el Modelo Autorregresivo Integrado de Promedio Móvil. Resultados: se registraron 14.462 óbitos en las primeras 24 horas de vida, siendo 11.110 (el 76,8%) evitables. Se observa para los pronósticos ( forecasts) que la tasa de mortalidad en las primeras 24 horas de vida registro una variación de 3,3 a 2,4 por 1.000 nacidos vivos, y la tasa de mortalidad por causas evitables de 2,3 a 1,8 por 1.000 nacidos vivos. Conclusión: la predicción sugirió avances en la reducción de la mortalidad en las primeras 24 horas de vida en el estado y por causas evitables. Los modelos ARIMA presentaron estimaciones satisfactorias para las tasas de mortalidad y por causas evitables en las primeras 24 horas de vida.

Objetivo: analisar o padrão temporal e estimar as taxas de mortalidade nas primeiras 24 horas de vida e por causas evitáveis no estado de Pernambuco no período de 2000 a 2021. Método: estudo ecológico, tendo como unidade de análise o trimestre. A fonte de dados foi constituída pelo Sistema de Informações sobre Mortalidade e pelo Sistema de Informações sobre Nascidos Vivos. A modelagem da série temporal foi conduzida segundo o Modelo Autorregressivo Integrado de Médias Móveis. Resultados: foram registrados 14.462 óbitos nas primeiras 24 horas de vida, sendo 11.110 (76,8%) evitáveis. Observa-se para os forecasts que a taxa de mortalidade nas primeiras 24 horas de vida variou de 3,3 a 2,4 por 1.000 nascidos vivos, e a taxa de mortalidade por causas evitáveis variou de 2,3 a 1,8 por 1.000 nascidos vivos. Conclusão: a previsão sugeriu avanços na redução da mortalidade nas primeiras 24 horas de vida no estado e por causas evitáveis. Os modelos ARIMA apresentaram estimativas satisfatórias para as taxas de mortalidade e por causas evitáveis nas primeiras 24 horas de vida.

RESUMO Objetivos: analisar os riscos de mortes nas primeiras 24 horas de vida e suas causas evitáveis. Métodos: estudo transversal realizado em Pernambuco, Nordeste do Brasil, entre 2000-2019, com dados de mortalidade e nascidos vivos. Analisou-se a evitabilidade pela Lista Brasileira de Causas de Mortes Evitáveis por Intervenções do Sistema Único de Saúde. Para as análises estatísticas, utilizou-se o teste de Qui-quadrado de Pearson e os riscos relativo e atribuível. Resultados: registraram-se 13.601 óbitos, sendo 10.497 (77,19%) por causas evitáveis. Do total, 5.513 (40,53%) eram reduzíveis por adequada atenção à mulher na gestação. Quanto menor a idade gestacional, o peso ao nascer e a escolaridade, maior o risco relativo e atribuível ao óbito nas primeiras 24 horas de vida. Conclusões: a maior parte dos óbitos foram considerados evitáveis e com elevados riscos relativo e atribuível. Esses óbitos precoces sugerem falhas assistenciais e a necessidade de reforçar as medidas de prevenção e tratamento.

ABSTRACT Objectives: to analyze the risks of deaths in the first 24 hours of life and their preventable causes. Methods: cross-sectional study carried out in Pernambuco, Northeast of Brazil, between 2000-2019, with mortality and live birth data. The avoidability was analyzed through the Brazilian List of Avoidable Causes of Deaths due to Interventions of the Unified Health System. For the statistical analyses, Pearson’s chi-squared test and relative and attributable risks were used. Results: 13,601 deaths were registered, of which 10,497 (77.19%) were from preventable causes. Of the total, 5,513 (40.53%) were reducible through adequate care for women during pregnancy. The lower the gestational age, birth weight and education level, the higher the relative and attributable risk of death in the first 24 hours of life. Conclusions: most of the deaths were considered avoidable and with high relative and attributable risks. These early deaths suggest care failures and the need to reinforce prevention and treatment measures.

RESUMEN Objetivos: analizar los riesgos de muerte en las primeras 24 horas de vida y sus causas prevenibles. Métodos: estudio transversal realizado en Pernambuco, Nordeste de Brasil, entre 2000-2019, con datos de mortalidad y nacidos vivos. La evitabilidad fue analizada por la Lista Brasileña de Causas de Muerte Evitables por Intervenciones del Sistema Único de Salud. Para los análisis estadísticos se utilizó la prueba de chi-cuadrado de Pearson y los riesgos relativos y atribuibles. Resultados: fueron registradas 13.601 muertes, de las cuales 10.497 (77,19%) se debieron a causas evitables. Del total, 5.513 (40,53%) fueron reducibles mediante una atención adecuada a la mujer durante el embarazo. Cuanto menor es la edad gestacional, el peso al nacer y el nivel educativo, mayor es el riesgo relativo y atribuible de muerte en las primeras 24 horas de vida. Conclusiones: la mayoría de las muertes se consideraron evitables y de alto riesgo relativo y atribuible. Estas muertes precoces sugieren fallas en la atención y la necesidad de reforzar las medidas de prevención y tratamiento.

Resumo Este artigo, de cunho teórico-reflexivo, objetiva discutir os aspectos conceituais e metodológicos sobre as aplicações da modelagem de série temporal, em especial, o Modelo Autorregressivo Integrado de Médias Móveis e sua aplicabilidade na mortalidade infantil. Essa modelagem possibilita prever os valores futuros utilizando os dados passados, delineando e estimando os cenários possíveis do evento em saúde, evidenciando a sua magnitude. Devido à persistência da mortalidade infantil como um problema de saúde pública, a aplicabilidade desse método é útil no gerenciamento oportuno e sistemático dos indicadores da saúde infantil, além de ser um método que apresenta baixo custo operacional, que, em contextos de redução de gastos em saúde, se torna uma ferramenta de gestão em potencial. No entanto, ainda há lacunas na utilização de métodos estatísticos no processo decisório e formulador de políticas em saúde, a exemplo da modelagem em questão. São obstáculos de natureza metodológica (estatística robusta), institucional (sistemas de informações defasados) e cultural (desvalorização dos dados produzidos, principalmente em nível local).

Abstract This reflective theoretical article, aims to discuss conceptual and methodological aspects about the applications of time series modeling, in particular, the Integrated Auto-regressive Moving Average model and its applicability in infant mortality. This modeling makes it possible to predict future values using past data, outlining and estimating possible scenarios of the health event, highlighting its magnitude. Due to the persistence of infant mortality as a public health problem, the applicability of this method is useful in the timely and systematic management of child health indicators, in addition to being a method with low operating cost, which in contexts of cost reduction in public healthcare services, becomes a potential management tool. However, there are still gaps in the use of statistical methods in the decision-making and policy-making process in public healthcare, such as the modeling in question. These are methodological (robust statistics), institutional (outdated information systems) and cultural obstacles (devaluation of the data produced, mainly at the local level).