Resumo Esse estudo objetivou modelar a mortalidade por doenças respiratórias explicadas por condições atmosféricas, com o intuito de identificar associações significativas e verificar a capacidade da modelagem estocástica em prever óbitos decorrentes da relação entre condições meteorológicas e poluição do ar. Os métodos estatísticos utilizados na análise foram: correlação cruzada, pré-branqueamento e o modelo de regressão dinâmica que combina a dinâmica das séries de tempo e o efeito de variáveis explicativas. Os resultados mostram que existem associações significativas ao nível de 5% entre mortalidade e dióxido de enxofre, temperatura do ar, pressão atmosférica, umidade relativa e a estrutura auto-regressiva. As correlações cruzadas identificaram defasagens significativas entre as variáveis atmosféricas e o número de óbitos, em dois meses para o SO2 e umidade relativa, onze meses para PM10, sete meses para o O3, oito meses para a temperatura do ar e a correlação cruzada sem defasagem com o NO2. Com as variáveis CO, precipitação e pressão atmosférica, a correlação cruzada não foi detectada. A modelagem estocástica mostrou que o número de óbitos por doenças respiratórias pode ser previsto a partir da combinação das variáveis meteorológicas e os poluentes atmosféricos, especialmente considerando a tendência e sazonalidade existente.
Abstract The article reports the modeling of mortality due to respiratory diseases emanating from atmospheric conditions, capturing significant associations and verifying the ability of stochastic modeling to predict deaths arising from the relationship between weather conditions and air pollution. The statistical methods used in the analysis were cross-correlation and pre-whitening, in addition to dynamic regression modeling combining the dynamics of time series and the effect of explanatory variables. The results show there are significant associations between mortality and sulfur dioxide, air temperature, atmospheric pressure, relative humidity, and autoregressive structure. The cross-correlations captured significant lags between atmospheric variables and deaths, of two months for SO2 and relative humidity, eleven months for PM10, seven months for O3, and eight months for air temperature and the cross-correlation without lag with NO2. With CO variables, precipitation and atmospheric pressure, cross-correlations were not detected. Stochastic modeling showed that deaths due to respiratory diseases can be predicted from the combination of meteorological and air pollution variables, especially considering the existing trend and seasonality.