Resumo Internações por doenças respiratórias geram custos financeiros para o Sistema de Saúde além de custos sociais. O objetivo deste estudo foi elaborar e validar um modelo linguístico “fuzzy” para previsão do número de internações por doenças respiratórias. Foi construído um modelo “fuzzy” para predição de internações por pneumonias, bronquite, bronquiolite e asma segundo exposição ao material particulado fino (PM2,5) em residentes de Volta Redonda, RJ, em 2012. O modelo contém duas entradas PM2,5 e temperatura, com três funções de pertinência para cada entrada, e uma saída com três funções de pertinência para internações, que foram obtidas do DATASUS. Foram 752 internações no período, a concentração média do PM2,5 foi 17,1 µg/m3 (dp = 4,4). O modelo mostrou uma boa acurácia com PM2,5, o resultado foi entre 90% e 76,5% para os lags 1, 2 e 3, com sensibilidade de até 95%. Este estudo fornece subsídios para a criação de programa executável, que não exige um grande investimento, juntamente com o uso de um instrumento portátil pode permitir uma estimativa do número de internações e prestar apoio aos gestores municipais de saúde. Além disso, o modelo “fuzzy” é muito simples e implica em baixas despesas computacionais, tornando possível uma implementação.
Abstract Hospitalizations due to respiratory diseases generate financial costs for the Health System in addition to social costs. Objective of this study was to develop and validate a fuzzy linguistic model for prediction of hospitalization due to respiratory diseases. We constructed a fuzzy model for prediction of hospitalizations due to pneumonia, bronchitis, bronchiolitis and asthma second exposure to fine particulate matter (PM2.5) in residents of Volta Redonda, RJ, in 2012. The model contains two inputs, PM2.5 and temperature, with three membership functions for each input, and an output with three membership functions for admissions, which were obtained from DATASUS. There were 752 hospitalizations in the period, the average concentration of PM2.5 was 17.1 µg/m3 (SD = 4.4). The model showed a good accuracy with PM2.5, the result was between 90% and 76.5% for lags 1, 2 and 3, a sensitivity of up to 95%. This study provides support for creating executable software with a low investment, along with the use of a portable instrument could allow number of hospital admission due to respiratory diseases and provide support to local health managers. Furthermore, the fuzzy model is very simple and involves low computational costs, an implementation making possible.
