Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? A resposta depende do objetivo da vigilância, da qualidade dos dados, da escala territorial analisada e da análise espacial epidemiológica.
A Densidade de Kernel é geralmente mais intuitiva para visualizar superfícies contínuas de concentração, enquanto o índice Getis-Ord Gi* oferece uma avaliação estatística mais rigorosa sobre agrupamentos de valores altos ou baixos.
Na prática, nenhum dos dois métodos deve ser escolhido apenas pela aparência do mapa ou na análise espacial epidemiológica.
Um mapa de calor pode destacar uma região com muitos registros, mas não necessariamente indicar um agrupamento estatisticamente significativo.
Da mesma forma, um resultado estatístico pode apontar um agrupamento relevante sem mostrar com clareza a extensão espacial necessária para organizar uma operação de campo.
Para coordenadores de vigilância epidemiológica, analistas de dados e gestores públicos, a decisão mais segura costuma combinar as duas técnicas.
A Densidade de Kernel ajuda a responder “onde a concentração parece maior?”, enquanto o Getis-Ord ajuda a responder “onde essa concentração é improvável de ocorrer ao acaso?”.
Essa distinção é decisiva no combate ao Aedes aegypti, pois a distribuição dos casos depende de fatores ambientais, mobilidade da população, infraestrutura urbana, notificações e presença de criadouros.
O resultado deve orientar ações concretas, como inspeções, eliminação de água parada, comunicação comunitária e controle vetorial.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue?
O que a Densidade de Kernel revela no território
A Densidade de Kernel, na análise espacial epidemiológica, transforma pontos georreferenciados, como endereços de casos ou locais com criadouros, em uma superfície contínua de intensidade.
Cada ponto recebe uma influência que diminui conforme aumenta a distância, criando áreas com diferentes níveis de concentração.
Em termos simples, imagine que cada caso de dengue produza uma “onda” ao seu redor.
Quando várias ondas se sobrepõem, surge uma área de maior intensidade no mapa.
Essa representação facilita a identificação visual de regiões que merecem investigação prioritária.
O resultado depende de escolhas técnicas na análise espacial epidemiológica.
O raio de busca, também chamado de largura de banda, define quanto cada ponto influencia seus vizinhos.
Um raio pequeno pode gerar um mapa muito fragmentado; um raio grande pode suavizar demais as diferenças entre bairros.
- Raio menor: útil para localizar concentrações muito próximas, como quarteirões ou conjuntos habitacionais.
- Raio intermediário: adequado para planejamento de equipes em bairros e setores censitários.
- Raio maior: indicado para observar padrões municipais ou corredores de transmissão.
Por isso, a Densidade de Kernel não é uma fotografia objetiva e imutável do risco.
Ela é uma modelagem visual influenciada pela escala, pelo período analisado e pelo parâmetro escolhido pelo analista.
Quando o Getis-Ord Gi* acrescenta evidência estatística
O Getis-Ord Gi* avalia se valores altos ou baixos estão espacialmente agrupados em uma vizinhança definida.
Em um estudo de dengue, a análise espacial epidemiológica pode considerar valores que representam casos, incidência, positividade de ovitrampas, focos identificados ou uma combinação de indicadores.
O método produz uma estatística padronizada, frequentemente acompanhada por um valor de significância.
Áreas com valores altos agrupados podem ser classificadas como agrupamentos quentes, enquanto áreas com valores baixos agrupados formam agrupamentos frios.
O ponto forte do método é distinguir concentração visual de agrupamento estatisticamente significativo.
Essa informação é valiosa quando o município precisa justificar a priorização de recursos, comparar regiões ou monitorar se uma intervenção alterou o padrão espacial.
Entretanto, o Getis-Ord depende da definição da matriz de vizinhança.
É necessário decidir se os vizinhos serão determinados por distância, contiguidade territorial, tempo de deslocamento ou outro critério.
Uma escolha inadequada pode produzir resultados pouco úteis para a operação de campo.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? Para uma visualização inicial, a Kernel costuma ser mais acessível.
Para confirmar que uma concentração é consistente e não apenas resultado de flutuação aleatória, o Getis-Ord oferece uma camada adicional de segurança analítica.
Como escolher o método conforme a pergunta epidemiológica
Kernel para mapear extensão e intensidade
A Densidade de Kernel funciona bem quando a pergunta central é espacial e operacional: quais regiões concentram mais notificações? Onde uma equipe deveria iniciar a vistoria? Qual área exige uma campanha de comunicação mais intensa?
Ela é especialmente útil quando os dados são numerosos e os pontos estão distribuídos de maneira relativamente contínua.
Em vez de apresentar centenas de símbolos sobrepostos, o mapa resume a intensidade em uma superfície compreensível para gestores e equipes de campo.
Também é uma ferramenta útil para cruzar casos com características urbanas.
Uma camada de intensidade pode ser comparada com localização de terrenos baldios, descarte irregular de resíduos, ausência de saneamento, densidade populacional e presença de recipientes expostos.
- Use Kernel para elaborar mapas de calor de casos por semana ou mês.
- Compare a superfície de casos com a superfície de criadouros.
- Teste mais de um raio de busca antes de definir a área de intervenção.
- Apresente o número absoluto de casos junto com a incidência por população.
Getis-Ord para validar prioridades estatísticas
O Getis-Ord é mais adequado quando a pergunta envolve significância e comparação: os bairros com maior incidência formam um agrupamento consistente? O aumento observado está concentrado ou espalhado? A intervenção reduziu um agrupamento quente?
A técnica pode apoiar relatórios técnicos, reuniões de planejamento e avaliações de resposta.
Também ajuda a evitar que uma área muito populosa pareça prioritária apenas porque possui mais pessoas, quando a taxa por habitantes indica outro cenário.
Para obter uma leitura correta, a equipe deve analisar a estatística junto com o intervalo de tempo, a população sob risco e a completude das notificações.
Um agrupamento estatisticamente significativo não prova, sozinho, a existência de transmissão local.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? Se o objetivo é distribuir agentes rapidamente, a Kernel tende a ser mais comunicável.
Se o objetivo é sustentar uma decisão técnica com evidência de agrupamento, o Getis-Ord deve ser considerado.
O que os dados precisam conter para evitar falsos hotspots
Casos, população e qualidade do endereço
Um mapa de hotspots só é tão confiável quanto os dados utilizados na análise espacial epidemiológica.
Endereços incompletos, duplicidades, atrasos de notificação e registros fora do município podem deslocar artificialmente a concentração.
O primeiro passo é padronizar logradouros, corrigir abreviações, verificar coordenadas e remover duplicidades.
Quando o endereço não puder ser geocodificado com segurança, o registro deve ser marcado para revisão, em vez de receber uma localização aproximada sem transparência.
A análise também deve separar casos prováveis, confirmados, descartados e inconclusivos.
Misturar categorias sem explicar a regra pode alterar completamente o resultado e dificultar a interpretação pela gestão.
- Verifique a data de início dos sintomas e a data de notificação.
- Registre o método de confirmação laboratorial ou clínico-epidemiológica.
- Calcule incidência usando população atualizada e fonte documentada.
- Identifique bairros com subnotificação provável ou menor acesso aos serviços.
O endereço de residência não representa necessariamente o local de infecção.
Escolas, locais de trabalho, unidades prisionais, terminais e áreas de grande circulação podem participar da cadeia de transmissão.
Sempre que possível, a análise deve diferenciar local de residência, provável exposição e atendimento.
Escala, tempo e privacidade
A escolha da unidade espacial interfere no resultado.
Um mapa por bairro pode esconder diferenças entre quarteirões, enquanto um mapa por setor censitário pode gerar instabilidade quando há poucos registros.
A dimensão temporal também é indispensável à análise espacial epidemiológica.
Uma superfície calculada com dados acumulados de vários anos pode mostrar apenas a história da transmissão, não o risco atual.
Para resposta rápida, períodos semanais ou quinzenais podem ser mais adequados, desde que exista volume suficiente de dados.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? A resposta perde valor quando a análise não informa período, unidade espacial, população e critério de inclusão.
A transparência metodológica é parte da qualidade epidemiológica.
Também é necessário proteger a privacidade.
Mapas públicos não devem permitir a identificação de pessoas ou domicílios.
Para divulgação externa, prefira agregação territorial, supressão de células com poucos registros e revisão pelas áreas responsáveis por segurança da informação e proteção de dados pessoais.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue?
O melhor desenho combina exploração e confirmação
Uma rotina eficiente começa com a exploração visual.
A Densidade de Kernel pode indicar áreas de concentração e ajudar a equipe a compreender a distribuição geral dos registros.
Depois, o Getis-Ord pode ser aplicado para testar se os agrupamentos de valores altos permanecem relevantes segundo uma regra espacial definida.
O resultado não substitui a investigação de campo, mas melhora a seleção de prioridades.
O fluxo recomendado pode seguir estas etapas:
- Consolidar notificações, população, criadouros e variáveis ambientais.
- Validar endereços, datas, categorias de caso e duplicidades.
- Gerar a superfície de Kernel com parâmetros justificados.
- Executar o Getis-Ord com diferentes configurações de vizinhança.
- Comparar os resultados com conhecimento dos agentes e gestores locais.
- Definir ações, responsáveis, prazo e indicador de acompanhamento.
- Recalcular os mapas após a intervenção para verificar mudanças.
Esse processo evita a armadilha de tratar um mapa como resposta final.
O mapa é uma evidência dentro de um ciclo de vigilância, decisão, intervenção e avaliação.
Como interpretar divergências entre os mapas
Pode ocorrer de a Kernel mostrar uma faixa ampla de intensidade, enquanto o Getis-Ord destacar apenas alguns setores.
Isso não significa necessariamente que um método esteja errado.
A Kernel descreve uma superfície suavizada, enquanto o Getis-Ord depende de vizinhança e significância.
Uma área pode estar próxima de muitos casos, mas não formar um agrupamento estatístico suficientemente consistente dentro da configuração adotada.
Também pode ocorrer o contrário: o Getis-Ord apontar um agrupamento significativo em uma pequena área, enquanto a Kernel dilui essa concentração por causa de um raio muito amplo.
Nesse caso, vale testar parâmetros compatíveis com a escala da ação planejada.
O analista deve documentar:
- o raio ou largura de banda utilizado na Kernel;
- a regra de vizinhança aplicada no Getis-Ord;
- o período e os tipos de registro incluídos;
- o critério de significância adotado;
- as limitações de cobertura e completude dos dados.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? Em vez de escolher um vencedor universal, a decisão mais madura é selecionar a técnica conforme a pergunta, combinar evidências e explicar os limites de cada resultado.
Como transformar hotspots em ações de controle vetorial
Do mapa para a operação de campo
Um hotspot só produz valor público quando orienta uma ação verificável.
A equipe pode cruzar o mapa com imóveis fechados, terrenos sem manutenção, pontos de descarte irregular, escolas, unidades de saúde e áreas com histórico de baixa cobertura de visita.
O planejamento pode definir rotas de vistoria, número de agentes, necessidade de mobilização comunitária e prioridade para eliminação de criadouros.
A tecnologia não substitui o conhecimento territorial dos profissionais; ela organiza evidências para que esse conhecimento seja aplicado onde pode gerar maior impacto.
O programa TechDengue utiliza drones e geoprocessamento para mapear áreas urbanas, identificando recipientes com água parada, caixas d’água descobertas, terrenos baldios e outros potenciais criadouros.
Os mapas georreferenciados, relatórios de áreas de risco e recomendações operacionais podem apoiar secretarias municipais de saúde e equipes de vigilância epidemiológica na definição de prioridades.
Geointeligência para antecipar áreas críticas
A combinação entre mapeamento aéreo, notificações, dados ambientais, condições climáticas e características urbanas amplia a capacidade de antecipação.
Áreas com saneamento inadequado, acúmulo de resíduos e ocupação densa podem merecer atenção mesmo antes de uma explosão de casos.
O programa TechDengue utiliza geointeligência para identificar padrões territoriais associados à proliferação do mosquito da dengue.
A análise pode gerar mapas temáticos, indicadores de risco e relatórios para orientar ações preventivas.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? As técnicas são mais úteis quando integram uma estratégia maior de vigilância, com metas, responsáveis, prazos e retorno das equipes que foram a campo.
Alguns indicadores práticos para acompanhar a resposta incluem:
- percentual de imóveis prioritários vistoriados;
- quantidade e tipo de criadouros eliminados;
- tempo entre a identificação do risco e a intervenção;
- variação da incidência após a ação;
- recorrência de focos na mesma área;
- cobertura de visitas e participação comunitária.
Prevenção e interpretação responsável dos resultados
O que moradores e instituições podem fazer
Mapas de risco não devem transmitir a ideia de que apenas determinadas comunidades são responsáveis pela dengue.
A presença do Aedes aegypti é influenciada por infraestrutura, clima, descarte de resíduos, mobilidade e condições dos imóveis.
A prevenção é uma responsabilidade coletiva.
Moradores, empresas, escolas, condomínios e órgãos públicos devem eliminar locais com água parada e comunicar situações que exigem atuação do poder público.
Uma inspeção de aproximadamente 10 minutos por semana ajuda a verificar:
- pratos de vasos de plantas;
- calhas e ralos pouco utilizados;
- pneus, garrafas e recipientes expostos;
- caixas d’água sem tampa adequada;
- piscinas sem tratamento;
- lixo acumulado e objetos no quintal;
- bebedouros de animais e bandejas de geladeira.
O programa TechDengue também apoia ações educativas, palestras e consultorias para campanhas municipais de prevenção das arboviroses.
Sintomas e limites da análise espacial
Febre, dor de cabeça, dor atrás dos olhos, dores no corpo, náuseas e manchas podem ocorrer na dengue.
Zika costuma apresentar manchas e coceira com frequência, enquanto chikungunya tende a causar dor articular intensa, embora os sintomas possam se sobrepor.
Gestantes, crianças pequenas, idosos e pessoas com doenças crônicas devem receber atenção especial.
Sinais como dor abdominal intensa, vômitos persistentes, sangramentos, sonolência, irritabilidade, dificuldade para respirar ou piora após a febre exigem avaliação imediata em um serviço de saúde.
Não se deve tomar medicamentos por conta própria, especialmente aqueles que aumentam o risco de sangramento.
A orientação de um profissional de saúde é indispensável para avaliação, hidratação e acompanhamento.
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? Nenhum mapa diagnostica pessoas, substitui atendimento ou confirma sozinho a origem da transmissão.
A análise espacial apoia a vigilância, mas deve ser interpretada junto com investigação epidemiológica, dados clínicos e realidade local.
Segundo a Organização Mundial da Saúde, 2024 registrou uma expansão global sem precedentes da dengue, com mais de 14 milhões de casos notificados no mundo.
Esse dado reforça a necessidade de fortalecer a vigilância, mas não deve ser usado para estimar automaticamente a situação de cada município brasileiro.
No Brasil, os dados oficiais precisam ser consultados em fontes como o Ministério da Saúde, o Sistema de Informação de Agravos de Notificação e os painéis epidemiológicos atualizados.
Como os números podem mudar com revisões e encerramento de fichas, relatórios locais devem informar a data de extração e o status dos registros.
Qual método adotar na rotina da secretaria
Critérios para uma decisão técnica
Se a equipe precisa comunicar rapidamente uma área de maior concentração, a Densidade de Kernel tende a oferecer uma leitura mais simples.
Se precisa testar agrupamentos, comparar períodos e sustentar uma priorização com estatística espacial, o Getis-Ord é mais apropriado.
Em municípios com poucos casos, a interpretação deve ser cautelosa.
Um pequeno número de registros pode criar uma aparência de concentração, mas não fornece estabilidade suficiente para decisões isoladas.
Em municípios extensos, a análise pode ser feita em múltiplas escalas.
Uma leitura municipal orienta planejamento estratégico, enquanto análises por bairro ou setor apoiam a operação diária.
Uma matriz de decisão pode ajudar:
- Visualização operacional: priorize a Kernel, com parâmetros compatíveis com a rota das equipes.
- Teste de agrupamento: utilize o Getis-Ord e documente a vizinhança.
- Planejamento estratégico: combine ambos com indicadores ambientais e populacionais.
- Avaliação de intervenção: compare mapas antes e depois, mantendo regras semelhantes.
Por que a combinação é mais defensável
Densidade de Kernel ou Getis-Ord: Qual Método Detecta Melhor os Hotspots de Dengue? A combinação reduz o risco de decisões baseadas apenas em uma representação cartográfica.
A Kernel oferece contexto visual; o Getis-Ord acrescenta teste de agrupamento; a investigação de campo confirma se o sinal corresponde a um problema real.
Uma secretaria pode, por exemplo, identificar uma área intensa na Kernel, verificar significância no Getis-Ord, cruzar o resultado com criadouros observados por drones e enviar uma equipe para vistoria.
Depois, pode acompanhar se os indicadores mudaram nas semanas seguintes.
Essa integração caracteriza uma análise espacial epidemiológica orientada à ação.
O objetivo não é produzir mapas sofisticados, mas transformar dados georreferenciados em decisões mais rápidas, transparentes e proporcionais ao risco.
O programa TechDengue pode apoiar esse fluxo com mapeamento aéreo, relatórios de risco, análise territorial e recomendações para ações de combate às arboviroses.
Para novembro de 2026, a tendência mais consistente na vigilância é integrar fontes diferentes, automatizar atualizações, preservar a privacidade e monitorar a efetividade das intervenções.
Ferramentas de geoprocessamento, painéis de acompanhamento e modelos preditivos são úteis quando permanecem subordinados à qualidade dos dados e à decisão dos profissionais.
O próximo passo é revisar a base disponível, definir a pergunta epidemiológica e estabelecer um protocolo reproduzível.
Com dados confiáveis, parâmetros documentados e participação das equipes de campo, a escolha entre Kernel e Getis-Ord deixa de ser uma disputa de ferramentas e passa a ser uma decisão de gestão baseada em evidências.
Perguntas Frequentes
Qual é a principal diferença entre Densidade de Kernel e Getis-Ord na análise da dengue?
A Densidade de Kernel representa visualmente a intensidade e a distribuição espacial dos casos, criando uma superfície contínua no mapa.
O Getis-Ord Gi* identifica agrupamentos estatisticamente significativos de valores altos ou baixos, indicando onde a concentração provavelmente não ocorreu por acaso.
Qual método é mais indicado para localizar áreas prioritárias de controle da dengue?
Depende do objetivo da análise.
A Densidade de Kernel é útil para visualizar áreas de maior concentração, enquanto o Getis-Ord ajuda a priorizar regiões com agrupamentos estatisticamente confiáveis.
Quando possível, o ideal é combinar os dois resultados.
O mapa de calor da Densidade de Kernel indica necessariamente um surto de dengue?
Não.
O mapa de calor mostra uma concentração espacial estimada, mas não comprova que o agrupamento seja estatisticamente significativo ou que represente um surto.
A confirmação exige analisar a evolução temporal, a qualidade das notificações e outros indicadores epidemiológicos.
Por que a escolha da escala territorial influencia os hotspots de dengue?
A escala define como os casos são agrupados e pode alterar a percepção sobre a concentração da doença.
Uma análise em bairros pode revelar padrões diferentes daqueles observados em municípios ou setores censitários, por isso a escala deve refletir o nível da decisão de vigilância.
Como a qualidade dos dados afeta a identificação de hotspots de dengue?
Endereços incompletos, casos não notificados e registros duplicados podem distorcer tanto a Densidade de Kernel quanto o índice Getis-Ord.
Antes da análise, é importante revisar a localização, o período dos registros, a padronização dos dados e possíveis áreas com subnotificação.
O Getis-Ord Gi* pode identificar áreas com poucos casos de dengue?
Sim.
Além de localizar agrupamentos de valores altos, o método pode apontar agrupamentos estatisticamente significativos de valores baixos.
No entanto, uma área com poucos registros pode refletir baixa ocorrência real, subnotificação ou falhas no sistema de vigilância.
Quais informações podem ser combinadas aos hotspots para melhorar a vigilância?
É possível integrar dados sobre chuva, temperatura, densidade populacional, saneamento, mobilidade, criadouros e histórico de notificações.
Essa combinação ajuda a explicar por que determinados locais concentram casos e torna mais eficiente o planejamento do controle do Aedes aegypti.
Como transformar a análise de hotspots de dengue em ações práticas?
As áreas prioritárias podem orientar inspeções em imóveis, eliminação de recipientes com água parada, aplicação de medidas de controle vetorial e campanhas de comunicação.
As equipes devem validar os resultados em campo e atualizar os mapas regularmente para acompanhar mudanças na transmissão.
