OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources

Diversos estudos têm sido feitos para verificar quais as relações entre a lagarta do cartucho-do-milho, Spodoptera frugiperda, bem como o curuquerê-do-algodoeiro, Alabama argillacea, e potenciais agentes de controle biológico, visto que são importantes pragas de diversas culturas. Pesquisas com parasitoides e predadores de diferentes ordens têm sido desenvolvidas, com esse propósito. A tesourinha Euborellia annulipes apresenta grande potencial, assim como o pentatomídeo Podisus nigrispinus, por serem inimigos naturais desses insetos-praga. O parasitoide Campoletis flavicincta é, também, considerado um potencial agente controlador de S. frugiperda, no campo. Quatro experimentos foram instalados e conduzidos para estudar as relações ecológicas entre as espécies citadas: i) competição entre os predadores por larvas de S. frugiperda; ii) competição entre os predadores por larvas de A. argillacea; iii) competição intraespecífica entre as ninfas dos predadores; iv) teste de preferência por larvas de S. frugiperda previamente parasitadas, ou não, por C. flavicincta. Modelos estatísticos de diferentes tipos foram ajustados aos dados obtidos. Foram utilizados modelos lineares generalizados para dados discretos univariados (contagens e proporções), modelos de análise de sobrevivência para dados de tempo até ocorrência de um determinado evento, modelos aditivos generalizados e modelos multinomiais ordinais para dados de taxas de mortalidade observadas ao longo do tempo. Para verificar a qualidade do ajuste de modelos lineares generalizados, funções que produzem gráficos meio-normais com envelope de simulação foram implementadas no software estatístico gratuito R. Observou-se que as fêmeas de E. annulipes são mais agressivas e a espécie tem vantagem competitiva sobre P. nigrispinus, podendo atuar como predadora intraguilda. Além disso, os predadores têm a capacidade de discriminar entre larvas de S. frugiperda parasitadas ou não por C. flavicincta, sendo que há evidências de que os machos evitam consumir larvas parasitadas. Já as fêmeas não têm preferência e podem consumir o parasitoide, indiretamente, ao predar uma larva parasitada, sendo que isso pode ser um fator estabilizador do sistema. Adicionalmente, a coexistência entre a praga, os predadores e o parasitoide é mais provável quando as taxas de ataque dos predadores são mais altas e a do parasitoide é mais baixa. / Several studies have verified the relations among the fall armyworm, Spodoptera frugiperda, as well as the cotton leafworm, Alabama argillacea, and potential biological control agents, as they are important pests of several crops. Research with parasitoids and predators of different orders has been developed with this purpose. The ring-legged earwig (Euborellia annulipes) shows great potential, as well as the Neotrpical stink bug (Podisus nigrispinus), as they are natural enemies of these pests. The parasitoid wasp Campoletis flavicincta is also considered a biological control agent of S. frugiperda. Four experiments were set up and conducted to characterize the ecological relations among the described species: i) competition between the predators for S. frugiperda larvae; ii) competition between the predators for A. argillacea larvae; iii) intraspecific competition among the predators\' nymphs; iv) choice tests between S. frugiperda larvae that were previously parasitised by C. flavicincta and larvae that were not. Statistical models of different types were fit to the data. Generalized linear models were used to analyse univariate discrete data (counts and proportions), survival analysis models were used to analyse time-until-event data, generalized additive models and ordered multinomial logistic models were used to analyse mortality rates through time. To assess goodness-of-fit, functions that produce half-normal plots with a simulation envelope were implemented for the open-source software R. It was observed that females of E. annulipes are less aggressive and this species has a competitive advantage over P. nigrispinus, and may act as an intraguild predator. Besides that, the predators are able to distinguish parasitised from non-parasitised S. frugiperda larvae, and there are evidence that show that males tend to avoid feeding on larvae parasitised by C. flavicincta. Females, however, have no prefference and may indirectly feed on the parasitoid when predating a parasitised larva, and this might be a stabilizing factor in this system. In addition, coexistence among the pest, predators and parasitoid is most likely when predation rates are high and parasitism rates are low.

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.

Made available in DSpace on 2011-05-04T12:42:04Z (GMT). No. of bitstreams: 0 Previous issue date: 2010 / A hipertensão arterial é um dos mais importantes fatores de risco para o desenvolvimento das complicações cardiovasculares, cerebrovasculares e renais. Embora seja facilmente detectável, o controle dos níveis tensionais constitui um enorme desafio da saúde pública. O objetivo desta tese foi analisar dados longitudinais de uma coorte de pacientes hipertensos resistentes. Em estudos longitudinais, o principal foco de interesse é na mudança ocorrida ao longo do tempo; seja ela avaliada como tempo até o evento ou como medidas repetidas tomadas durante o período de acompanhamento. O presente trabalho foi organizado em três artigos onde foram apresentadas essas duas abordagens. No primeiro artigo, foi realizada uma Análise de Sobrevida, tendo como desfecho eventos cardiovasculares fatais e não fatais, em mulheres hipertensas da coorte. Foi verificado que para atingir o objetivo de diminuir a morbidade e a mortalidade cardiovascular nessa população, as decisões deveriam ser baseadas no controle da pressão devigília obtida na Monitorização Ambulatorial da Pressão Arterial (MAPA) e não no controle dapressão de consultório. No segundo artigo, foram usadas as medidas da pressão arterial (PA) obtidas na MAPA em sua forma resumida usual (médias de PA 24h, vigília e noturna). Ospacientes hipertensos pseudorresistentes apresentaram trajetória ascendente, indicando a necessidade de acompanhamento desses pacientes a intervalos inferiores a um ano. Além disso, não foi observada redução dos valores do índice de massa corporal e da circunferência da cintura nesses pacientes. O terceiro artigo abordou a evolução temporal dos valores do descenso noturnopressórico nos pacientes da coorte, além de estimar as probabilidades brutas de transição entre as categorias do descenso noturno, em MAPAs sucessivas. Apesar de não ultrapassar o limite de normalidade de 10 por cento, houve uma queda acentuada nos valores percentuais do descenso noturnodos pacientes dippers ao longo do tempo. A probabilidade estimada de permanência no estado dipper foi de 52 por cento, enquanto que no estado non dipper esse valor foi de 46 por cento. Nesses dois artigos foram usados Modelos Aditivos Generalizados Mistos, que incorporam efeitos aleatórios, umavez que a variação intra-paciente foi expressiva. A incorporação de métodos estatísticos mais sofisticados faz jus à qualidade e custo de coleta das informações longitudinais. Com base nesses três artigos, concluiu-se que o uso da MAPA é primordial no acompanhamento de pacientes hipertensos resistentes, pois permite detectar as variações ao longo do tempo na evolução clínica. / Hypertension is one of the most important risk facotors for cardiovascular, cerebrovascular and renal diseases. While it is easy to detect, blood pressure control is a major public health challenger. The objective of this thesis was to examine longitudinal data fron a cohort of resistant hypetensive patients. In longitudinal studies, the main focus of interest is on changes over time, either evalueated as time-to -event or as repeated measures taken durin the foloow-up. this thesis was organized in tree articles which presented these two approaches. In the fist article, in the suvival approach, we modeled the time free of fatal and nonfatal cardiovasculr event, in hypertensive women of the cohort. It was found that to achieve the goal of decreasing cardiovasculr morbidity and mortality in this population, decisions should be based on the control of daytime Ambulatory Blood Pressure (ABP) and not on the control of office blood pressure. In the second article, it was used blood pressure (BP) measurementes from ABPM in its usual summary form (mean 24h, daytime ande nighttime). Pseudoresistant hypetensive patients showed an upward trend, indicating th need to monitor them more than once a year. Moreover, there was no reduction in body mass index and waist circunference values in these patientes. the third paper dealt with the evolution of nocturnal blood pressure values in these cohort patients, as well as estimated the crude probabilities of trnsitions between the nocturnal dip categories in sucessive ABPM. Although the limit of normality of 10% was not excessd, a sharp drop in nocturnal dip values was observed on dippers patients oves time. the maindtenance probbiliy in dippes status was estimted in 52% whereas in non dipper status figured in 46%. In these two articles generalized additive mixed models that incorporte random effects were used, since the intr-patient vrition was significant. the incorpotation of moro sophisticated statistical methods is justified by the quality and cost of longitudinal informations. Based on these three articles, it was conclued tht the use of ABPM is essentil in monitoring patients with resistant hypertension, since it allows to detect chnges over time in the clinical outcome.

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.

Diversos estudos têm sido feitos para verificar quais as relações entre a lagarta do cartucho-do-milho, Spodoptera frugiperda, bem como o curuquerê-do-algodoeiro, Alabama argillacea, e potenciais agentes de controle biológico, visto que são importantes pragas de diversas culturas. Pesquisas com parasitoides e predadores de diferentes ordens têm sido desenvolvidas, com esse propósito. A tesourinha Euborellia annulipes apresenta grande potencial, assim como o pentatomídeo Podisus nigrispinus, por serem inimigos naturais desses insetos-praga. O parasitoide Campoletis flavicincta é, também, considerado um potencial agente controlador de S. frugiperda, no campo. Quatro experimentos foram instalados e conduzidos para estudar as relações ecológicas entre as espécies citadas: i) competição entre os predadores por larvas de S. frugiperda; ii) competição entre os predadores por larvas de A. argillacea; iii) competição intraespecífica entre as ninfas dos predadores; iv) teste de preferência por larvas de S. frugiperda previamente parasitadas, ou não, por C. flavicincta. Modelos estatísticos de diferentes tipos foram ajustados aos dados obtidos. Foram utilizados modelos lineares generalizados para dados discretos univariados (contagens e proporções), modelos de análise de sobrevivência para dados de tempo até ocorrência de um determinado evento, modelos aditivos generalizados e modelos multinomiais ordinais para dados de taxas de mortalidade observadas ao longo do tempo. Para verificar a qualidade do ajuste de modelos lineares generalizados, funções que produzem gráficos meio-normais com envelope de simulação foram implementadas no software estatístico gratuito R. Observou-se que as fêmeas de E. annulipes são mais agressivas e a espécie tem vantagem competitiva sobre P. nigrispinus, podendo atuar como predadora intraguilda. Além disso, os predadores têm a capacidade de discriminar entre larvas de S. frugiperda parasitadas ou não por C. flavicincta, sendo que há evidências de que os machos evitam consumir larvas parasitadas. Já as fêmeas não têm preferência e podem consumir o parasitoide, indiretamente, ao predar uma larva parasitada, sendo que isso pode ser um fator estabilizador do sistema. Adicionalmente, a coexistência entre a praga, os predadores e o parasitoide é mais provável quando as taxas de ataque dos predadores são mais altas e a do parasitoide é mais baixa. / Several studies have verified the relations among the fall armyworm, Spodoptera frugiperda, as well as the cotton leafworm, Alabama argillacea, and potential biological control agents, as they are important pests of several crops. Research with parasitoids and predators of different orders has been developed with this purpose. The ring-legged earwig (Euborellia annulipes) shows great potential, as well as the Neotrpical stink bug (Podisus nigrispinus), as they are natural enemies of these pests. The parasitoid wasp Campoletis flavicincta is also considered a biological control agent of S. frugiperda. Four experiments were set up and conducted to characterize the ecological relations among the described species: i) competition between the predators for S. frugiperda larvae; ii) competition between the predators for A. argillacea larvae; iii) intraspecific competition among the predators\' nymphs; iv) choice tests between S. frugiperda larvae that were previously parasitised by C. flavicincta and larvae that were not. Statistical models of different types were fit to the data. Generalized linear models were used to analyse univariate discrete data (counts and proportions), survival analysis models were used to analyse time-until-event data, generalized additive models and ordered multinomial logistic models were used to analyse mortality rates through time. To assess goodness-of-fit, functions that produce half-normal plots with a simulation envelope were implemented for the open-source software R. It was observed that females of E. annulipes are less aggressive and this species has a competitive advantage over P. nigrispinus, and may act as an intraguild predator. Besides that, the predators are able to distinguish parasitised from non-parasitised S. frugiperda larvae, and there are evidence that show that males tend to avoid feeding on larvae parasitised by C. flavicincta. Females, however, have no prefference and may indirectly feed on the parasitoid when predating a parasitised larva, and this might be a stabilizing factor in this system. In addition, coexistence among the pest, predators and parasitoid is most likely when predation rates are high and parasitism rates are low.

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources