Uso de modelos bayesianos de volatilidade estocástica no estudo temporal dos registros de doações de sangue. / Using Bayesian stochastic volatility models in a temporal study of the records of blood donors.
Cad. saúde colet., (Rio J.)
; 18(4)out.-dez. 2010.
Article
em Pt
|
LILACS-Express
| LILACS
| ID: lil-593723
Biblioteca responsável:
BR1.1
RESUMO
Na área das finanças, modelos como o ARCH (autoregressive conditional heteroscedaticity), GARCH (general autoregressive conditional heteroscedasticity) e o modelo de volatilidade estocástica (MVE) são amplamente utilizados na análise de séries de tempo. Por outro lado, essas ferramentas são pouco difundidas na área da saúde. No presente estudo, buscamos transportar os conceitos do MVE para a análise dos registros de doações de sangue do Hemocentro de Ribeirão Preto, São Paulo, realizadas no período de julho de 1996 a junho de 2005. Para isso, utilizamos uma modelagem bayesiana baseada em métodos Monte Carlo em cadeia de Markov. Esse modelo é capaz de apontar os períodos de maior alteração do fluxo de doadores de sangue captados na rotina mensal do Hemocentro ao longo dos anos, e os seus resultados são de grande utilidade para o planejamento de campanhas de doação e captação de doadores, quando identificados os períodos mais críticos para os estoques de bolsas de sangue. O MVE evidencia que, nos anos que compõem o período estudado, o número de doações é caracterizado por uma grande diminuição no número de doações em dezembro, um aumento posterior no mês de janeiro e novamente uma queda em fevereiro.
ABSTRACT
In studies from the financial literature, models as ARCH (autoregressive conditional heteroscedaticity), GARCH (general autoregressive conditional heteroscedasticity) and the volatility stochastic model are extensively used in the analysis of time series. However, the application of these tools in the health is inexpressive. In the present study, we aimed to adapt the concepts from the volatility stochastic model to the analysis of the records of blood donors who attend Ribeirão Preto Blood Center, São Paulo, Brazil, between July 1996 and June 2005. For this purpose, we used a Bayesian approach based in Markov chain Monte Carlo (MCMC) methods. This model can identify the periods of time when the flux of blood donations collected in the mensal routine of the Blood Center is subject to the largest variation over the years, and its results are very useful for the planning of donation campaigns and search for blood donors, when the most critical periods of blood supply are identified. The volatility stochastic model shows that in the studied period, there is a large decrease in the number of blood donations in December, a subsequent increase in January, and a new decrease in February.
Buscar no Google
Índice:
LILACS
Idioma:
Pt
Revista:
Cad. saúde colet., (Rio J.)
Assunto da revista:
SAUDE PUBLICA
Ano de publicação:
2010
Tipo de documento:
Article