REDE NEURAL GRU MULTIVARIADO E MODELAGEM TEMPORAL APLICADOS À ANÁLISE DE RISCO GESTACIONAL EM SÃO PAULO, BRASIL

Apresentação/Introdução O baixo peso ao nascer (BPN), definido como peso inferior a 2.500 gramas, representa um importante marcador de saúde pública por estar fortemente associado à mortalidade neonatal, infantil e ao risco de doenças futuras. A etiologia do BPN pode envolver tanto a prematuridade quanto a restrição de crescimento intrauterino, sendo influenciada por fatores fisiológicos e ambientais ao longo da gestação. Objetivos Objetiva-se identificar janelas temporais críticas em que as exposições ambientais exercem maior impacto sobre os desfechos neonatais entre os anos 2011-2022 Metodologia Foi implementado um modelo de rede neural recorrente. A avaliação foi feita no conjunto de teste, com métricas RMSE, MAE e MAPE. A análise de resíduos (Shapiro-Wilk), autocorrelação (ACF) e teste de Ljung-Box. A série foi decomposta pelo método aditivo com frequência trimestral, gerando: valores observados, tendência de longo prazo, variação sazonal recorrente e resíduos aleatórios. Foi ajustado um modelo aditivo generalizado (GAM) linear com termos suavizados para capturar relações não lineares entre variáveis ambientais e a taxa de baixo peso ao nascer e foi avaliado por R², P-value RMSE e MAE. Resultados O modelo GRU reproduziu bem o nível médio da taxa de baixo peso ao nascer, com RMSE de 0,0067, MAE de 0,0057 e MAPE de 5,65% mas indicou limitações em identificar variações estruturais e cíclicas em séries trimestrais. A decomposição da série revelou uma tendência estável até 2019, com elevação após 2020, forte padrão sazonal e resíduos aleatórios. A análise inferencial indicou associação não linear entre poluentes atmosféricos (PM₂.₅, HCL, CO, CH₄) e o desfecho, além de efeitos da variável climática (fotoperíodo), sugerindo influência real das exposições ambientais sobre a taxa de baixo peso ao nascer. Conclusões/Considerações Conclui-se que a taxa de baixo peso ao nascer no estado de São Paulo manteve-se estável até 2019, com aumento após 2020 e forte sazonalidade trimestral. A GRU teve bom desempenho médio, mas subestimou picos e sazonalidade, melhor captados pela decomposição. A análise inferencial revelou efeitos significativos e não-lineares de PM₂.₅, HCL, CO, CH₄, destacando a influência das exposições ambientais nos riscos gestacionais.