ENSP promove curso sobre modelagem espacial e espaço-temporal em R com foco em doenças infecciosas
Atualizado em 02/06/2025
Alunos externos à ENSP devem preencher o formulário de inscrição (Anexo I do edital) e enviá-lo assinado, em formato PDF e nomeado com o nome do candidato, para o e-mail: pseletivoss.ensp@gmail.com. Os participantes devem ter familiaridade com a linguagem R e conhecimento básico em inferência estatística, seja bayesiana ou frequentista, aplicada a modelos com efeitos aleatórios. A experiência prévia com pacotes como mgcv, glmmTMB, INLA, brms ou lme4 é recomendada.
As aulas serão de 8 a 11 de julho e no dia 14 de julho, das 9h às 16h, com as manhãs dedicadas à teoria e as tardes a sessões práticas. Com carga horária de 30 horas (2 créditos), o curso será oferecido em formato híbrido, com atividades presenciais e transmissão simultânea via Zoom, com legendas automáticas. O idioma principal será inglês, mas os slides estarão em português. A coordenação do curso é dos pesquisadores Marilia Sá Carvalho, do Programa de Computação Científica (PROCC/Fiocruz) e do PPG em Epidemiologia em Saúde Pública da ENSP, e Patrick Brown, da Universidade de Toronto.
Conteúdo voltado para aplicações práticas
A ementa contempla desde fundamentos como estatística descritiva e visualização de dados espaciais no R, até tópicos avançados como modelos geoestatísticos, modelos espaço-temporais e inferência bayesiana. Durante o curso, os participantes utilizarão pacotes estatísticos como diseasemapping, geostatsp, INLA, brms, entre outros, para ajustar modelos e gerar representações visuais de resultados.
Na segunda semana, os alunos desenvolverão um projeto aplicado, com tema de livre escolha, no formato de artigo científico. A avaliação final será baseada nesse trabalho, que poderá ser realizado em duplas.
Professor convidado
Patrick Brown é um estatístico canadense e professor associado na Universidade de Toronto, com atuação também no Centro de Pesquisa em Saúde Global do St. Michael’s Hospital. Sua pesquisa se concentra em métodos estatísticos para dados espaciais e espaço-temporais, com aplicações em epidemiologia, saúde pública e meio ambiente. Brown é conhecido pelo desenvolvimento de modelos bayesianos e por criar pacotes amplamente utilizados em R, como geostatsp e diseasemapping. Seu trabalho tem contribuído para o mapeamento de doenças, análise de mortalidade e estudos sobre riscos ambientais, sendo reconhecido tanto pela excelência acadêmica quanto pelo compromisso com o ensino.