A detecção de epidemias de sarampo é importante tanto para melhor aproveitamento de recursos de saúde quanto pelo desenvolvimento de um sistema de detecção passível de aplicação a outros sinais epidemiológicos. Este trabalho apresenta um método objetivo para a detecção precoce de epidemias de sarampo baseado na aplicação da fórmula de Bayes para o cálculo da probabilidade de um dado número de casos caracterizar a existência de um surto epidêmico. Em princípio, esta mesma abordagem pode ser adotada em relação a outras doenças epidêmicas que requerem vacinação urgente como é o caso da meningite. O método foi desenvolvido utilizando os dados de ocorrência de sarampo em 150 cidades de maior número de casos no Rio Grande do Sul, no período de 1971 a 1980. Sendo o método aplicado a este mesmo período, seu desempenho foi avaliado pelo levantamento da Curva de Operação Característica (ROC) : em 347 epidemias foi possível detectar 86% corretamente, com 11% de falsos alarmes e com uma antecedência média de 5 semanas em relação ao pico de epidemia. Finalmente, o método foi então testado com os dados de 1981, simulando assim a implementação do sistema: em 57 epidemias foi possível detectar 10% corretamente, com 12% de falsos alarmes e uma antecedência média de 4 semanas em relaçao ao pico epidêmico. Os resultados foram considerados satisfatórios, justificando portanto a sua futura implementação em caráter experimental. A possibilidade de utilização do método mesmo sem recursos computacionais, torna viável sua implementação com um mínimo de recursos financeiros.

This work presents an objective method for the early detection of measles epidemics based on Bayes' Theorem for the computation of the probability of epidemic outbreak associated with the weekly case occurences of measles. In principle the same approach can be adopted for epidemic surveillance of other diseases, mainly those which require emergency vaccination measures such as meningitis. Case-occurences of measles from 150 towns of the state of Rio Gran de do Sul, Brazil, in the period Jan/1971 to Dec/1980 have been used as the data set in which this study was based. A total of 347 epidemics were automatically detected yielding the corresponding probability distributions for the number of cases in epidemic and non-epidemic periods. Using this information to apply Bayes' Theorem, results an estimate of the weekly probability of epidemic outbreak. The performance of this detector was evaluated by comparing the original time series with the outcome of several probability threshold levels leading to the receiver operating characteristic (ROC) curve. For the period 1971-1980, it was possible to detect 86% of the epidemics correctly with only 11% of false alarms and an antecipation of 5 weeks in relation to the peak value. The data for 1981 was used for an unbiased test for themethod: of a total of 57 epidemics it was possible to detect 70% correctly with 12% of false alarms, in average 4 weeks before the peak value. The satisfactory results achieved with this technique warrant its implementation for long-term trial under real conditions. For this purpose it is shown how the method can be utilized without a digital computer, therefore not requiring large investments for its implementation.