A tuberculose continua sendo um problema de saúde publica, apesar dos avanços científicos, da evolução do tratamento e da descoberta de vacina. O presente estudo tem como intuito descrever a distribuição temporal da doença para os casos novos notificados nos municípios com mais de 200.000 habitantes no Estado de São Paulo (centros regionais), no período de janeiro de 2009 a dezembro de 2013, além de identificar algumas covariáveis socioeconômicas, demográficas e de saúde, que podem estar associadas com a doença e utilizar estas variáveis em diferentes modelos estatísticos para serem usados na previsão mensal de novos casos reportados no SINAN (Sistema de Informação de Agravos de Notificação). Alguns modelos estatísticos especiais foram utilizados na análise dos dados: modelos de regressão linear múltipla para os dados agrupados de contagem para todas as cidades ou cidades individuais transformados para uma escala logarítmica ou para as taxas de novos casos de tuberculose para todas as cidades nos 60 meses de acompanhamento e modelos de regressão de Poisson para dados de contagem. As inferências de interesse foram obtidas sob uma abordagem clássica e bayesiana e sob diferentes estruturas para as covariáveis e efeitos aleatórios que capturam a possível dependência das contagens de tuberculose nos 60 meses de acompanhamento. As previsões obtidas pelos modelos são comparadas com os dados reais para a procura de melhores modelos para serem ajustados pelos dados.

Tuberculosis remains a public health problem, despite scientific advances, the development of treatment and vaccine discovery. This study is intended to describe the temporal distribution of the new cases of the disease reported in cities with more than 200,000 inhabitants in the state of São Paulo (regional centers), from January 2009 to December 2013, and to identify some socio-economic, demographic and health covariates that may be associated with the disease and use these variables in different statistical models for use in the monthly forecast of new cases reported in the SINAN (Diseases Information notification System). Some special statistical models were used in the data analysis: multiple linear regression models for the pooled data count for all cities or individual cities transformed to a logarithmic scale or the rates of new cases of tuberculosis for all cities in the 60 months monitoring time and Poisson regression models for count data. Inferences of interest were obtained under a classical and a Bayesian approach and under different structures for covariates and random effects that capture the possible dependence of tuberculosis counts in the 60 months follow-up. The forecasts obtained by the models are compared with the actual data for the search of better models to be fitted by the data.