A sífilis é uma infecção causada pelo Treponema pallidum de transmissão sexual, sanguínea e vertical. Apesar de ser de fácil diagnóstico e tratamento, sua incidência vem aumentando no Brasil nos últimos anos, sendo considerado um problema de saúde pública no país e no mundo. Este trabalho buscou a conhecer a ocorrência de resultados positivos de VDRL (Venereal Disease Research Laboratory) entre o período de 2014 a 2016 na população atendida nos serviços de saúde da prefeitura de Juiz de Fora/MG, bem como suas características epidemiológicas. Foram analisados 25.735 resultados de VDRL do banco de dados do Laboratório Central (LACEN) da prefeitura de Juiz de Fora. Os resultados reagentes foram então relacionados com as variáveis ano, gênero, idade, gestantes ou não e região da cidade em que se realizou o exame. A prevalência de resultados positivos foi de 5,55%, com maior número de casos registrados em 2015. Os casos reagentes foram mais prevalentes na região central, nos homens e obteve-se maior predomínio para a faixa etária de 12 a 18 anos. No período de agosto de 2015 a dezembro de 2016, entre as mulheres, foi observada uma maior positividade no teste de VDRL em não gestantes. Os dados obtidos nesse estudo apontaram para aumento da prevalência de sífilis entre 2014 e 2015, seguido de uma queda no ano seguinte, entre a população atendida pelo SUS, sendo os homens jovens a população de maior risco. Tais dados podem contribuir para as políticas de saúde pública de prevenção e tratamento da sífilis.

The Lauraceae is a botanical family known for its anti‐inflammatory potential. However, several species have not yet been studied. Thus, this work aimed to screen the anti‐inflammatory activity of this plant family and to build statistical prediction models. The methodology was based on the statistical analysis of high‐resolution liquid chromatography coupled with mass spectrometry data and the ex vivo anti‐inflammatory activity of plant extracts. The ex vivo results demonstrated significant anti‐inflammatory activity for several of these plants for the first time. The sample data were applied to build anti‐inflammatory activity prediction models, including the partial least square acquired, artificial neural network, and stochastic gradient descent, which showed adequate fitting and predictive performance. Key anti‐inflammatory markers, such as aporphine and benzylisoquinoline alkaloids were annotated with confidence level 2. Additionally, the validated prediction models proved to be useful for predicting active extracts using metabolomics data and studying their most bioactive metabolites.