Análise espacial da Tuberculose no Rio de Janeiro no período de 2005 a 2008 e fatores socioeconômicos associados utilizando microdado e modelos de regressão espaciais globais
Spatial analysis of Tuberculosis in Rio de Janeiro in the period from 2005 to 2008 and associated socioeconomic factors using micro data and global spatial regression models
Ciênc. Saúde Colet. (Impr.); 22 (3), 2017
Publication year: 2017
Resumo Este trabalho analisa o padrão espacial da tuberculose no período de 2005 a 2008 identificando variáveis socioeconômicas relevantes para a ocorrência da doença através de modelos estatísticos espaciais. É um estudo ecológico realizado no Rio de Janeiro com casos novos. Utilizou-se o setor censitário como unidade de análise. Foram calculadas as taxas de incidência e usado o método Bayesiano Empírico Local. Foi constatada a autocorrelação espacial com Índice de Moran e LISA. Usando teste de Spearman, as variáveis com correlação estatisticamente significativas a 5% foram utilizadas nos modelos. No modelo de regressão multivariado clássico as variáveis Proporção de responsável com renda entre 1 e 2 salários-mínimos, Proporção de analfabetos, Proporção de domicílios com pessoas que moram sozinhas e Renda média do responsável se ajustaram melhor. Essas variáveis foram inseridas nos modelos Spatial Lag e Spatial Error e os resultados comparados.
O primeiro apresentou os melhores parâmetros:
R2 = 0,3215, Log da Verossimilhança = -9228, AIC = 18468 e SBC = 18512. Os métodos estatísticos apresentaram-se eficientes na identificação de padrões espaciais e definição de determinantes da doença dando uma visão da heterogeneidade no espaço, possibilitando uma atuação mais direcionada a populações específicas.
Abstract The present study analyses the spatial pattern of tuberculosis (TB) from 2005 to 2008 by identifying relevant socioeconomic variables for the occurrence of the disease through spatial statistical models. This ecological study was performed in Rio de Janeiro using new cases. The census sector was used as the unit of analysis. Incidence rates were calculated, and the Local Empirical Bayesian method was used. The spatial autocorrelation was verified with Moran's Index and local indicators of spatial association (LISA). Using Spearman's test, variables with significant correlation at 5% were used in the models. In the classic multivariate regression model, the variables that fitted better to the model were proportion of head of family with an income between 1 and 2 minimum wages, proportion of illiterate people, proportion of households with people living alone and mean income of the head of family. These variables were inserted in the Spatial Lag and Spatial Error models, and the results were compared.