Uma análise puramente espacial para os casos de acidentes por animais peçonhentos no Estado do Amazonas e 2010

Transcrição

1 Uma análise puramente espacial para os casos de acidentes por animais peçonhentos no Estado do Amaonas e 2010 Gabriela Barbosa de Amorim ¹ Wanessa Chaves Guedes ² Geraldo Lopes de Soua Junior ³ Introdução Com o interesse de estudar os padrões geográficos de incidência ou mortalidade de doenças identificando áreas de maiores ou menores riscos os pesquisadores da área de saúde têm o suporte da estatística. Quando a doença de interesse é rara e/ou as áreas geográficas são pequenas a contagem de casos tende a ser baixa e a variação amostral associada alta. Logo o mapeamento das raões de incidência ou mortalidade destas doenças não é confiável devido à heterogeneidade do tamanho populacional. Os métodos clássicos utiliam taxas que são dadas pala raão entre o número de casos observados e o número de casos esperados. Sendo assim é requerido o desenvolvimento de métodos estatísticos mais sensíveis para a análise e interpretação de dados espacialmente referenciados. Neste sentido a estatística tra o estudo de aglomerados de eventos ou casos espacialmente distribuídos (conglomerados ou clusters espaciais) que têm recebido bastante atenção na literatura. Fase necessário saber que uma ve detectado o conglomerado de casos pode dar-se início a estudos mais sofisticados na tentativa de encontrar o meio causador destes casos. Lawson et al. (1999) apresenta vários casos onde a detecção do conglomerado de doenças foi um passo importante no estabelecimento de sua etiologia até então desconhecida. Hoje a literatura apresenta vários métodos de detecção de conglomerados. Contudo vale ressaltar que alguns destes métodos se mostram estatisticamente inapropriados. Os métodos mais comuns e usuais partem do pressuposto que existe um mapa dividido em regiões e que para cada uma dessas regiões é conhecida a população em risco e o número de casos observados. Estes métodos ou testes utiliando janelas móveis que superpõe à região em estudo faem a contagem do número de casos das regiões cujos centróides caem dentro da cada ona. Estes tipos de testes alteram o tamanho dessa ona e avaliam a significância estatística do conjunto de casos que caem dentro dela. Este procedimento permite que seja determinada a melhor ona que vai conter as regiões de riscos significativamente distintos mais elevados ou menos elevados dentro do mapa de forma estatisticamente significativa. Para efeitos ilustrativos quando o interesse é avaliar espacialmente o comportamento de determinada doença em um estado como é o caso deste trabalho cada município do mapa pode ser entendido como uma área e cada observação de um acidente por animais peçonhentos em um indivíduo desta população podem ser entendidas como um caso. O objetivo deste trabalho é faer uma avaliação espacial de casos de acidente por animais peçonhentos para o Estado do Amaonas nos anos de 2009 e Usaremos dados da Fundação de Vigilância em Saúde FVS-AM E-SIGA Instituto Nacional de Pesquisas espaciais - INPE e do IBGE. Será apresentado um resumo sobre o que são os acidentes por animais peçonhentos e o método de detecção de conglomerado Scan Circular. Palavras chave Estatística espacial acidentes por animais peçonhentos SatScan. Acidente por animais peçonhentos Estão basicamente divididos em ACIDENTES POR SERPENTES ESCORPIÔNICOS ARACNEÍSMO ICTISMO HIMENOPTERISMO e ERUCISMO. Neste trabalho vamos dar atenção apenas aos três primeiros. Os acidentes por serpentes são os mais observados na Região Amaônica. A identificação da serpente causadora do acidente ofídico pode ser muito importante para orientar a conduta médica e a prescrição do soro mais conveniente. Se a serpente traida pelo acidentado tiver um orifício entre os olhos e a fossa nasal a denominada fosseta loreal trata-se de uma serpente peçonhenta. Se a serpente tiver padrão de colorido em anéis transversais pretos vermelhos e/ou brancos pode tratar-se de uma coral peçonhenta do gênero Micrurus (elapídeo) com várias espécies (quatro em Manaus) mas raramente causando acidente ofídico na Região Amaônica. Se a serpente traida pelo acidentado não apresentar padrão de colorido em faixas transversais pretas vermelhas e/ou brancas nem tiver fosseta loreal 1 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM 2 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM

2 trata-se de animal não perigoso para o homem em termos de peçonha. Os ACIDENTES ESCORPIÔNICOS provem de escorpiões que são animais de terra firme com preferência por ambientes quentes e áridos onde podemos encontrar grande diversidade de espécies. Alimentam-se de pequenos insetos e aranhas. Em cativeiro podem atacar outros escorpiões. Vivem sob pedras madeiras troncos em decomposição. Alguns se enterram no solo úmido da mata ou areia. Podem viver no peridomicílio ocultados por entulhos. No Amaonas os acidentes são causados principalmente por: T. silvestris T. cambridgei T. metuendus. Acidentes graves apresentam alta letalidade principalmente em crianças menores de sete anos e idosos acima de 60 anos. Nesses casos é fundamental a precocidade do atendimento e rápida instituição da terapêutica com o soro anti-escorpiônico. O veneno tem ação neurotóxica e os casos mais graves podem evoluir com choque neurogênico. Os pacientes queixam-se de dor local seguida por parestesia mas podem apresentar náuseas vômitos agitação psicomotora sudorese hipotermia hipotensão ou hipertensão arterial e dispnéia. O ARACNEÍSMO é acidentes causados por aranhas. No Brasil cerca de 95% dos acidentes são notificados nas Regiões Sudeste e Sul. O tratamento específico é dispensável na maioria dos casos sendo portanto restrita a sua indicação. As aranhas são animais de hábitos noturnos sendo causas de acidentes no peri e intradomicílio onde co-habitam com o homem. Os principais gêneros são: Phoneutria (aranha armadeira) Loxosceles (aranha marrom) Latrodectus (viúva-negra) e Lycosa (tarântula). Merece destaque o gênero Loxosceles que é uma aranha pequena doméstica sedentária e mansa agredindo apenas quando é espremida contra o corpo. Causam acidentes graves com aspecto necrosante devido à ação proteolítica do veneno. A lesão é evidenciada até 36 horas após a picada. Forma-se uma placa infiltrada edematosa com áreas isquêmicas entremeadas de áreas hemorrágicas. Pode evoluir para necrose seca e úlcera de difícil cicatriação. Métodos de detecção de conglomerados de doenças O primeiro passo na avaliação da distribuição geográfica de uma doença é sua representação em um mapa (Figura 1). Esses mapas de doenças são utiliados para a descrição da distribuição geográfica da doença e para a identificação de áreas de alto ou baixo risco. O interesse público e científico por esse tipo de estudo vem tomando grandes proporções pois esses mapas auxiliam na política de alocação de recursos e na investigação de hipóteses 1 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM 2 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM epidemiológicas e ambientais para a etiologia da doença. Figura 1: Distribuição dos acidentes por animais peçonhentos para o estado do Amaonas em seus 62 municípios nos anos de 2009 e 2010 respectivamente. Um procedimento muito usado consiste em mapear a área em estudo usando o risco relativo. Na realidade são usadas as estimativas de máxima verossimilhança do risco relativo nas áreas em questão considerando que a contagem de casos de doença segue o modelo de Poisson. Formalmente supõe-se que c e ~ Poisson e em que c é a contagem de casos da doença na área e é o número esperado de casos da doença na área é o risco relativo da doença na área = 1... Z. Supondo independência entre as contagens o estimador usual para o risco relativo é dado por: c ˆ e Entretanto quando as regiões de investigação são pequenas e/ou a doença é rara os mapas usando o estimador do risco relativo ˆ podem ser bastante afetados pela variabilidade pois o erro padrão estimado de ˆ é dado por c e. Além disso os ˆ não consideram as estimativas das outras áreas ignorando a presença de uma possível estrutura

3 espacial. A Figura 2 mostra o mapa do risco relativo para os acidentes por animais peçonhentos para o estado do Amaonas em seus 62 municípios no ano de Tentando solucionar esse problema usamos métodos de estatística espacial através do estudo de conglomerados espaciais. Nos últimos anos o estudo para detecção de conglomerados espaciais vem ganhando espaços na literatura e assim vários métodos foram propostos. Um conglomerado é uma área de risco significativamente distinto (elevado ou baixo) porém não explicado. Para esta definição em inglês se usa o termo cluster. Estes conglomerados são ditos puramente espaciais quando a ocorrência dos casos é mais alta em algumas áreas do que em outras. aleatoriedade espacial; tamanho e forma da janela de varredura. Com a estatística de varredura espacial a janela de forma e tamanho variável são movidos sobre a área geográfica em estudo. Cada forma tamanho e localiação definem uma área candidata a ser um conglomerado. Para cada área candidata a verossimilhança é calculada baseada na observação e número esperado de casos dentro e fora dessa área. A área com a máxima verossimilhança define o conglomerado mais provável. A significância estatística deste conglomerado é determinada gerando um grande número de conjunto de dados aleatórios sobre a hipótese nula e então calculando a máxima verossimilhança para cada um destes conjuntos aleatórios de dados exatamente da mesma forma como a calculada para os dados reais. Quando aplicamos a estatística de varredura espacial uma escolha natural para a forma da janela é a circular esta é a forma mais compacta que pode ser obtida. Isto tem sido usado na prática (KULLDORFF 1997). Entretanto ao usar janelas circulares o método apresenta algumas deficiências. É possível identificar um conglomerado maior do que o real se o conglomerado real tiver um formato muito diferente de um círculo. Figura 2: Risco relativo para os acidentes por animais peçonhentos para o estado do Amaonas nos anos de 2009 e 2010 respectivamente. Kulldorff e Nagarwalla (1995) propuseram uma estatística para detectar áreas com elevada taxa de incidência. Baseado na raão de verossimilhança e utiliando uma estatística de varredura multidimensional scan statistic em inglês este método possui três propriedades básicas: geometria da área sendo varrida; a distribuição de probabilidade que gera os casos sob a hipótese de completa 1 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM 2 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM Método de varredura circular de Kulldorff Modelo Poisson Se considerarmos que os dados seguem uma distribuição de Poisson e definindo () como sendo o número esperado de casos na ona sob a hipótese nula é possível mostrar que: c ( ) ( ) c C c ( ) 1 C c se ( c / n ) ( C c ) /( N n ) se ( c / n ) ( C c ) /( N n ) em que ( ) n ( C / N) e ( ) ( N n )( C / N). Neste modelo podem ser incorporados covariáveis tais como os fatores de riscos mencionados anteriormente sexo idade raça nível escolar etc. Assim cada termo da função de verossimilhança será um somatório das subdivisões da covariável em cada área estuda. Por exemplo ao incorporamos a covariável idade estaremos tomando informações do número de casos e população para cada grupo etário separadamente referente a uma única área. A escolha do modelo Bernoulli ou Poisson vai depender dos dados em estudo. Para um número pequeno de casos até 10% da população sob risco os modelos se aproximam um do outro. Por outro lado

4 se temos um estudo caso-controle é preferível usar o modelo Bernoulli e caso exista algum fator de risco é preferível usar o modelo de Poisson. O Software SaTScan O SaTScan é um software desenvolvido por Martin Kulldorff que baseado no teste da Raão de Verossimilhança implementa o ajuste de ambos os modelos (Binomial e Poisson) usando o método de varredura circular. Este software está disponível gratuitamente no site e analisa dados no espaço tempo e interação espaçotempo usando a estatística de varredura multidimensional. Inicialmente o programa escolhe um centróide na área em estudo e calcula as distâncias para os outros centróides ordenando-as de forma crescente em um vetor. Isso é feito para todos os centróides do mapa. Em seguida é novamente escolhido um centróide e então é traçado um círculo em torno deste novo centróide. O raio do círculo vai sendo aumentado e a medida que novos centróides adentram este círculo o número de casos c e a população n são atualiados. Finalmente é calculado o valor de () para cada par ( n c ) usando o modelo de Bernoulli ou de Poisson e registrado o círculo com maior (). Simulações de Monte Carlo são usadas para avaliar a significância do teste através de n repetições do algoritmo utiliando-se casos simulados sob a hipótese nula. Os melhores valores de raão de verossimilhança para os casos observados e o p-valor são calculados de acordo com a sua posição relativa (DWASS 1959). Figura 3: Conglomerados de alto e baixo risco para os acidentes por animais peçonhentos no Amaonas A coluna de mapas da esquerda mostra mapas de conglomerados de baixo risco e a da direita mostra mapas de conglomerados de alto risco. A primeira segunda e terceira linhas de mapas representam conglomerados com 100Km 200km e 300km respectivamente. Resultados Implementamos o SaTScan nesse estudo afim de encontrar os conglomerados estatisticamente significativos caso eles existam. Vamos proceder optando por encontrar conglomerados abrangendo círculos de 100km 200km e 300km de raio. Isso é feito tendo em vista a peculiaridade populacional do estado do Amaonas que é conhecidamente o maior estado da Federação ocupando quase um quinto do território nacional apresentando apenas 62 municípios. Usando dados populacionais fornecidos pelo IBGE e faendo sempre 999 simulações para a avaliação de significância estatística de cada conglomerado apresentaremos em seguida resultados pertinentes ao estudo. Ressaltamos que todos os conglomerados apresentaram p-valor menor que 005. Figura 4: Conglomerados de alto e baixo risco para os acidentes por animais peçonhentos no Amaonas A coluna de mapas da esquerda mostra mapas de conglomerados de baixo risco e a da direita mostra mapas de conglomerados de alto risco. A primeira segunda e terceira linhas de mapas representam conglomerados com 100Km 200km e 300km respectivamente. 1 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM 2 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM

5 Conclusão O município de Manaus capital do estado com habitantes em 2010 possui quase metade da população do Amaonas e aproximadamente 80% do PIB estadual. As figuras de conglomerados mostram que MANAUS é um dos municípios com baixo risco de acidentes por animais peçonhentos no ano de Quando analisamos os conglomerados de baixo risco para os acidentes por animais peçonhentos no ano de 2009 independente do tamanho do raio encontramos os municípios de Manaus Tabatinga e Tonantins e no ano de 2010 foram Itacoatiara Urucurituba e Guajara. De modo geral para conglomerados de alto risco temos os municípios de Rio Preto da Eva Atalaia do Norte Maués e Uarini. No ano de 2009 temos o município de Silves e seu entorno e no ano seguinte o município de São Paulo de Olivença e seu entorno ambos com o raio de 300km. Referências BESAG J. e NEWELL J. (1991) The detection of cluster in rare diaseases. In: Journal of Royal Statistic Society. v DUCZMAL L KULLDORFF M. and HUANG L. (2006) Evalution of spatial scan statistics for irregularly shaped clusters. DWASS M. (1957) Modified randomiation tests for nonparametric hypotheses. In: Ann. Math. Statist v KULLDORFF M. and NAGARWALLA N. (1995) Spatial disease cluster: detection and inference. In: Statistics in Medicine. v. 14 p KULLDORFF M. FEUR E. MILLER B. and FREEDMAN L. (1997) Breast Cancer Cluster in the Northeast United States: A GeographicAnalysis. In: American Journal of Epidemiology v. 146 p Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM 2 Acadêmica de graduação em Estatística pela Universidade Federal do Amaonas - UFAM