Fatores ambientais associados à pneumonia em três cidades do estado de São Paulo Franciele Silva de Barros 1, Marina Piacenti da Silva 2

Transcrição

1 VIICongresso Brasileiro de Biometeorologia,Ambiência, Comportamento e Bem-Estar Animal Responsabilidade Ambiental e Inovação VII Brazilian Congress of Biometeorology,Ambience, Behaviour and Animal Welfare Environmental Responsibility and Innovation Fatores ambientais associados à pneumonia em três cidades do estado de São Paulo Franciele Silva de Barros 1, Marina Piacenti da Silva 2 1 Graduanda em Meteorologia, UNESP, Bauru, SP, Brasil. franciele_barros_@hotmail.com 2 Professora do Departamento de Física, UNESP, Bauru, SP, Brasil. marinapsilva@fc.unesp.br Resumo: A poluição atmosférica em cidades metropolitanas pode prejudicar a saúde da população, como o desencadeamento de doenças respiratórias. O objetivo deste trabalho foi investigar o impacto de diferentes climas nos casos de internação por pneumonia. Os municípios avaliados foram Bauru, Presidente Prudente e São José dos Campos utilizando dados mensais de Autorização de Internação Hospitalar (AIH) por pneumonia e dados mensais de material particulado, temperatura e umidade relativa no período de 2010 a Foram utilizados a Correlação de Pearson e a Análise de Componentes Principais para avaliar as correlações entre as variáveis. Os resultados obtidos através do estudo mostram que o maior número de casos de internações ocorre entre crianças menores que 5 anos e idosos com 60 anos ou mais e observa-se o maior risco de internações devido a presença do PM 10 e temperatura. Contudo o clima e a localização geográfica das cidades implicam no grau de relevância destas variáveis e na dispersão de poluentes. Palavras-chave: Clima, Pneumonia, Poluição Os autores deste trabalho são os únicos responsáveis por seu conteúdo e são os detentores dos direitos autorais e de reprodução. Este trabalho não reflete necessariamente o posicionamento oficial da Sociedade Brasileira de Biometeorologia (SBBiomet). The authors of this paper are solely responsible for its content and are the owners of its copyright. This paper does not necessarily reflect the official position of the Brazilian Society of Biometeorology (SBBiomet). DOI: /m9.figshare VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 1

2 Introdução Nos grandes centros urbanos geralmente há altas concentrações de poluentes na atmosfera devido ao maior tráfico de veículos e a presença de indústrias, que contribuem para a poluição atmosférica causando efeitos adversos à saúde da população (Arbex et al. 2012). O material particulado (PM) normalmente compõe mais da metade das partículas em suspensão na atmosfera e pode ser classificado de acordo com seu tamanho: partículas menores que 10 μm de diâmetro (PM 10), e menores que 2,5 μm (PM 2,5) (Brunekreef e Forsberg 2005). Em geral, estas partículas podem penetrar na parte torácica das vias aéreas provocando diversas doenças que diminuem a função pulmonar como: asma, bronquite, Doença Pulmonar Obstrutiva Crônica (DPOC) e pneumonia (Minelli et al. 2011; Gouveia et al. 2003). De acordo com a Organização Mundial de Saúde (OMS), no continente americano as doenças respiratórias matam mais de 131 mil pessoas em países em desenvolvimento e 96 mil nos países desenvolvidos (OMS 2014). Dentre estas doenças, a pneumonia é uma infecção pulmonar que enche os alvéolos de líquido ou pus, dificultando a respiração, podendo ser causada por vírus, bactérias e fungos ou pela inalação de substâncias tóxicas (Kaliu 2013). Alguns trabalhos relatam que as mudanças drásticas nas condições do tempo e a poluição atmosférica aumentam os riscos de desencadear a doença (OMS 2016). No Brasil, estudos mostram que a ocorrência de internações por pneumonia em grupos de risco como crianças e idosos pode ter associação aos poluentes atmosféricos (Bakonyi et al. 2004). Além disso, a exposição das crianças ao material particulado pode contribuir para o agravamento ou aparecimento de asma com consequente aumento nos casos de internações (Nascimento et al. 2006). A maioria destes estudos abordam esta problemática em grandes centros, porém os resultados podem variar de acordo com o clima de cada região. Desta forma, este estudo tem por objetivo analisar os efeitos do PM 10, temperatura e umidade relativa na saúde da população de três cidades com características climáticas diferentes: Bauru, Presidente Prudente e São José dos Campos. Material e Métodos O presente estudo foi realizado para 3 cidades do interior do estado de São Paulo, ilustradas na Figura 1 Bauru ( habitantes), Presidente Prudente ( habitantes) e São José dos Campos ( habitantes) (IBGE 2010). Nesta pesquisa foram utilizados dados mensais de Autorização de Internação Hospitalar (AIH) por pneumonia do banco de dados do Sistema Único de Saúde (DATASUS), no período de 2010 a Os dados mensais de temperatura, umidade relativa e PM10 foram obtidos através das estações automáticas de cada cidade, do Sistema de Qualidade do ar da Companhia Ambiental do Estado de São Paulo (QUALAR). Para as análises estatísticas foram utilizados os Softwares MiniTab e RStudio. Após a análise descritiva dos dados foi realizado o teste de Correlação de Pearson e a técnica de Análise de Componentes Principais para avaliar a influência do PM 10 e do clima no número de AIH. Figura 1. Mapa do estado de São Paulo com as cidades de estudo destacadas por cores - Bauru (vermelho), Presidente Prudente (laranja) e São José dos Campos (verde) (Wikipédia 2006). Resultados e Discussões A Figura 2 apresenta o número de AIH por pneumonia para as três cidades no período estudado. Os resultados mostram que em Bauru as faixas etárias com maior número de casos de internações são de adultos (15 a 59 anos) e idosos (60 anos ou mais). Em Presidente Prudente e São José dos Campos observa-se que o número de casos é maior para crianças menores de 5 anos e idosos. VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 2

3 Concentração de MP (mg/m 3 ) (a) (b) (c) Figura 2. Número de AIH por pneumonia entre 2010 e 2016 em a) Bauru, b) Presidente Prudente e c) São José dos Campos. A Figura 3 apresenta as médias mensais das variáveis meteorológicas para o período de estudo. Observase que em São José dos Campos a temperatura é menor ao longo do ano e a umidade relativa é maior devido a região estar classificada como clima temperado úmido com inverno seco e verão quente (cwa) (Sampaio et al. 2011). Presidente Prudente e Bauru apresentam temperatura e umidade relativa semelhante por estarem situadas na região de clima temperado úmido com verão quente (cfa) (Sampaio et al. 2011), porém a variação da temperatura média é maior ao longo do ano em Presidente Prudente. Temperatura média Umidade Relativa Temperatura (ºC) 28,0 26,0 24,0 22,0 20,0 18,0 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Umidade Relativa (%) 85,0 75,0 65,0 55,0 45,0 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Bauru Presidente Prudente São José dos Campos Bauru Presidente Prudente São José dos Campos Material Particulado 60,0 40,0 20,0 0,0 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Bauru Presidente Prudente São José dos Campos Figura 3. Média anual de a) Temperatura, b) Umidade Relativa e c) Material Particulado (PM10) no período de 2010 a 2016 para Bauru, Presidente Prudente e São José dos Campos. Observando a Figura 3 também nota-se que há maior concentração de material particulado (PM 10) para a cidade de Bauru por estar localizada em uma região com muitas indústrias. Em São José dos Campos a VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 3

4 concentração é menos elevada e pode estar associada a sua localização no Vale do Paraíba que sofre a atuação de brisas marítima e vale-montanha que contribuem para a dispersão dos poluentes. Presidente Prudente possui menor quantidade de indústrias, obtendo menor concentração de PM 10 na atmosfera. Nos meses de inverno há um aumento na concentração de PM 10, devido ao clima mais seco. O pico de concentração ocorre no mês de agosto, provavelmente por ter menor passagem de frentes frias e com isso a diminuição da dispersão dos poluentes. Entre os meses de agosto e setembro a concentração de PM 10 em Presidente Prudente ultrapassa a concentração em São José dos Campos, possivelmente em decorrência de queimadas que ocorrem na região de Presidente Prudente nesta época do ano. Os coeficientes e significância do teste de correlação de Pearson são apresentados na Tabela I. Embora o número de internações de crianças de 0 a 4 anos em Bauru seja menor que o de adultos, o teste de correlação de Pearson indicou que os casos de AIH para as faixas etárias de 0 a 4 anos e de 60 anos ou mais apresentam correlação negativa significativa com a temperatura e positiva com o PM 10 nesta cidade, indicando que esses grupos sejam mais sensíveis a este poluente. Estes resultados concordam com outros estudos que mostram que a poluição do ar é fator importante para o aumento dos casos de internações por pneumonia, principalmente em grupos de risco (Gouveia et al. 2003). Ainda na Tabela I, observa-se que em todas as cidades a temperatura obteve correlação negativa com o número de AIH e positiva com a concentração de PM 10, concordando com estudos anteriores que indicam estas mesmas correlações para as variáveis meteorológicas (Nascimento et al. 2006; Gonçalves e Coelho 2010). A significância estatística para todas as faixas etárias em São José dos Campos e Presidente Prudente pode estar associada à pouca variação de temperatura que ocorre nestas cidades, por serem consideradas clima com raras temperaturas baixas e precipitação durante o ano em São José dos Campos e um clima com temperaturas mais elevadas em Presidente Prudente. Para as três cidades a correlação entre o número de internações e a temperatura é significativa, exceto em Bauru, que apenas para os grupos de risco há significância. O clima de Bauru é considerado sem grandes variações na temperatura como as outras cidades, porém os sistemas meteorológicos atuantes na região podem não ser persistentes a ponto de interferir na amplitude térmica. O PM 10 apresenta significância estatística para todas as faixas etárias, exceto para crianças de 5 a 14 anos em Bauru e São José dos Campos. O estudo de Nascimento et al. (2006) mostrou que para São José dos Campos também há associação do poluente com o número de internações, e em Presidente Prudente há significância estatística para adultos de 15 a 59 anos e idosos, que pode estar associado ao menor número de indústrias na região. A umidade relativa não apresentou correlação significativa nas internações por pneumonia em nenhuma das 3 cidades, devido a pouca variação durante o ano, já que o clima das localidades estudadas é úmido. Tabela I: Coeficientes de Pearson para correlação entre AIH por pneumonia e condições meteorológicas. Asteriscos indicam correlação forte (***), moderada (**) ou fraca (*). Cidade Bauru Presidente Prudente São José dos Campos Faixa etária (anos) Temperatura ( C) Umidade Relativa (%) PM10 (μg/m³) 0 a 4-0,39 *** 0 0,35** 5 a 14 0,04-0,05 0,06 15 a 59-0,16 0 0,19* 60 ou mais -0,37 *** 0 0,32* 0 a 4-0,44 *** 0,11 0,07 5 a 14-0,38 *** 0,01 0,17 15 a 59-0,35 *** -0,13 0,29* 60 ou mais -0,46 *** -0,09 0,20* 0 a 4-0,66 *** 0,02 0,36*** 5 a 14-0,44 *** 0 0,15 15 a 59-0,45 *** -0,13 0,40*** 60 ou mais -0,57 *** -0,26* 0,41*** Os resultados da Análise de Componentes Principais são apresentados na Figura 4, e observa-se que para Bauru e São José dos Campos o risco de internações por pneumonia em crianças de 0 a 4 anos é maior devido principalmente à presença elevada do PM 10, embora a temperatura também seja importante. Para Presidente Prudente a temperatura tem maior influência que o PM 10, devido ao clima da região. VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 4

5 Figura 4. Risco de Internações por pneumonia de 0 a 4 anos em a) Bauru, b) Presidente Prudente e c)são José dos Campos no período de 2010 a Conclusões Considerando os resultados deste trabalho, pode-se concluir que a temperatura e o material particulado estão entre os principais responsáveis pelas AIH. A relevância de cada fator em específico pode depender do clima da região, bem como os processos de dispersão de poluentes. Referências Arbex MA et al ( 2012 ) A poluição do ar e o sistema respiratório. J Bras Pneumol 38(5): Brunekreef B, Forsberg B (2005) Epidemiological evidence of effects ofcoarse airborne particles on health. Eur Respir J 26: doi: / VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 5

6 Minelli C et al (2011) Interactive Effects of Antioxidant Genes and Air Pollution on Respiratory Function and Airway Disease: A HuGE Review. American Journal of Epidemiology 173(6). doi: /aje/kwq403. Gouveia N et al (2003) Poluição do ar e efeitos na saúde nas populações de duas grandes metropóles brasileiras. Epidemiologia e Serviços de Saúde 12(1): OMS (2014) OMS estima que sete milhões de mortes ocorram por ano devido a contaminação atmosférica. Publicado na Organização Pan-Americana da Saúde. Acessado 14 de Maio de Kaliu I (2013) Pneumonia: especialista esclarece sintomas e formas de prevenção. Fundação Oswaldo Cruz (FIOCRUZ). Acessado 15 de Maio de OMS (2016) Pneumonia. Organisation Mondiale de La Santé. Acessado 15 de Maio de Bakonyi SMC et al (2004) Poluição atmosférica e doenças respiratórias em crianças na cidade de Curitiba, PR. Rev. Saúde Pública 38(5): doi: /s Nascimento LFC et al (2006) Efeitos da poluição atmosférica na saúde infantil em São José dos Campos, SP. Revista Saúde Pública 40(1): IBGE (2010) Instituto Brasileiro de Geografia e Estatística (IBGE). Ministério do Planejamento e Coordenação Geral. Departamento de Censos. /panorama. Acessado 16 de Maio de Acessado 16 de Maio de Acessado 16 de Maio de WIKIPÉDIA: a enciclopédia livre (2006) Lista de microrregiões de São Paulo. _MesoMicroMunicip.svg. Acessado 26 de Junho de Sampaio MS et al (2011) Uso de Sistema de Informação Geográfica para comparar a classificação climática de Koppen-Geiger e de Thornthwaite. Anais XV Simpósio Brasileiro de Sensoriamento Remoto SBSR INPE p Gonçalves FLT, Coelho MSZS (2010) Variação da morbidade de doenças respiratórias em função da variação da temperatura entre os meses de abril e maio em São Paulo. Ciência e Natura, UFSM 32(1): VII Brazilian Congress of Biometeorology, Ambience, Behaviour and Animal Welfare 6