GeoSchisto: Geoprocessamento e Esquistossomose

Transcrição

1 GeoSchisto: Geoprocessamento e Esquistossomose Ricardo J.P.S. Guimarães ricardojpsg@gmail.com Corina C. Freitas (INPE) - Luciano V. Dutra (INPE) - Omar S. Carvalho (CPqRR) Sandra C. Drummond (SESMG) Ronaldo S. Amaral (MS)

2 O presente trabalho é parte dos resultados oriundos da cooperação institucional entre o Centro de Pesquisas René Rachou (CPqRR-Fiocruz), o Instituto Nacional de Pesquisas Espaciais (INPE), a Universidade Federal de Minas Gerais (UFMG), a Secretaria de Vigilância em Saúde/Ministério da Saúde (SVS/MS) e a Secretaria de Estado de Saúde de Minas Gerais (SES/MG). Esta colaboração foi com suporte do CNPq e da FAPEMIG nos projetos: 1. Desenvolvimento de um sistema de informações para o estudo, planejamento e controle da esquistossomose no Estado de Minas Gerais (processo: 1775/03) e 2. Desenvolvimento de metodologias e ferramentas de geoprocessamento na análise espacial e distribuição da esquistossomose no Estado de Minas Gerais (processo: 893/05). 2

3 3

4 5

5 Biomphalaria glabrata B. straminea B. tenagophila Carvalho et al

6 Geoprocessamento X Esquistossomose 7

7 Cross et al. (1984) - Filipinas 8

8 África Ásia 9

9 Brasil: PE, BA, MG, SP 10

10 Desenvolver metodologias utilizando ferramentas de geoprocessamento para a caracterização da distribuição espacial da esquistossomose mansoni, visando a construção de cenários representativos de áreas potenciais para a ocorrência da doença usando variáveis obtidas por sensoriamento remoto, meteorológicas, socioeconômicas e ambientais. Objetiva-se também inferir sobre a presença das espécies de Biomphalaria (B. glabrata, B. tenagophila e/ou B. straminea), hospedeiros intermediários do S. mansoni, no Estado de Minas Gerais. 11

11 Área de estudo 12

12 PCE SISLoc (80092/MG) e SISPCE (+6,7 milhões) 13

13 - Índice de Positividade (localidades) - Prevalência (municípios) casos positivos Pv ( ou) Ip *100 população estudada 14

14 - Distribuição espacial dos caramujos Biomphalaria. 15

15 Etapas do trabalho de campo 16

16 17

17 18

18 Mobilização da população 19

19 - Montagem do laboratório - Transporte dos equipamentos 20

20 - Recepção das amostras - Entrega do material - Coleta das amostras 21

21 Exames parasitológicos: - Kato-Katz - Gradiente Salínico 22

22 Armazenamento: - Amostras - Lâminas 23

23 Armazenamento: - Caramujos 24

24 Ensinando a população Tratamento da população 25

25 Coleta de dados 26

26 Visualização dos dados 27

27 Dificuldades 28

28 29

29 30

30 - Variáveis meteorológicas (CPTEC) - Variáveis socioeconômicas - Variáveis ambientais - Variáveis de sensoriamento remoto 31

31 - Variáveis meteorológicas - Variáveis socioeconômicas (SNIU IBGE) - Variáveis ambientais - Variáveis de sensoriamento remoto 32

32 - Variáveis meteorológicas - Variáveis socioeconômicas - Variáveis ambientais (CPRM, IBGE,...) Geologia - Variáveis de sensoriamento remoto 33

33 - Variáveis meteorológicas - Variáveis socioeconômicas - Variáveis ambientais - Variáveis de sensoriamento remoto (NASA) 34

34 35

35 36

36 37

37 Nova Tiúma São Lourenço da Mata PE 38

38 A estimativa kernel é uma técnica estatística, de interpolação, não paramétrica, que produz uma superfície contínua (aglomerado) de densidade calculada em todas as localizações, para a identificação visual de áreas quentes (hotspot), sem alterar as suas características locais 39

39 0 dias 180 dias 360dias 40

40 41

41 42

42 43

43 pontos 44

44 45

45

46 Mapa da distribuição das esp. Estimadas Mapa de incerteza 47

47 Distribuição espacial dos caramujos Bacia Rio São Francisco Distribuição espacial dos caramujos Bacia Rio Paraíba do Sul SESMG - 6 municípios SESMG-JF/UFJF- 8 mun 48

48 Como a krigeagem é muito afetada pela quantidade e pela distribuição espacial dos dados de entrada, isto pode explicar as diferenças encontradas nas duas bacias. - Bacia do Rio São Francisco, distribuição, cerca de 50% municípios, acerto de 100%; - Bacia do Rio Paraíba do Sul, distribuição, cerca de 32% municípios, acerto de 67%; Bacia do Rio São Francisco apresenta uma média geral de incerteza de 0,232 e Bacia do Rio Paraíba do Sul com média geral de incerteza de 0,332 (43,1%). Os resultados obtidos mostram que o mapa de risco obtido da krigagem pode ser usado como uma ferramenta auxiliar para a formulação adequada de estratégias de saúde pública e orientar o trabalho de campo, considerando os locais com maior probabilidade de ocorrência das espécies de Biomphalaria. 49

49 50

50 51

51 Uso do algoritmo Skater do software TerraView 3.1.3; Divisão do Estado de Minas Gerais em quatro regiões; Utilização dos polígonos que representam a divisão política dos municípios de Minas Gerais, juntamente com oito variáveis selecionadas por demonstrarem maior relação com a transmissão da doença; As variáveis utilizadas para fazer a regionalização foram: mapa de geologia (áreas calcárias), índice hidrológico (porcentagem de água no município - obtido do Mapa de Drenagem), espécies de Biomphalaria, índice de necessidade de saúde (INS), modelo digital de elevação (MDE), vegetação (modelo de mistura), precipitação acumulada e média da temperatura. 52

52 Mapa de Regionalização 53

53 54

54 55

55 56

56 57

57 58

58 1 2 59

59 Log 60

60 61

61 Modelo 1 (global-município) - foram utilizadas 51 variáveis; Modelo 2 (regional-município) - foram utilizadas 51 variáveis; Modelo 3 (global-localidade) - foram utilizadas 93 variáveis; Modelo 4 (regional-localidade) - foram utilizadas 93 variáveis. 62

64 65

65 ( 7,18 0,49BG 0,36TN 5,83 0,01 ) ˆ v EVI i WP 1 Pv e R 2 = 0,39 Presença ou ausência de B. glabrata (BG), temperatura mínima do verão (TN v ), índice de vegetação do inverno (EVI i ) e porcentagem de casas com água de poço ou nascente (WP). 66

66 (0,92 0,28WN 0,29 E) ˆ R 0,97 Pv e e (0,86 0,12PC 8,3 * 0,22 * ) ˆ i BG NDVI i BG QTA R 0,60 Pv (12,1 0,002MDE 0,68TN 0,82 2,61 ) ˆ v TXv INS R 0,63 Pv e ( 3,93 0,004 MDE 6,45 IDHE ˆ 00 0,07 C ) 1 R 2 0,76 Pv 4 e 67

67 Ip e ( 7,34 0,51BG 0,004PC 0,37TN 0,0003EVI 0,004 V ) v v i R 2 = 0,18 Presença ou ausência de B. glabrata (BG), precipitação do verão (PC v ), temperatura mínima do verão (TN v ), índice de vegetação do inverno (EVI i ) e domicílios com banheiro ou sanitário ligado via fossa séptica (V 31 )

68 (14,04 0,05PCi 0,01V 25 1,15 Tv) 2 Ip1 1 R 0,35 e ( 11,63 0,68BG 0,59TNv 0,0004 EVI i 0,03V 25 0,005 V261 ) 2 Ip2 1 R 0, 21 e (0,16 0,39BG 0,0002 NDVI v 0,015V 33 0,002 V283 ) 2 Ip3 1 R 0,38 e ( 3,54 0,0001EVI v 0,006 PCv 0,16TN v 0,27QTA 0,0006V 254 0,003 V272 ) 2 Ip4 1 R 0,22 e 69

69 Regional município Regional localidade Global município Global localidade Resumo resultados dos modelos Modelo n RMSE RMSE a n MSPR MSPR a Modelo n RMSE RMSE n MSPR MSPR M1 - R 1 8 4, ,272 M3 - R , ,421 M1 - R , ,899 M3 - R , ,741 M1 - R , ,968 M3 - R , ,048 M1 - R , ,743 M3 - R , ,282 M , ,478 M , ,145 M2 - R 1 8 0, ,301 M4 - R , ,376 M2 - R , ,780 M4 - R , ,577 M2 - R , ,110 M4 - R , ,538 M2 - R , ,744 M4 - R , ,291 M , ,463 M , ,848 RMSE (Erro Médio Quadrático), MSPR (Erro Médio Quadrático da Predição). 70

70 Regional município Regional localidade Global município Global localidade Resumo resultados dos modelos Modelo n RMSE RMSE a n MSPR MSPR a Modelo n RMSE RMSE n MSPR MSPR M1 - R 1 8 4, ,272 M3 - R , ,421 M1 - R , ,899 M3 - R , ,741 M1 - R , ,968 M3 - R , ,048 M1 - R , ,743 M3 - R , ,282 M , ,478 M , ,145 M2 - R 1 8 0, ,301 M4 - R , ,376 M2 - R , ,780 M4 - R , ,577 M2 - R , ,110 M4 - R , ,538 M2 - R , ,744 M4 - R , ,291 M , ,463 M , ,848 RMSE (Erro Médio Quadrático), MSPR (Erro Médio Quadrático da Predição). 71

71 A prevalência da esquistossomose foi estimada tanto a nível global como regional, mostrando que a presença de B. glabrata, saneamento básico, índice de vegetação e temperatura são as variáveis mais importantes, estando presente em ambos os níveis. Resultado semelhante foi obtido por Bavia et al. (2001). Resultados dos modelos de regressão mostram que a regionalização melhora a estimativa da doença em MG. O modelo global apresentou R 2 = 0,39 e regional R 2 entre 0,60 e 0,97. Resultado semelhante foi obtido por Martins-Bede et al. (2009). O melhor modelo validado pelo MSPR foi o modelo 2 (Regional por município). A utilização das variáveis ambientais melhora o modelo quando comparados com as variáveis socioeconômicas com R 2 = 0,32 (Freitas et al. 2006) e variáveis derivadas de sensores remotos com R 2 = 0,36 (Guimarães et al. 2006). Outro fato importante é que as variáveis selecionadas nos modelos por município apresentam concordância com as variáveis apresentadas nos modelos por localidades. 72

72 73

73 Regional município Modelo 2 RMSE Pv media % erro IM - dados de prevalência R 1 0,843 7,768 10,852 R 2 4,732 10,706 44,201 R 3 4,444 14,089 31,538 R 4 3,883 16,682 23,276 M2 4,327 12,794 33,824 - Aglomerados 1 e 2 são os mesmos apresentados no kernel situados, respectivamente, nas mesorregiões Norte de Minas e Vale do Jequitinhonha, Mucuri e Rio Doce; IM - dados do modelo M2 - Aglomerados 3 e 4 situados, respectivamente, nas mesorregiões Metropolitana de Belo Horizonte e Sul/Sudoeste de Minas 74

74 O interpolador de médias é uma técnica que pode indicar possíveis locais de transmissão da esquistossomose e essa técnica mostrou que, além da região endêmica que foi estimada pelo melhor modelo de regressão obtido, a mesorregião Sul/Sudeste representa uma possível área de risco de transmissão da esquistossomose tanto pelo B. glabrata como pelo B. tenagophila. 75

75 1. Os resultados obtidos demonstram que o SIG é uma ferramenta útil no controle e estudo da esquistossomose. Além disso, a utilização conjunta do SIG e técnicas estatísticas permitiram estimar a distribuição das espécies de Biomphalaria e a prevalência/índice de positividade da esquistossomose. 2. A estimativa por localidade não apresentou uma melhora nos modelos como era esperado. Isso pode ter sido ocasionado pela utilização de imagens de baixa resolução (MODIS m); falta de coordenadas dos locais de captura/estudo malacológico; pela utilização de variáveis socioeconômicas dos setores censitários, que muitas vezes apresentaram várias localidades em um mesmo setor; e também, por causa da não homogeneidade das datas (anos) quando foram realizados os exames parasitológicos nas localidades utilizadas nesse trabalho com o período das variáveis depositadas no Banco de Dados do GeoSchisto. 76

76 MALARIA CHAGAS PESTE LEISHMANIOSE SISLOC ESQUISTOSSOMOSE FILARIOSE FEBRE AMARELA E DENGUE ONCOCERCOSE 77

77 Recomenda-se usar a metodologia desta Tese em alguns municípios (pequenas áreas) utilizando variáveis do mesmo período dos exames parasitológicos, bem como, a utilização de imagens de alta resolução e dados georreferenciados de bionfalárias. Recomenda-se utilizar as imagens MODIS ou de outro sensor como o CBERS de datas e locais diferentes para verificar se existe também uma alta correlação entre as imagens-fração e os índices de vegetação e a esquistossomose. Condicionados à existência de fundos adequados, um levantamento malacológico é recomendado para melhor avaliação da metodologia. Também, é recomendado o uso de GPS em todos os trabalhos de campo a serem realizados pelo PCE. 78

78 - CNPq (300927/92-4; /03-8; /04-9; /10-7, /11-4); - Fapemig (EDP 1775/03; CRA 0070/04); - NIH-Fogarty (5D43TW007012); - Secretaria de Estado de Saúde de MG, SVS/MS, INPE, UFJF, UFMG e CPqRR. 79

79 FIM