epidemiologia e epidemiologia espacial l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Epidemiologia e Epidemiologia Espacial PowerPoint Presentation
Download Presentation
Epidemiologia e Epidemiologia Espacial

Loading in 2 Seconds...

play fullscreen
1 / 64

Epidemiologia e Epidemiologia Espacial - PowerPoint PPT Presentation


  • 259 Views
  • Uploaded on

Epidemiologia e Epidemiologia Espacial. Mariana Carballo Bacharela em Estatística - UFRGS Mestre em Epidemiologia – UFRGS CONRE - 8237. Conteúdo. Epidemiologia SIG Epidemiologia Espacial Uma aplicação de Epidemiologia Espacial Epidemiologia Espacial x Estatística Espacial.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Epidemiologia e Epidemiologia Espacial' - oshin


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
epidemiologia e epidemiologia espacial

Epidemiologia e Epidemiologia Espacial

Mariana Carballo

Bacharela em Estatística - UFRGS

Mestre em Epidemiologia – UFRGS

CONRE - 8237

conte do
Conteúdo
  • Epidemiologia
  • SIG
  • Epidemiologia Espacial
  • Uma aplicação de Epidemiologia Espacial
  • Epidemiologia Espacial x Estatística Espacial
hist rico
Histórico
  • Os estudos epidemiológicos iniciaram sendo aplicados em doenças que se apresentavam em forma de epidemias como cólera, peste, febre amarela entre outras;
  • Após foram sendo utilizados em diversos períodos e estágios da doença desde a doenças agudas a doenças infecciosas.
  • Hoje em dia é aplicado a qualquer estudo que investigue eventos de saúde na população.
defini o
Definição
  • A epidemiologia é aplicada para investigar a causa e controlar epidemias de todas as doenças inclusive as não-infecciosas.
  • Segundo Pereira

“ Epidemiologia é o campo da ciência médica preocupado com o inter relacionamento de vários fatores e condições que determinam a freqüência e a distribuição de um processo infeccioso, uma doença ou um estado fisiológico em uma comunidade humana.”

premissas

Grupo 1

Grupo 2

Grupo 1 doente

Grupo 2 sadio

Fatores

População

População

Premissas
  • Agravos à saúde não ocorrem ao acaso na população
  • Distribuição desigual dos agravos a saúde é produto da ação de fatores que se distribuem desigualmente na população
  • Conhecimento dos fatores determinantes das doenças permite aplicação de medidas preventivas
tipos de estudos
Tipos de estudos
  • A partir da observação de algumas pessoas pode-se inferir sobre a epidemiologia da doença
  • Dependendo dos objetivos do pesquisador, será utilizado um método para inferir os resultados da amostra para a população
tipos de estudos8
Tipos de estudos
  • Os métodos (tipos de estudo) podem ser:
  • Descritivos: informam a freqüência e a distribuição de um evento.
  • Analíticos: analisam a associação entre dois eventos
  • Experimentais: apresentam uma intervenção aplicada pelo pesquisador para neutralizar as variáveis extrínsecas
  • Observacionais: situações que ocorrem naturalmente e o pesquisador apenas observa as pessoas ou grupos e compara suas características
estudos descritivos

Incidência ou Prevalência

Probabilidades

Estudos Descritivos
  • Objetivo: descrever um evento
  • Caracteriza-se pela ausência de grupo de comparação
  • População usada só de doentes, só sadios ou uma mistura dos dois grupos
  • Estudos chamados de Estudos de Casos
  • A distribuição de um evento na população é representada em termos quantitativos por Incidências ou Prevalências
estudos anal ticos

Coorte

Exposição (causa)

Doença (efeito)

Caso-Controle

Transversal

Estudos Analíticos
  • Objetivo: avaliar hipóteses que estabelecem uma relação de causa e efeito
  • Há um grupo controle formado simultaneamente com o grupo de estudo e que serve para comparação
  • A avaliação entre a causa e efeito classifica os estudos
estudos anal ticos11
Estudos Analíticos
  • Coorte: inicia-se o estudo pela causa (exposição) para investigar a doença
  • Caso-Controle: avalia-se a doença e de forma retrospectiva se identifica fatores casuais. Há formação de dois grupos desde o início, os doentes e os não doentes
  • Transversal: exposição e doença são analisadas simultaneamente
estudos experimentais
Estudos Experimentais
  • Nesse estudo parte-se da exposição em direção ao efeito.
  • Os participantes são colocados aleatoriamente para formar os grupos homogêneos (controle e o de estudo)
  • A intervenção é aplicada somente a um grupo
an lise dos estudos anal ticos e experimentais

Ensaio Clínico

Coorte

Transversal (razão de prevalência)

Caso-Controle

Análise dos estudos analíticos e experimentais
infer ncias causais
Inferências Causais
  • Resultados mais seguros de se interpretar relações causais advêm de ensaios clínicos (estudos experimentais)
  • Outros métodos pode introduzir confusão
  • É preciso neutralizar e testar sempre que se suspeitar de uma variável de confundimento
estudos ecol gicos
Estudos Ecológicos
  • É um tipo de estudo observacional
  • A unidade de observação passa do indivíduo para o grupo
  • Nesse momento áreas geográficas são usadas como unidades de análise determinando uma área mais específica de análise denominada de Epidemiologia Espacial
slide16

SIG

Sistema de Informação Geográfica

defini o17
Definição
  • Conjunto de equipamentos e programas computacionais que integram mapas e gráficos a uma base de dados em um espaço geográfico
  • Coletam, armazenam, manejam, analisam e visualizam informações georeferenciadas na superfície terrestre representadas numa projeção cartográfica
introdu o
Introdução
  • A distribuição geográfica de eventos relacionados a saúde humana tem uma longa tradição na epidemiologia e o mapeamento de incidências de eventos ou doenças juntamente com outras variáveis tem recebido considerável desenvolvido
  • Objetivo: entender e descrever variações espaciais no risco de um determinado evento de saúde descrevendo seu padrão geográfico ou sua distribuição espacial
funcionamento
Funcionamento
  • Armazenamento de informações num mapa
  • Atribui-se a esse mapa uma coordenada geográfica
  • Com funções analíticas gera duas saídas: uma tabela de dados e um mapa cartográfico
escala
Escala
  • Rasters – pixels de imagens de um satélite usados no sensoriamento remoto
  • Vetores – pontos, linhas ou polígonos baseados na geometria contínua do espaço
introdu o22
Introdução
  • Nesse tipo de estudo a localização espacial do evento é a principal informação a ser investigada
  • Espera-se que pontos próximos se assemelham mais do que os mais afastados
  • Quando a localização de um fenômeno modifica sua distribuição de probabilidade, propiciando que pontos vizinhos apresentem probabilidade semelhante, ocorre um caso especial de um processo estocástico: Processo Estocástico Espacial
slide23

1

Probabilidade semelhantes

  • Qual probabilidade Atribuir ? A do grupo 1 ou a do grupo 2?
  • Quem é mais próximo?

2

  • Na epidemiologia espacial através da avaliação da distribuição geográfica e de informações relativas ao padrão de proximidades, pretende-se descrever e explicar as variações em taxas.
exemplo
Exemplo
  • Estudo histórico sobre a epidemia decólera por John Snow (1849-1854).
  • Nesse estudo a epidemia de cólera foi melhor compreendida depois que relacionou em um mapa o local da residência de óbitos ocasionados pela doença com bombas de abastecimento de água na cidade.
tipos de dados pontos
Tipos de dados - Pontos
  • Localização espacial através do endereço

Questão: Será que a distribuição espacial dos pontos é aleatória?

Figura 1: casos de adolescentes grávidas no ano de 2003 cidade de Porto Alegre

tipos de dados reas
Tipos de dados - áreas
  • bairros, municípios, cidades

Questão: Uma vez controlada a variabilidade, qual a área que apresenta maior prevalência de casos?

Figura 2: Taxa de fecundidade específica por idade de 10 a 19 anos por bairros de POA

tipos de dados cont nuos geostat stica
Tipos de dados – contínuos - Geostatística

A amostra será formada por alguns pontos no espaço

Desejo é inferir sobre toda a região

Figura 3: Peso de folhas em uma plantação de soja na área experimental da agronômica da UFRGS

epidemiologia espacial28
Epidemiologia Espacial

Dividida em:

  • Mapeamento de doenças
  • Estudos de Correlação Geográfica
  • Detecção de Clusters
  • Referências
  • Lawson A.B. Statistical Methods in Spatial Epidemiology
  • Elliot P. Spatial Epidemiology: current approches and future challenges
mapeamento de doen a
Mapeamento de Doença
  • Objetivo: descrever a distribuição geográfica de um evento, controlar áreas de risco elevado, e identificar cuidados espaciais
  • Os modelos estatísticos são usados para gerar mapas livres de perturbações, buscando-se descobrir a verdadeira distribuição espacial
  • Os dados normalmente são apresentados em forma de taxas construídas através de contagem de casos pela população em risco de cada área
  • É preciso definir a população alvo adequadamente
representa o estat stica
Representação estatística
  • Forma mais simples de se representar a distribuição espacial é colocar os pontos num mapa
  • Entretanto o mapa não revela corretamente a variação espacial do risco, pois as variações na densidade populacional não são controladas
  • A melhor representação será quando o efeito da população for considerado através da criação de uma taxa
representa o

Yi: Número de eventos na área i

Ni: população em risco

Taxa bruta

  • Taxa Bruta não controla variabilidade populacional de uma área para outra

SMR – Razão Padronizada do risco sendo interpretada como RR

Representação
raz o padronizada do risco
Razão Padronizada do Risco
  • Serve para controlar variabilidade populacional
  • SMR é instável frente a pequenos valores observados ou para populações pequenas
  • Agregação de áreas para controlar população pequena nem sempre é adequada, pois perde-se informação sobre o local do evento.
  • SMR não considera dependência de vizinhos
m todos de suaviza o
Métodos de Suavização
  • Métodos de suavização são mais estáveis nesses casos pois eliminam a variabilidade das taxas causada por flutuações aleatória (valores extremos)
  • Métodos de suavização utilizados:
  • Não paramétrico – Kernel
  • Estimador Bayesiano Empírico Local de Marshall
  • Modelagem hierárquica bayesiana
m todo n o param trico de kernel
Método não-paramétrico de kernel
  • Freqüentemente utilizado em processos pontuais
  • Considera o risco como uma medida contínua
  • Método: cálculo de taxas médias ponderada pelos pontos vizinhos com base numa determinada distância
  • Pode ser usado em locais sem observação
bayesiano emp rico de marshall
Bayesiano Empírico de Marshall
  • Método: gera estimativas modais para a distribuição a posteriori do risco relativo com base na informação das áreas vizinhas
  • Está implementado no pacote R dentro da função Spded sendo chamado de EBlocal
infer ncia bayesiana
Inferência Bayesiana

Combina

  • informações dos dados (verossimilhança)
  • Distribuição a priori do risco relativo contendo a informação de como o risco em cada área se relaciona com os das outras
  • Distribuição a posteriori do risco relativo cuja média é usada como estimação final do risco de cada área
modelo bayesiano
Modelo Bayesiano
  • Deseja-se estimar o risco subjacente ao invés de testar hipóteses
  • Considera a distribuição de Poisson como sendo a distribuição da variável resposta
  • A vizinhança é considerada no modelo através de um efeito aleatório
  • Pressuposições:
  • O risco é heterogêneo ao longo da região
  • Processo não apresenta média constante, pois outras variáveis o afetam
modelo hier rquico bayesiano
Modelo Hierárquico Bayesiano
  • Modelo será formado por duas componentes:
  • Efeito Não-espacial (ui): representa as diferenças dentro dos bairros, modelados como efeitos aleatórios independentes
  • Efeito espacial (bi): descreve relação entre bairros de modo a estimar áreas vizinhas semelhantes
correla o geogr fica estudos ecol gicos
Correlação Geográfica (Estudos Ecológicos)
  • Objetivos:examinar correlações geográficas em grupos populacionais expostos a variáveis ambientais, sócio-econômicas, demográficas e de estilo de vida
  • Modelos de regressão serão usados para explicar variações no risco da doença através de covariáveis definidas no grupo geográfico
avalia o de clusters espaciais
Avaliação de Clusters Espaciais
  • Existe uma fonte causadora (agente) ou um fator de risco não medido que está gerando um aumento excessivo de casos em alguma região
  • Objetivo: avaliar a distribuição do padrão espacial dos dados, verificando se o aumento é aleatório ou não
  • Variação espacial no risco é causada pela presença do cluster
slide43
Estatística Espacial

Avalia a completa aleatoriedade espacial

Suposições

Homogeneidade

Estacionariedade de primeira ordem

Epidemiologia Espacial

Populações são heterogêneas

Não há estacionariedade de primeira ordem

Há covariáveis interferindo no processo espacial

Probabilidade de casos é independente do lugar

slide44
Métodos Bayesianos em Epidemiologia Espacial: Avaliando a Taxa de fecundidade em mulheres de 10 a 19 anos em Porto Alegre
objetivos principal
Objetivos Principal
  • Apresentar métodos de Epidemiologia Espacial utilizando-se como exemplo a representação espacial da taxa de fecundidade específica na adolescência para Porto Alegre ano de 2003
objetivos espec ficos
Objetivos Específicos
  • Correlacionar alguns fatores sócio-econômicos com a incidência de maternidade na adolescência
metodologia
Metodologia
  • Delineamento: estudo transversal
  • Desfecho principal: maternidade na adolescência
  • Utilizou-se o SIG que conta com as bases cartográficas de logradouros, setores censitários, malha de bairros e limites de POA fornecido pela Equipe de Informação em Saúde da Coordenadoria Geral de Vigilância em Saúde da Secretaria Municipal de Saúde (EI/SMS)
  • Registros de nascidos vivos de mães com idade <20 foram selecionados do SINASC
metodologia48
Metodologia
  • Caso: nascidos vivos de mãe adolescente (base de dados SINASC, 2003)
  • População em risco: adolescentes do sexo feminino em cada bairro da cidade obtidas no Censo 2000
  • Tipo de dado utilizado:
    • Ponto – localização dos casos através do endereço
    • Área –número de casos em cada bairro de Porto Alegre
controle de qualidade dos dados
Controle de qualidade dos dados
  • Comparação da base de dados com todas declarações de nascimento fornecidas pelos 3 maiores hospitais de POA (55% dos registros)
  • Erros de digitação em apenas 1% dos dados
  • Georeferenciamento comparação do endereço na declaração de nascimento com os logradouros de Porto Alegre
amostra

3537 elegíveis

Exclusões = 308

289 mal identificação do endereço

19 gêmeos

Análise = 3229

Amostra
an lise estat stica
Análise Estatística
  • Avaliação inicial do padrão espacial dos pontos pelo endereço
  • Representação bruta (TB): Taxa de fecundidade específica por idade da mãe
  • Razão de riscos padronizada SMR = Oi / Ei

Oi representa o total de casos observados no bairro i; Ei representa o total de casos esperados no bairro

  • SMR e TB são instáveis na presença de populações pequenas e poucos casos
  • Mapeamento da taxa bruta e da taxa padronizada
an lise estat stica52
Análise Estatística
  • Suavização das flutuações aleatórias pelo método bayesiano empírico
  • Considerando como vizinhos aqueles bairros que fazem fronteira natural
  • Método Totalmente bayesiano – modelo hierárquico bayesiano
  • Sem covariáveis e com covariáveis: o proporção de analfabetos no bairro e o proporção de pessoas com renda inferior a 1 sm
  • Softwares: Winbugs e R
resultados representa o bruta
Resultados - Representação Bruta

Figura 1: Distribuição espacial dos nascidos vivos de mães adolescentes na cidade de POA 2003

resultados analfabetismo
Resultados - Analfabetismo

Figura 2: Proporção de chefe de família analfabetos em cada bairro

resultados renda
Resultados - Renda

Figura 3: Proporção de chefe de família com renda inferior a 1 salário mínimo

resultados taxa de fecundidade

4

1

1

2

2

2

3

Resultados - Taxa de Fecundidade

Tx = 28 nascidos vivos por mil mulheres em 2003 para POA

1 – Vila Conceição – população 121

2 – Ponta Grossa (286) e Chapéu do Sol (269)

3 – Lami (296)

4 – Marcílio Dias (53) e Navegantes (320)

4

Figura 4: Distribuição Espacial da Taxa de fecundidade por idade de 10 a 19 anos

resultados
Resultados

Observa-se uma grande variabilidade na taxa de fecundidade

Figura 5: Taxa de fecundidade específica x população em risco

resultados58
Resultados

4

1

2

Figura 6: Risco padronizado Bruto e Risco suavizado pelo EB

3

resultados59
Resultados

Figura 7: Modelo totalmente bayesiano

DIC1 = 727,163

resultados60
Resultados
  • Com a suavização observa-se uma representação menos fragmentada e mais uniforme
  • Nos bairros com risco inferior a 1, a suavização subestimou o risco ou modificou pouco
  • A melhor suavização ocorre nos bairros com risco superior a 1
  • A suavização reduziu a variabilidade do processo
  • O modelo com covariáveis além de suavizar o risco explica a distribuição geográfica dos nascimentos
  • Bairros com maior percentual de chefes de famílias analfabetos e menor renda apresentam maior risco
discuss o
Discussão
  • A representação bruta não revelou claramente o padrão espacial. Foi necessário utilizar a taxa de fecundidade por idade denominada de taxa bruta
  • Quando desagregada por bairros, a variabilidade da taxa de fecundidade é alta em Porto Alegre
  • A suavização foi necessária principalmente em locais com população pequena
limita es
Limitações
  • A matriz de vizinhança utilizada considerou artefatos da segregação espacial, onde bairros com moradores de baixa inserção socioeconômica são vizinhos de bairros com alta inserção. As estimativas geradas foram prejudicadas
  • Valores esperados construídos com os próprios dados criando uma dependência no processo
conclus o
Conclusão
  • Bairros que se destacam por apresentar taxa de fecundidade alta na adolescência: Agronomia, Mário Quintana, Bom Jesus, São José, Marcílio Dias, Navegantes e a região do Estuário do Guaíba
  • Estimadores bayesianos devem ser empregados para controlar as flutuações aleatórias geradas por populações pequenas eliminando vieses decorrentes do processo de estimação
refer ncias
Referências
  • Statistical Methods in Helth. Cad de Saúde Pública Elliott P, Wakefield J, Best N, Briggs D. Spatial Epidemiology: Methods and Application. London: Oxford University Press, 2001
  • Bailey TC. Spatial 2001; 17(5):1083-1098
  • Lawson AB. Statistical Methods in Spatial Epidemiology. New York. John Wiley, 2001
  • Carvalho MS, Souza-Santos R. Análise de dados espaciais em saúde pública: métodos, problemas, perspectivas. Cad Saúde Publica 2005; 21(2): 361-378
  • Assunção RM, Estatística Espacial com Aplicações em Epidemiologia, Economia, Sociologia