ANÁLISE ESPACIAL DE CASOS PROVÁVEIS DE DENGUE NO MUNICÍPIO DE SÃO LUÍS, MARANHÃO, BRASIL

• Autor(a) principal: Costa, Flávia Regina Vieira da
• Data de Publicação: 2022
• Outros Autores: Branco, Maria dos Remédios Freitas Carvalho, Junior, José Aquino, Costa, Silmery da Silva Brito, Araujo, Adriana Soraya, Câmara, Ana Patrícia Barros, Silva, Maria do Socorro da, Queiroz, Rejane Christine de Sousa, Silva, Antônio Augusto Moura da, Santos, Alcione Miranda dos, Rodrigues, Zulimar Márita Ribeiro, Soeiro, Vanessa Moreira da Silva
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Arquivos de Ciências da Saúde da UNIPAR (Online)
• Texto Completo: https://revistas.unipar.br/index.php/saude/article/view/8792

INTRODUÇÃO: A dengue é considerada uma das principais arboviroses mundiais, caracterizada no Brasil pelo aumento de casos graves e óbitos. OBJETIVO: realizar análise espacial dos casos prováveis de dengue em São Luís - MA. MÉTODOS: Estudo ecológico de base populacional dos casos prováveis de dengue, notificados no Sistema de Informação de Agravos de Notificação (SINAN) em 2015 e 2016, ocorridos no município de São Luís – MA. Foram georreferenciados 4.681 casos prováveis de dengue por setores censitários, calculadas as taxas de incidência e ajustadas através do estimador bayesiano empírico local. Foi utilizado o estimador de densidade de Kernel e Moran Global e Local para a análise espacial. RESULTADOS: Evidenciou-se através do estimador de densidade de Kernel, áreas quentes (alta-densidade) nos setores censitários da região noroeste do município. As taxas de incidência foram ajustadas pela aplicação do método bayesiano empírico local, identificando-se maior quantidade de setores com média e alta incidência. A partir do índice de Moran global foi evidenciada autocorrelação espacial positiva estatisticamente significativa para as taxas de incidência de dengue (I=0,69; p<0,001) e para as taxas de incidência ajustadas pelo método bayesiano (I=0,80; p<0,001). De acordo com o índice de Moran local, identificou-se clusters de setores de alta incidência de dengue em áreas com alta densidade populacional na região nordeste e noroeste do município. CONCLUSÃO: A pesquisa demonstrou que os estimadores bayesianos ajudaram a minimizar os problemas de subnotificação e da influência do tamanho populacional nos setores censitários.