Aglomerados espaciais de condições crônicas infantis no estado da Paraíba, Brasil

Autores

  • Malu Micilly Porfírio Santos Pinto aMestre em Modelos de Decisão e Saúde, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
  • Luciana Moura Mendes de Lima bDoutora em Modelos de Decisão e Saúde, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
  • Rackynelly Alves Sarmento Soares bDoutora em Modelos de Decisão e Saúde, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
  • Simone Elizabeth Duarte Coutinho cDocente do Departamento de Enfermagem em Saúde Coletiva, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
  • Ana Tereza de Medeiros dDocente do Programa de Pós-Graduação em Modelos de Decisão e Saúde, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.
  • Ronei Marcos de Moraes dDocente do Programa de Pós-Graduação em Modelos de Decisão e Saúde, Universidade Federal da Paraíba, João Pessoa, Paraíba, Brasil.

DOI:

https://doi.org/10.36311/jhgd.v32.12618

Palavras-chave:

condição crônica, criança, adolescente, análise espacial

Resumo

Introdução: as condições crônicas são problemas de saúde complexos que exigem tratamento contínuo e multiprofissional. Quando se referem às crianças/adolescentes, demandam internações hospitalares e acompanhamentos periódicos e duradouros. A compreensão da distribuição geográfica desses agravos proporcionará uma maior visibilidade ao problema e subsídios para o processo de tomada de decisão.

Objetivo: detectar os aglomerados espaciais das condições crônicas de saúde que acometem crianças e adolescentes no estado da Paraíba, Brasil.

Método: trata- se de estudo ecológico, retrospectivo com dados secundários do Sistema de Informação de Crianças e Adolescentes com Doença Crônica provenientes de um hospital de referência do estado da Paraíba, Brasil, no período de 2015 a 2017. Para análise dos dados foram estimadas Razão de Incidências Espaciais e a estatística Scan espacial.

Resultados: foi verificada uma concentração de aglomerados espaciais na mesorregião da mata paraibana, área onde se encontra o serviço hospitalar público que atua como referência estadual nas recorrentes internações dessa população em condição de cronicidade.

Conclusão: a detecção dos aglomerados espaciais pode ajudar gestores públicos a reconhecer as áreas prioritárias para o monitoramento dos casos de condições crônicas em crianças e adolescentes.

Referências

Goodman RA, Posner SF, Huang ES, Parekh AK, Koh HK. Defining and measuring chronic conditions: Imperatives for research, policy, program, and practice. Preventing Chronic Disease [Internet]. 2013 [cited 2021 Jul 1]; 10(4): 1–16. Available from: https://pubmed.ncbi.nlm.nih.gov/23618546/

Moreira MCN, Gomes R, Sá MRC de. Doenças crônicas em crianças e adolescentes: Uma revisão bibliográfica. Vol. 19, Ciencia e Saude Coletiva. Associacao Brasileira de Pos - Graduacao em Saude Coletiva; 2014. p. 2083–94.

Nóbrega VM, Silva ME de A, Fernandes LTB, Viera CS, Reichert AP da S, Collet N. Chronic disease in childhood and adolescence: Continuity of care in the Health Care Network. Revista da Escola de Enfermagem [Internet]. 2017 Jun 12 [cited 2021 Jul 1]; 51. Available from: http://dx.doi.org/10.1590/S1980-220X2016042503226

Alves Pereira R, Alves-Souza RA, De Sousa Vale J. O PROCESSO DE TRANSIÇÃO EPIDEMIOLÓGICA NO BRASIL: UMA REVISÃO DE LITERATURA [Internet]. Vol. 6, Revista Científica da Faculdade de Educação e Meio Ambiente. 2015 Jul [cited 2021 Jul 1]. Available from: http://www.faema.edu.br/revistas/index.php/Revista-FAEMA/article/view/322

Moura EC, Moreira MCN, Menezes LA, Ferreira IA, Gomes R. Condições crônicas complexas em crianças e adolescentes: Internações no Brasil, 2013. Ciencia e Saude Coletiva. 2017; 22(8): 2727–34.

IBGE Censo 2010 [Internet]. [cited 2021 Jul 1]. Available from: https://censo2010.ibge.gov.br/sinopse/index.php?uf=13%26dados=4

Bolla BA, Fulconi SN, Baltor MRR, Dupas G. Cuidado da criança com anomalia congênita: a experiência da família. Escola Anna Nery. 2013 Jun; 17(2): 284–90.

Lima LMM, de Toledo Vianna RP, de Moraes RM. Spatial and spatio-temporal analysis of congenital malformations of nervous system in the state of Paraiba from 2010 to 2016. Journal of Human Growth and Development [Internet]. 2019 [cited 2021 Jul 1]; 29(2): 169–76. Available from: http://pepsic.bvsalud.org/scielo.php?script=sci_arttext&pid=S0104-12822019000200005&lng=pt&nrm=iso&tlng=en

ANÁLISE COMPARATIVA DE MÉTODOS DE AGLOMERAÇÃO ESPACIAL PARA ESTUDOS EPIDEMIOLÓGICOS / COMPARATIVE ANALYSIS OF SPATIAL CLUSTERING METHODS FOR EPIDEMIOLOGICAL STUDIES | Pinto | Revista Espaço e Geografia [Internet]. [cited 2021 Jul 1]. Available from: http://www.lsie.unb.br/espacoegeografia/index.php/espacoegeografia/article/view/618

Goodchild MF. Geographical data modeling. Computers and Geosciences. 1992 May 1; 18(4): 401–8.

De Lima LMM, De Sá LR, Dos Santos MacAmbira AFU, De Almeida Nogueira J, De Toledo Vianna RP, De Moraes RM. A new combination rule for Spatial Decision Support Systems for epidemiology. International Journal of Health Geographics [Internet]. 2019 Nov 9 [cited 2021 Jul 1]; 18(1): 25. Available from: https://doi.org/10.1186/s12942-019-0187-7

Kulldorff M, Nagarwalla N. Spatial disease clusters: Detection and inference. Statistics in Medicine [Internet]. 1995 [cited 2021 Jul 1]; 14(8): 799–810. Available from: https://pubmed.ncbi.nlm.nih.gov/7644860/

A Spatial Scan Statistic [Internet]. [cited 2021 Jul 1]. Available from: https://www.satscan.org/papers/k-cstm1997.pdf

Kulldorff M, Huang L, Pickle L, Duczmal L. An elliptic spatial scan statistic. Statistics in Medicine [Internet]. 2006 Nov 30 [cited 2021 Jul 1]; 25(22): 3929–43. Available from: https://onlinelibrary.wiley.com/doi/full/10.1002/sim.2490

Detecting Elongated Disease Clusters [Internet]. [cited 2021 Jul 1]. Available from: https://www.cdc.gov/mmwr/preview/mmwrhtml/su5401a43.htm

Duczmal L, Assunção R. A simulated annealing strategy for the detection of arbitrarily shaped spatial clusters. [cited 2021 Jul 1]. Available from: http://www.est.ufmg.br/~duczmal/Simulated_Annealing.pdf

Tango T, Takahashi K. A flexibly shaped spatial scan statistic for detecting clusters. International Journal of Health Geographics [Internet]. 2005 May 18 [cited 2021 Jul 1]; 4(1): 1–15. Available from: http://www.ij-healthgeographics.com/content/4/1/11

Melo JCS, Melo ACO, Moraes RM. (2016) Comparação dos Métodos Scan Circular e Flexível na Detecção de Aglomerados Espaciais de Dengue. In: Escola de Informática Teórica e Métodos Formais (ETMF 2016); 2016 Nov 22-23; Natal, Brasil, p. 11-19.

Kjærulff TM, Ersbøll AK, Gislason G, Schipperijn J. Geographical clustering of incident acute myocardial infarction in Denmark: A spatial analysis approach. Spatial and Spatio-temporal Epidemiology. 2016 Nov 1; 19: 46–59.

Vaz EMC, Brito T da S, Dos Santos MCS, Lima PMV de M, Pimenta EAG, Collet N. Referral and counter-referral of children in chronic condition: Perception of mothers and secondary care professionals. Revista Enfermagem [Internet]. 2020 Oct 16 [cited 2021 Jul 1]; 28(0): 1–7. Available from: http://dx.doi.org/10.12957/reuerj.2020.51186

Silva TP da, Silva MM da, Silva LJ da, Silva ÍR, Leite JL. Especificidades contextuais do cuidado de enfermagem à criança em condição crônica hospitalizada/Contextual specificities of nursing care to hospitalized children with chronic condition. Ciência, Cuidado e Saúde [Internet]. 2015 Jun 11 [cited 2021 Jul 1]; 14(2): 1075. Available from: https://periodicos.uem.br/ojs/index.php/CiencCuidSaude/article/view/23814

Souza LA de, Rafael R de MR, Moura ATMS de, Neto M. Relações entre a atenção primária e as internações por condições sensíveis em um hospital universitário. Revista gaucha de enfermagem. 2018 Aug 2; 39: e20170067.

Ribeiro Barbosa I, Pereira L, Gestor S. INFLUÊNCIA DOS DETERMINANTES SOCIAIS E AMBIENTAIS NA DISTRIBUIÇÃO ESPACIAL DA DENGUE NO MUNICÍPIO DE NATAL-RN Influence of environmental and social determinants in spatial distribution of Dengue Fever in Natal, RN-Brazil [Internet]. Vol. 1, Revista Ciência Plural. 2015 [cited 2021 Jul 1]. Available from: https://periodicos.ufrn.br/rcp/article/view/8583

Narimatsu H, Kohno K, Shiono Y, Kato Y, Suzuki I, Fukao A, et al. Applying spatial epidemiology to hematological disease using R: a guide for hematologists and oncologists. Journal of Blood Medicine [Internet]. 2014 Mar [cited 2021 Jul 1]; 5: 31. Available from: https://pubmed.ncbi.nlm.nih.gov/24624001/

Barreto JG, Bisanzio D, de Guimarães LS, Spencer JS, Vazquez-Prokopec GM, Kitron U, et al. Spatial Analysis Spotlighting Early Childhood Leprosy Transmission in a Hyperendemic Municipality of the Brazilian Amazon Region. PLoS Neglected Tropical Diseases [Internet]. 2014 [cited 2021 Jul 1]; 8(2): e2665. Available from: http://www.censo2010.ibge.gov.br/cnefe/

ANÁLISE DO DESEMPENHO DOS MÉTODOS SCAN E BESAG E NEWELL PARA IDENTIFICAÇÃO DE CONGLOMERADOS ESPACIAIS DO DENGUE NO MUNICÍPIO DE JOÃO PESSOA ENTRE OS MESES DE JANEIRO DE 2004 E DEZEMBRO DE 2005 | DE FIGUEIRÊDO LUCENA | Boletim de Ciências Geodésicas [Internet]. [cited 2021 Jul 1]. Available from: https://revistas.ufpr.br/bcg/article/view/15518

Sá LR de, Nogueira J de A, Moraes RM de. Modelo de decisão sobre o perfil demográfico para o controle da tuberculose usando lógica Fuzzy. Revista Eletrônica de Enfermagem [Internet]. 2015 Jun 30 [cited 2021 Jul 1]; 17(2): 223–60. Available from: http://dx.doi.org/10.5216/ree.v17i2.27643

Publicado

2022-01-31

Edição

Seção

ORIGINAL ARTICLES