modelagem temporal das notificações de leptospiroses em … · 2015. 6. 30. · modelagem...

Fundacao Oswaldo Cruz. Escola Nacional de Saude PublicaProjeto: Modelagem de doencas transmissıveis: contexto, clima e espaco

Modelagem temporal das notificacoes de leptospiroses emSalvador entre 1996 e 2006

Marcel Quintana Marilia Carvalho

[email protected] [email protected]

PROCC/FIOCRUZ PROCC/FIOCRUZ

ENCE/IBGE

23 de setembro de 2008

Modelagem temporal das notificacoes de leptospiroses em Salvador entre 1996 e 2006

1 Introducao

2 Objetivo

3 Dados

4 MetodologiaModelos dinamicosModelos Lineares GeneralizadosMetodos PDL (Polynomial Distributed Lag)

5 ResultadosEscolha da Distribuicao e Variaveis Climatologicas

6 Conclusao

7 Referencias


Introducao

Consideracoes:

Quais variaveis climaticas temos que levar em consideracao?

Faz sentido definirmos pontos de corte para o ındice pluviometrico?

Quanto tempo apos as chuvas veremos a repercussao dos casos deleptospirose?

Ate que ponto variaveis socio-economicas se relacionam com os casosda doenca?(Trabalhos futuros.)


Objetivo

Objetivo


Objetivo

Objetivo

O Objetivo geral deste trabalho:

Propor;

Utilizar;

Adequar;

Modelos Estatısticos capazes de incorporar a complexidade necessaria a compreensaoda relacao dos casos de leptospirose com algumas variaveis climatologicas de Salvador.

Estes modelos levarao em conta a estrutura de dependencia temporal inerente aoproblema analisado.


Dados

Resumo dos Dados


Dados

Dados

Dados Epidemiologicos:

Fonte: Estudo LVIGI ”Estudo de identificacao de pacientes com leptospirose graveidentificados no Hospital Couto Maia em Salvador-BA,”do projeto ”Emerging InfectiousDiseases and Urbanization”(Fiocruz-Salvador & Universidade de Cornell/USA).

Numero de pacientes: 1766 (Banco gerado no dia 08/02/2007).

Dados Climatologicos:

Fonte: Estacao 83229 (Ondina): Convencional - Operante - INMET

Variaveis Iniciais: Precipitacao (mm), Temperatura Maxima (oC), Temperatura Mınima(oC) Umidade Relativa ( % )

Variaveis Criadas: Dias de chuva na semana, Dias na semana com Precipitacao acima de1,2,3,4,5,10,15,20,25,30,35,...,80 mm (por que?)

Frequencia: Semanal.

O perıodo dos dados e de dez anos (1996 a 2006).


Metodologia

Metodologia

O porque dos metodos.


Metodologia

Modelos dinamicos Bayesianos - Utilizando MCMC e inferencia bayesiana, com oWinbugs (R2WinBUGS do R) - para modelar a serie temporal (Gamerman, D. eLopes, H. F., 2006);

Modelos Lineares Generalizados (Bayesiano e Classico) - na identificacao do efeitodas covariaveis climaticas (Dobson, A.J., 1989) ajustado no R (R DevelopmentCore Team, 2008 e Venables, W. N. e Ripley, B. D., 2002);

Metodos PDL (Polynomial Distributed Lag) - no tratamento da estrutura decolinearidade das variaveis climaticas (Schwartz, 2000).


Resultados

Resultados


Resultados

Dados Semanais

SE

0 50 100 150 200 250 300 350 400 450 500

05

1015

2025

3035

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●

●●

●

●

●

●

●

●●●●●

●●●

●

●

●●●

●●●

●

●

●

●

●

●

●

●

●

●●

●

●●

●

●

●

●

●

●

●

●

●

●

●●●

●

●●

●

●●

●●

●●●●●●●●●

●●●

●●●●●●●

●

●●

●

●●

●

●

●

●

●●●

●

●

●●●

●

●

●

●

●●

●●

●

●●

●

●●●●●

●●

●

●●●●

●

●

●●●

●

●

●

●●●●●

●

●●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●●●

●

●●●

●

●

●

●

●●●

●●

●●●●●●

●

●

●●●●●

●●

●

●

●

●●●

●●

●●

●

●

●

●

●●

●

●●

●●

●●

●

●

●●●●●●●

●●●●●●●●●●

●●●●●

●●

●

●●

●

●

●

●●

●

●

●

●●

●●●●

●

●●

●●

●

●

●

●

●

●●

●

●

●

●●●

●●

●

●●

●

●●●●

●●

●●●

●●

●

●●●

●

●●●●●●●●

●

●●

●

●

●

●

●

●

●●●●●

●

●●●●●

●

●●●●●●●

●●●●●●●●●●●

●●●

●

●

●

●

●

●●

●

●

●●●

●●

●

●

●

●●●

●

●

●●●●●●●●●

●

●●●

●

●●●

●

●

●●●●●

●

●●

●

●●

●

●

●

●

●

●●

●●●

●●●

●

●

●●

●●●●●

●●●●

●●●●●●●●●●●●●

●●

●

●●

●

●●●

●●

●

●

●

●

●

●●

●

●●

●

●●

●

●●●

●●●●

●

●

●

●●●●●●●●●●●●

●●●●●●

●●●●●●●●

Caso

s

0.035

.875

.711

9.716

8.223

4.228

7.738

0.3Pr

ecipi

tação

Figura: Series historicas dos casos de Leptospirose e das medias semanais da Precipitacao

SE

0 50 100 150 200 250 300 350 400 450 500

05

1015

2025

3035

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●

●●

●

●

●

●

●

●●●●●

●●●

●

●

●●●

●●●

●

●

●

●

●

●

●

●

●

●●

●

●●

●

●

●

●

●

●

●

●

●

●

●●●

●

●●

●

●●

●●

●●●●●●●●●

●●●

●●●●●●●

●

●●

●

●●

●

●

●

●

●●●

●

●

●●●

●

●

●

●

●●

●●

●

●●

●

●●●●●

●●

●

●●●●

●

●

●●●

●

●

●

●●●●●

●

●●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●●●

●

●●●

●

●

●

●

●●●

●●

●●●●●●

●

●

●●●●●

●●

●

●

●

●●●

●●

●●

●

●

●

●

●●

●

●●

●●

●●

●

●

●●●●●●●

●●●●●●●●●●

●●●●●

●●

●

●●

●

●

●

●●

●

●

●

●●

●●●●

●

●●

●●

●

●

●

●

●

●●

●

●

●

●●●

●●

●

●●

●

●●●●

●●

●●●

●●

●

●●●

●

●●●●●●●●

●

●●

●

●

●

●

●

●

●●●●●

●

●●●●●

●

●●●●●●●

●●●●●●●●●●●

●●●

●

●

●

●

●

●●

●

●

●●●

●●

●

●

●

●●●

●

●

●●●●●●●●●

●

●●●

●

●●●

●

●

●●●●●

●

●●

●

●●

●

●

●

●

●

●●

●●●

●●●

●

●

●●

●●●●●

●●●●

●●●●●●●●●●●●●

●●

●

●●

●

●●●

●●

●

●

●

●

●

●●

●

●●

●

●●

●

●●●

●●●●

●

●

●

●●●●●●●●●●●●

●●●●●●

●●●●●●●●

Caso

s

01

23

45

67

Dias

com

precip

itaçã

o acim

a de 5

mm

Figura: Series historicas dos casos de Leptospirose e dos dias na semana com Precipitacaoacima de 5mm


Resultados

Dados Semanais

SE

0 50 100 150 200 250 300 350 400 450 500

05

1015

2025

3035

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●

●●

●

●

●

●

●

●●●●●

●●●

●

●

●●●

●●●

●

●

●

●

●

●

●

●

●

●●

●

●●

●

●

●

●

●

●

●

●

●

●

●●●

●

●●

●

●●

●●

●●●●●●●●●

●●●

●●●●●●●

●

●●

●

●●

●

●

●

●

●●●

●

●

●●●

●

●

●

●

●●

●●

●

●●

●

●●●●●

●●

●

●●●●

●

●

●●●

●

●

●

●●●●●

●

●●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●●●

●

●●●

●

●

●

●

●●●

●●

●●●●●●

●

●

●●●●●

●●

●

●

●

●●●

●●

●●

●

●

●

●

●●

●

●●

●●

●●

●

●

●●●●●●●

●●●●●●●●●●

●●●●●

●●

●

●●

●

●

●

●●

●

●

●

●●

●●●●

●

●●

●●

●

●

●

●

●

●●

●

●

●

●●●

●●

●

●●

●

●●●●

●●

●●●

●●

●

●●●

●

●●●●●●●●

●

●●

●

●

●

●

●

●

●●●●●

●

●●●●●

●

●●●●●●●

●●●●●●●●●●●

●●●

●

●

●

●

●

●●

●

●

●●●

●●

●

●

●

●●●

●

●

●●●●●●●●●

●

●●●

●

●●●

●

●

●●●●●

●

●●

●

●●

●

●

●

●

●

●●

●●●

●●●

●

●

●●

●●●●●

●●●●

●●●●●●●●●●●●●

●●

●

●●

●

●●●

●●

●

●

●

●

●

●●

●

●●

●

●●

●

●●●

●●●●

●

●

●

●●●●●●●●●●●●

●●●●●●

●●●●●●●●

Caso

s

24.8

25.8

26.8

27.8

28.8

29.8

30.8

31.8

33.0

Temp

eratur

a Máx

ima

Figura: Series historicas dos casos de Leptospirose e das medias semanais da TemperaturaMaxima

SE

0 50 100 150 200 250 300 350 400 450 500

05

1015

2025

3035

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●●

●●

●

●

●

●●

●

●

●

●

●

●●●●●

●●●

●

●

●●●

●●●

●

●

●

●

●

●

●

●

●

●●

●

●●

●

●

●

●

●

●

●

●

●

●

●●●

●

●●

●

●●

●●

●●●●●●●●●

●●●

●●●●●●●

●

●●

●

●●

●

●

●

●

●●●

●

●

●●●

●

●

●

●

●●

●●

●

●●

●

●●●●●

●●

●

●●●●

●

●

●●●

●

●

●

●●●●●

●

●●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●●●●

●

●●●

●

●

●

●

●●●

●●

●●●●●●

●

●

●●●●●

●●

●

●

●

●●●

●●

●●

●

●

●

●

●●

●

●●

●●

●●

●

●

●●●●●●●

●●●●●●●●●●

●●●●●

●●

●

●●

●

●

●

●●

●

●

●

●●

●●●●

●

●●

●●

●

●

●

●

●

●●

●

●

●

●●●

●●

●

●●

●

●●●●

●●

●●●

●●

●

●●●

●

●●●●●●●●

●

●●

●

●

●

●

●

●

●●●●●

●

●●●●●

●

●●●●●●●

●●●●●●●●●●●

●●●

●

●

●

●

●

●●

●

●

●●●

●●

●

●

●

●●●

●

●

●●●●●●●●●

●

●●●

●

●●●

●

●

●●●●●

●

●●

●

●●

●

●

●

●

●

●●

●●●

●●●

●

●

●●

●●●●●

●●●●

●●●●●●●●●●●●●

●●

●

●●

●

●●●

●●

●

●

●

●

●

●●

●

●●

●

●●

●

●●●

●●●●

●

●

●

●●●●●●●●●●●●

●●●●●●

●●●●●●●●

Caso

s

19.7

20.4

21.1

21.8

22.5

23.2

23.9

24.6

25.3

26.0

Temp

eratur

a Míni

ma

Figura: Series historicas dos casos de Leptospirose e das medias semanais da TemperaturaMınima


Resultados

Escolha da Distribuicao e das Variaveis climatologicas


Resultados

Distribuicao dos dados epidemiologicos?

Numero de Casos

Distribuicao Poisson?

Over-dispersion?

Excesso de zeros?

Casos

Den

sity

0 5 10 15 20 25 30 35

0.00

0.05

0.10

0.15

0.20

0.25

média = 3.359variância = 17.359

empíricaPoisson(média)Poisson(variância)

Figura: Casos semanais


Resultados

Escolha da Distribuicao e Variaveis Climatologicas

Comparamos as distribuicoes: Poisson, Poisson Inflacionada de Zeros, BinomialNegativa e Binomial Negativa Inflacionada de Zeros e obtivemos melhor ajusteavaliados pelos criterios, Deviance, BIC, EQM e EAM para a distribuicaoBinomial Negativa.Quais sao as variaveis climatologicas que tem maior relacao com a incidencia deleptospirose?

Figura: Deviance e AIC dos modelos com apenas uma variavel climatica.

O modelo reduzido que apresentou o menor deviance e AIC foi o com a variavelclimatica sendo: Precipitacao ≥ 5 mm.


Resultados


Coeficientes:

Tabela: Modelo com Dias na semana com Indice Pluviometrico acima de 5 mm

exp(Lim.Inf(5%)) exp(Coef) exp(Lim.Sup(5%))lag(PLUV05,0) 0.9934281 1.0447509 1.0987252lag(PLUV05,1) 1.0443648 1.0980833 1.1545649lag(PLUV05,2) 1.2774719 1.3417176 1.4091943lag(PLUV05,3) 1.1555891 1.2136535 1.2746356lag(PLUV05,4) 1.0430879 1.0957047 1.1509757

Verifica-se:

Lag 0 e nao significativo

Lag 2 apresenta o maiorefeito

Risco aumenta em 34 %no lag 2


Resultados


Foram ajustados modelos incluindo as covariaveis “Umidade”e “TemperaturaMaxima”.

Entrando com cada defasagem uma a uma das variaveis acima, a sua maioria esignificativa; porem se forem colocadas conjuntamente nao sao.

Portanto como nos preocupamos mais com a defasagem de duas semanas, vistoque nela se encontra o maior risco da doenca, optamos por inserir as covariaveisacima nesta defasagem.

Quando inserida no modelo (apenas com a covariavel principal) a variavel”Temperatura Maxima”com defasagem de duas semanas, esta apresenta-se comofator de protecao diminuindo o risco da doenca em 5% para cada grau aumentado.

Percebemos que a variavel ”Umidade”e uma variavel que afeta a variavelprincipal, portanto faz-se necessaria pois controla o risco desta passando do riscobruto de 34% para o risco ajustado de 17%.

Modelos AIC DeviancePLUV05 2174.567 542.2483

PLUV05+TMAX 2172.611 542.4416PLUV05+UMID 2123.162 537.0684


Conclusao

Conclusao


Conclusao

Conclusoes

O modelo proposto foi adequado para ajustar o numero de ocorrencias deleptospirose e assim, podemos afirmar que, em Salvador, chuva acima de5mm/dia aumenta o risco de leptospirose grave.

Este resultado pode ser util para a vigilancia epidemiologica da leptospirose,mesmo considerando que os casos ocorrem de forma endemica, sem eventosextremos de clima.

Mobilizar a populacao e os servicos de saude quando da ocorrencia de chuvaacima de 5mm pode contribuir para diminuir o numero de casos e aumentar odiagnostico precoce.


Referencias

Referencias Bibliograficas

Dobson, A.J., An Introduction to Generalized Linear Models, 1999.

Gamerman, D. e Lopes, H. F., Markov chain Monte Carlo: stochasticsimulation for Bayesian inference, 2006.

R Development Core Team ,2008.

Venables, W. N. e Ripley, B. D Modern Applied Statistics With S-PLUS, 2002.

Joel Schwartz The Distributed Lag between Air Pollution and Daily Deaths,2000.

modelagem temporal das notificações de leptospiroses em … · 2015. 6. 30. · modelagem...

Documents