Análise espaço-temporal na estimação de taxas de incidência/ mortalidade

A análise de dados espaciais, aplicada ao contexto epidemiológico, também conhecida como Epidemiologia Espacial, vem apresentando crescente utilização por parte dos pesquisadores da área da saúde como uma das ferramentas de estudos de mapeamento e comportamento de doenças e de construção de indicadores de saúde. O presente trabalho apresenta uma revisão bibliográfica sobre a análise espacial de dados agregados por área, aplicada ao Mapeamento de Doenças, relatando os principais problemas da utilização das taxas de mortalidade brutas na construção dos mapas. Como as taxas brutas são estimativas de pequena precisão em regiões onde a população em risco tem tamanho reduzido, e o número de casos é raro, os modelos Bayesianos Hierárquicos são apresentados como alternativas na estimação destas taxas, através da suavização das estimativas produzidas pela incorporação de um componente espacialmente estruturado ao modelo. Nos modelos apresentados podese incorporar o fator temporal ao modelo espacial, através de diferentes formas de especificação. No artigo são analisadas as taxas de mortalidade infantil nos 496 municípios do Rio Grande do Sul no período de 2001 a 2004. Foram comparados três modelos com diferentes especificações dos componentes espaciais e temporais. Verificou-se que o modelo que utiliza a configuração espacial dos municípios na estimação das taxas obteve maior adequação aos dados quando comparado ao modelo onde as taxas são estimadas sem a utilização do componente espacialmente estruturado. Pode-se observar uma melhora sensível na interpretação dos mapas das taxas de mortalidade estimadas, através dos modelos apresentados, em relação aos mapas que utilizam as taxas brutas de mortalidade, podendo-se observar diferentes padrões de evolução temporal em diferentes regiões do Estado.Spatial data analysis applied to the context of Epidemiology, also known as Spatial Epidemiology, has been used by health researchers as one of the tools for understand the behavior of the disease and for disease mapping studies. This paper presents a bibliographic revision about spatial analysis of data aggregated by area applied to Disease Mapping. The major problems about using gross mortality rates in the map construction are related here, as those rates are poor-precision estimates on areas with reduced population at risk. In this paper, Hierarchical Bayesian model are presented as an alternative in the estimation of those rates, through estimate smoothing produced by inserting a spatially structured component to the model, in addition to the temporal factor, using a different model specifications. Infant mortality rates from 2001 to 2004 in all 496 cities in Rio Grande do Sul were analyzed and three models with different specifications of spatial and temporal components were compared. Noticeably, the model that uses the spatial configuration of the cities for estimating the rates was the best, in comparison to the model where rates are estimated without the spatially-structured component. Considerable improvement is noted in the interpretation of mortality rate maps in relation to maps that use gross mortality rates, allowing the observation of different infant mortality patterns in different areas of the State