Modelos multiníveis aplicados ao estudo da mortalidade infantil no Rio Grande do Sul, Brasil, de 1994 a 2004

CONTEXTO: O Coeficiente de Mortalidade Infantil (CMI), que expressa o risco de um nascido vivo morrer antes de completar um ano de vida, é considerado um dos mais eficientes sensores de desenvolvimento social, econômico e ético, e seu acompanhamento permite inferir sobre a qualidade de vida de uma população. No Rio Grande do Sul, esse coeficiente vem apresentando tendência decrescente, permanecendo abaixo da média nacional. Entretanto, ampliar a compreensão dos determinantes da mortalidade infantil pode contribuir na elaboração de políticas e programas de saúde específicos. São inúmeros os fatores de risco citados na literatura, e a maioria deles é evidenciada em estudos que desconsideram a hierarquia existente nos dados. Porém, crianças que vivem em determinadas regiões podem apresentar características similares, quando comparadas a outras que vivem em regiões diferentes. Assim, as técnicas clássicas de análise, que pressupõem independência entre as observações, podem produzir estimativas viesadas. OBJETIVOS: O objetivo deste estudo foi utilizar os dados de sistemas de informações para analisar a evolução e os determinantes da mortalidade infantil e seus componentes no Rio Grande do Sul, de 1994 a 2004, assim como identificar os fatores associados à mortalidade neonatal, em 2003, considerando características individuais e contextuais. MÉTODO: Para a análise da evolução, foi realizado um estudo ecológico longitudinal, considerando-se medidas repetidas e regressão linear multinível, com microrregiões no nível 2 e tempo no nível 1. Para identificar os determinantes associados ao óbito neonatal, foi utilizada uma coorte retrospectiva que vinculou os nascimentos registrados no período de 01/01/2003 a 03/12/2003 aos óbitos neonatais originados desses nascimentos. Esses fatores foram estimados e comparados por meio da análise dos modelos de regressão logística clássica e multinível. RESULTADOS: Verificou-se que a taxa de mortalidade infantil reduziu de 19,2 para 15,2 por mil nascidos vivos, e as principais causas de óbitos infantis, nos últimos cinco anos, foram as afecções perinatais (54,10%). Aproximadamente 47% da variação nas taxas de mortalidade ocorreu no nível das microrregiões, sendo que 10% de acréscimo na cobertura do Programa Saúde da Família esteve associado à redução de 1‰ na mortalidade infantil, e um acréscimo de 10% na taxa de pobreza esteve associado com uma redução de 2,1‰ nos óbitos infantis. Também, encontrou-se associação positiva com a proporção de baixo peso e a taxa de leitos hospitalares na população e, negativa, com a proporção de partos cesáreos e a taxa de hospitais. As variáveis associadas ao óbito neonatal, no modelo clássico, foram: baixo peso ao nascer, Apgar no 1º e 5º minuto inferiores a 8, presença de anomalia congênita, parto cesáreo, prematuridade e perda fetal anterior. No modelo multinível, essa variável não se manteve significativa, mas a inclusão da variável contextual indicou que 15% da variação da mortalidade neonatal pode ser explicada pela variabilidade nas taxas de pobreza em cada microrregião. CONCLUSÕES: Este estudo evidenciou a predominância dos fatores individuais na mortalidade infantil e neonatal, mas demonstrou que a análise multinível foi capaz de identificar efeitos contextuais, possibilitando ações públicas direcionadas aos grupos vulneráveis.CONTEXT: The Infant Mortality Coefficient (IMC), that express the risk of a bornalive baby die before completing one year of life, is considered one of the most efficient sensors of social, economic and ethical development, and its following allows to infer on the population life quality. In Rio Grande do Sul this coefficient has presented a decreasing trend, remaining below national average. However, to extend the understanding determinants of infant mortality can contribute in the elaboration of policies and specific health programs. Several risk factors are mentioned in literature, and the majority of them are evidenced in studies that disrespect the existing hierarchy in data. However, children who live in certain regions can present similar characteristics, when compared to others who live in different regions. Thus, classical techniques of analysis that estimate independence between comments, can produce biased estimates. OBJECTIVES: The objective of this study was to use the systems of information data to analyze the evolution and determinants of infant mortality and their components in Rio Grande do Sul from 1994 to 2004, as well as to identify the factors associated to neonatal mortality, in 2003, considering individual and contextual characteristics. METHOD: For the evolution analysis a longitudinal ecologic study was carried out, considering repeated-measures and multilevel linear regression, with microregions in level 2 and time in level 1. To identify the determinants associated to neonatal death, a historic cohort was used to link births recorded from 01/01/2003 to 12/03/2003 with the originated neonatal deaths of these births. These factors were estimated and compared by classic and multilevel logistic regression models. RESULTS: It was verified that the infant mortality rate decreased from 19.2 to 15.2 per thousand live births, and the main causes of infant deaths in the last five years has been perinatal affections (54.10%). Approximately 47% of the variation in mortality rates occurred at a microregion level, being that 10% increase in Family Health Program coverage was associated to the reduction of 1‰ in infant mortality, and an increase of 10% in poverty rate was associated to an increase of 2.1‰ in infant deaths. Also, there was positive association with the proportion of low weight and hospital bed rates in the population and, negative, with the proportion of caesarean sections and hospital rates. Low birthweight, Apgar scores at 1 and at 5 minutes lower 8, presence of congenital abnormality, caesarean section, pre-term birth and previous fetal loss were associated to neonatal deaths in the classical model. In the multilevel model, previous fetal loss did not remain significant, but the inclusion of contextual variable indicated that 15% of neonatal mortality variation can be explained by the variability in rates of poverty in each microregion. CONCLUSIONS: This study evidenced the predominance of individual factors in infant and neonatal mortality, but it demonstrated that the multilevel analysis was capable of identifying contextual effects, making directed actions to the susceptible groups possible