Espacios. Vol. 36 (Nº 24) Año 2015. Pág. 12

Impacto do ambiente atmosférico nas internações hospitalares por doenças respiratórias

Impact of atmospheric environment in hospital admissions for respiratory diseases

Amaury de SOUZA 1; Flavio ARISTONE 1; Hamilton Germano PAVAO 1; Alexandra Zampieri KOFANOVSKI 1; Debora A. da Silva SANTOS 2

Recibido: 18/08/15 • Aprobado: 12/10/2015


Contenido

1. Introdução

2. Material e Métodos

3. Resultados

4. Discussão

5. Conclusão

Referências


RESUMO:

O conhecimento antecipado das condições meteorológicas pode ajudar a sociedade a evitar a degradação da natureza assim como prevenir doenças do aparelho respiratório. O objetivo deste estudo é realizar uma análise estatística e através dela criar um modelo capaz de predizer internações devido a doenças respiratórias, usando dados de poluição do ar e índices biometeorológicos, conhecidos como índices de conforto térmico humano (CTH). O estudo utilizou dados diários de internações por afecções das vias aéreas com diagnóstico de doenças respiratórias, concentração de ozônio (O3), dados de precipitação, temperatura do ar, umidade e velocidade dos ventos de 2005 a 2006 referentes à cidade de Campo Grande no Mato Grosso do Sul. Foram calculados os índices de CTH índice de Temperatura Efetiva (TE) e o índice de Temperatura Efetiva com Vento (TEV) com base nas variáveis meteorológicas. Através da metodologia estatística de Modelos Lineares Generalizados (MLG) usando a Regressão de Poisson chegou-se a um modelo capaz de prever as internações por doenças respiratórias. Os resultados encontrados mostraram associações entre o número de internações e o a concentração de O3 troposférico com defasagem de 4 dias e com o índice TEV MED também com defasagem de 3 dias. O aumento da concentração de O3 provoca um aumento nas internações e o risco relativo das pessoas expostas a este poluente contrair doenças respiratórias é maior do que daqueles que não se expõem. Já o conforto térmico provocado pelo aumento do índice TEV MED atua como fator de proteção para o n° de internações visto que o risco relativo diminui com o aumento deste índice. O modelo é satisfatório, visto que conseguiu mostrar que as variáveis ambientais podem ser usadas para estimar internações hospitalares.
Palavras-chave: Regressão de Poisson, doenças respiratórias, variáveis meteorológicas, índices biometeorológicos, poluição do ar.

ABSTRACT:

The advance knowledge of weather conditions with an accurate forecast can help society avoid the degradation of the environment so as to prevent respiratory diseases. The objective of this study is to use a statistical analysis to develop a model to predict hospitalization due to respiratory diseases, using data from air pollution indices and Biometeorology known as human thermal comfort index (CTH). The study used daily data of admissions for disorders of the airways with a diagnosis of respiratory diseases, concentration of ozone (O3), and information on rain precipitation, air temperature, humidity and wind speed from 2005 to 2006 of the city of Campo Grande in Mato Grosso do Sul. This project proves calculations for the index of CTH Effective Temperature (ET) and the index of Effective Temperature with Wind (TEV) based on meteorological variables. Through the statistical methodology of generalized linear models (GLM) using the Regression of Poisson it was established and developed a model capable of predicting hospital admissions for respiratory diseases. The results indicated the associations between the number of admissions and O3 with a lag of 3 days and with the index VTE MED also with a lag of 3 days. The increase of concentration of O3 causes an enlargement in admissions and the relative risk for people exposed to this pollutant to contract respiratory diseases is higher than those that are not exposed. Nevertheless, the thermal comfort caused by the increase of the index TEV MED acts as a protective factor for the number of hospitalizations since the relative risk decreases with the increase of this index. The Poisson regression model proposed in this study due to the large amount of zeros (no record of hospitalization days) produces a flattening (decrease) in predicting the number of hospitalizations. However in general, this model is satisfactory as it was able to show that environmental variables can be used to estimate hospitalizations.
Keywords: Poisson Regression, respiratory diseases, meteorological variables, biometeorology indexes, air pollution.

1. Introdução

A poluição atmosférica é um fenômeno notório em todo o mundo. Após a revolução industrial tornou-se claro a interação desastrosa do homem com a natureza, uma vez que a industrialização ocorreu sem planejamento de forma destrutível agredindo a natureza e gerando poluição. Desde então a atmosfera terrestre tem sido constantemente contaminada por substâncias tóxicas tornando-se cada vez mais poluída.

A poluição atmosférica está presente em todos os grandes centros urbanos devido à grande quantidade de substancias tóxica emitidas por indústrias, automóveis, termoelétricas, queimadas e muitas outras fontes. A poluição do ar contribui ainda mais para agravar os problemas de saúde das populações deixando, portanto de ser apenas um problema ambiental para fazer parte também dos problemas de saúde pública.

A queima de biomassa, em ambientes externos e internos, utilizada desde a pré-história, tem sido uma importante fonte de poluição atmosférica, sendo o ozônio um dos principais poluentes. Tanto as queimadas de florestas quanto aquelas realizadas deliberadamente provocam danos consideráveis à saúde das populações expostas. Os poluentes gasosos e o material particulados fino produzidos pelas queimadas apresentam efeitos diretos para o sistema respiratório.

Efeitos como coceira nos olhos e lacrimejamento, já são indicadores de dias poluídos. Da mesma forma crises cardíacas e respiratórias são atualmente associadas aos problemas ambientais.

Modelos estatísticos são ferramentas úteis para resumir e interpretar dados, podendo facilitar a forma e a intensidade das associações em diferentes estudos. Considerando-se estudos cujo objetivo é avaliar os efeitos da poluição atmosférica na saúde da população de grandes centros urbanos considera-se normalmente como variável resposta a contagem de eventos que causam danos à saúde como o número de óbitos ou o número de internações por doenças respiratórias e como variáveis explicativas a concentração de poluentes como o ozônio, os fatores climáticos como temperatura, precipitação, umidade do ar, velocidade dos ventos além de fatores sazonais. Devido à complexidade das relações de interesse torna-se essencial a escolha do modelo apropriado para a realização das análises. É importante ter consciência de que as suposições empregadas na análise quase nunca corresponderão à realidade por mais complexo que seja o modelo proposto (CONCEIÇÃO et. al., 2001).

Além de atingir diretamente a saúde humana, a poluição também é responsável por alterações climáticas. Muitos estudos já foram realizados para avaliar a influência dos fenômenos meteorológicos na saúde humana.

Segundo a Organização Mundial da Saúde em vários locais do mundo a saúde humana tem sido influenciada pelas mudanças climáticas. Muito calor seguido de muito frio e vice versa, enchentes, temporais e outros desastres naturais resultantes das mudanças climáticas têm afetado a saúde das populações. Diante destes fatos torna-se cada vez mais importante analisar a relação entre as doenças do aparelho respiratório e as variáveis ambientais.

As variáveis meteorológicas como temperatura, umidade do ar e velocidade do vento afetam diretamente o conforto térmico humano e consequentemente o comportamento das pessoas. Atualmente já existem índices biometeorológicos chamados de índices de Conforto Térmico Humano (COELHO, 2007).

Muitos estudos sobre os efeitos da poluição e de variáveis climáticas na saúde humana têm sido realizados nos últimos anos, porém poucos utilizaram os índices de conforto térmico em suas análises. É importante saber se os índices biometeorológicos também são responsáveis pelas internações por doenças respiratórias.

Este estudo foi desenvolvido com interesse de relacionar as internações hospitalares devido às doenças respiratórias na cidade de Campo Grande no Mato Grosso do Sul (período de janeiro de 2005 a dezembro de 2006) com poluição atmosférica, variáveis climáticas e os índices de conforto térmico humano. Assim como criar um modelo estatístico que contemple além dos efeitos extremos das variáveis meteorológicas os índices CTH e que possa ser capaz de predizer as internações a partir de mudanças climáticas.

2. Material e Métodos

O local estudado é a região metropolitana de Campo Grande capital do estado do Mato Grosso do Sul. O período pesquisado foi de dois anos correspondendo de janeiro de 2005 a dezembro de 2006. A população de estudo foi formada por todos os pacientes atendidos no município de Campo Grande, nos respectivos anos, cujo diagnóstico havia sido classificado como doença respiratória.

Campo Grande (20°27'16" S; 54°47'16" W, 650 m), é um município brasileiro da região Centro-Oeste, capital do estado de Mato Grosso do Sul. A cidade está localizada no planalto denominado Maracaju – Campo Grande a 150 km do início da maior planície alagável do mundo, o Pantanal Mato-Grossense (139.111 Km² de área).

O município de Campo Grande está localizado numa região tropical, portanto apresenta características climáticas predominantemente quentes ao longo do ano, com altos índices de precipitações e uma elevada umidade relativa.

A temperatura média da cidade está em 23,5°C, sua precipitação é de 1396 mm, a umidade relativa do ar apresenta um valor médio de 71%, porém variando entre 64,7% e 79%. A direção predominante dos ventos é do quadrante Norte (N), seguido de Nordeste (NO) e Este (E) (SANT'ANNA; ANUNCIAÇÃO, 2003).

No verão, a temperatura média é de 25,2ºC, as temperaturas máximas absolutas oscilam entre 35,8ºC e 37ºC e as temperaturas mínimas variam entre 9,8ºC e 12,8ºC. A precipitação apresenta valores elevados, em média 552,9mm enquanto que a umidade relativa do ar e a pressão atmosférica apresentam pouca variabilidade e sempre registros altos. No inverno as temperaturas tendem a ser amenas, espaçadas de forma homogenia pela cidade, o índice de precipitação, a umidade relativa e a pressão atmosférica do ar são baixas. A temperatura média no inverno oscila entre 20,3ºC e 22,2ºC, a temperatura máxima absoluta varia entre 34,8ºC e 39ºC ao passo que a temperatura mínima absoluta entre –1ºC e 3ºC. A precipitação apresenta valores médios registrados de 108,7mm. A variabilidade dos registros da umidade relativa está entre 58,5% e 70,9% (ANUNCIAÇÃO; SANT' ANNA 2002).

Foram analisadas todas as internações por afecções das vias aéreas com diagnostico de doenças respiratórias de todos os hospitais da cidade. Estes dados são registros das Autorizações de Internação Hospitalar (AIH) de hospitais públicos e privados e que atendem à parcela da população que não dispõe de planos de saúde privados (http://www.datasus.gov.br). 

O poluente utilizado foi o registro da concentração de ozônio troposférico (O3 em ppb) presente na atmosfera durante os anos de 2005 e 2006 através de coletas diárias realizadas pela estação de monitoramento do Departamento de Física da Universidade Federal do Mato Grosso do Sul. Essas medidas são realizadas ininterruptamente 24 h por dia e a cada 15 minutos são fornecidos valores da concentração de ozônio. A seguir, foi calculada a média aritmética por dia, assumiu-se que essa estimativa era representativa da poluição do ar no município de Campo Grande. Informações sobre precipitação, temperatura do ar, umidade e velocidade dos ventos foram obtidas junto a Embrapa - Gado de Corte-Campo Grande.

O conforto térmico humano (CTH) é medido por meio de índices de conforto também chamados de índices biometeorológicos. No estudo foram calculados o índice de Temperatura Efetiva (TE) e o índice de Temperatura Efetiva com Vento (TEV). Estes índices foram escolhidos porque segundo Coelho (2007) a literatura afirma que os mesmos representam satisfatoriamente o clima. O TE utiliza os parâmetros meteorológicos temperatura e umidade e o TEV além destes parâmetros utiliza também a velocidade dos ventos. Eles foram calculados segundo as seguintes expressões matemáticas:

TE = T – 0.4(T-10) (1-UR/100)

 onde TE é a temperatura efetiva (ºC), T é a temperatura do bulbo seco, UR é a umidade relativa (%).

TEV = 37-(37-T)/[0.68-0.0014UR + 1/(1.76+1.4v 0.75)]-0.29T(1-UR/100) 

onde TEV é a temperatura efetiva em função do vento (ºC); T é a temperatura do bulbo seco (ºC); UR é a umidade relativa em (%) e v é a velocidade do vento (m/s).

Os índices de CTH são divididos em nove faixas variando desde muito frio até muito quente: muito frio <13°C; frio (13°C – 16°C), frio moderado (16°C – 19°C); ligeiramente frio (19°C – 22°C); confortável (22°C – 25°C); ligeiramente quente (25°C – 28°C); quente moderado (28°C – 31°C); quente (31°C – 34°C) e muito quente >34°C. Esse critério é conhecido como "critério de Fanger" e foi obtido como resultado de medições das respostas fisiológicas do ser humano quando é exposto ao calor ou frio. As variáveis meteorológicas como a temperatura e umidade do ar, velocidade do vento e radiação, afetam diretamente o Conforto Térmico Humano (CTH) e de uma forma geral o comportamento dos indivíduos. Por isso a importância do estudo de índices biometeorológicos (COELHO, 2007). Neste estudo foram calculados o TE máximo, TE mínimo, TE médio, TEV máximo, TEV mínimo e TEV médio.

Realização da análise descritiva das variáveis quantitativas descritas por meio de tendência central (média, mediana) e de dispersão (desvio padrão, percentil) e o coeficiente de variação (CV) e posteriormente modelagem via Modelos Lineares Generalizados (MLG) utilizando o Modelo Múltiplo de Regressão de Poisson (MMR).

Neste grupo de modelos estatísticos a variável dependente (n° de internações hospitalares) é um processo de contagem, ou seja, é uma variável quantitativa discreta e as variáveis independentes são variáveis candidatas a explicar o comportamento da série ao longo do tempo. Como variáveis independentes, foram utilizadas as variáveis meteorológicas (temperaturas máximas, mínimas e médias, umidade do ar, índices de CTH, velocidade dos ventos e precipitação)

A variável resposta de uma regressão de Poisson deve seguir uma distribuição de Poisson onde a média da variável resposta deve ser igual à variância. Quando se trabalha com dados experimentais, nem sempre isto acontece podendo ocorrer uma super dispersão (variância maior que a média) ou uma sub dispersão (variância é menor que a média). Mesmo assim ainda é possível aplicar o modelo de regressão de Poisson realizando-se transformações (TADANO et. al.,2009).

As manifestações biológicas dos efeitos da poluição e dos parâmetros climáticos sobre a saúde humana apresentam, aparentemente, uma defasagem em relação à exposição do indivíduo aos agentes poluidores e climáticos. Os atendimentos observados em um dia específico podem tanto estar relacionados à poluição e ao clima do referido dia, como ao da poluição e clima observados em dias anteriores. Portanto é necessária a determinação de uma estrutura de "lag" (defasagem) (COELHO et. al. 2010).

Antes da realização da modelagem de Regressão de Poisson (MRP) foram calculados os lags, pois se sabe que as doenças do aparelho respiratório geralmente apresentam defasagem em relação à exposição dos indivíduos aos agentes climáticos. Foram usados lags variando de 1 a 7 dias pois o objetivo do estudo é de verificar a existência de correlação entre o n° de internações hospitalares devido a doenças respiratórias e as variáveis ambientais para um período máximo de uma semana.

Realização da matriz de correlação entre as variáveis de estudo com seus respectivos lags para definir a entrada dessas variáveis no modelo segundo o grau de significância estatística e verificar a existência de colinearidade entre as variáveis independentes.

Como a variável de interesse o número de internações por doenças respiratórias (DRU) não segue distribuição de Poisson, visto que a variância (115,31) é muito superior a média (10,74) foi realizada uma transformação usando-se a raiz de DRU com a qual a variância (4,08) e a média (2,54) se tornam muito parecidas.  

Construção dos modelos Univariáveis de Regressão de Poisson para a seleção das variáveis meteorológicas que apresentaram significância (valor-p) menor que 0,25 para então realizar os Modelos Multivariáveis de Regressão de Poisson (com estas variáveis) usando-se a seguinte equação:

ln (DRU) = a + Sbi (Xi)

Onde DRU é a variável dependente (número de internações por doenças respiratórias na cidade de Campo Grande), a e b são os parâmetros a serem estudados e Xi são as variáveis independentes.

Realização de ajustes no MRP através das variáveis reguladoras dias da semana, feriado e ano e cálculo do risco relativo (RR) usando os parâmetros estimados no modelo mediante a seguinte fórmula:

RR = exp(β*X) 

Onde X é o valor da variável independente e β é o parâmetro estimado pela regressão de Poisson.

 Para o cálculo de acréscimo percentual de internações, utilizou-se:

A = [(exp(β*X)) -1]*100 

Onde X é o limiar que se quer estimar da variável independente e β é o parâmetro estimado pela regressão de Poisson

O intervalo de confiança utilizado foi de 95% e usou-se a seguinte equação:

IC95% = exp[β ± 1,96*epd(β)]

Onde epd é erro padrão de β.

3. Resultados

A Tabela 1 e a Figura 1 mostram a análise descritiva do número de internações por doenças respiratórias nos hospitais de Campo Grande. No período de estudo (720 dias de 01 de janeiro de 2005 a 31 de dezembro de 2006), o número de internações por problemas respiratórios na população foi de 7766 com o máximo de 49 internações em um mesmo dia e o mínimo de zero. O ano de 2006 teve um maior numero de internações por doenças do aparelho respiratório apresentando um total de 4353 internações contra 3413 internações no ano de 2005.

Tabela 1 - Análise descritiva das admissões hospitalares diárias por doenças respiratórias

Média 

Mediana

Moda

Desvio Padrão

Variância

Mínimo

Máximo

Soma

10,64

9

0

10,74

115,31

0

49

7766

Fonte: Elaborado pelos autores (2015)

----

            Figura 1 - Série temporal do n° de internações por doenças respiratórias em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

O valor máximo da série temporal da concentração de O3 foi de 49,40 ppb e o mínimo 0,70 ppb. A média e a mediana ficaram com valores de 18,33 ppb e 17,8 ppb  respectivamente (Figura 2). A concentração de ozônio em nenhum momento ultrapassou o limite (81,2 ppb) de 160 microgramas por metro cúbico estabelecido pela Resolução N.° 003 de 28 de junho de 1990 do Conselho Nacional do Meio Ambiente (Conama) publicada no Diário Oficial da União de 22/08/90, seção I, pags. 15.937 a 15.939.

Conforme mostra a Figura 3, podemos verificar que a concentração de ozônio apresenta o seguinte comportamento: valores máximos durante o dia, atingindo o seu valor máximo entre 11h00min e 15h00min e valores mínimos durante a noite.  A concentração média de ozônio é de 17,38 ± 5,32 ppb, tendo o valor máximo de 49,00 ppb às 12:15 h, e o valor mínimo de 1,00 ppb na madrugada.

Figura 2 - Série temporal de O3 (ppb) em Campo Grande de 2005 a 2006

Fonte: Elaborada pelos autores (2015)

----

            Figura 3 - Média da Concentração horária de Ozônio (ppb) – anos de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

A concentração média de ozônio pode variar muito de um dia para outro, pois depende da cobertura das nuvens e dos fatores climáticos. A Figura 4 apresenta a média diária da concentração de ozônio nos anos de 2005 e 2006. Observa-se uma falta de regularidade relacionada às condições climáticas dos dias. Segundo Souza et. al.(2010) as variações diárias da concentração de ozônio dependem unicamente das condições meteorológicas, tais como, presença de nuvens, radiação solar, chuva e vento. Em dias mais ensolarados, a concentração de ozônio é maior, porque quanto mais radiação passa pela atmosfera, maiores serão as reações fotoquímicas que produzem o ozônio. Nos dias chuvosos, devido à cobertura de nuvens, há uma diminuição na radiação ultravioleta que atinge a superfície e, portanto uma diminuição nas reações fotoquímicas que são responsáveis pela produção do ozônio.

Figura 4 – Média diária dos dias dos meses dos anos de 2005 e 2006 para a Concentração de Ozônio (ppb)

Fonte: Elaborado pelos autores (2015)

Na Tabela 2 são apresentadas as variáveis meteorológicas temperaturas (mínimas, máximas e médias), umidade, precipitação e velocidade dos ventos. Os menores e maiores valores apresentados nas séries das temperaturas foram de 4,8°C e 25,1°C para as temperaturas mínimas e 11,1°C e 36,4°C para as temperaturas máximas. Em relação à umidade do ar o mínimo registrado foi de 20,7% e o máximo de 98%. Já para a precipitação e pra a velocidade dos ventos os extremos foram respectivamente 0 mm e 97,8 mm e 0 m/s e 8,1m/s.

            Tabela 2 - Análise descritiva das variáveis meteorológicas diárias

 

Temperatura

Mínima

Temperatura Máxima

Temperatura Média

Umidade

Precipitação

Velocidade dos Ventos

Média

18,914

30,010

23,401

66,707

3,824

3,111

Mediana

19,955

30,680

24,230

67,000

,000

3,000

Moda

20,100

30,600

24,600

66,000

,000

3,000

Desvio Padrão

3,604

3,789

3,451

15,603

10,746

1,154

Variância

12,987

14,355

11,907

243,458

115,483

1,331

Mínimo

4,776

11,100

10,000

20,710

,000

,000

Máximo

25,160

36,400

29,600

98,000

97,800

8,100

Fonte: Elaborado pelos autores (2015)

As Figuras 5, 6, 7 e 8 apresentam as séries temporais de temperaturas, umidade, precipitação e velocidade dos ventos  respectivamente.

Figura 5 - Série temporal das temperaturas (°C) em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

-----

Figura 6 - Série temporal da umidade do ar (%) em Campo Grande de 2005 a 2006

 

Fonte: Elaborado pelos autores (2015)

-----

Figura 7 - Série temporal da precipitação (mm) em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

-----

Figura 8 - Série temporal da velocidade dos ventos (m/s) em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

Os índices de CTH são apresentados na Tabela 3. Os índices TEMAX, TEMIN e TEMED apresentam os menores valores em torno de 11°C, 5,7°C e 10°C e os maiores valores em torno de 32,8°C, 23,2°C e 26,3°C respectivamente. Já os índices TEV MAX, TEV MIN e TEV MED apresentam mínimos em torno de 0,4°C, -5,7°C e -0,9°C e máximos em torno de 32,3°C, 18,3°C e 25,2°C respectivamente.

Tabela 3 - Análise descritiva diária dos índices de conforto térmico humano

 

Mínimo

Máximo

Média

Desvio

Padrão

Variância

TEMAX

11

32,8

27,27

3,13

9,82

TEMIN

5,7

23,2

17,77

3,21

10,28

TEMED

10

26,3

21,60

3,00

9,02

TEV MAX

0,4

32,3

25,17

4,42

19,53

TEV MIN

-5,7

18,3

10,00

4,22

17,79

TEV MED

-0,9

25,2

17,53

4,37

19,10

Fonte: Elaborado pelos autores (2015)

Observando-se a Figura 9 nota-se que as combinações de umidade e temperatura máxima, mínima e média entram várias vezes na faixa dentro da zona de conforto térmico que é de 22 - 25ºC, segundo critério Fanger. Quando é colocada a velocidade dos ventos nos índices, o TEV MIN sempre permanece em intervalo desconfortável (Figura 10). 

Figura 9 - Série temporal dos índices TEMAX, TEMIN
e TEMED (%C) em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

-----

Figura 10 - Série temporal dos índices TEV MAX, TEV
MIN e TEV MED (°C) em Campo Grande de 2005 a 2006

Fonte: Elaborado pelos autores (2015)

A matriz de correlação entre as variáveis explicativas com seus respectivos lags apresentou correlação entre os índices de conforto térmico e as temperaturas mínima, máxima e média e entre os índices e a umidade. Optou-se por modelar usando apenas os índices de CTH ao invés das temperaturas e umidade devido à existência da correlação entre os índices e estas variáveis. Além disso, os índices representam melhor a realidade, pois o ser humano está exposto a todas as variáveis ao mesmo tempo.

Iniciou-se a modelagem construindo os modelos Univariáveis de Regressão de Poisson com a variável RAIZ (DRU) e as variáveis explicativas O3, Precipitação, Velocidade dos ventos, TEMAX, TEMIN, TEMED, TEV MAX, TEV MIN e TEV MED uma a uma. As variáveis que apresentam significância (valor-p) menor que 0,25 são variáveis candidatas a fazer parte do Modelo Multivariavel de Regressão de Poisson (Tabela 4).

Tabela 4 – Variáveis explicativas seus lags e valor-p nas Regressões de
Poisson Univariáveis com a variável dependente RAIZ(DRU)

Variáveis Explicativas

lag(defasagem)

Sig. (valor-p)

O3

3

0,049

Precipitação

1

0,039

Vel. Ventos

2

0,110

TEMAX

2

0,000

TEMIN

4

0,917

TEMED

3

0,055

TEV MAX

3

0,060

TEV MIN

3

0,208

TEV MED

3

0,076

Fonte: Elaborado pelos autores (2015)

Iniciou-se a modelagem múltipla colocando o poluente O3, precipitação, velocidade dos ventos e o índice TEMAX com seus respectivos lags e as variáveis explicativas, dia da semana, feriado e ano. O modelo com maior significância estatística, com o menor AIC ("Akaike's Information Criterion" (AIC) quanto menor o valor do AIC melhor o modelo) e que se mostrou mais eficiente na previsão do n° de internações por doenças respiratórias encontra-se descrito na Tabela 5.

Tabela 5 - Estimativa para os parâmetros do modelo de Regressão de Poisson Múltiplo

 

 

Erro

 

 

95 % Intervalo de

Parâmetros

b

Padrão

Significância

Exp(b)

Confiança Exp(b)

 

 

 

 

 

Inferior

Superior

Intercepto

-1, 288

, 4479

, 004

, 276

, 115

, 664

Domingo

-2, 426

, 2049

, 000

, 088

, 059

, 132

Quarta-feira

, 227

, 0566

, 000

1, 255

1, 124

1, 403

Quinta-feira

, 121

, 0580

, 038

1, 128

1, 007

1, 264

Sábado

-2, 221

, 1839

, 000

, 108

, 076

, 156

Segunda-feira

, 343

, 0507

, 000

1, 409

1, 276

1, 557

Sexta-feira

, 176

, 0585

, 003

1, 193

1, 064

1, 338

Terça-feira

0a

.

.

1

.

.

Não feriado

2, 473

, 4350

, 000

11, 857

5, 055

27, 811

Feriado

0a

.

.

1

.

.

2005

-, 135

, 0363

, 000

, 874

, 814

, 939

2006

0a

.

.

1

.

.

O3

, 007

, 0019

, 000

1, 007

1, 004

1, 011

TEVMED

-, 010

, 0038

, 011

, 990

, 983

, 998

Fonte: Elaborado pelos autores (2015)
Variável dependente: Raiz (DRU)
Modelo: intercepto, dia, feriado, ano, O3, TEVMED
a: zero  porque é parâmetro de referência

As variáveis explicativas, concentração de ozônio (3 lags de diferença) e TEV MED (3 lags de diferença) são significativas. O intercepto e as variáveis reguladoras, dia da semana, feriado e ano também o são. O coeficiente b é negativo para sábado e domingo confirmando que o n° de internações diminui nos finais de semana. Durante a semana todos os dias apresentaram b positivo sendo o dia com maior b a segunda feira.  Para os dias não feriados o b é positivo, ou seja, aumenta as internações em relação aos feriados. O b do ano de 2005 é negativo demonstrando que durante este ano houve um decréscimo das internações por doenças respiratórias na cidade de Campo Grande. O coeficiente β para o parâmetro ozônio é positivo indicando aumento na freqüência das internações com o aumento da concentração de ozônio no ar. Por sua vez o b do índice TEV MED é negativo, ou seja, quanto menor o conforto humano maior o n° de pessoas com doenças do aparelho respiratório.

A análise do acréscimo (decréscimo) do n° de internações devido ao aumento individual da concentração de ozônio e do índice de conforto térmico humano TEV MED pode ser observada na Tabela 6.

 Tabela 6 - Risco relativo e acréscimo de internações para as variáveis independentes

 Variações

∆ 1

∆ 2

∆ 3

∆ 4

∆ 5

∆ 6

∆ 7

∆ 8

∆ 9

∆10

O3

0-4

0-8

0-12

0-16

0-20

0-24

0-28

0-32

0-36

0-40

RR

1,03

1,06

1,09

1,12

1,15

1,18

1,22

1,25

1,29

1,32

Acréscimo (%)

2,84

5,76

8,76

11,85

15,03

18,29

21,65

25,11

28,66

32,31

TEV MED (°C)

0-2

0-4

0-6

0-8

0-10

0-12

0-14

0-16

0-18

0-20

RR

0,98

0,96

0,94

0,92

0,90

0,89

0,87

0,85

0,84

0,82

Acréscimo (%)

-1,98

-3,92

-5,82

-7,69

-9,52

-11,31

-13,06

-14,79

-16,47

-18,13

Fonte: Elaborado pelos autores (2015)

Para a concentração de ozônio foram feitos incrementos a cada 4 ppb. Observa-se que na variação de 0 para 4 ppb ocorre um aumento de 2,84% no n° de internações por doenças do aparelho respiratório e para variação de 0 a 40 ppb o aumento será de 32,31% (Figura 11). O risco relativo (Figura 12) aumenta de 1,03 para 1,32 indicando que o risco de uma pessoa exposta à concentração de 40ppb de ozônio de apresentar doença do aparelho respiratório é 1,32 vezes maior que uma pessoa que não foi exposta a esta concentração.

Figura 11 - Acréscimo de internações com o aumento do ozônio (O3)

Fonte: Elaborado pelos autores (2015)

-----

Figura 12 - Risco Relativo decorrente do aumento do ozônio (O3)

Fonte: Elaborado pelos autores (2015)

Em relação ao índice TEV MED foram feitos incrementos a cada 2°C e constatou-se que o aumento deste índice significa condições mais confortáveis, fator responsável pela diminuição no n° de internações hospitalares. Na Figura 13 verifica-se que se ocorrer um acréscimo de 0 para 2°C ocorrerá um decréscimo de -1,98% no n° de internações e se o acréscimo do TEV MED for de 0 para 20°C a queda nas internações será de -18,13%. O conforto térmico provocado pelo aumento do índice TEV MED atua como fator de proteção para o n° de internações visto que o risco relativo diminui com o aumento deste índice de conforto térmico humano variando de 0,98 a 0,82 (Figura 14).

Figura 13 - Decréscimo de internações com o aumento do índice TEV MED

Fonte: Elaborado pelos autores (2015)

----

Figura 14 - Risco Relativo decorrente do índice TEV MED

Fonte: Elaborado pelos autores (2015)

Para avaliar o ajuste do modelo deve-se realizar uma análise dos resíduos. Esta análise pode ser através do gráfico dos desvios residuais de cada observação em relação aos valores ajustados pelo modelo. Um modelo bem ajustado possui o gráfico com pontos o mais próximo possível de zero no intervalo -2 e 2. Outro gráfico que também é um bom indicador do ajuste do modelo é o gráfico dos valores observados da variável resposta em relação aos valores ajustados pelo modelo. Os pontos deste gráfico devem estar próximos indicando que os valores ajustados estão próximos dos valores observados (TADANO et. al., 2009).

Figura 15 – Resíduos de Pearson em relação à raiz das internações  (DRU)

Fonte: Elaborado pelos autores (2015)

-----

Figura 16 - Internações (DRU) em relação aos valores ajustados pelo modelo

Fonte: Elaborado pelos autores (2015)

A Figura 15 demonstra que o modelo consegue prever internações hospitalares com erro abaixo de 30%, exceto nos finais de semana onde o n° de internações diminui muito ocorrendo um acumulo de dias sem registro de internação por doença respiratória. Esta grande quantidade de dias sem registro (muitos zeros) não permite que o modelo faça uma previsão robusta das internações ocasionando um achatamento destes valores (Figura 16).

4. Discussão

Sabe-se que pessoas com problemas respiratórios sofrem cada vez mais com a poluição do ar. A relação entre a poluição atmosférica e doenças respiratórias vem sendo avaliada em diversos estudos nacionais e internacionais. Este estudo, por intermédio de uma Regressão de Poisson procurou detalhar a relação entre variáveis meteorológicas, poluição atmosférica e a ocorrência de hospitalizações em Campo Grande-MS. Observou-se uma associação estatisticamente significante entre o aumento do poluente atmosférico ozônio e o aumento no número de internações hospitalares por doenças do aparelho respiratório e uma diminuição nestas internações com o aumento dos índices de conforto térmico humano. O uso de modelos de regressão sofisticados permite cada vez mais controlar fatores de confusão que podem interferir na análise dos dados.

SOUZA et al, 2014; Souza et al, 2015, avaliou a relação entre variáveis meteorológicas e doenças respiratórias por faixa etária, com base nas investigações realizadas, observou-se correlação significativa entre os parâmetros climáticos e as internações por doenças respiratórias.

É importante salientar que a hospitalização é apenas um dos muitos efeitos causados pela poluição do ar. O uso de medicações e a redução em atividades físicas, por exemplo, não são avaliados neste trabalho, porém são de grande importância para a saúde pública. Ocorrem com grande frequência, produzem impactos negativos na qualidade de vida das pessoas e geram consequências econômicas negativas como faltas nas escolas e nos trabalhos.

Os registros do estudo são de hospitalizações da rede pública e privada que atende à parcela da população que não dispõe de planos de saúde privados (http://www.datasus.gov.br). As informações do Sistema de Informações Hospitalares do SUS utilizadas neste estudo são realizadas com objetivo contábil e não para estudos epidemiológicos podendo, portanto terem ocorrido erros na frequência das internações. Observa-se uma grande diminuição no n° de internações nas quintas e sextas feiras, praticamente nenhuma internação nos finais de semana e um acumulo muito grande de internações nas segundas feiras, o que leva a se pensar que o registro do SUS permite que as internações ocorridas nos finais de semana sejam apontadas no inicio da semana.

O modelo de Regressão de Poisson proposto neste estudo devido à grande quantidade de zeros (dias sem registro de hospitalização) produz um achatamento (diminuição) na previsão do número de internações. Porém no geral este modelo é satisfatório visto que conseguiu mostrar que as variáveis ambientais podem ser usadas para estimar internações hospitalares. 

5. Conclusão

Estimar o risco para a saúde da população em relação a fatores meteorológicos e a poluição do ar é um importante passo para o planejamento e a realização de tomadas de decisões que levem em conta questões ambientais e qualidade de vida. Os resultados apresentados no trabalho indicam em termos quantitativos o risco para o acréscimo no número de hospitalizações por doenças respiratórias com o aumento da concentração de ozônio troposférico na cidade de Campo Grande. Espera-se que os dados apresentados sejam utilizados para uma melhor avaliação do impacto da poluição do ar na saúde humana em Campo Grande e em outras metrópoles brasileiras.

Referências

ANUNCIAÇÃO, Vicentina Socorro da; SANT'ANNA NETO, João Lima. O clima urbano da cidade de Campo Grande - MS. In: SANT'ANNA NETO, João Lima (Org.). Os climas das cidades brasileiras. Presidente Prudente: Editora da UNESP, 2002, p.22-35.

COELHO, Micheline de Sousa Zanotti Stagliório. Uma análise estatística com vistas a previsibilidade de internações por doenças respiratórias em função de condições meteorotrópicas na cidade de São Paulo. 2007.196f. Tese (Doutorado em Meteorologia) – Programa de Pós-Graduação do Departamento de ciências atmosféricas, São Paulo, 2007.

COELHO, Micheline de Sousa Zanotti Stagliório; ALVES, Fábio Luiz Teixeira Gonçalves; LATORRE, Maria do Rosário Dias de Oliveira. Statistical Analysis Aiming at Predicting Respiratory Tract Disease Hospital Admissions from Environmental Variables in the City of São Paulo. Journal of Environmental and Public Health, 2010.

CONCEICAO, Gleice Margarete de Souza; SALDIVA, Paulo Hilário Nascimento; SINGER, Julio da Motta. Modelos MLG e MAG parágrafo Análise da Associação entre poluição atmosférica e marcadores de morbi-mortalidade: uma introdução baseada nos dados da cidade de São Paulo. Rev. bras. epidemiol. [online]. 2001, vol.4, n.3, p. 206-219.

Conselho Nacional do Meio Ambiente (CONAMA) /RESOLUÇÃO/N.º 003 de 28 de junho de 1990. Publicada no Diário Oficial da União, de 22/08/90, Seção I, Págs. 15.937 a 15.939.

SANT'ANNA NETO, João Lima; ANUNCIAÇÃO, Vicentina S. da. Uma reflexão do espaço urbano da cidade de Campo Grande/MS na perspectiva climática; In: Rev. Pantaneira, vol. 3 nº1, 2003.

SOUZA, Amaury; ARISTONE, Flavio; SANTOS Debora Aparecida; SABBAH Ismail. Temperature, hospital admissions in Campo Grande, MS, Brazil: A time-series analysis. Global Advanced Research Journal of Medicine and Medical Science. Vol. 4(3) pp. 110-116, March, 2015

\SOUZA, Amaury; PAVÃO, Germano Hamilton; LASTORIA, Giancarlo; PARANHOS FILHO, Conceição Antonio. Doença respiratória e sua relação com radiação solar global, radiação extraterrestre, radiação UV e índice de limpidez atmosférico. Rev. Brasileira de geografia médica e da saúde, 2010, vol.6, n. 10, pp 68-76

TADANO, Yara de Souza; UGAYA, Cássia Maria Lie; FRANCO, Admilson Teixeira. Método de regressão de Poisson: metodologia para avaliação do impacto da poluição atmosférica na saúde populacional. Ambient. soc. [online]. 2009, vol.12, n.2, pp. 241-255.


1. Universidade Federal de Mato Grosso do Sul - UFMS - Campo Grande (MS) - Brasil . Correspondencia e mail amaury.de@uol.com.br
2. Universidade Federal de Mato Grosso –UFMT-Rondonopolis (MT) –Brasil


Vol. 36 (Nº 24) Año 2015

[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]