Análise da evolução de tuberculose no município de Teresina (PI): uma análise espaço-temporal entre os anos de 2001 a 2022

Abstract

A tuberculose (TB) é uma doença infecciosa crônica causada por espécies do Complexo Mycobacterium tuberculosis. Está entre as doenças transmissíveis de maior mortalidade e afeta prioritariamente os pulmões, embora possa acometer outros órgãos na sua forma extrapulmonar. No estado do Piauí, entre 2010 e 2018, foram registrados 4.521 casos em Teresina, que se destacou como a cidade com a maior incidência de tuberculose no estado, acima da média nacional, o que justifica a realização deste estudo. O principal objetivo desta tese foi analisar a distribuição espacial e temporal da incidência de tuberculose no município de Teresina, Piauí, entre 2001 e 2022. Para isso foram utilizados modelos espaço-temporais em duas abordagens: a Bayesiana, com o algoritmo INLA (Integrated Nested Laplace Approximations), e a frequentista, com modelos aditivos generalizados (GAM). A análise bayesiana, por meio do INLA, demonstrou melhor desempenho devido sua capacidade de modelar de forma precisa as heterogeneidades espaciais e temporais, incorporando a estrutura espacial e a dependência temporal, além de permitir uma estimativa robusta dos parâmetros. A abordagem frequentista foi eficaz ao lidar com os efeitos não lineares das covariáveis, possibilitando a modelagem de relações complexas entre as variáveis espaciais e temporais. Entretanto, essa abordagem não capturou a estrutura espacial da mesma forma que o INLA, mas permitiu detectar padrões não lineares e tendências temporais. Ao comparar as abordagens Bayesiana e frequentista, observou-se que o INLA foi selecionado mesmo na ausência de significância estatística das covariáveis tradicionais, devido à sua flexibilidade metodológica e capacidade de fornecer um panorama detalhado da distribuição espaço-temporal da tuberculose. Esse modelo possibilita o mapeamento espaço-temporal de áreas de maior risco, contribuindo para a tomada de decisões relacionadas às ações de prevenção, controle e fortalecimento das estratégias de saúde pública. As conclusões deste estudo reforçam a importância do uso de modelos espaço-temporais na implementação de políticas públicas eficazes para o controle da tuberculose em Teresina.

Tuberculosis (TB) is a chronic infectious disease caused by species of the \textit{Mycobacterium tuberculosis} Complex. It is among the communicable diseases with the highest mortality rates, it is an infectious and transmissible disease that primarily affects the lungs, although it can affect other organs (extrapulmonary form). In the State of Piauí, between 2010 and 2018, 4,521 cases were registered in Teresina, standing out as the city with the highest incidence of tuberculosis in the state, above the national average, which justifies this study. The main objective of this thesis was to analyze the distribution in space and time of the incidence of tuberculosis in the municipality of Teresina, Piauí, between 2001 and 2022. In the modeling, spatio-temporal models were used in two approaches: the Bayesian approach, with the INLA algorithm (Integrated Nested Laplace Approximations), and the frequentist, with generalized additive models (GAM). Bayesian analysis, through INLA, demonstrated better performance due to its ability to accurately model spatial and temporal heterogeneities, incorporating spatial structure and temporal dependence, in addition to allowing a robust estimation of parameters. The frequentist approach was effective in dealing with the non-linear effects of covariates, enabling the modeling of complex relationships between spatial and temporal variables. However, this approach did not capture the spatial structure in the same way as INLA, however it allowed the detection of non-linear patterns and temporal trends. When comparing the Bayesian and frequentist approaches, it is observed that INLA was selected, even in the absence of significance of traditional covariates, due to its methodological flexibility and ability to provide an accurate overview detailing the spatio-temporal distribution of tuberculosis. This model allows for the spatio-temporal mapping of areas at greatest risk, contributing to decision-making related to prevention, control and strengthening health strategies. The conclusions of this study reinforce the importance of using spatio-temporal models in the implementation of effective public policies for tuberculosis control in Teresina.