Orientador: Ricardo Carlos Cordeiro

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Médicas

Resumo: A busca em compreender determinados fenômenos epidemiológicos muitas vezes envolve uma ferramenta denominada análise espacial do risco. O estudo do espaço em que ocorrem determinados desfechos permite ao pesquisador considerar informações não coletadas através de questionários ou prontuários...

Resumo: A busca em compreender determinados fenômenos epidemiológicos muitas vezes envolve uma ferramenta denominada análise espacial do risco. O estudo do espaço em que ocorrem determinados desfechos permite ao pesquisador considerar informações não coletadas através de questionários ou prontuários médicos. Também insere questões sobre o que faz com que determinada área dentro da região de estudo se associe com maior risco ou proteção para o desfecho estudado. Existem muitos métodos para obter análises espaciais do risco, como os modelos aditivos generalizados, que permitem incluir nestas análises outras informações de interesse dos indivíduos estudados. Porém, atualmente, os estudos epidemiológicos que consideram a distribuição espacial do risco são analisados apenas com desfechos dicotômicos como, por exemplo, quando se classifica o indivíduo em doente ou não-doente. Esta é uma limitação que este trabalho visa superar ao apresentar um processo analítico da distribuição espacial do risco quando se tem uma variável resposta multinomial. Além de apresentar esta nova ferramenta, este trabalho analisou dois desfechos epidemiológicos: o primeiro é proveniente de um estudo caso-controle sobre acidentes de trabalhado na cidade de Piracicaba em que a resposta foi: casos graves, casos leves ou controles; outra ilustração provém de um estudo transversal sobre criadouros de mosquitos no Distrito Sul de Campinas, onde se encontrou muitos criadouros, poucos criadouros ou nenhum criadouro. Primeiramente, faz-se necessária uma discussão sobre a adequação de cada modelo multinomial a alguns estudos epidemiológicos. Também se discute a escolha de um entre diversos modelos multinomiais e apresenta-se a maneira de interpretar os resultados da análise. Para tornar este método acessível a outros pesquisadores, são apresentadas funções computacionais para o processo analítico

Abstract: The search for understanding some epidemiological phenomena often involves an tool called spatial analysis of risk. The study of space in which certain outcomes occur allows the researcher to consider information that can not be collected through questionnaires or medical records. It also...

Abstract: The search for understanding some epidemiological phenomena often involves an tool called spatial analysis of risk. The study of space in which certain outcomes occur allows the researcher to consider information that can not be collected through questionnaires or medical records. It also puts questions about what makes a certain area within the study region was associated with greater risk or protection for the outcome studied. Many techniques are used for this kind of study as the generalized additive models that fit the spatial analysis of the risk with others informations of interest. But now, epidemiological studies that consider the spatial distribution of risk are analyzed only with dichotomous outcomes, such as when it classifies the individual in case or control. This is a limitation that this study aims to overcome when presenting an analytical process of the spatial distribution of risk when you have a multinomial response variable. In addition to presenting this new tool, this study analyzed two outcomes: first, from a case-control study of precarious workers in the city of Piracicaba in which the response was: severe cases, mild cases or controls. Another illustration comes from a cross-sectional study on mosquito breeding sites in the Southern District of Campinas, where we met many breeding sites, few or no breeding sites. First, it is necessary a discussion on the appropriateness of each multinomial model to some epidemiological studies. It also discusses the choice of one among several multinomial models and shows the way to interpret the results of the analysis. We present the computational functions for the analytical process to make this method accessible to other researchers