Spatial distribution and socioeconomic context of tuberculosis in Rio de Janeiro, Brazil.

OBJECTIVE To analyze the spatial distribution of risk for tuberculosis and its socioeconomic determinants in the city of Rio de Janeiro, Brazil. METHODS An ecological study on the association between the mean incidence rate of tuberculosis from 2004 to 2006 and socioeconomic indicators of the Censo Demográfico (Demographic Census) of 2000. The unit of analysis was the home district registered in the Sistema de Informação de Agravos de Notificação (Notifiable Diseases Information System) of Rio de Janeiro, Southeastern Brazil. The rates were standardized by sex and age group, and smoothed by the empirical Bayes method. Spatial autocorrelation was evaluated by Moran's I. Multiple linear regression models were studied and the appropriateness of incorporating the spatial component in modeling was evaluated. RESULTS We observed a higher risk of the disease in some neighborhoods of the port and north regions, as well as a high incidence in the slums of Rocinha and Vidigal, in the south region, and Cidade de Deus, in the west. The final model identified a positive association for the variables: percentage of permanent private households in which the head of the house earns three to five minimum wages; percentage of individual residents in the neighborhood; and percentage of people living in homes with more than two people per bedroom. CONCLUSIONS The spatial analysis identified areas of risk of tuberculosis incidence in the neighborhoods of the city of Rio de Janeiro and also found spatial dependence for the incidence of tuberculosis and some socioeconomic variables. However, the inclusion of the space component in the final model was not required during the modeling process.

INTRODUCTION

Tuberculosis is a neglected disease, which is endemic in several countries and accounts for about 1.3 million deaths annually. It is estimated that one third of the world population is infected with Mycobacterium tub erculosis and is, therefore, at risk of developing the disease. Approximately 95.0% of the cases occur in developing countries. In 2012, the worldwide estimated incidence of tuberculosis was 122 cases/100,000 inhabitants, and about 12 million prevalent cases in the world. In that year, Brazil was among the 22 countries with the highest disease burden, totaling 40,152 cases reported with the presence of resistant acid-fast bacilli in the sputum, and an incidence rate of 46 cases/100,000 inhabitants. Rio de Janeiro is the Brazilian state with the highest occurrence rate.

Besides the contact with patients with smear-positive tuberculosis, the probability for an individual to be infected and develop the disease depends on several factors, including socioeconomic conditions and the existence of comorbidities, particularly immunosuppressive ones. Poverty, malnutrition, poor sanitation, high population density, acquired immunodeficiency syndrome and population aging are currently some of the factors involved in the spreading and severity of the illness. The association between incidence of tuberculosis and socioeconomic variables, described in several studies, corroborates the high disease burden observed in the so-called developing countries such as Brazil. , , , ,

The use of spatial analysis in public health covers many different topics. The incorporation of new technologies and access to secondary databases allowed for this type of analysis to be used more widely. In the 2000s, several studies have been published on the distribution and determinants of communicable and noncommunicable diseases, focusing on different approaches. , ,

Thus, the objective of this study was to analyze the spatial distribution of risk for tuberculosis and its socioeconomic determinants in the city of Rio de Janeiro.

METHODS

This is an ecological study conducted in the city of Rio de Janeiro, RJ, Southeastern Brazil, on the association between the mean tuberculosis incidence rate over three years (2004, 2005, and 2006), and socioeconomic indicators obtained from the Ce nso Demográfico (Demographic Census) of 2000. The unit of analysis was the self-reported home district.

The city of Rio de Janeiro, occupies a total area of 1,182 km , and 70.0% of it is populated by human beings. The estimated population in 2006 was 6,136,652 inhabitants living in 160 neighborhoods spread over five health surveillance areas. Because the neighborhoods of Vasco da Gama and Gericinó did not officially exist in 2000, this study considered the information of 158 neighborhoods.

The socioeconomic indicators used were: income, education, water supply, waste collection, sewage and household population density. We also used the social progress index (SPI) – a synthetic index developed to measure the degree of social development of a geographical area, allowing comparison with other areas of the same nature. SPI includes dimensions related to sanitation, housing quality, educational attainment and availability of income. Other indicators used were Theil’s L, Gini index and the municipal human development index (HDI), obtained at the Pereira Passos Institute. We also included: life expectancy at birth (in years); adult literacy rate (%); crude school attendance rate (%); and per capita income (in Brazilian Reais [BRL]) of 2000.

To estimate the incidence of tuberculosis in the city of Rio de Janeiro, we used the Sistema de Informação de Agravo s de Notificação (SINAN – Notifiable Diseases Information System), selecting only new cases of tuberculosis of people living in the city notified to Epidemiological Surveillance from 2004 to 2006. Data were provided by the Municipal Health Department of Rio de Janeiro. Cases of people imprisoned were excluded from the analysis. The mean tuberculosis incidence rate of the three years of the study was used, considering the potential notification fluctuations between years. We proceeded to the standardization of incidence rates of each neighborhood by sex and age group using the direct method, and considering the population of the city of Rio de Janeiro as the standard. The age groups chosen were: zero to 19 years, 20 to 39 years, 40 to 59 years and 60 years or over, considering the distribution of the disease in the study population.

To minimize the instability caused by the random fluctuation in rates, we used the local empirical Bayes estimation, which smoothens the standardized rates by applying weighted means, creating a third corrected rate. This rate considered population density and mean local rate, estimated from a spatial proximity matrix.

The correlation between the dependent and independent variables was assessed during the exploratory phase of the study by the Spearman correlation coefficient at a significance level of 5%.

Spatial autocorrelation was evaluated by Moran’s I, which tests the spatial dependence of the observations and is estimated from a pre-established neighborhood parameter. It can range from -1 to +1, the negative values being indicators of negative or inverse autocorrelation, and the positive, of spatial aggregation or direct correlation. The level of significance for spatial autocorrelation was p < 0.05.

To incorporate spatial effects in this study, we assessed the use of a spatial regression model with global effect called Conditional AutoRegressive (CAR). It is a linear model that captures the spatial dependence of the dependent variable in a single parameter, considering that the spatial process is stationary. This parameter is assigned to the error of the regression model, so that:

in which:

Wε = error with spatial effects

ρ = measure of spatial correlation; the auto-regression coefficient

ξ = error component with constant and uncorrelated variance

The null hypothesis in this case is that there is no autocorrelation, resulting in ρ = 0.

Before CAR modeling, the independent variables were inserted in the multiple linear regression model, as suggested by Luc Anselin, allowing to choose the variables most associated to the outcome for inclusion in the final model, which would include spatial dependence. The final multiple linear regression model used the natural logarithm of the corrected and standardized mean incidence rate of the three years as the dependent variable, approximating its distribution to a normal curve.

The independent variables, which were continuous, did not suffer transformation, and the choice for including them in the modeling process was guided by the epidemiological context and the pre-built correlation matrix. The variables that presented higher correlation with the dependent variable were preferably chosen. Outliers were identified by Cook’s D, which evaluates changes caused in the regression coefficients when a given observation is removed from the model.

To check the degree of multicollinearity between the variables in the final model, tolerance and variance inflation factor were used. Homoscedasticity was graphically assessed in residual analysis. The independence of residuals, i.e., the absence of serial correlation was evaluated by the Durbin-Watson test (values lower than 2 imply possibility of correlation).

The softwares TerraView 3.1.3, SPSS 13.0, and S-Plus 4:5 were used for processing and analyzing data.

The study was approved by the Research Ethics Committee of the Municipal Health Department of Rio de Janeiro (Protocol 217/08, of 11/3/2008). The use of secondary bases was authorized by the responsible manager and the confidentiality of the patient identification data was assured.

RESULTS

From 2004 to 2006, 16,869 new cases of tuberculosis were notified among people living in the city of Rio de Janeiro with residential information. Of this total, 16.1% were residents of Campo Grande, Rocinha, Bangu and Santa Cruz. The Copacabana neighborhood, with the best HDI in the city, was the eighth in concentration of cases of the disease, accounting for 2.7% of the total. The mean crude incidence rate for three years was 95.9 cases/100,000 inhabitants, ranging from zero in neighborhoods with no reported cases (Campo dos Afonsos, Grumari, Joá, Parque Columbia and Vila Militar) to 869.2 cases/100,000 people in the Saúde neighborhood. Also noteworthy are the neighborhoods of Bonsucesso (647.7 cases/100,000 population), Jacaré (460.0 cases/100,000 population), Rocinha (447.3 cases/100,000 population), and Santo Cristo (436.7 cases/100,000 inhabitants). After standardization and correction by the local empirical Bayes method, Bonsucesso, Jacaré, Rocinha and Santo Cristo continued to show the highest incidence rates during the period studied, with Bonsucesso moving to the highest risk category (659.5 cases/100,000 population). In Saúde, a neighborhood with only 2,186 inhabitants, the mean incidence rate decreased almost 30.0%.

Standardized and corrected rates showed increased risk of illness in some neighborhoods of the port and north areas. There was also a high incidence in the slums of Rocinha and Vidigal, in the south region, and Cidade de Deus, in the west region. Rocinha, besides concentrating a large absolute number of cases, also showed a very high incidence rate. Figure 1 shows the spatial distribution of the mean incidence rate, standardized by sex and age, and corrected.

Figure 1

Spatial distribution of the mean tuberculosis incidence rate, standardized by sex and age, and corrected (per 100,000 inhabitants). Rio de Janeiro, RJ, Southeastern Brazil, 2004 to 2006.

The visualization of the spatial pattern allowed the identification of a “corridor” formed by areas of higher risk, starting at the port area (also comprising areas of Morro da Providência), extending to Estácio (including Complexo do Sao Carlos), Cidade Nova, Sao Cristovao, and then through Sao Cristovao, Benfica, Manguinhos, Jacaré, Jacarezinho, Bonsucesso and Ramos. Neighboring areas such as Maré and Complexo do Alemao showed no such significant rates, the latter with a rate of 2.4 cases/100,000 inhabitants, the lowest among all neighborhoods. However, Inhaúma, close to Complexo do Alemao, presented a corrected and standardized rate of 155.2 cases/100,000 inhabitants.

Another place with a high incidence of the disease was Costa Barros (including Complexo da Pedreira), with 241.7 cases/100,000 inhabitants, not followed by neighboring areas. In the same area, only Anchieta and Barros Filho reached 103.4 and 103.2 cases/100,000 inhabitants, respectively. Pedra de Guaratiba, Sepetiba and Santa Cruz are neighborhoods in the west region that also had high incidence rates.

Table 1 shows the Spearman correlation coefficients. The variables that indicated better socioeconomic conditions, as the percentage of permanent households in which the head of the house received more than 10 minimum wages and SPI, showed inverse correlation with the incidence of tuberculosis. We observed the same for the municipal HDI. The percentage of households with people living alone was positively correlated with the incidence of tuberculosis, as well as the percentage of people living in homes with density than two people per bedroom.

Table 1

Correlation between socioeconomic variables and mean standardized and corrected incidence rate. Rio de Janeiro, RJ, Southeastern Brazil, 2004 to 2006.

Variable	Spearman correlation coefficient	p
% permanent households whose head earns over 10 MW	-0.41	< 0.001
Social development index	-0.36	< 0.001
Life expectancy at birth	-0.32	< 0.001
Municipal human development index	-0.32	< 0.001
Longevity index	-0.32	< 0.001
Per capita income	-0.28	< 0.001
% households with people living alone	0.19	0.007
% makeshift homes	0.21	0.003
% permanent households whose head earns 3-5 MW	0.30	< 0.001
% people living in homes with a density higher than two people per bedroom	0.37	< 0.001
% illiteracy for people older than 15 years	0.39	< 0.001
% permanent households whose head earns up to 2 MW	0.42	< 0.001

MW: minimum wage

Table 2 presents some of the statistically significant results of global Moran’s I. The mean crude incidence rate showed a 0.161 index (p < 0.018), whereas the corrected and standardized rate showed an index of 0.218 (p < 0.007). We found significant spatial autocorrelation for several independent variables, including the percentage of households with people living alone, per capita income, percentage of permanent private households whose head received three to five minimum wages and percentage of permanent households where the head received more than 10 minimum wages. At this stage of analysis, the Complexo do Alemao neighborhood was excluded for presenting a mean standardized corrected incidence rate of 2.40 cases/100,000 inhabitants (two notified cases over three years), different from the rest of the data and incompatible with the number of cases expected in the neighborhood. The area had 65,026 inhabitants and the worst HDI of the city.

Table 2

Spatial autocorrelation of socioeconomic variables defined by neighborhood. Rio de Janeiro, RJ, Southeastern Brazil, 2000.

Variable	Moran’s I Global Index	p
% households with people living alone	0.72	0.001
Per capita income	0.63	0.001
% permanent households whose head earns over 10 MW	0.53	0.001
% permanent households whose head earns 3-5 MW	0.51	0.001
Social development index	0.51	0.001
Municipal human development index	0.50	0.001
Life expectancy at birth	0.43	0.001
Longevity index	0.43	0.001
% permanent households whose head earns up to 2 MW	0.37	0.001
% permanent households with adequate water supply	0.36	0.002
% people living in homes with a density higher than two people per bedroom	0.33	0.001
Adult literacy rate	0.33	0.001
% private households with adequate waste collection	0.27	0.002
% illiteracy for people older than 15 years	0.20	0.002

MW: minimum wage

Several models were studied before we chose the final one, shown in Table 3. During the modeling process, the need to include the spatial component in the regression model was evaluated, given that the dependent variable had significant spatial autocorrelation. The need to use the CAR model was reinforced by the spatial autocorrelation detection in the multiple linear regression residual analysis based on Moran’s I. However, despite the existence of spatial autocorrelation for the dependent variable in the exploratory phase of the study, the inclusion of the CAR model was not sufficient to remove the spatial dependence of residuals in this model. Thus, we decided to maintain multiple linear regression as the final model.

Table 3

Final model of multiple linear regression to the mean log of the standardized and corrected incidence rate. Rio de Janeiro, RJ, Southeastern Brazil, 2004 to 2006.

Variable	Coefficient	Standard error	t	p	IC95%
% households whose head earns 3-5 MW	0.050	0.011	4.614	< 0.001	0.028;0.071
% households with people living alone	0.049	0.009	5.260	< 0.001	0.030;0.067
% people living in homes with more than two people per bedroom	0.024	0.005	4.927	< 0.001	0.015;0.034

MW: minimum wage

The variables that remained in the final linear regression model were the percentage of permanent private households whose head received three to five minimum wages, the percentage of households with people living alone in the neighborhood and the percentage of people living in households with more than two people per bedroom.

The proposed model explains approximately 30.0% of the incidence of tuberculosis in the neighborhoods of the city of Rio de Janeiro during the period studied (R2 = 0.299).

The variance inflation factor and the tolerance test suggested a low level of collinearity among the variables included in the final model. The variance inflation factor was < 10, the greatest being 2,039, and the tolerance test was > 0.1 for all variables. The existence of possible outliers was assessed by estimating Cook’s distance, which satisfactorily ranged from 0 to 0.065 in the observed units. The residual independence assumption was fulfilled, given that the Durbin-Watson test result was 2.275. Figure 2 summarizes the residual analysis. The histogram and Q-Q plot exhibit normal residual patterns. The random pattern of the scatterplot of the predicted values and standardized residuals strengthens the hypothesis of constant variance. Thus, we may assume that the model is homoscedastic. The last graph, a scatterplot between the dependent variable and the predicted values, although not perfectly adjusted, points to a reasonable adjustment of the final model.

Figure 2

Graphs for diagnosis of model adjustment.

DISCUSSION

The pattern of distribution of tuberculosis cases, represented by the mean incidence rate of the three studied years, shows a predominance of the disease in some neighborhoods of the northern, western and central/port areas. The southern area, which gathers neighborhoods with better socioeconomic conditions, also exhibits extremely poor areas such as the Rocinha and Vidigal slums, with high incidence rates of the disease. We considered removing Complexo do Alemao from the regression analysis because it is not possible to rule out the possibility of undernotification of cases from this neighborhood. The cases of tuberculosis in residents of this community in the analyzed period may have been referred to a neighboring district to fill in the notification/investigation report.

The noninclusion of spatial dependence in the final model was also reported by Acosta, in Porto Alegre, RS, Southern Brazil, who evaluated the correlation between the incidence of tuberculosis in the neighborhoods and their socioeconomic conditions. Acosta also did not identify any spatial autocorrelation between variables during the multiple linear regression evaluation of residuals. The final model identified no spatial association between the incidence of tuberculosis and the following variables: mortality rate due to external causes; proportion of households with six or more residents; aging index; and proportion of households with monthly income over 10 minimum wages.

This study identified a statistically significant correlation between the incidence of tuberculosis and variables related to income, educational attainment, density of people per bedroom and per household. The direction of the association corroborates several studies describing the association between tuberculosis and poor socioeconomic conditions. , , ,

In the final model, one of the most important (and expected) findings from the logical point of view of disease transmission is the association between the incidence of tuberculosis and the existence of more than two people per bedroom in the household. Overcrowding either per household or per room is described in some studies , as a situation associated with increased risk of tuberculosis contamination, because of the greater likelihood of constant contact between people. Munch et al found a positive association between the incidence of tuberculosis and the variables unemployment rate and occurrence of population clusters. A study by Vieira identified a significant correlation between the incidence of tuberculosis and the urbanization factor when analyzing cities in the state of Espirito Santo. The urbanization factor was constructed from variables related to education, concentration of individuals per bedroom, percentage of the population living in urban areas and percentage of individuals living in houses bought in their names or paid off.

Although controversial, the association between “living alone” and not adhering to the treatment has been described for several chronic diseases, including tuberculosis. Gonçalves et al exposed the importance of family involvement in adherence to the tuberculosis treatment, considering the context of social integration of the individuals. Natal et al analyzed predictors of abandonment of treatment and, in the final predictive model, the variable “living alone” presented an 5.4 odds ratio (OR). Teixeira examined the association between the condition “people aged 65 and over living alone” and the incidence of tuberculosis. The association has been shown in men and, to a lesser extent, in women. But the author concluded that the age factor is more important than the fact that the patient lived alone. Our study has an incidence rate standardized by sex and age, and the effect of living alone remains in the final model. Thus, this result, reinforced by previous studies, suggests vulnerability for this group of people. According to Mattosinhos, over the past few years we have seen a decrease in family living arrangements in Brazil, with progressive growth of models of single living arrangements (the percentage of people living alone in the last four censuses were: 4.9% in 1970; 5.8% in 1980; 6.5% in 1991; and 8.6% in 2000). Some of the actors that contribute to this increase are the intense process of urbanization, the increasing number of separations, the great decrease in fertility and the increase in life expectancy, with the growing number of older adults. It is noteworthy that, among the 15 studied neighborhoods with the highest percentage of households with people living alone, 10 were among the 15 neighborhoods with the highest percentage of older adults.

The role of older adults in endemic tuberculosis has been increasingly important, because as the world population ages, the greater is the vulnerability of this segment to endogenous reactivation and exogenous reinfection. In Brazil, studies show that the incidence of the disease is beginning to shift to the older age group and it is expected that, in a few decades, cases associated with acquired immunodeficiency syndrome progressively reduce, and that cases of reactivation in older adults increase. ,

In this study, although all income variables were correlated with the incidence of tuberculosis in the initial exploratory analysis, the association that remained in the final model refers to the income level of three to five minimum wages earned by the head of the household. Considering this income as a proxy for total household income, and the classification proposed by Neri, we can conclude that these families are inserted in the context of the middle class or “class C”. Some studies , , pointed to a potential association between having tuberculosis and belonging to a middle range of monthly income, especially when considering the current context of co-infection with HIV and the emergence of resistant forms. In Manaus, AM, Northern Brazil, the neighborhoods with the highest incidence of tuberculosis also showed an increase in HDI between 1991 and 2000, suggesting high population density and failures in the Programa de Controle da Tuberculose (Tuberculosis Control Program) as possible causes. In Olinda, PE, Northeastern Brazil, Souza et al sought to identify tuberculosis risk areas by evaluating socioeconomic factors and found the highest incidence rates associated with an intermediate level of social deprivation. Santos et al geo-referred cases of tuberculosis reported in Ribeirao Preto, SP, Southeastern Brazil, from 1990 to 2000, and identified tuberculosis occurrence patterns, with the highest concentration of cases in neighborhoods classified as middle class and lower middle class, in the northwest region of the city. Thus, many studies have shown risk of illness from tuberculosis regardless of extreme socioeconomic deprivation situation.

Some limitations of this study may reflect the quality of the SINAN information related to the identification of the patient’s home district. Besides ignorance of the correct name of the neighborhood, there are cases, especially in very poor areas, in which the individual states the name of a surrounding neighborhood because of a lack of geographical boundaries between them. In addition, patient identification information is stored in a notification tool, which is then entered into the municipal system. In the process, many problems can cause the incorrect record or no record of the neighborhood, as incorrect reporting by the healthcare professional at the notifying unit, illegible handwriting, typo, among others. Despite these limitations, the results corroborate those of other studies and offer a new perspective on the vulnerability of individuals who live alone and those inserted in an intermediate situation of social deprivation.

INTRODUÇÃO

A tuberculose é uma doença negligenciada, endêmica em diversos países e responsável por cerca de 1,3 milhões de óbitos anualmente. Estima-se que um terço da população mundial esteja infectada pelo Mycobacterium tuberculos is estando, portanto, sob risco de desenvolver a doença, e que aproximadamente 95,0% dos casos de adoecimento ocorram nos países em desenvolvimento. Em 2012, a incidência global estimada para a tuberculose foi de 122 casos por 100.000 habitantes e cerca de 12 milhões de casos prevalentes no mundo. Naquele ano, o Brasil encontrava-se entre os 22 países com maior carga de doença, totalizando 40.152 casos notificados com presença de bacilos álcool-ácido resistentes no escarro e uma taxa de incidência de 46 casos por 100.000 habitantes. O Rio de Janeiro é o estado brasileiro com a maior taxa de incidência da doença.

Além do contato com pacientes bacilíferos, a probabilidade de que um indivíduo seja infectado e desenvolva a doença depende de vários fatores, dentre eles as condições socioeconômicas a que está submetido e a existência de comorbidades, particularmente as imunossupressoras. Pobreza, desnutrição, más condições sanitárias, alta densidade populacional, síndrome da imunodeficiência adquirida e envelhecimento da população são alguns dos fatores implicados na disseminação e gravidade da doença atualmente. A associação entre incidência de tuberculose e variáveis socioeconômicas, descrita em diversos estudos, corrobora a observação da alta carga da doença nos países ditos em desenvolvimento como o Brasil. , , , ,

O uso da análise espacial em saúde pública abrange diversos temas. A incorporação de novas tecnologias e o acesso às bases de dados secundários têm permitido que este tipo de análise possa ser utilizado mais amplamente. Na primeira década de 2000, foram publicados diversos estudos sobre a distribuição e os determinantes de agravos transmissíveis e não transmissíveis, focando em diferentes abordagens. , ,

Analisar a distribuição espacial de sobrerrisco para tuberculose e seus determinantes socioeconômicos no município do Rio de Janeiro.

MÉTODOS

Estudo ecológico desenvolvido no município do Rio de Janeiro, RJ, sobre a associação entre a média da taxa de incidência da tuberculose durante três anos (2004, 2005 e 2006) e indicadores socioeconômicos obtidos a partir do Censo Demográfico do ano 2000. A unidade de análise foi o bairro de residência autorreferido.

O município do Rio de Janeiro, RJ, ocupa área total de 1.182 km2, sendo 70,0% dela antropomorfizada. A população estimada para o ano de 2006 era 6.136.652 habitantes vivendo em 160 bairros distribuídos por cinco áreas programáticas. Como em 2000 ainda não existiam oficialmente os bairros Vasco da Gama e Gericinó, para este estudo utilizou-se a informação de 158 bairros.

Foram utilizados os indicadores socioeconômicos relacionados a: renda, escolaridade, abastecimento de água, coleta de lixo, esgotamento sanitário e densidade de ocupação dos domicílios. Também foi utilizado o Índice de Desenvolvimento Social (IDS), índice sintético desenvolvido com a finalidade de medir o grau de desenvolvimento social de uma área geográfica, permitindo a comparação com outra área da mesma natureza. O IDS contempla as dimensões referentes ao saneamento básico, à qualidade habitacional, ao grau de escolaridade e à disponibilidade de renda.

Outros indicadores utilizados foram os índices L. de Theil, de Gini e o Índice de Desenvolvimento Humano (IDH) Municipal, obtidos no Instituto Municipal de Urbanismo Pereira Passos. Foram incluídos também: esperança de vida ao nascer (em anos); taxa de alfabetização de adultos (%); taxa bruta de frequência escolar (%); renda per capita (em real [R$]) do ano 2000.

Para estimar a incidência da tuberculose na cidade do Rio de Janeiro, foi utilizada a base de dados do Sistema de Informação de Agravos de Notificação (Sinan), selecionando-se apenas os casos novos de tuberculose, residentes no município e notificados à Vigilância Epidemiológica, no período de 2004 a 2006. Os dados foram disponibilizados pela Secretaria Municipal de Saúde do Rio de Janeiro. Foram excluídos da análise os casos institucionalizados em presídio. Foi utilizada a média da taxa de incidência de tuberculose nos três anos estudados, tendo em vista a potencial flutuação das notificações de um ano para outro. Procedeu-se à padronização das taxas de incidência de cada bairro por sexo e faixa etária, utilizando o método direto e considerando a população do município do Rio de Janeiro como padrão. As faixas etárias escolhidas foram: zero a 19 anos, 20 a 39 anos, 40 a 59 anos e 60 anos ou mais, considerando a distribuição da doença na população estudada.

Para minimizar a instabilidade ocasionada pela flutuação aleatória das taxas, utilizou-se o estimador bayesiano empírico local, que suaviza as taxas padronizadas por aplicação de médias ponderadas, criando uma terceira taxa corrigida. Esta taxa levou em consideração a densidade populacional e a taxa média local, calculada a partir de uma matriz de proximidade espacial.

A correlação entre as variáveis dependente e independentes foi avaliada durante a fase exploratória do estudo por meio do coeficiente de correlação de Spearman, com nível de significância de 5%.

A autocorrelação espacial foi avaliada pelo índice de Moran, que testa a dependência espacial das observações e é calculado a partir de parâmetro de vizinhança preestabelecido. Pode variar de -1 a +1, sendo os valores negativos indicadores de autocorrelação negativa ou inversa e positivos, de agregação espacial ou correlação direta. O nível de significância para a autocorrelação espacial foi p < 0,05.

Para incorporar os efeitos espaciais neste estudo, avaliou-se a utilização de um modelo de regressão espacial, com efeito global, denominado Condition al AutoRegressive (CAR). Este é um modelo linear que capta a dependência espacial da variável dependente em um único parâmetro, considerando que o processo espacial seja estacionário. Este parâmetro é atribuído ao erro do modelo de regressão de forma que:

onde:

Wε = erro com efeitos espaciais

ρ = medida de correlação espacial; é o coeficiente autorregressivo

ξ= componente do erro com variância constante e não correlacionada

A hipótese nula, neste caso, é que não existe autocorrelação, resultando em ρ = 0.

Antes da modelagem CAR, as variáveis independentes foram inseridas no modelo de regressão linear múltipla, conforme sugerido por Luc Anselin, permitindo a escolha das variáveis mais associadas ao desfecho para inclusão no modelo final, que incluiria a dependência espacial. O modelo final da regressão linear múltipla utilizou como variável dependente o logaritmo natural da média da taxa de incidência corrigida e padronizada dos três anos, aproximando sua distribuição a uma curva normal.

As variáveis independentes, contínuas, não sofreram transformação e sua escolha para inclusão no processo de modelagem foi norteada pelo contexto epidemiológico e pela matriz de correlação previamente construída. Foram escolhidas, preferencialmente, as variáveis que apresentassem maior correlação com a variável dependente. Valores discrepantes (outliers) foram identificados pela estatística D de Cook, que avalia as mudanças ocasionadas nos coeficientes da regressão quando determinada observação é retirada do modelo.

Para verificar o grau de multicolinearidade entre as variáveis no modelo final foi utilizada a tolerância e o fator de inflação da variância. A homocedasticidade foi avaliada graficamente na análise de resíduos. A independência dos resíduos, ou seja, a ausência de correlação serial foi avaliada pelo teste de Durbin-Watson (valores menores que 2 implicam possibilidade de correlação).

Os programas TerraView 3.1.3, SPSS 13.0 e S-Plus 4.5 foram utilizados para processamento e análise dos dados.

O estudo foi aprovado pelo Comitê de Ética em Pesquisa da Secretaria Municipal de Saúde (Protocolo 217/08, de 3/11/2008). A utilização das bases secundárias foi autorizada pelo gestor responsável e foi garantido o sigilo dos dados de identificação do paciente.

RESULTADOS

No período de 2004 a 2006 foram notificados 16.869 casos novos de tuberculose residentes no município do Rio de Janeiro e com informação residencial. Deste total, 16,1% eram residentes nos bairros Campo Grande, Rocinha, Bangu e Santa Cruz. Copacabana, bairro com melhor IDH do município, foi o oitavo em concentração de casos da doença, com 2,7% do total. A média da taxa de incidência bruta dos três anos foi 95,9 casos/100.000 habitantes, variando de zero em bairros com nenhum caso notificado (Campo dos Afonsos, Grumari, Joá, Parque Columbia e Vila Militar) até 869,2 casos/100.000 habitantes no bairro da Saúde. Destacam-se ainda os bairros de Bonsucesso (647,7 casos/100.000 habitantes), Jacaré (460,0 casos/100.000 habitantes), Rocinha (447,3 casos/100.000 habitantes) e Santo Cristo (436,7 casos/100.000 habitantes). Após padronização e correção pelo método bayesiano empírico local, Bonsucesso, Jacaré, Rocinha e Santo Cristo continuaram apresentando as maiores taxas de incidência no período estudado, passando Bonsucesso à categoria de maior risco (659,5 casos/100.000 habitantes). Na Saúde, bairro com apenas 2.186 habitantes, houve queda de quase 30,0% na média da taxa de incidência.

As taxas padronizadas e corrigidas apontaram risco maior de adoecimento em alguns bairros da zona portuária e zona norte. Houve também grande incidência nas favelas da Rocinha e Vidigal, na zona sul, e Cidade de Deus, na zona oeste. A Rocinha, além de concentrar grande número absoluto de casos, também apresentou taxa de incidência muito elevada. A Figura 1 apresenta a distribuição espacial da média da taxa de incidência, padronizada por sexo e faixa etária e corrigida.

Figura 1

Distribuição espacial da média da taxa de incidência de tuberculose, corrigida e padronizada por sexo e faixa etária (por 100.000 hab). Rio de Janeiro, RJ, 2004 a 2006.

A visualização do padrão espacial permitiu a identificação de um “corredor” com áreas de maior risco começando na zona portuária (compreendendo também as áreas do Morro da Providência), estendendo-se para Estácio (incluído o Complexo do São Carlos), Cidade Nova, São Cristóvão, e depois sequencialmente por São Cristóvão, Benfica, Manguinhos, Jacaré, Jacarezinho, Bonsucesso e Ramos. Áreas vizinhas como a Maré e o Complexo do Alemão não apresentaram taxas tão expressivas, este último com taxa de 2,4 casos por 100.000 habitantes, a menor dentre todos os bairros. Entretanto, o bairro de Inhaúma, vizinho do Complexo do Alemão, apresentou taxa corrigida e padronizada de 155,2 casos por 100.000 habitantes.

Outro local com grande incidência da doença foi Costa Barros (inclui o Complexo da Pedreira), com 241,7 casos por 100.000 habitantes, não acompanhado pelos bairros vizinhos. Na mesma área apenas Anchieta e Barros Filho chegaram a 103,4 e 103,2 casos por 100.000 habitantes, respectivamente. Pedra de Guaratiba, Sepetiba e Santa Cruz são bairros na zona oeste do município que também apresentaram altas taxas de incidência.

A Tabela 1 mostra os coeficientes de correlação de Spearman. As variáveis que conotavam melhores condições socioeconômicas, como o percentual de domicílios permanente em que o responsável recebia mais de 10 salários mínimos e o IDS, apresentaram correlação inversa com a incidência de tuberculose. O mesmo foi observado para o IDH municipal. O percentual de domicílios com pessoas que viviam sozinhas apresentou correlação positiva com a incidência de tuberculose, assim como o percentual de pessoas que vivem em domicílio com densidade maior que duas pessoas por dormitório.

Tabela 1

Correlação entre variáveis socioeconômicas e média da taxa de incidência padronizada e corrigida. Rio de Janeiro, RJ, 2004 a 2006.

Variável	Coeficiente de correlação de Spearman	p
% domicílios particulares permanentes em que responsável recebe mais de 10 SM	-0,41	< 0,001
Índice de desenvolvimento social	-0,36	< 0,001
Esperança de vida ao nascer	-0,32	< 0,001
Índice de desenvolvimento humano municipal	-0,32	< 0,001
Índice de longevidade	-0,32	< 0,001
Renda per capita	-0,28	< 0,001
% domicílios com pessoas que vivem sozinhas	0,19	0,007
% domicílios improvisados	0,21	0,003
% domicílios particulares permanentes em que responsável recebe de 3 a 5 SM	0,30	< 0,001
% pessoas que vivem em domicílio com densidade maior que 2 pessoas por dormitório	0,37	< 0,001
% analfabetismo em maiores de 15 anos	0,39	< 0,001
% domicílios particulares permanentes em que responsável recebe até 2 SM	0.42	< 0,001

SM: Salário mínimo

A Tabela 2 apresenta alguns dos resultados do índice global de Moran I estatisticamente significativos. A média da taxa de incidência bruta apresentou índice de 0,161 (p < 0,018), enquanto a taxa corrigida e padronizada apresentou índice de 0,218 (p < 0,007). Autocorrelação espacial significativa foi encontrada para diversas variáveis independentes, dentre elas o percentual de domicílios com pessoas que vivem sozinhas, renda per capita, percentual de domicílios particulares permanentes cujo responsável recebia de três a cinco salários mínimos e percentual de domicílios particulares permanentes onde o responsável recebia mais de 10 salários mínimos. Nesta etapa da análise, o bairro “Complexo do Alemão” foi excluído, uma vez que o mesmo apresentou média da taxa de incidência padronizada e corrigida de 2,40 casos/100.000 habitantes (dois casos notificados nos três anos), destoante do restante dos dados e incompatível com a quantidade de casos esperados para o bairro. O bairro tinha 65.026 habitantes e o pior IDH do município.

Tabela 2

Autocorrelação espacial de variáveis socioeconômicas definidas por bairro. Rio de Janeiro, RJ, 2000.

Variável	Índice Global de Moran I	p
% domicílios com pessoas que vivem sozinhas	0,72	0,001
Renda per capita	0,63	0,001
% domicílios particulares permanentes em que responsável recebe mais de 10 SM	0,53	0,001
% domicílios particulares permanentes em que responsável recebe de 3 a 5 SM	0,51	0,001
Índice de Desenvolvimento Social	0,51	0,001
Índice de Desenvolvimento Humano municipal	0,50	0,001
Esperança de vida ao nascer	0,43	0,001
Índice de longevidade	0,43	0,001
% domicílios particulares permanentes em que responsável recebe até 2 SM	0,37	0,001
% domicílios particulares permanentes com rede de água adequada	0,36	0,002
% pessoas que vivem em domicílio com densidade maior que 2 pessoas por dormitório	0,33	0,001
Taxa de alfabetização de adultos	0,33	0,001
% domicílios particulares com coleta de lixo adequada	0,27	0,002
% analfabetismo em maiores de 15 anos	0,20	0,002

SM: Salário mínimo

Vários modelos foram estudados até optar-se pelo modelo final apresentado na Tabela 3. Durante o processo de modelagem avaliou-se a necessidade de inclusão do componente espacial no modelo de regressão, tendo em vista que a variável dependente possuía autocorrelação espacial significativa. A necessidade de utilização do modelo CAR foi reforçada pela detecção de autocorrelação espacial na análise de resíduos da regressão linear múltipla com base no índice de Moran. Entretanto, a despeito da existência de autocorrelação espacial para a variável dependente na fase exploratória do estudo, a inclusão do modelo CAR não foi suficiente para remover a dependência espacial dos resíduos deste modelo. Assim, optou-se por manter como modelo final a regressão linear múltipla.

Tabela 3

Modelo final de regressão linear múltipla para o log da média da taxa de incidência padronizada e corrigida. Rio de Janeiro, RJ, 2004 a 2006.

Variável	Coeficiente	Erro-padrão	t	p	IC95%
% domicílios em que responsável recebe de 3 a 5 SM	0,050	0,011	4,614	< 0,001	0,028;0,071
% domicílios com pessoas que vivem sozinhas	0,049	0,009	5,260	< 0,001	0,030;0,067
% pessoas que vivem em domicílio com > 2 pessoas por dormitório	0,024	0,005	4,927	< 0,001	0,015;0,034

SM: Salário mínimo

As variáveis que permaneceram no modelo de regressão linear final foram o percentual de domicílios particulares permanentes em que o responsável recebia de três a cinco salários mínimos, o percentual de domicílios com pessoas que viviam sozinhas no bairro e percentual de pessoas que viviam em domicílio com mais de duas pessoas por dormitório.

O modelo proposto explica aproximadamente 30,0% da incidência de tuberculose nos bairros do município do Rio de Janeiro no período estudado (R2 = 0,299).

O fator de inflação da variância e o teste de tolerância sugeriram baixo nível de colinearidade entre as variáveis incluídas no modelo final. O fator de inflação da variância foi < 10, sendo o maior 2,039, e o teste de tolerância foi > 0,1 para todas as variáveis. A existência de possíveis valores discrepantes foi avaliada pelo cálculo da distância de Cook, que variou satisfatoriamente de 0 a 0,065 nas unidades observadas. O pressuposto de independência dos resíduos foi atendido tendo em vista que o teste de Durbin-Watson resultou em 2,275. A Figura 2 resume a análise dos resíduos. O histograma e o Q-Q plot exibem padrões de normalidade dos resíduos. O padrão aleatório do scatte rplot dos valores preditos e resíduos padronizados fortalece a hipótese de variância constante. Dessa forma pode-se assumir que o modelo seja homocedástico. O último gráfico, scatterplot entre a variável dependente e os valores preditos, apesar de não estar perfeitamente ajustado, aponta ajuste razoável do modelo final.

Figura 2

Gráficos para diagnóstico do ajuste do modelo.

DISCUSSÃO

O padrão da distribuição dos casos de tuberculose, representados pela média da taxa de incidência dos três anos estudados, mostra predomínio da doença em alguns bairros da zona norte, oeste e centro/zona portuária. A zona sul, área que agrega os bairros com melhores condições socioeconômicas, também exibe áreas extremamente carentes como as favelas Rocinha e Vidigal, que apresentam altas taxas de incidência. A retirada do Complexo do Alemão da análise de regressão foi considerada no presente estudo por não podermos descartar a hipótese de subnotificação para os casos residentes neste bairro. No período analisado, os casos de tuberculose em residentes desta comunidade podem ter referido um bairro vizinho para fins de preenchimento da ficha de notificação/investigação.

A não inclusão da dependência espacial no modelo final também foi relatada por Acosta, em Porto Alegre, RS, que avaliou a correlação entre a incidência de tuberculose nos bairros e condições socioeconômicas. Nesse estudo, também não foi identificada autocorrelação espacial entre as variáveis estudadas durante a avaliação dos resíduos da regressão linear múltipla. O modelo final não espacial identificou associação entre a incidência de tuberculose e as seguintes variáveis: coeficiente de mortalidade por causa externa; proporção de domicílios com seis ou mais moradores; índice de envelhecimento; e proporção de domicílios com responsável com renda mensal maior que 10 salários mínimos.

Neste estudo, foi identificada correlação estatisticamente significativa da incidência da tuberculose com variáveis relacionadas à renda, escolaridade, densidade de pessoas por dormitório e domicílio. O sentido da associação corrobora diversos estudos que descrevem associação entre tuberculose e condições socioeconômicas precárias. , , ,

No modelo final, um dos achados mais importantes – e esperados – do ponto de vista lógico da transmissão da doença, é a associação entre a incidência de tuberculose e a existência no domicílio de mais de duas pessoas por cômodo. A aglomeração de pessoas seja por domicílio ou por cômodo é descrita em alguns estudos , como uma situação associada a maior risco de adoecimento por tuberculose, tendo em vista a maior probabilidade de contato constante entre as pessoas. Munch et al encontraram associação positiva entre incidência de tuberculose e as variáveis taxa de desemprego e ocorrência de conglomerados populacionais. O estudo de Vieira identificou correlação significativa entre a incidência de tuberculose e o fator urbanização, ao analisar os municípios do estado do Espírito Santo. O fator urbanização foi construído a partir de variáveis relacionadas à educação, concentração de indivíduos por dormitório, percentual de população residente em área urbana e percentual de indivíduos que viviam em imóveis próprios ou quitados.

Apesar de controversa, a associação entre “morar sozinho” e não adesão ao tratamento vem sendo descrita para diversas doenças crônicas, inclusive a tuberculose. Gonçalves et al expõem a importância da participação familiar na adesão ao tratamento da tuberculose, tendo em vista o contexto da inserção social dos indivíduos. Natal et al analisaram fatores preditores do abandono do tratamento para tuberculose e, no modelo preditivo final, a variável “morar sozinho” apresentou razão de chances (OR) de 5,4. Teixeira analisou a associação entre a condição “pessoas de 65 anos ou mais morando sozinhas” e a incidência de tuberculose. A associação foi mostrada em homens e, com menor magnitude, em mulheres; porém a autora concluiu que o fator idade seria mais importante que o fato de o paciente morar sozinho. Nosso estudo traz a taxa de incidência já padronizada por sexo e faixa etária, permanecendo o efeito da moradia individual no modelo final. Assim, este resultado, reforçado por estudos anteriores, sugere uma situação de vulnerabilidade para este grupo de pessoas. Segundo Mattosinhos, ao longo dos últimos anos tem-se percebido uma diminuição dos arranjos familiares no Brasil, com crescimento progressivo dos modelos de arranjos unipessoais (os percentuais de pessoas morando sozinhas nos últimos quatro censos foram: 4,9% em 1970; 5,8% em 1980; 6,5% em 1991 e 8,6% em 2000). Entre os fatores que contribuiriam para esse aumento, estão o intenso processo de urbanização, o aumento do número de separações, a elevada queda da fecundidade e o aumento da esperança de vida, com o crescente número de idosos. Destaca-se que, entre os 15 bairros estudados com maior percentual de domicílios com pessoas que vivem sozinhas, 10 estão contidos no grupo de 15 bairros com maior percentual de idosos.

O papel do idoso na endemia da tuberculose tem sido cada vez mais importante, visto que conforme a população mundial está envelhecendo, maior é a vulnerabilidade deste segmento à reativação endógena e reinfecção exógena. No Brasil, estudos mostram que a incidência da doença começa a ser deslocada para a faixa etária mais avançada e espera-se que, em algumas décadas, os casos associados à síndrome da imunodeficiência adquirida reduzam progressivamente e os casos de reativação em idosos aumentem. ,

No presente estudo, apesar de todas as variáveis de renda apresentarem correlação com a incidência de tuberculose na análise exploratória inicial, a associação que permaneceu no modelo final refere-se à faixa de renda de três a cinco salários mínimos para o chefe do domicílio. Considerando esta renda como proxy da renda total da família, bem como a classificação proposta por Neri, podemos concluir que essas famílias se encontram inseridas no contexto da classe média ou classe C. Alguns estudos , , apontaram possível associação entre ter tuberculose e pertencer a uma faixa intermediária de renda mensal, principalmente ao considerarmos o contexto atual de coinfecção com HIV e emergência de formas resistentes. Em Manaus, AM, os bairros com maior incidência de tuberculose também apresentaram aumento do IDH entre os anos 1991 e 2000, sugerindo como possíveis causas a alta densidade populacional e falhas no Programa de Controle da Tuberculose. Em Olinda, PE, Souza et al buscaram identificar áreas de risco de tuberculose por avaliação de fatores socioeconômicos e encontraram as maiores taxas de incidência associadas a um nível intermediário de privação social. Santos et al georreferenciaram os casos de tuberculose notificados em Ribeirão Preto, SP, de 1990 a 2000, e identificaram padrões de ocorrência da tuberculose, sendo a maior concentração de casos encontrada nos bairros classificados como classe média e classe média baixa, na região noroeste do município. Dessa forma, muitos estudos têm mostrado risco de adoecimento por tuberculose independentemente de situação extrema de privação socioeconômica.

Algumas limitações deste estudo podem ser reflexo da qualidade das informações contidas no Sinan relacionadas à identificação do bairro de residência do paciente. Além do próprio desconhecimento do nome correto do bairro, há casos, principalmente em áreas muito carentes, em que o indivíduo refere o nome do bairro vizinho por desconhecimento dos limites geográficos entre eles. Além disso, as informações de identificação do paciente são armazenadas em um instrumento de notificação, que é posteriormente digitado no sistema municipal. Nesse processo, diversos problemas podem ocasionar o não registro ou registro incorreto do bairro, como preenchimento incorreto pelo profissional de saúde da unidade notificante, grafia ilegível, erro de digitação, entre outros. Apesar dessas limitações, os resultados corroboram os de outros estudos e oferecem uma nova perspectiva a respeito da vulnerabilidade de indivíduos que moram sozinhos e daqueles inseridos numa situação intermediária de privação social.