Análise da relação saúde, saneamento e ambiente nas epidemias do Zika vírus e microcefalia no Brasil

Abstract

Os casos de Zika e microcefalia, nos anos de 2015 e 2016, relatados no Brasil apresentaram grande desigualdade na distribuição entre as regiões do país. Até os tempos recentes, as razões para tais diferenças não foram completamente elucidadas. Contudo, a existência de condições socioeconômicas, climáticas e de saneamento díspares entre as regiões brasileiras pode representar um ponto de partida para o entendimento dessas questões. Diante disso, nesse estudo teve-se como intuito realizar uma análise multi-abordagem acerca da relação entre as condições sanitárias, socioeconômicas, ambientais e climáticas e a ocorrência das epidemias do vírus Zika e microcefalia no Brasil. Para o procedimento metodológico, foram obtidos dados secundários relativos à incidência de Zika e microcefalia no Brasil, no ano de 2016, além de diversos indicadores socioeconômicos, climáticos e sanitários dos municípios brasileiros. Para avaliar a existência de correlação espacial entre as taxas de incidência de Zika e microcefalia nos municípios brasileiros foi utilizado o índice local de Moran (I i ) univariado e bivariado. A relação entre a incidência de Zika e microcefalia e as características sanitárias e socioeconômicas dos municípios foi investigada por meio da realização de uma análise de agrupamentos, utilizando métodos hierárquicos e não hierárquicos, e posterior aplicação do teste U de Mann-Whitney para identificação de diferenças entre as taxas de incidência de Zika e microcefalia nos grupos formados. Adicionalmente, uma investigação da existência de associações entre as taxas de incidência de Zika e microcefalia e a ocorrência de eventos climáticos extremos foi conduzida. Para isso, foi realizada a separação dos dados de Zika e microcefalia, em função dos diferentes eventos extremos notificados, e posterior aplicação do teste U para comparação entre os grupos formados. Por fim, para o processo de predição de casos de Zika e microcefalia nos municípios brasileiros, seis modelos de aprendizado de máquina foram selecionados, sendo estes: Random Forest (RF), Multivariate Adaptive Regression Spline (MARS), K-nearest Neighbor (KNN), Support Vector Machine (SVM), Gradient Boosting Machine (GBM) e regressão logística. Os resultados obtidos indicaram que que as taxas de incidência de Zika e microcefalia nos municípios brasileiros estão associadas à localização geográfica de ocorrência dos eventos. As maiores taxas de incidência ocorreram, majoritariamente, nos agrupamentos formados por municípios que apresentam menores índices socioeconômicos e de saneamento no país. Além disso, foi verificado que existem diferenças entre as taxas de incidência de Zika e microcefalia nos municípios que possuem histórico de ocorrência de eventos climáticos extremos, sendo os municípios que possuem eventos de seca aqueles mais atingidos pela epidemia do vírus Zika. O modelo de aprendizado de máquina Random forest apresentou os melhores resultados na predição de Zika e mostrou possuir capacidade de predizer corretamente a incidência de Zika em 65% dos municípios contidos nos dados de teste a partir dos preditores avaliados. Por outro lado, o modelo para predição de microcefalia apresentou resultados de ajustes inferiores aos observados para o modelo de Zika, o que pode estar associado à maior complexidade de se modelar uma síndrome congênita. Os modelos avaliados indicaram forte influência das condições demográficas, socioeconômicas, climáticas e sanitárias dos municípios na predição da ocorrência de Zika. Diante do exposto, acredita-se que os resultados obtidos nesse estudo possam fornecer informações valiosas para a tomada de decisão em saúde pública e definição de estratégias para prevenção de epidemias associadas ao vírus Zika. Palavras-chave: Arboviroses. Aprendizado de máquina. Saneamento básico. Predição. Modelagem.Cases of Zika virus disease and microcephaly reported in Brazil (2015-2016) showed great difference in their distribution throughout the country. The reasons for such disparity have not been fully elucidated yet. However, the existence of different socioeconomic, climatic and sanitation conditions among Brazilian regions may represent a starting point for understanding these issues. This study carried out a multi-approach analysis on the relationship among health, socioeconomic, environmental and climatic conditions and the occurrence of Zika virus and microcephaly epidemics in Brazil. For the methodological procedure, secondary data were obtained, regarding the incidence of Zika and microcephaly in Brazil, in 2016, in addition to socioeconomic, climatic and health indicators of Brazilian municipalities. To evaluate the existence of spatial correlation between the incidence rates of Zika and microcephaly in Brazilian municipalities, both the univariate and bivariate Moran's index (I i ) were used. The relationship between the incidence of Zika and microcephaly and the sanitary and socioeconomic characteristics of the municipalities was investigated through cluster analysis, using hierarchical and non-hierarchical methods. The Mann-Whitney U test was used to identify differences between the incidence rates of Zika and microcephaly in the formed clusters. Additionally, an investigation of the potential association between the incidence rates of Zika and microcephaly and the occurrence of extreme weather events was conducted. The data on Zika and microcephaly cases were separated, according to the different extreme events reported, and the U test was applied to compare the formed groups. Finally, for the process of predicting cases of Zika and microcephaly in Brazilian municipalities, six machine learning models were selected: Random Forest (RF), Multivariate Adaptive Regression Spline (MARS), K-nearest Neighbor (KNN), Support Vector Machine (SVM), Gradient Boosting Machine (GBM) and logistic regression. The results indicated that the incidence rates of Zika and microcephaly in Brazilian municipalities are associated with the geographical location of the events. The highest incidence rates occurred, mostly, in the groups formed by municipalities with the lowest socioeconomic and sanitation indices in the country. Also, there are differences among the incidence rates of Zika and microcephaly in the municipalities with a history of extreme events, and those which present extreme droughts are the most affected by the Zika virus epidemic. The machine learning model Random forest presented the best results in predicting Zika cases and the ability to correctly predict the incidence of Zika in 65% of the municipalities contained in the test data from the evaluated predictors. On the other hand, the model for predicting microcephaly showed worse fitting results than those observed for the Zika model, which may be associated with the complexity of modeling a congenital syndrome. The evaluated models indicated a strong influence of the demographic, socioeconomic, climatic and sanitary conditions of the municipalities in predicting the occurrence of Zika. Therefore, the results obtained in this study may provide valuable information for public health decision- making and the definition of strategies for the prevention of epidemics associated with the Zika virus. Keywords: Arboviruses. Machine learning. Basic sanitation. Prediction. Modeling.