RESUMO
OBJECTIVE: to compare the temporal evolution and spatial distribution of epidemiological indicators of leprosy, both crude and also corrected using the empirical Bayesian model, Bahia, Brazil, 2001-2012. METHODS: this was an ecological study using data from the Notifiable Diseases Information System; all 417 municipalities in Bahia were included and the following indicators per 100,000 inhabitants were analyzed - detection rate of new cases in the general population, in those <15 years old, and in those with grade 2 physical disability -; the local empirical Bayesian model was used to smoothen the indicators, and Student's t-test was used to compare means. RESULTS: indicators estimated by the model were higher than crude indicators; estimated detection rates in the general population and in those <15 years old were higher than crude rates in 253 (60.7%) and 209 (50.1%) municipalities, respectively; areas of greatest risk were concentrated in the northwestern and southern regions of the state. CONCLUSION: spatial distribution of the disease was heterogeneous and there was possible underreporting of cases.
Assuntos
Notificação de Doenças/estatística & dados numéricos , Sistemas de Informação em Saúde/estatística & dados numéricos , Hanseníase/epidemiologia , Análise Espacial , Adolescente , Distribuição por Idade , Teorema de Bayes , Brasil/epidemiologia , Criança , Pré-Escolar , Cidades/estatística & dados numéricos , Pessoas com Deficiência/estatística & dados numéricos , Humanos , Lactente , Fatores de RiscoRESUMO
Objetivo: comparar a evolução temporal e a distribuição espacial dos indicadores epidemiológicos de hanseníase brutos e corrigidos pelo modelo bayesiano empírico, Bahia, Brasil, 2001-2012. Métodos: estudo ecológico com dados do Sistema de Informação de Agravos de Notificação; foram incluídos todos os 417 municípios baianos e analisados os indicadores/100 mil habitantes - taxa de detecção de casos novos na população geral, em <15 anos e de grau 2 de incapacidade física -; utilizou-se o modelo bayesiano empírico local para suavização dos indicadores, e o teste t de Student, para comparação das médias. Resultados: os indicadores estimados pelo modelo foram superiores aos observados; as taxas de detecção geral e em <15 anos estimadas foram superiores às observadas em 253 (60,7%) e 209 (50,1%) municípios, respectivamente; as áreas de maior risco concentraram-se no eixo Norte-Oeste e na região Sul do estado. Conclusão: distribuição espacial heterogênea da doença e existência de possível subnotificação de casos.
Objetivo: comparar la evolución temporal y la distribución espacial de los indicadores epidemiológicos de la lepra brutos y corregidos por el modelo bayesiano empírico, Bahia, 2001-2012. Métodos: estudio ecológico con datos del Sistema de Información de Agravamientos de Notificación; se incluyeron todos los 417 municipios baianos y se analizaron los indicadores/100 mil habitantes - tasa de detección de casos nuevos en la población general, en <15 años y de grado 2 de incapacidad física -; se utilizó el modelo bayesiano empírico local para suavizar los indicadores, y la prueba t de Student, para la comparación de los promedios. Resultados: los indicadores estimados por el modelo fueron superiores a los observados; las tasas de detección general y en <15 años estimadas fueron superiores a las observados en 253 (60,7%) y 209 (50,1%) municipios; las áreas de mayor riesgo se concentraron en el eje Norte-Oeste y en la región sur del estado. Conclusión: distribución espacial heterogénea de la enfermedad y existencia de posible subnotificación.
Objective: to compare the temporal evolution and spatial distribution of epidemiological indicators of leprosy, both crude and also corrected using the empirical Bayesian model, Bahia, Brazil, 2001-2012. Methods: this was an ecological study using data from the Notifiable Diseases Information System; all 417 municipalities in Bahia were included and the following indicators per 100,000 inhabitants were analyzed - detection rate of new cases in the general population, in those <15 years old, and in those with grade 2 physical disability -; the local empirical Bayesian model was used to smoothen the indicators, and Student's t-test was used to compare means. Results: indicators estimated by the model were higher than crude indicators; estimated detection rates in the general population and in those <15 years old were higher than crude rates in 253 (60.7%) and 209 (50.1%) municipalities, respectively; areas of greatest risk were concentrated in the northwestern and southern regions of the state. Conclusion: spatial distribution of the disease was heterogeneous and there was possible underreporting of cases.