Social protection in areas vulnerable to tuberculosis: a mixed methods study in São Luís, Maranhão / Protección social en zonas vulnerables a la tuberculosis: un estudio mixto en São Luís, Maranhão / Proteção social em áreas vulneráveis à tuberculose: um estudo misto em São Luís, Maranhão

ABSTRACT Objectives: to analyze the risk areas for tuberculosis and the influences of social protection on the development of treatment for the disease in the municipality of São Luís, Maranhão. Methods: this is explanatory sequential mixed method research. In the quantitative phase, the data were obtained from the Notifiable Diseases Information System from 2010 to 2019, with georeferencing being carried out to identify areas vulnerable to tuberculosis. In the qualitative phase, semi-structured interviews were carried out with individuals who received social benefits. Results: 7,381 cases were geocoded, and, from the purely spatial scanning analysis, it was possible to identify 13 spatial clusters of risk. As for the interviews, there was a positive relationship between patient improvement and receiving benefits. Conclusions: geographic space and social determinants are relevant for reorienting monitoring actions for the conditions that generate the health-disease process.

RESUMEN Objetivos: analizar las áreas de riesgo para la tuberculosis y las influencias de la protección social en el desarrollo del tratamiento de la enfermedad en el municipio de São Luís, Maranhão. Métodos: se trata de una investigación explicativa de método mixto secuencial. En la fase cuantitativa, los datos se obtuvieron del Sistema de Información de Enfermedades de Declaración Obligatoria del 2010 al 2019, realizándose georreferenciación para identificar áreas vulnerables a la tuberculosis. En la fase cualitativa se realizaron entrevistas semiestructuradas a personas que recibían beneficios sociales. Resultados: se geocodificaron 7.381 casos y, a partir del análisis de escaneo puramente espacial, fue posible identificar 13 grupos espaciales de riesgo. En cuanto a las entrevistas, hubo una relación positiva entre la mejora del paciente y la recepción de beneficios. Conclusiones: el espacio geográfico y los determinantes sociales son relevantes para reorientar las acciones de seguimiento de las condiciones que generan el proceso salud-enfermedad.

RESUMO Objetivos: analisar as áreas de risco para a tuberculose e as influências da proteção social no desenvolvimento do tratamento para a doença no município de São Luís, Maranhão. Métodos: trata-se de pesquisa de método misto sequencial explanatório. Na fase quantitativa, os dados foram obtidos do Sistema de Informação de Agravos de Notificação de 2010 a 2019, sendo realizado georreferenciamento para identificação das áreas vulneráveis à tuberculose. Na fase qualitativa, realizaram-se entrevistas semiestruturadas com indivíduos que recebiam benefício social. Resultados: foram geocodificados 7.381 casos, e, a partir da análise de varredura puramente espacial, foi possível identificar 13 aglomerados espaciais de risco. Quanto às entrevistas, verificou-se uma relação positiva entre a melhora dos pacientes e o recebimento de benefícios. Conclusões: o espaço geográfico e os determinantes sociais são relevantes para reorientação das ações de monitoramento das condições geradoras do processo saúde-doença.

Time series of the health system dynamics for the diagnosis of tuberculosis in a metropolitan region of the Brazilian Northeast (2010-2020) / Série temporal da dinâmica do sistema de saúde para o diagnóstico de tuberculose em uma região metropolitana do nordeste brasileiro (2010-2020)

Objective: To analyze the dynamics of the health system for the diagnosis of tuberculosis in a metropolitan region of a Northeast Brazilian state. Methods: Ecological time series study conducted in São Luís, Maranhão State, Northeast region of Brazil. The study population was composed of tuberculosis cases notified in the Notifiable Dis-eases Information System (SINAN) in the period from 2010 to 2020. The descriptive statistics of the cases was performed using absolute and relative frequency measures, and Pearson's Chi-square test was used to compare the frequencies between the cases notified in Primary Health Care (PHC) and hospital units and the sociodemographic and clinical characterization. For time series analysis, the Prais-Winsten autoregression model was used, followed by the decomposition method called Seasonal-Trend decomposition using LOESS (STL), ending with the time trend prediction for the next years. The data were analyzed using the resources of the computer programs named Sta-ta, version 17 (StataCorp, College Station, TX, USA) and R, version 3.5.2 (R Core Team, 2020). Results: A total of 7,948 cases diagnosed with tuberculosis were notified, of which 1,608 were notified in Primary Care units and 6,340 in hospital units. The Chi-square test resulted in a relative frequency calculated considering the total number of patients who had results from each examination with statistically significant differences (p < 0.05). Conclusion: It was possible to observe different time trends between diagnoses performed by PHC and hospitals. In the time analysis and modeling, there was an increase in cases notified in PHC and stationary in hospitals; how-ever, in the time modeling, there was a reduction in the number of cases in hospital (AU).

Objetivo: Analisar a dinâmica do sistema de saúde para o diagnóstico de tuberculose em região metropolitana de um estado do nordeste brasileiro. Métodos: Estudo ecológico de série temporal realizado em São Luís, no Estado do Maranhão, região Nordeste do Brasil. A população do estudo foi composta casos de tuberculose notificados no Sistema de Informação de Agravos de Notificação (SINAN) no período de 2010 a 2020. A estatística descritiva dos casos foi realizada utilizando medidas de frequência absoluta e relativa e o teste Qui­quadrado de Pearson foi utilizado para comparar as frequências entre os casos notificados em unidades de Atenção Primária a Saúde (APS) e hospitalares e a caracterização sociodemográfica e clínica. Para análise da série temporal, recorreu-se ao modelo de autorregressão Prais­Winsten, seguido do método de decomposição denominado Seasonal­Trend using Loess (STL), finalizando com a previsão da tendência temporal para os próximos anos. Os dados foram analisados utilizando os recursos do software Stata versão 17 (StataCorp, College Station, TX, USA) e R versão 3.5.2 (R Core Team, 2020). Resultados: Foram notificados 7.948 casos com diagnóstico de tuberculose, sendo 1.608 notificados em unidades de Atenção Primária e 6.340 em unidades Hospitalares. O teste Qui­quadrado resultou na frequência relativa calculada considerando o total de paciente que possuíam resultados de cada exame com diferenças estatisticamente significantes (p < 0,05). Conclusão: Foi possível observar tendência temporal diferenciada entre o diagnóstico realizado pela APS e hospitais. Na análise e modelagem temporal houve aumento nos casos notificados na APS e estacionário nos hospitais, entretanto, na modelagem temporal houve redução do número de casos nos hospitai (AU).

Relação espacial dos óbitos e internações por tuberculose com indicadores sociais em Ribeirão Preto (SP) / Spatial relationship of deaths and hospitalizations for tuberculosis with social indicators in Ribeirão Preto (SP)

Objetivo: Propôs-se analisar a relação espacial dos óbitos e internações evitáveis por TB com indicadores sociais em Ribeirão Preto/SP. Métodos: Trata-se de um estudo ecológico em que foram considerados os casos de óbitos e internações, tendo como causa básica do óbito e motivo principal da internação, a tuberculose (CID A15.0 a A19.9), ocorridos na zona urbana de Ribeirão Preto e registrados respectivamente no Sistema de Informação sobre Mortalidade e no Sistema de Internação Hospitalar do Sistema Único de Saúde no período de 2006 a 2012. Foi realizada a análise univariada das variáveis sociodemográficas e operacionais dos casos investigados. Para construção dos indicadores sociais utilizou-se a análise de componentes principais, sendo selecionados dados das áreas de abrangência do município, considerando os dados do Censo Demográfico de 2010. A geocodificação dos casos foi processada no TerraView versão 4.2.2. Recorreu-se à regressão linear múltipla, pelo método dos mínimos quadrados e à regressão espacial para análise da relação de dependência espacial entre os indicadores sociais e as taxas de mortalidade e de internações por TB. A autocorrelação nos resíduos da regressão linear múltipla foi testada por meio do Teste Global de Moran, as análises foram realizadas considerando os softwares Arcgis-versão 10.1, Statistica versão 12.0, OpenGeoDa versão 1.0 e R versão 3.2.3. Para o diagnóstico do melhor modelo de regressão espacial, utilizou-se o teste Multiplicador de Lagrange. Em todos os testes, foi fixado o nivel de significancia de alfa em 5% (p< 0,05). Resultados: Foram registrados 50 casos de óbitos e 196 casos de internações por TB. A maioria dos casos registrados em ambos os sistemas se deu em pessoas do sexo masculino (n=41; 82%/n=146; 74,5%) e com a forma clínica pulmonar (n=44; 80,0%/n=138; 67,9%). Na construção dos indicadores sociais, três novas variáveis surgiram, apresentando respectivamente variância total de 46,2%, 18,7% e 14,6% sendo denominadas como indicadores de renda, desigualdade social e equidade social. Na modelagem para verificar relação espacial entre os óbitos e os indicadores sociais observou-se que a equidade social foi indicador estatisticamente significativo (p=0,0013) com relação negativa a mortalidade, sendo o Modelo da Defasagem Espacial o melhor método para testar a dependência espacial, com valor de ? (rho) estimado em 0,53 e altamente significativo (p=0,0014). Já na modelagem da relação espacial entre as internações por tuberculose e os indicadores sociais, o indicador de renda apresentou-se estatisticamente significativo (p=0,015) com relação negativa a internação e o melhor método para testar a dependência espacial também foi o Modelo da Defasagem Espacial com valor de ? (rho) estimado em 0,80 e altamente significativo (p<0,0001). Conclusão: O estudo contribuiu no avanço do conhecimento de que a mortalidade e as internações por tuberculose são eventos socialmente determinados, o que sugere investimento por parte da gestão

Objective: It was proposed to analyze the spatial relation of deaths and avoidable hospitalizations for TB with social indicators in Ribeirão Preto/SP. Methods: It is an ecological study that considered cases of deaths and hospital admissions due to tuberculosis (CID A15.0 to A19.9). They occurred in the urban area of Ribeirão Preto and were recorded, respectively, in the Mortality Information System and Hospital Admission System of the Unified Health System between 2006 and 2012. It was possible to perform the univariate analysis of socio- demographic and occupational variables of the investigated cases. It was used, for social indicators construction, the principal component analysis and data from selected areas of the municipality by considering the Demographic Census of 2010. The cases decoding was processed by TerraView version 4.2.2. It was used the multiple linear regression through the least squares method and spatial regression for relation analysis of spatial dependence between social indicators and death rates and hospitalizations by TB. The autocorrelation in residues of multiple linear regression was tested by the Global Moran test, and analyzes were performed by considering the software Arcgis-version 10.1, Statistica version 12.0, OpenGeoDa version 1.0 and R version 3.2.3. For diagnosis of a better spatial regression model, it was possible to use the Lagrange Multiplier test. In all tests, the alpha significance level was fixed at 5% (p <0.05). Results: There were 50 cases of deaths and 196 cases of hospitalizations by TB. Most cases registered in both systems occurred in males (n=41; 82%/n=146; 74.5%) and with pulmonary clinical form (n=44; 80.0%/n=138; 67.9%). Three new variables emerged, in the construction of social indicators, presenting respectively the total variance of 46.2%, 18.7% and 14.6% and named as indicators of income, social inequality and social equity. In the modeling to verify the spatial relation between deaths and social indicators, it was observed that social equity was the statistically significant indicator (p=0.0013), and with a negative relation to the mortality. Then, the Spatial Lag Model was the best method to test spatial dependence, with a value of ? (rho) estimated at 0.53 and highly significant (p=0.0014). In relation to the modeling of spatial relationship between hospitalizations for tuberculosis and social indicators, income indicator was statistically significant (p=0.015) with a negative relation for hospitalization, and the Spatial Lag Model was also the best method to test spatial dependence, with a value of ? (rho) estimated at 0.80 and highly significant (p<0.0001). Conclusion: The research contributes to knowledge advancement that mortality and hospitalizations for tuberculosis are events socially determined that suggest management investments