ABSTRACT
As transformações no clima urbano das cidades, a excessiva poluição atmosférica e o aumento das desigualdades sociais tornaram-se fatores determinantes do alto risco de internações por doenças respiratórias. Dessa forma, o objetivo deste trabalho foi compreender como os atributos meteorológicos (temperatura do ar, umidade relativa do ar e precipitação) e a poluição do ar (material particulado com diâmetro aerodinâmico menor de 10μm - MP10) estão relacionados com as internações hospitalares por doenças respiratórias em crianças, em 14 distritos da cidade de São Paulo, Brasil. A combinação dos modelos lineares generalizados com uma distribuição binomial negativa e o modelo não linear distributed lag non-linear model (DLNM) foram utilizados como método estatístico para analisar a relação entre as internações, os atributos climáticos e a poluição no período de 2003 a 2013. Os resultados mostraram relações estatísticas significativas de alto risco relativo entre a temperatura média do ar (17,5ºC a 21ºC, para o total analisado), umidade relativa do ar (84% a 98% para o sexo feminino), precipitação (0mm a 2,3mm para o total e ambos os sexos e > 120mm para o sexo feminino) e MP10 (> 35µg/m³ para o total e para o sexo feminino). Com base nesses resultados, foi possível identificar que os atributos ambientais contribuem para o elevado risco de internações.
Urban climate changes, excessive air pollution, and increasing social inequalities have become determinant factors in the high risk of hospitalizations due to respiratory diseases. The current study thus aimed to understand how meteorological factors (air temperature, relative humidity, and precipitation) and air pollution (particulate matter with aerodynamic diameter less than 10µm - PM10) are related to hospitalizations due to respiratory diseases in children in 14 districts in the city of São Paulo, Brazil. The combination of generalized linear models with a negative binomial distribution and distributed lag non-linear model (DLNM) were used as the statistical method to analyze the relationship between hospitalizations, climatic factors, and pollution from 2003 to 2013. The results show statistically significant association with high relative risk between mean air temperature (17.5ºC to 21ºC, for the total analyzed), relative humidity (84% to 98% for females), precipitation (0mm to 2.3mm for the total and both sexes and > 120mm for females), and PM10 (> 35µg/m³ for the total and for females). These results showed that environmental factors contribute to the high risk of hospitalizations.
Las transformaciones en el clima urbano de las ciudades, la excesiva contaminación atmosférica y el aumento de las desigualdades sociales se convirtieron en factores determinantes para el alto riesgo de internamientos por enfermedades respiratorias. Por ello, el objetivo de este trabajo ha sido comprender cómo las condiciones meteorológicas (temperatura del aire, humedad relativa del aire y precipitaciones) y la contaminación del aire (material particulado con un diámetro aerodinámico menor de 10µm - MP10) están relacionados con internamientos hospitalarios por enfermedades respiratorias en niños, en 14 distritos de la ciudad de Sao Paulo. La combinación de los modelos lineales generalizados con una distribución binomial negativa y el modelo no lineal distributed lag non-linear model (DLNM) se utilizaron como método estadístico para analizar la relación entre los internamientos, atributos climáticos y la contaminación durante el período de 2003 a 2013. Los resultados mostraron relaciones estadísticas significativas de alto riesgo relativo entre la temperatura media del aire (17,5ºC a 21ºC, para el total analizado), humedad relativa del aire (84% a 98% para el sexo femenino), precipitaciones (0mm a 2,3mm para el total y ambos sexos y > 120mm para el sexo femenino) y MP10 (> 35µg/m³ para el total y sexo femenino). A partir de estos resultados, fue posible identificar que los atributos ambientales contribuyen al aumento del riesgo de internamientos.
Subject(s)
Humans , Male , Female , Infant, Newborn , Infant , Child, Preschool , Child , Respiration Disorders/etiology , Air Pollution/adverse effects , Hospitalization/statistics & numerical data , Rain , Temperature , Tropical Climate/adverse effects , Brazil , Cities , Air Pollutants/analysis , Air Pollution/analysis , Humidity/adverse effectsABSTRACT
O entendimento das relações entre as variáveis de precipitação e nível d'água dos rios com os casos de malária podem fornecer indícios importantes da modulação da doença no contexto da variabilidade climática local. No intuito de demonstrar como essas relações variam no mesmo espaço endêmico, realizou-se a análise de coerência e fase de ondeletas entre as variáveis ambientais e epidemiológica no período de 2003 a 2010 para 8 municípios do Estado do Amazonas (Barcelos, Borba, Canutama, Carauari, Coari, Eirunepé, Humaitá e São Gabriel da Cachoeira). Os resultados indicam coerências significativas principalmente na escala de variabilidade anual, contudo, escalas menores que 1 ano e bienal também foram encontradas. As análises mostram que casos de malária apresentam pico com aproximadamente 1 mês e meio antes ou depois dos picos de chuva, e em média 1-4 meses após o pico dos rios para grande parte dos municípios estudados. Foi notado que cada variável ambiental apresentou atuação local distinta no tempo e no espaço, sugerindo que outras variáveis locais (a topografia é um exemplo) possam controlar as condições ambientais favorecendo uma atuação diferenciada em cada município, porém, quando as análises são feitas em conjunto é possível ver uma ordem não aleatória destas relações acontecerem. Embora os fatores ambientais e climáticos denotem certa influência sobre a dinâmica da malária, questões de vigilância, prevenção e controle não devem ser desprezadas, significando que as atuações governamentais de saúde podem mascarar possíveis relações com as condições hidrológicas e climáticas locais.
La comprensión de las relaciones entre las variables de precipitaciones y el nivel de agua de los ríos con los casos de malaria pueden proporcionar indicios importantes sobre la modulación de la enfermedad en el contexto de la variabilidad climática local. Con el fin de demonstrar cómo varían esas relaciones en el mismo espacio endémico, se realizó un análisis de coherencia y fase de ondeletas entre las variables ambientales y epidemiológicas, durante el período de 2003 a 2010, en 8 municipios del estado de Amazonas (Barcelos, Borba, Canutama, Carauari, Coari, Eirunepé, Humaitá y São Gabriel da Cachoeira). Los resultados indican coherencias significativas, principalmente en la escala de variabilidad anual, sin embargo, también se detectaron escalas menores de 1 año y bienal. Los análisis muestran que los casos de malaria presentan un pico con aproximadamente 1 mes y medio antes o después de la pluviosidad más alta, y de media 1-4 meses tras el pico de los ríos para gran parte de los municipios estudiados. Se observó que cada variable ambiental presentó una actuación local distinta en el tiempo y en el espacio, sugiriendo que otras variables locales (la topografía es un ejemplo) puedan controlar las condiciones ambientales, favoreciendo una actuación diferenciada en cada municipio, no obstante, cuando los análisis se realizan en conjunto es posible ver un orden no aleatorio de estas relaciones para que se produzcan. A pesar de que los factores ambientales y climáticos denoten una cierta influencia sobre la dinámica de la malaria, cuestiones de vigilancia, prevención y control no se deben despreciar, lo que significa que las actuaciones gubernamentales de salud pueden enmascarar posibles relaciones con las condiciones hidrológicas y climáticas locales.
Understanding the relations between rainfall and river water levels and malaria cases can provide important clues on modulation of the disease in the context of local climatic variability. In order to demonstrate how these relations can vary in the same endemic space, a coherence and wavelet phase analysis was performed between environmental and epidemiological variables from 2003 to 2010 for 8 municipalities (counties) in the state of Amazonas, Brazil (Barcelos, Borba, Canutama, Carauari, Coari, Eirunepé, Humaitá, and São Gabriel da Cachoeira). The results suggest significant coherences, mainly on the scale of annual variability, but scales of less than 1 year and of 2 years were also found. The analyses show that malaria cases display a peak at approximately 1 and a half months before or after peak rainfall and on average 1-4 months after peak river water levels in most of the municipalities studied. Each environmental variable displayed distinct local behavior in time and in space, suggesting that other local variables (e.g. topography) may control environmental conditions, favoring different patterns in each municipality. However, when the analyses were performed jointly it was possible to show a non-random order in these relations. Although environmental and climatic factors indicate a certain influence on malaria dynamics, surveillance, prevention, and control issues should not be overlooked, meaning that government public health interventions can mask possible relations with local hydrological and climatic conditions.
Subject(s)
Humans , Animals , Rain , Hydrology , Climate , Malaria/prevention & control , Malaria/epidemiology , Seasons , Brazil/epidemiology , Residence Characteristics , Incidence , Rivers , Disease VectorsABSTRACT
ntroducción. El dengue es una enfermedad de transmisión vectorial de gran impacto en la salud pública. La transmisión del dengue es afectada por factores entomológicos, socioculturales y económicos. Además, la variabilidad climática juega un importante papel en la dinámica de transmisión. Un amplio consenso científico ha indicado que la fuerte asociación entre la enfermedad y las variables climáticas podría ser empleada para desarrollar modelos que expliquen la incidencia de la enfermedad. Objetivo. Desarrollar un modelo que permita comprender la dinámica de transmisión del dengue en Medellín y predecir incrementos en la incidencia de la enfermedad. Materiales y métodos. Se empleó la incidencia de dengue como variable dependiente y como variables independientes, los factores climáticos (temperatura máxima, media y mínima, humedad relativa y precipitación) registrados a escala semanal. Se utilizó el programa Expert Modeler para desarrollar un modelo que explique mejor el comportamiento de la enfermedad. Mediante modelos ARIMA, se seleccionaron las variables climáticas que tuvieron una relación significativa con la variable dependiente. Resultados. El 34 % de la variabilidad observada se explicó por el modelo. La precipitación fue la variable climática que mostró una asociación estadísticamente significativa con la incidencia del dengue, pero con un rezago de 20 semanas. Conclusiones. La transmisión del dengue en Medellín se vio afectada por la variabilidad climática, en particular, por la precipitación. La fuerte asociación entre el dengue y la precipitación permitió construir un modelo que ayuda a comprender la dinámica de transmisión, información que será de gran utilidad para el desarrollo de adecuadas y oportunas estrategias de control.
Introduction: Dengue fever is a major impact on public health vector-borne disease, and its transmission is influenced by entomological, sociocultural and economic factors. Additionally, climate variability plays an important role in the transmission dynamics. A large scientific consensus has indicated that the strong association between climatic variables and disease could be used to develop models to explain the incidence of the disease. Objective: To develop a model that provides a better understanding of dengue transmission dynamics in Medellin and predicts increases in the incidence of the disease. Materials and methods: The incidence of dengue fever was used as dependent variable, and weekly climatic factors (maximum, mean and minimum temperature, relative humidity and precipitation) as independent variables. Expert Modeler was used to develop a model to better explain the behavior of the disease. Climatic variables with significant association to the dependent variable were selected through ARIMA models. Results: The model explains 34% of observed variability. Precipitation was the climatic variable showing statistically significant association with the incidence of dengue fever, but with a 20 weeks delay. Conclusions: In Medellin, the transmission of dengue fever was influenced by climate variability, especially precipitation. The strong association dengue fever/precipitation allowed the construction of a model to help understand dengue transmission dynamics. This information will be useful to develop appropriate and timely strategies for dengue control.