Mapeamento da mortalidade infantil no Rio Grande do Sul : uma comparação entre as abordagens empírica bayesiana e totalmente bayesiana

Abstract

A taxa de mortalidade infantil (TMI) tem sido utilizada como um dos principais indicadores da qualidade de vida de uma população e reflete os níveis de saúde e de desenvolvimento sócio-econômico de uma determinada área, sendo considerado um dos mais importantes indicadores epidemiológicos. A análise da dispersão espacial do risco de ocorrência de um evento para dados agregados usualmente é feita via mapas de taxas de incidência, onde as áreas são sombreadas de acordo com os valores calculados para essa taxa. Um grande problema associado ao uso de taxas, porém, é a alta instabilidade que elas possuem para expressar o risco de eventos raros em regiões de população pequena. Alternativamente, existem os métodos de estatística espacial para mapeamento de doenças, denominados estimação Bayesiana Empírica e também estimação Totalmente Bayesiana, que utilizam informações de toda a região ou da vizinhança para estimar o risco de ocorrência do evento em cada área. O presente trabalho aplica e compara os dois métodos de estimação da TMI nos 496 municípios do Rio Grande do Sul através de dados acumulados entre os anos de 2001 a 2004 (dados disponíveis no DATASUS); aponta as vantagens de utilização dos estimadores Bayesianos em relação à taxa bruta e faz a comparação entre as estimativas obtidas através da modelagem bruta e dos métodos Bayesianos. Ao comparar as estimativas obtidas pelas modelagens Bayesianas com as obtidas pelo cálculo bruto, foi possível observar um ganho substancial na interpretação e na detecção de padrões de variação do risco de mortalidade infantil nos municípios do Rio Grande do Sul. Comparando-se os métodos Bayesianos observou-se que as estimativas calculadas através do método Bayesiano Empírico suavizam menos nas áreas de risco alto do que as estimativas Totalmente Bayesianas. O método Bayesiano Empírico pode ser utilizado para reduzir a variação observada na estimação através do método clássico e está implementado em diversos softwares de geoprocessamento e Epidemiologia Espacial, que podem ser facilmente utilizados por profissionais da área da Saúde. O método Totalmente Bayesiano, embora tenha também algumas propriedades importantes do ponto de vista estatístico, ainda tem alta complexidade computacional por demandar mais tempo nas análises.

The infant mortality rate (IMR) has been used as one of the main indicators of the quality of life of a population. It reflects the levels of health and socioeconomic development in a given area, and is considered one of the most important epidemiological indicators. The analysis of spatial dispersion of the risk of occurrence of an event for aggregate data is usually done by incidence rates maps, where the areas are shaded according to the values calculated for this rate. A major problem associated with the use of rates, however, is their high instability to express the risk of rare events in regions with a small population. Alternately, there are spatial statistical methods to map diseases, called Empirical Bayes estimate, and also Totally Bayesian estimate, which use information from the whole region or surroundings to estimate the risk of occurrence of the event in each area. The present study applies and compares the two methods for IMR estimates in the 496 municipalities of Rio Grande do Sul using data accumulated between 2001 and 2004 (data available in DATASUS); it indicates the advantages of using the Bayesian estimates compared to the gross rate and compares the estimates obtained by gross modeling and the Bayesian methods. When the estimates obtained by Bayesian modeling were compared to those of the gross calculation, a substantial gain could be observed in the interpretation and detection of patterns of variation of infant mortality risk in the municipalities of Rio Grande do Sul. Comparing the Bayesian methods, it is observed that the estimates calculated using the Empirical Bayes method smooth out less in the high risk areas than the Totally Bayesian estimates. The Empirical Bayes method can be used to reduce the variation observed in estimation through the classical method and is implemented in different Geoprocessing and Spatial Epidemiology softwares, which can be easily utilized by health care professionals. Although the Totally Bayesian method has a few important properties from the statistical perspective, it is requires highly complex computations.