RESUMO

Objetivo:

A tuberculose (TB) é a segunda doença infecciosa que mais mata no mundo, representando um problema de saúde pública no Brasil, especialmente na região amazônica. Este estudo analisa a TB nos municípios ribeirinhos” com o objetivo de identificar aglomerados de alta incidência, também conhecidos como “hot spots”. Posteriormente, utilizando aprendizagem de máquina, visamos prever estes aglomerados por meio de variáveis de vigilância epidemiológica. Assim buscamos auxiliar o ente público no combate à TB nesta região.

Métodos:

Dados da incidência de TB nos “municípios ribeirinhos” foram coletados entre os anos de 2019 e 2022 do Departamento de Informática do Ministério da Saúde. O índice de Moran foi utilizado para a determinação de autocorrelação espacial global, enquanto o método Getis-Ord GI* foi empregado para a autocorrelação espacial local. Variáveis referentes ao diagnóstico, tratamento e características socioeconômicas associadas aos casos foram utilizadas para a predição de aglomerados de alta incidência por meio de um modelo Random Forest.

Resultados:

Foram identificados aglomerados com alta incidência de TB a oeste e baixa incidência a leste. O total de seis variáveis de vigilância epidemiológica foi identificado como relevante para a predição. Nosso modelo Random Forest alcança uma área sob a curva da característica operacional do receptor (AUC-ROC) de 0,81.

Conclusão:

Municípios com altas porcentagens de casos recorrentes, mortes por TB, mudança do esquema de tratamento, casos novos e casos com história de tabagismo estão associados a aglomerados de alta incidência. Esperamos que este método de identificação de possíveis aglomerados de TB seja útil para o ente público no combate à doença na região.

Palavras-chave:
Tuberculose; Amazônia; Análise espacial; Aprendizado de máquina; Epidemiologia; Ribeirinhos