INVESTIGANDO FATORES ASSOCIADOS A CONTAGENS DE OVOS DE AEDES AEGYPTI COL ETADOS EM OVITRAM P AS EM RECIFE/ P E
Wagner Hugo BONAT1 P aulo J ustiniano R IBE IR O J R 2 Henriq ue S ilv a D AL L AZ U ANNA2 L ˆed a Narc isa R E G IS 3 Antˆonio M iguel V ieira M ONTE IR O4 J os´e C onstantino S IL V E IR A3 R id elane V eiga AC IOL I5 Way ner V ieira d e S OU Z A6
RESUMO: O Aedes aegypti ´e o v e to r d o v´ıru s d a d e n g u e , d o e n ¸c a p a ra a q u a l te m -se o b se rv a d o a o c o rrˆe n c ia d e d iv e rsa s e p id e m ia s. Estu d o s e n to m o l´o g ic o s c o n trib u e m p a ra o e n te n d im e n to d a d in ˆa m ic a d e p ro life ra ¸c ˜a o d o m o sq u ito . Este a rtig o te m c o m o o b je tiv o , p ro p o r u m p ro to c o lo d e a n ´a lise c o m b in a n d o m ´e to d o s e sta t´ıstic o s p a ra id e n tifi c a r fa to re s a sso c ia d o s `a in te n sid a d e d e o v o s d e Aedes aegypti, c o le ta d o s c o m o u so d e a rm a d ilh a s d e o v ip o si¸c a˜ o . A m e to d o lo g ia ´e d e se n v o lv id a a p a rtir d e d a d o s c o le ta d o s e m u m e x p e rim e n to d e c a m p o c o n d u z id o p e lo p ro je to SA UD A V EL , q u e c o m b in a d a d o s d e c o le ta s d e o v o s d o m o sq u ito e c o n d i¸c o˜ e s d a s a rm a d ilh a s e a m b ie n ta is e m b a irro s se le c io n a d o s p a ra m o n ito ra m e n to n a c id a d e d e Re c ife / P E. Utiliz o u -se a m e to d o lo g ia d e m o d e lo s a d itiv o s g e n e ra liz a d o s q u e p e rm itiu a id e n tifi c a c¸ a˜ o d e ´a re a s d e e le v a d a s c o n ta g e n s d e o v o s. C a ra c te r´ıstic a s e sp a ¸c o -te m p o ra is d o e x p e rim e n to fo ra m le v a d a s e m
1 Programa
de P´ os-Gradua¸c˜ ao em M´ etodos Num´ ericos em Engenharia, Laborat´ orio de Estat´ıstica e Geoinforma¸c˜ ao, U niv ersidade F ederal do Paran´ a – U F PR , C EP:8 1 5 3 1 -9 9 0 , C uritiba, Paran´ a, B rasil. E-mail:
[email protected] 2 Laborat´ orio de Estat´ıstica e Geoinforma¸c˜ ao, U niv ersidade F ederal do Paran´ a – U F PR , C EP:8 1 5 3 1 9 9 0 , C uritiba, Paran´ a, B rasil. E-mail: paulo
[email protected] / h enriq
[email protected] 3 D ep artamento de Entomologia, C entro de Pesq uisas A ggeu Magalh˜ aes, F unda¸c˜ ao O sw aldo C ruz , C EP: 5 0 6 7 0 -4 2 0 , R ecife, Pernambuco, B rasil. E-mail: led a@c pq am .fi o c ruz.br / co nstantino @c pq am .fi o c ruz.br 4 D iv is˜ ao de Processamento de Imagens, & Programa Esp a¸co e S ociedade, Instituto Nacional de Pesq uisas Esp aciais, S ˜ ao J os´ e dos C amp os, S ˜ ao Paulo, B rasil. E-mail: m iguel@d pi.inpe.br 5 S ecretaria Estadual de S a´ ude de Pernambuco, Pra¸ca O sw aldo C ruz s/n, C EP: 5 0 0 5 0 -2 1 0 , R ecife, Pernambuco, B rasil. E-mail: rid ajpv eiga@h o tm ail.co m 6 D ep artamento de S a´ ude C oletiv a, C entro de Pesq uisas A ggeu Magalh˜ aes, F unda¸c˜ ao O sw aldo C ruz , C EP: 5 0 6 7 0 -4 2 0 , R ecife, Pernambuco, B rasil. E-mail: way ner@c pq am .fi o c ruz.br R ev . B ras. B io m ., S ˜ ao Paulo, v .2 7 , n.4 , p .5 1 9 -5 3 7 , 2 0 0 9 519
considera¸c˜ao atrav´es de fun¸c˜ oes suaves das coordenadas geogr´aficas das armadilhas e das datas de coleta. O termo temp oral no modelo identificou os meses do ano de maior ab undˆancia, al´em de efeitos saz onais e a tendˆencia da s´erie. Os p rincip ais resultados ap ontam p ara maior frequˆencia/ intensidade de ovip osi¸c˜ ao em situa¸c˜ oes residˆencias, onde o ab astecimento de ´agua ´e constante. Evidˆencias confirmam a relevˆancia da p resen¸ca de recip ientes como tanques, caix as d’´agua e ton´eis. Covari´aveis clim´aticas identificaram a p referˆencia do vetor p or alta p recip ita¸c˜ ao e umidade. PALAVRAS-CHAVE: Estudos entomol´ ogicos; ovitrampa; dengue; modelos aditivos generalizados; modelos espa¸co-temporais.
1
Introdu¸c˜ ao
A degrada¸c˜ao do meio amb iente e os asp ectos s´ocio-culturais afetam o cen´ario ep idemiol´ogico b rasileiro, com imp acto na m´ıdia nacional e internacional, em virtude de ep idemias de dengue, lep tosp irose, a recorrˆencia da tub erculose, entre outras. Diante disso, constatou-se a imp ortˆancia de modelar e identificar fatores de risco e p rote¸c˜ao, nas situa¸c˜oes endˆemicas e ep idˆemicas, visando equip ar sistemas de vigilˆancia e alerta com metodologias de an´alise que p ossam ser imp lementadas de forma rotineira. Neste escop o, foi elab orado o Projeto SAUDAVEL1 , o qual p retende contrib uir p ara aumentar a cap acidade do setor de sa´ ude no controle de doen¸cas transmiss´ıveis, demonstrando ser necess´ario desenvolver novos instrumentos p ara a p r´atica da vigilˆancia entomol´ogica, incorp orando asp ectos amb ientais, identificadores de risco e p rote¸c˜ao, al´em de m´etodos autom´aticos e semi-autom´aticos, que p ermitam a detec¸c˜ao de surtos e seu acomp anhamento no esp a¸co e no temp o (Monteiro et al. 2 0 0 6 ). Dentre as doen¸cas transmiss´ıveis conhecidas, a dengue ´e uma das mais imp ortantes, sendo atualmente um dos p rincip ais p rob lemas de sa´ ude p u ´b lica no p a´ıs. O agente etiol´ogico da dengue ´e um v´ırus, e seus transmissores s˜ao mosquitos do gˆenero Aedes, p op ularmente conhecidos como “ mosquitos da dengue” . As condi¸c˜oes do meio-amb iente favorecem o desenvolvimento e a p rolifera¸c˜ ao do mosquito Aedes a eg y p ti, p rincip al transmissor da dengue nos p a´ıses latinos (Tauil, 2 0 0 2 ). O Aedes a eg y p ti ´e um mosquito fortemente domiciliado e urb ano. A transmiss˜ao da doen¸ca ocorre a p artir da p icada das fˆemeas adultas do mosquito, p ois somente elas s˜ao hemat´ofogas. Ap ´os ter sugado o sangue de uma p essoa contaminada e p assado o p er´ıodo de incub a¸c˜ ao de oito a dez dias, a fˆemea infectada est´a ap ta a transmitir o v´ırus a indiv´ıduos suscet´ıveis. A p artir da d´ecada de 1 9 8 0 metodologias p ara a vigilˆancia do vetor vˆem sendo desenvolvidas no p a´ıs. O monitoramento de fatores de risco b iol´ogico relacionados aos vetores de doen¸cas tem como finalidade o map eamento de ´areas de risco em determinados
1 Sistema de Apoio Unificado para a Detec¸ c˜ ao e Acompanhamento em Vigilˆ ancia Epidemiol´ ogica (http://saudavel.dpi.inpe.br)
520
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
territ´orios, combinando informa¸c˜ oes das vigilˆancias entomol´ ogica e epidemiol´ogica. Na primeira pode-se verificar a presen¸ca do vetor, ´ındices de infesta¸c˜ ao, caracter´ısticas biol´ogicas, tais como susceptibilidade aos inseticidas e aos v´ırus, avalia¸c˜ao da efic´acia dos m´etodos de controle, as a¸c˜ oes de controle qu´ımico, biol´ogico ou f´ısico. Exploram-se rela¸c˜ oes com informa¸c˜ oes de incidˆencia e soro-prevalˆencia da doen¸ca provenientes da vigilˆancia epidemiol´ogica. Nos programas de controle de dengue, a vigilˆancia entomol´ ogica ´e feita principalmente a partir da observa¸c˜ ao visual de larvas, de acordo com proposta de Connor e Monroe (1923 ) para medir a infesta¸c˜ ao por Aedes aegypti em ´areas urbanas. Esta metodologia consiste em vistoriar os dep´ositos de ´agua e outros recipientes localizados nas residˆencias e demais im´oveis, como borracharias, ferrosvelhos, cemit´erios, entre outros tipos de im´oveis considerados estrat´egicos, por produzirem grande quantidade de mosquitos adultos, para o c´alculo dos ´ındices de infesta¸c˜ao predial (IIP) e de Breteau (IB) segundo F UNASA (2001) e OPS (1995 ). Segundo Braga e Valle (2007 ) a observa¸c˜ ao de larvas (ou pesquisa larv´aria, como ´e comumente chamada no Brasil) ´e importante para verificar o impacto das estrat´egias b´asicas de controle da doen¸ca, dirigidas `a elimina¸c˜ ao das larvas do vetor. Entretando, n˜ao ´e um bom indicador para se medir a abundˆancia do adulto, e ´e ineficaz para estimar o risco de transmiss˜ao, embora venha sendo usada com essa finalidade (Nelson, 1995 e F ock s, 2000). Outra metodologia adotada ´e a coleta de mosquitos adultos, cuja operacionaliza¸c˜ao para a estimativa do risco de transmiss˜ao ´e considerada custosa e demorada (Braga e Valle, 2007 ). Ainda segundo esses autores, a correla¸c˜ ao entre o n´ umero de vetores coletados (mosquitos adultos) e o n´ umero de humanos na ´area de coleta, que poderia fornecer o n´ umero de vetores adultos por pessoa, n˜ao ´e suficiente para quantificar o risco. Contudo, essa correla¸c˜ ao se aproxima mais da realidade que os ´ındices larv´arios (F ock s, 2000). Para avaliar a infesta¸c˜ ao de ´areas pelo vetor instalam-se armadilhas de oviposi¸c˜ao, que visam estimar a atividade de postura. A armadilha de oviposi¸c˜ ao, tamb´em conhecida no Brasil como ’ovitrampa’, ´e destinada `a coleta de ovos. Em um recipiente de cor escura, adere-se um material `aspero que permite a fixa¸c˜ ao dos ovos depositados. Em 1965 , iniciou-se o uso de ovitrampas para a vigilˆancia das popula¸c˜oes adultas de Aedes aegypti (F ay e Eliason, 1965 ). Posteriormente, ficou demonstrada a superioridade dessas armadilhas em rela¸c˜ ao a pesquisa larv´aria, para a verifica¸c˜ao da ocorrˆencia do vetor (F ay e Eliason, 1966). As ovitrampas fornecem dados u ´teis para investiga¸c˜ao da distribui¸c˜ ao espacial e temporal (sazonal) de ovos do mosquito. Dados obtidos com essa metodologia tamb´em s˜ao usados para verificar o impacto de medidas de controle. Diversos m´etodos para medir a infesta¸c˜ ao por Aedes aegypti em uma determinada ´area j´a foram propostos na literatura, a maioria tendo como base o uso de armadilhas para capturar ovos do mosquito. Na mensura¸c˜ ao da densidade vetorial, cada m´etodo tem sua particularidade mas todos lan¸cam m˜ao de amostras, nem sempre representativas, da popula¸c˜ ao estudada. Um estudo bastante completo sobre medidas dos n´ıveis de infesta¸c˜ ao urbana por Aedes ´e encontrado em Gomes Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
521
(2002). Apesar do uso freq¨ uente de ovitrampas em estudos entomol´ ogicos, poucos foram os trabalhos encontrados que buscam relacionar a ocorrˆencia de ovos com fatores relacionados `a pr´opria condi¸c˜ ao da armadilha, como presen¸ca de recipientes para o armazenamento de ´agua, tais como tanques, caixa d’´agua, cisternas, al´em de fatores amplamente conhecidos, como vasos de plantas, presen¸ca de pneus entre outros. Santos (1999) estudou fatores associados `a ocorrˆencia de formas imaturas de Aedes aegypti na Ilha do Governador, no estado do Rio de Janeiro. Contudo, em um contexto diferente, sem o uso de ovitrampas e um delineamento amostral propriamente dito. O estudo foi realizado a partir dos dados da Funda¸c˜ ao Nacional de Sa´ ude (FNS). Os principais resultados obtidos pelo autor mostram que 58,04 % dos criadores inspecionados foram constitu´ıdos por suportes para vasos com plantas, vasilhames de pl´astico ou vidro abandonados no peridomic´ılio. Maiores percentuais de criadouros positivos foram observados para pneus (1,4 1% ), tanques, po¸cos e cisternas (0,93% ), e barris, t´oneis e tinas (0,64 % ). Maiores percentuais de criadores positivos durante o ver˜ ao foram encontrados em grandes reservat´ orios de ´agua, e a dos criadores provenientes do lixo dom´estico. No inverno foi verificado maior ocorrˆencia em pequenos reservat´ orios de ´agua para o uso dom´estico. O autor tamb´em utilizou um modelo fatorial que mostrou como fator principal para determinar a ocorrˆencia de fases imaturas de Aedes aegypti, como sendo aquele que leva em considera¸c˜ao os fatores clim´aticos, as medidas utilizadas foram a m´edia da press˜ao atmosf´erica, a temperatura m´axima, temperatura min´ıma e a umidade relativa do ar. O trabalho de Ferreira e Chiaravalloti (2007) buscou associar os ´ındices de infesta¸c˜ao larv´aria por Aedes aegypti com fatores socioeconˆomicos, em S˜ao Jos´e do Rio Preto, S˜ao Paulo. Os autores agruparam os setores censit´arios urbanos em quatro grupos segundo vari´aveis socioeconˆomicas, utilizando an´alise de componentes principais, e um quinto agrupamento com n´ıvel socioeconˆomico inferior aos demais n˜ao pertencente aos setores censit´arios urbanos. Foram calculados, para cada ´area, os ´ındices de Breteau (IB), predial (IP), de recipientes (IR), e as m´edias de recipientes existentes e pesquisados por casa. Os valores dos ´ındices de infesta¸c˜ ao n˜ao apresentaram diferen¸cas significativas entre as ´areas socioeconˆomicas 1 a 4 , mas foram menores que para a quinta ´area. Os ´ındices larv´arios n˜ao mostraram associa¸c˜ao com os diferentes n´ıveis socioeconˆomicos, da ´area correspondente aos setores censit´arios urbanos, por´em os loteamentos da ´area 5 apresentaram os maiores valores desses indicadores. Em estudo sobre a varia¸c˜ ao sazonal de Aedes aegypti Serpa et al. (2007), em Potin, S˜ao Paulo, verificaram que os meses de julho, novembro e dezembro foram os de menor abundˆancia do mosquito. Tamb´em foi detectado a existˆencia de rela¸c˜ao significativa da ocorrˆencia de formas imaturas com a temperatura m´axima, por´em n˜ao encontraram rela¸c˜ ao com as vari´ aveis clim´aticas, temperatura m´ınima, pluviosidade e umidade relativa do ar. O cen´ario epidemiol´ogico brasileiro atual refor¸ca que estudos entomol´ ogicos devem ser feitos para buscar um melhor entendimento sobre os fatores que 522
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
influenciam no comportamento reprodutivo do vetor. Desta forma, pode-se indicar fatores de risco e prote¸c˜ao para evitar a prolifera¸c˜ ao do vetor e consequentemente diminuir os indicadores de incidˆencia da dengue. Neste contexto definem-se os objetivos deste trabalho em combinar metodologias de an´alise que permitam determinar fatores de risco e prote¸c˜ ao associados `a ocorrˆencia de ovos do mosquito Aedes aegypti, com base em dados de um experimento conduzido pelo ”Projeto SAUDAVEL”na cidade de Recife/PE. Entende-se aqui, como fatores de risco/prote¸c˜ao tanto covari´ aveis associadas `a armadilha, como presen¸ca de recipientes grandes ou pequenos que possam conter ´agua em suas proximidades, como tamb´em aspectos abi´oticos (clim´aticos) como temperatura, precipita¸c˜ ao e umidade. Poss´ıveis rela¸c˜oes espaciais entre as armadilhas e tamb´em a possibilidade de uma rela¸c˜ao temporal entre as coletas s˜ao investigadas. Busca-se um modelo implement´ avel em procedimentos de rotina em um sistema de vigilˆancia que leve em considera¸c˜ ao a complexidade do ambiente em que o experimento foi desenvolvido, e que possa ser usado tanto para entender a dinˆamica de prolifera¸c˜ao do mosquito, mostrando suas preferˆencias para a reprodu¸c˜ao, bem como, um modelo preditivo buscando evitar surtos entomol´ ogicos nas ´areas em estudo. Padr˜ oes espaciais eventualmente detectados pelo modelo podem destacar zonas de persistˆencia de alta infesta¸c˜ ao. Os padr˜oes temporais podem auxiliar na compreens˜ao da dinˆamica temporal da popula¸c˜ ao de mosquitos. Efeitos dos fatores do ambiente local dos pontos de coleta s˜ao avaliados, buscando-se aqueles que apresentam rela¸c˜ ao com as contagens de ovos. Buscou-se detectar condi¸c˜oes clim´aticas refletidas em dados de temperatura e umidade em per´ıodos que antecedem as coletas e que possam criar condi¸c˜ oes ideais para o aumento do processo de oviposi¸c˜ao, bem como, a determina¸c˜ ao de per´ıodos relevantes de defasagem, entre a medida clim´atica e o impacto nesse processo. Pretende-se que a metodologia de an´alise proposta neste artigo, seja incorporada em um pacote para a vigilˆancia de popula¸c˜ oes de Aedes aegypti. O desenvolvimento do pacote RDengue (Bonat, Dallazuana e Ribeiro Jr, 2008), do softw are R (R Development Core Team, 2009), faz parte das atividades de uma rede interinstitucional voltada para a cria¸c˜ ao de um sistema de vigilˆancia entomol´ ogica, baseada em uma estrutura de softw are livre para o controle participativo da Dengue (Regis et al. 2009). Nesta se¸c˜ao enfatizou-se a condi¸c˜ ao epidemiol´ogica e entomol´ ogica dando uma vis˜ao ampla da situa¸c˜ao brasileira, citando artigos que tratam sobre o mesmo assunto posicionando os objetivos gerais do presente trabalho. A Se¸c˜ ao 2 descreve o delineamento e forma de condu¸c˜ ao do experimento, as vari´ aveis utilizadas para a constru¸c˜ao dos modelos, e sua forma de mensura¸c˜ ao pela equipe de campo. A Se¸c˜ ao 3 resume as metodologias estat´ısticas utilizadas,com ˆenfase nos modelos aditivos generalizados. A Se¸c˜ao 4 traz os principais resultados da aplica¸c˜ ao do modelo estat´ıstico. A u ´ltima se¸c˜ao faz uma breve discuss˜ao sobre os resultados, as principais conclus˜oes e limita¸c˜oes do estudo, apontando algumas dire¸c˜ oes para investiga¸c˜ oes futuras. Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
523
2 2.1
Contexto e material ´ Area d e estud o , instrum ento s e t´ ec nic a s d e c a m p o
No experimento conduzido na cidade de Recife/PE, foram instaladas 464 armadilhas (ovitrampas) para capturar ovos do mosquito Aedes aegypti, cuja a fˆemea ´e o principal vetor da dengue. Estas armadilhas come¸caram a ser monitoradas em mar¸co de 2004. O experimento foi realizado em sete dos 94 bairros da cidade de Recife. Os resultados apresentados aqui referem-se ao bairro Bras´ılia Teimosa, por este apresentar uma quantidade expressiva de observa¸c˜ oes. Dados deste bairro referem-se `as coletas de ovos em 80 armadilhas entre 04/01/2005 e 15/05/2007. Foram registradas 2.480 observa¸c˜ oes no per´ıodo correspondente a 124 semanas. A rede de armadilhas foi instalada de modo a cobrir toda a extens˜ao do bairro, caracterizando o tipo de delineamento utilizado para a coleta de dados. A cada sete dias eram feitas contagens de ovos encontrados em um quarto das armadilhas. Assim, todas as armadilhas s˜ao monitoradas em um ciclo de 28 dias. Cada armadilha cont´em trˆes lˆaminas de material ´aspero na qual a fˆemea do mosquito coloca os ovos. Q uando recolhidas, as lˆaminas foram levadas para um laborat´orio especializado para a contagem dos ovos. O departamento de Entomologia da FIOCRUZ/PE e os servi¸cos de sa´ ude locais foram os coordenadores operacionais e log´ısticos e respons´aveis pela realiza¸c˜ ao do experimento (Monteiro et al. 2006). No in´ıcio do experimento foram coletadas informa¸c˜ oes sobre as caracter´ısticas dos locais das armadilhas. Regis et al. (2008) descrevem o experimento SAUDAVEL/Recife, bem como todo o escopo do projeto que visa desenvolver metodologias e tecnologias para o monitoramento de popula¸c˜ oes de Aedes aegypti, atrav´es de contagens de ovos coletados em ovitrampas. 2.2
Co nstru¸c ˜a o d a s c o v a ri´ a v eis
O banco de dados do SAUDAVEL Recife, possibilitou a constru¸c˜ ao de diversas covari´aveis a serem utilizadas nos modelos para a contagem de ovos que foram constru´ıdas de forma adequada para a inclus˜ao no modelo estat´ıstico e possibilitar interpreta¸c˜oes pr´aticas. O conjunto de covari´ aveis ´e dividido em dois grupos, o primeiro denominado “locais” referentes `as condi¸c˜ oes do local da armadilha e o segundo de covari´aveis “ambientais” referentes a fatores abi´oticos, representados por medidas clim´aticas. A Tabela 1 resume o conjunto de covari´ aveis locais e a codifica¸c˜ao adotada para as an´alises. S˜ao considerados fatores de risco, plantas em vasos, charco/po¸ca, garrafas, fossa externa, piscina, po¸co elevador, laje sem telhado ou calhas. Na categoria de recipientes grandes s˜ao considerados, tanques, caixa d’´agua ou t´oneis. Na categoria de recipientes pequenos s˜ao considerados, jarros de barro ou baldes. Como as coletas s˜ao realizadas semanalmente em grupos de armadilhas, define-se uma covari´ avel adicional denominada Grup o s que corresponde `a semana em cada ciclo em que a armadilha ´e monitorada, refletindo portanto o delineamento amostral. Cada um dos grupos ´e formado por um quarto das armadilhas. 524
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
Tabela 1 - Rela¸c˜ao de covari´ aveis locais Covari´aveis Tipo de im´ovel Quintal ´ Agua ligada a rede geral ´ Abastecimento de Agua ´ Agua canalizada no cˆomodo Fatores de risco Recipientes grandes sem tampa Recipientes grandes com tampa Recipientes pequenos sem tampa Recipientes pequenos com tampa
N´ıveis 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
Descri¸c˜ ao Residencial N˜ao residencial Apresenta quintal N˜ao apresenta quintal Ligada N˜ao ligada Di´ario N˜ao di´ario Canalizada N˜ao canalizada Apresenta N˜ao apresenta Apresenta N˜ao apresenta Apresenta N˜ao apresenta Apresenta N˜ao apresenta Apresenta N˜ao apresenta
As covari´aveis clim´aticas dispon´ıveis no banco de dados e utilizadas nas an´alises foram precipita¸c˜ao, umidade relativa do ar, temperaturas m´axima e min´ıma. A mensura¸c˜ao destas covari´ aveis ´e feita diariamente por uma esta¸c˜ ao de monitoramento. Para fins de modelagem estat´ıstica s˜ao necess´arias decis˜oes e manipula¸c˜oes destes dados, para permitir investigar rela¸c˜ oes com n´ umero de ovos, obtidas semanalmente. De forma geral foram agrupadas mensalmente utilizando-se m´edias das medi¸c˜oes di´arias. Em an´alises preliminares, n˜ao reportadas aqui, foram considerados agrupamentos semanais, al´em de outras medidas resumo, como m´aximos, m´ınimos, amplitudes e quartis. Por´em, a medida que mostrou melhor ajuste nos modelos foi a m´edia para a qual s˜ao reportadas as an´alises. Estas covari´aveis foram investigadas defasagens de at´e trˆes meses da observa¸c˜ ao.
3
Modelos para dados de contagens
O modelo Poisson log-linear ´e o modelo canˆonico para dados de contagem. Por´em, em alguns casos pode ocorrer o fenˆomeno da sobredispers˜ao, com a variˆancia nas observa¸c˜oes sendo maior do que a predita pelo modelo. Nesses casos, a suposi¸c˜ao de distribui¸c˜ ao de Poisson para a resposta ´e inadequada, sendo Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
525
necess´ario o uso de modelos alternativos. Uma causa prov´ avel da sobredispers˜ao ´e a heterogeneidade das unidades amostrais que pode ser devido a variabilidades inter-unidades experimentais. Este fato, foi detectado no caso dos dados do experimento SAUDAVEL/Recife onde as unidades experimentais (armadilhas) possuem condi¸c˜oes notadamente diferentes umas das outras. Nestes casos um modelo alternativo e considerado aqui ´e o Binomial Negativo que corresponde ao modelo Poisson acrescido de um efeito aleat´orio com distribui¸c˜ ao Gama, acomodando dessa forma a variabilidade adicional. Supomos que Y1 , . . . , Yn s˜ ao vari´ aveis independentes de modo que Yi ∼ µ2 B N (µi , φ), em que E(Yi ) = µi e V a r (Yi ) = µi + φi e parte sistem´atica dada por g(µi ) = xTi β em que g(.) ´e uma fun¸c˜ ao de liga¸c˜ ao. Definindo θ = (β, φ)T o logar´ıtmo da fun¸c˜ao de verossimilhan¸ca fica dado por ¾ ¸ ½ n · X Γ (φ + yi ) + φ log φ + yi log yi − (φ + yi ) log(µi + φ) log L(θ) = Γ (yi + 1)Γ (φ) i= 1 em que µi = exp(xTi β). As estimativas de m´axima verossimilhan¸ca podem ser obtidas atrav´es de algoritmos iterativos de maximiza¸c˜ ao num´erica, como o m´etodo de Newton-Raphson (Paula, 2004). O modelo descrito, apesar de muito utilizado, tem uma restri¸c˜ ao quanto ao relacionamento da vari´avel resposta com as covari´ aveis, assumindo que tal relacionamento seja linear na escala da fun¸c˜ ao de liga¸c˜ ao, o que pode ser restritivo e resultar em um ajuste insatisfat´orio. Em particular, no caso do presente estudo, deseja-se incluir efeitos espaciais atrav´es das coordenadas geogr´aficas das armadilhas, sem assumir relacionamento linear na escala da fun¸c˜ ao de liga¸c˜ ao. Uma das poss´ıveis abordagens alternativas ´e a ado¸c˜ ao do modelo aditivo generalizado (Hastie e Tibishirani, 1990) que pode ser descrito como uma extens˜ao do modelo linear generalizado (Nelder e Wedderburn, 1972), por´em com um ou mais preditores lineares envolvendo a soma de fun¸c˜ oes suaves das covari´ aveis. O modelo torna-se semi-param´etrico e pode ser escrito da seguinte forma: g(µi ) = Xi∗ θ + f1 (x1i ) + f2 (x2i ) + f3 (x3i , x4i ) + . . .
(1)
em que Xi∗ ´e uma linha da matriz do modelo do termo linear para a parte estritamente param´etrica, θ ´e o vetor de parˆametros correspondentes e as fj s˜ ao fun¸c˜oes suaves das covari´aveis xk . As fun¸c˜ oes suaves podem ter mais de uma covari´avel como argumento, conforme ilustrado por f3 na express˜ao (1). O modelo definido desta forma, proporciona flexibilidade na especifica¸c˜ ao da forma da rela¸c˜ ao entre a vari´avel resposta e as covari´ aveis. Casos particulares tamb´em s˜ao poss´ıveis, como a especifica¸c˜ao do modelo apenas em termos de fun¸c˜ oes suaves. A flexibilidade de tais modelos vem acompanhada da necessidade de se definir como representar as fun¸c˜oes suaves e como estimar os parˆametros envolvidos neste modelo. Fun¸c˜oes suaves podem ser descritas por splines. Por exemplo, um spline c´ ubico, ´e uma curva composta por se¸c˜ oes de polinomiais c´ ubicas, juntas de modo que componham uma fun¸c˜ ao cont´ınua que permita primeira e segunda derivada. 526
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
Uma outra op¸c˜ao s˜ao os thin plate splines que, segundo Wood (2006), fornecem uma solu¸c˜ao elegante e geral para o problema de estimar uma fun¸c˜ ao suave de vari´aveis preditoras m´ ultiplas. Wahba (2000) mostra que a thin plate splines ´e uma generaliza¸c˜ao natural da spline polinomial univariada, para duas ou mais dimens˜oes. A dificuldade com thin plate splines ´e o custo computacional, dado que estes suavizadores tˆem tantos parˆametros desconhecidos quanto dados (estritamente, n´ umero de combina¸c˜oes u ´nicas do preditor). Exceto no caso do preditor simples, o custo computacional da estima¸c˜ ao do modelo ´e proporcional ao cubo do n´ umero de parˆametros. Apesar disto, thin plate splines foram adotados aqui, porque uma de suas principais caracter´ısticas ´e a isotropia da penalidade das ondula¸c˜ oes que s˜ao tratadas igualmente em todas as dire¸c˜ oes, tornando o ajuste inteiramente invariante para a rota¸c˜ao do sistema de coordenadas das covari´ aveis preditoras. Tais fun¸c˜ oes suavizadoras s˜ao adequadas para vari´ aveis medidas na mesma unidade tais como coordenadas geogr´aficas, onde a isotropia ´e assumida como adequada. Uma vez escolhida a base de spline o ajuste do modelo segue por uma varia¸c˜ ao do m´etodo de min´ımos quadrados, denominado min´ımos quadrados reponderados iterativos (PIRLS na abraviatura em l´ıngua inglesa). Intervalos de confian¸ca para as fun¸c˜ oes suaves podem ser derivados usando argumentos bayesianos (Wood, 2006). Os procedimentos necess´arios para o ajuste desta classe de modelos, est˜ao implementados no pacote mgcv (Wood, 2008) do ambiente estat´ıstico R (R Development Core Team, 2009), no qual foram desenvolvidas as rotinas computacionais utilizadas neste trabalho.
4 4.1
Resultados An´ alise explorat´ oria
As condi¸c˜oes dos locais das armadilhas s˜ao de papel fundamental, pois orientam as pol´ıticas de preven¸c˜ ao da propaga¸c˜ ao do vetor atrav´es de campanhas educacionais promovidas a fim de evitar criadouros do mosquito. Assim, a identifica¸c˜ao das caracter´ısticas relevantes e quantifica¸c˜ ao de efeitos s˜ao importantes para orientar as a¸c˜oes de tais campanhas. O conjunto de gr´aficos da Figura 1 faz uma compara¸c˜ao das contagens de ovos (em escala logar´ıtimica) entre as categorias de cada uma das doze covari´ aveis locais. A an´alise destes gr´aficos permite identificar de forma explorat´oria e inicial, os fatores que mais afetam as contagens de ovos, orientando a sele¸c˜ao e a escolha de modelos, antecipando e explicando poss´ıveis resultados da modelagem. Pelo conjunto de gr´aficos da Figura 1 ´e poss´ıvel observar que as diferen¸cas s˜ao pequenas e que existem apenas em algumas das covari´ aveis. Pode-se observar que o tipo de im´ovel residencial apresenta contagens m´edias maiores que os im´oveis n˜ao residenciais. A presen¸ca de fatores de risco tamb´em apresenta um leve aumento na contagem m´edia de ovos. As condi¸c˜ oes ligadas a ´agua, ´agua canalizada, frequˆencia de abastecimento e ´agua ligada a rede geral, apresentam uma pequena diferen¸ca Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
527
Figura 1 - Boxplots do log da contagem de ovos por categorias para cada covari´ avel (X representa a m´edia amostral), bairro Bras´ılia Teimosa Recife/PE.
entre as categorias, sendo sempre maior nas categorias que indicam presen¸ca de ´agua abundante. Quanto `a frequˆencia de coleta de lixo, os dados mostram uma maior contagem m´edia de ovos nas localiza¸c˜ oes que apresentam coleta de lixo di´aria. Para as outras covari´aveis n˜ao ´e poss´ıvel identificar nenhuma rela¸c˜ ao direta. Uma an´alise explorat´oria para as covari´ aveis ambientais ´e dificultada pela existˆencia de efeitos temporais e espaciais que devem influenciar na rela¸c˜ ao das contagens de ovos com essas covari´ aveis. Para contornar este fato foi inicialmente ajustado um modelo para cada uma das covari´ aveis ambientais em an´alise. Os efeitos espaciais e temporais foram controlados por fun¸c˜ oes suaves das coordenadas geogr´aficas e das datas de coleta, evitando assim assumir a priori que o relacionamento dessas covari´ aveis com a resposta ´e linear na escala da fun¸c˜ ao de liga¸c˜ao. Para o ajuste do modelo a vari´ avel resposta foi assumida como binomial negativa com fun¸c˜ao de liga¸c˜ ao logar´ıtmica e fun¸c˜ oes suaves s˜ao thin plate splines. O conjunto de gr´aficos apresentados na Figura 2 resume os resultados. A covari´avel precipita¸c˜ ao apresenta um comportamento oscilante para o mˆes da observa¸c˜ao e dois meses anteriores. Para o mˆes anterior, o comportamento ´e persistente e fica claro que com o aumento da precipita¸c˜ ao espera-se aumento nas contagens de ovos. Para a covari´avel umidade relativa do ar os trˆes meses apresentam 528
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
Figura 2 - Diagramas de dispers˜ao. comportamentos variados. Para o primeiro mˆes verifica-se que umidade de 65% at´e 73% relacionam-se com uma queda nas contagens de ovos, enquanto que umidades maiores que 73% est˜ao relacionadas com um aumento nas contagens. Para o mˆes anterior `a observa¸c˜ao, o comportamento oscila mas a tendˆencia geral parece de aumento nas contagens de ovos, apesar de decaimentos da spline em alguns momentos. Para dois meses antes da observa¸c˜ ao aparece um n´ıtido efeito com aumento de contagens para umidade entre 65% e 70% que se estabilizam para umidades mais elevadas. Para a temperatura m´axima no mˆes da observa¸c˜ ao, verifica-se aumento nas contagens para temperaturas de 28 a 31◦ C e redu¸c˜ ao para temperaturas maiores que 31◦ C. Para o mˆes anterior `a observa¸c˜ ao, a temperatura m´axima relaciona-se com quedas nas contagens, por´em com diferentes graus de intensidade. Temperaturas m´axima de at´e at´e 30, 5◦ C com defasagem de dois meses relacionam-se com queda bastante acentuada nas contagens. Aumento nas contagens de ovos relacionam-se com temperaturas m´ınimas no mˆes da observa¸c˜ao entre 18 e 22, 7◦ C redu¸c˜ oes s˜ao observadas para temperaturas m´ınimas maiores que 22, 7◦ C. A temperatura m´ınima no mˆes anterior da observa¸c˜ ao relaciona-se com queda nas contagens de ovos, com diferentes graus de inclina¸c˜ ao, mas sempre decrescente. Para dois meses antes da observa¸c˜ ao a temperatura m´ınima de 18 a 23◦ C relaciona-se com uma queda pouco acentuada nas coletas de ovos com Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
529
redu¸c˜ao nas contagens para temperaturas mais elevadas. Como pode ser visto de forma geral na Figura 2, o relacionamento destas covari´aveis com as contagens de ovos n˜ao aparece de forma imediata. Por´em deve ser notado que as covari´aveis ambientais s˜ao altamente correlacionadas, e grande parte da n˜ao linearidade destas rela¸c˜ oes pode ser causada por outras covari´ aveis, j´a que atuam concomitantemente sobre a vari´ avel resposta, o que deve ser tratado em um ajuste de um modelo contemplando todas essas covari´ aveis conjuntamente. 4.2
Modelagem
Para determinar quais s˜ao os fatores de risco e prote¸c˜ ao para a ocorrˆencia de ovos do mosquito Aedes aegypti foi ajustado um modelo aditivo generalizado com resposta binomial negativa, fun¸c˜ ao de liga¸c˜ ao logar´ıtimica, fun¸c˜ oes suaves do tipo thin plate splines e considerando-se vari´ aveis ambientais e locais conjuntamente. Para a sele¸c˜ao das covari´aveis componentes do modelo final foi usado o m´etodo stepw ise. Pela an´alise explorat´oria para as covari´ aveis ambientais, n˜ao deve-se impˆor a priori um relacionamento linear na escala da fun¸c˜ ao de liga¸c˜ ao. Sendo assim, foram ajustados dois modelos, o primeiro supondo relacionamento linear e outro atribuindo uma fun¸c˜ao suave, que foram comparados pelo log-verossimilhan¸ca maximizada e crit´erio de informa¸c˜ao de Ak aik e (AIC). Para o primeiro, a log-verossimilhan¸ca foi de −16.564, 68 e o AIC foi de 33.208, 41 com 39, 52 graus de liberdade estimados. Para o modelo com termos suaves as medidas foram −16.546, 6 e 33.196, 42, respectivamente, com 51, 60 graus de liberdade estimados. Como mostram as medidas do ajuste a diferen¸ca entre os dois modelos foi muito pequena, sendo assim, optou-se por adotar o modelo com termos lineares por sua simplicidade e interpreta¸c˜oes diretas. O resultado do ajuste para o bairro Bras´ılia Teimosa ´e apresentado na Tabela 2. Na tabela 2 PREC.MES1 e PREC.MES2 referem-se respectivamente `a precipita¸c˜ ao m´edia no mesmo mˆes e no mˆes anterior `a coleta, respectivamente. A entrada UMID.MES3 refere-se `a umidade m´edia para dois meses antes da observa¸c˜ao. De acordo com o modelo ajustado, tem-se que a covari´ avel precipita¸c˜ ao (1 e 2) s˜ao consideradas fatores de risco, j´a que, ao se aumentar a precipita¸c˜ ao no mˆes da coleta em uma unidade espera-se em m´edia um aumento nas contagens de ovos de 2, 83%(1, 83% − 3, 85%) e o mesmo aumento ´e esperado para a precipita¸c˜ ao no mˆes anterior ao da observa¸c˜ao. Para a covari´ avel umidade, tamb´em considerada como fator de risco, ao se aumentar uma unidade na umidade m´edia mensal de dois meses antes da observa¸c˜ao, espera-se um aumento m´edio de 2, 63%(0, 64% − 4, 66%). A preferˆencia do mosquito por residˆencias onde a canaliza¸c˜ ao de ´agua est´a presente em pelo menos um cˆomodo, fica evidente pela significˆancia desta covari´avel no modelo. Pode-se observar, que onde a localiza¸c˜ ao da armadilha apresenta canaliza¸c˜ao de ´agua em pelo menos um cˆomodo, tem em m´edia 27, 37%(11, 48% − 45, 53%) mais ovos, quando comparada as localiza¸c˜ oes que n˜ao apresentam esta canaliza¸c˜ao. 530
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
Tabela 2 - Resultados do ajuste do modelo para o bairro Bras´ılia Teimosa Covari´aveis Intercepto PREC.MES1 PREC.MES2 UMID.MES3 Canalizada Grande sem tampa Suaviza¸c˜ao Coordenadas Tempo
Estimativas 5, 125 0, 028 0, 028 0, 026 −0, 242 −0, 112 Edf 24, 805 8, 718
Erro Padr˜ ao 0, 908 0, 005 0, 005 0, 010 0, 068 0, 0532 Rank 24 9
Valor t 5, 642 4, 697 4, 71 2, 207 −3, 539 −2.102 F 10, 38 24, 39
p-valor < 0, 001 < 0, 001 < 0, 001 0, 027 < 0, 001 0, 035 p-valor < 0, 001 < 0, 001
Um resultado aparentemente intrigante ´e o fato da presen¸ca de recipientes grandes sem tampa ser considerado fator de prote¸c˜ ao pela interpreta¸c˜ ao simples do resultado da an´alise. O modelo mostra que nas localiza¸c˜ oes de armadilhas onde se encontra este tipo de recipiente as contagens s˜ao em m´edia 11, 85%(0, 81%−24.09%) menores do que em localiza¸c˜ oes sem a presen¸ca desses. A princ´ıpio este resultado poderia sugerir que pode existir um efeito de competi¸c˜ ao das armadilhas com estes recipientes, ou seja, na presen¸ca destes recipientes os mosquitos apresentam uma certa preferˆencia por eles. Entretanto ´e necess´ario que outros fatos sejam considerados na interpreta¸c˜ao desse resultado. Os n´ umero m´edios de ovos s˜ao de 1.595 e 1.640 para locais com e sem recipientes grandes sem tampa, respectivamente. Apesar da significˆancia estat´ıstica ambas s˜ao contagens bastante elevadas e a difen¸ca n˜ao parece ser relevante na pr´atica. Deve-se ainda considerar que na ausˆencia de recipientes grandes haver´ a uma tendˆencia de uso de recipientes pequenos para armazenar ´agua tornando a prote¸c˜ ao mais complexa, ou seja, com potencial de manterem popula¸c˜oes maiores de Aedes. Soma-se ainda o fato de que a veda¸c˜ ao de recipientes grandes com tampa quase nunca ´e completa e mesmo um pequeno intervalo de tempo de exposi¸c˜ ao pode ser suficiente para ovoposi¸c˜ ao. Tanto na interpreta¸c˜ao anterior quanto nas demais de significˆancia ou n˜ao dos covari´aveis locais, deve-se salientar ainda que a anota¸c˜ ao das condi¸c˜ oes dos locais foram feitas apenas no in´ıcio do experimento e que o pr´oprio mecanismo de acompanhamento pode ter influenciado as pr´aticas e cuidados em locais de coleta. Os efeitos espaciais e temporais est˜ao sendo controlados por fun¸c˜ oes suaves, que mostram-se significativos. Para verificar as localiza¸c˜ oes do espa¸co onde a contagem ´e mais elevada a Figura 3 traz um mapa apenas do efeito espacial, para o bairro Bras´ılia Teimosa, considerando o tempo um passo a frente da u ´ltima observa¸c˜ ao, ou seja, ´e uma previs˜ao um passo a frente apenas do efeito espacial. Como este efeito n˜ao tem uma escala de valores de interpreta¸c˜ ao direta foi calculado um risco relativo, sob a hip´otese de homogeneidade espacial. Para isto considera-se que a ´area ´e homogenea e obt´em-se uma m´edia de todas as predi¸c˜ oes, depois divide-se cada uma das predi¸c˜oes pela m´edia geral. Com isto ´e poss´ıvel avaliar o risco relativo em Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
531
Figura 3 - Efeito espacial e incerteza associada. rela¸c˜ao `a m´edia geral em que observa¸c˜ oes pr´oximas da m´edia apresentar˜ ao valores pr´oximos da unidade. O P ainel da direita mapeia a incertez a associada a cada predi¸c˜ao medida pelo erro padr˜ao de predi¸c˜ ao em cada ponto. C om o mapa de risco relativo espacial ´e poss´ıvel identifi car ´areas com risco relativo acima de um valor de referˆencia, por exemplo dois, mostrando que essas ´areas tem o dobro de contagens do que a m´edia geral da ´area. Isto permite delimitar ´areas de alta infesta¸c˜ao pelo mosquito, e que devem receber maior aten¸c˜ ao pelas agˆencias de sa´ ude locais. N o mapa de erros padr˜ao fi ca evidente que em localiz a¸c˜ oes onde existem poucas observa¸c˜ oes a incertez a aumenta. P or exemplo, a borda superior do mapa de incertez a, apresenta um erro padr˜ao de aproximadamente 0, 3 5 , enquanto que onde foram feitas as observa¸c˜ oes o erro padr˜ao varia entre 0, 1 0 e 0, 2 0. P ara explorar o efeito temporal, foi feita a previs˜ao di´aria desde a primeira observa¸c˜ao em 04 /01 /2 005 at´e a u ´ltima 1 5 /05 /2 007 , totaliz ando 8 6 2 dias. A predi¸c˜ao ´e mostrada na F igura 4 , isolando o efeito temporal. P ela F igura 4 verifi ca-se quatro grandes picos, durante o per´ıodo analisado. O primeiro ocorre entre os meses de mar¸co e abril de 2 005 , o segundo novamente em 2 005 entre os meses de setembro e outubro. O terceiro ocorre entre abril e maio de 2 006 , e o u ´ltimo e maior pico ocorre entre os meses de novembro de 2 006 e fevereiro de 2 007 . O s picos ocorrem em geral em meses mais quentes, aparentemente no in´ıcio e t´ermino do ver˜ao. M enor ocorrˆencia de ovos s˜ao registrada e preditas para os meses mais 532
Rev. B ra s. B io m ., S ˜a o P a u lo , v .27 , n .4 , p .51 9 -537 , 20 0 9
Figura 4 - Efeito temporal. frios. O conjunto de quatro gr´aficos apresentados na Figura 5 apresenta diagn´osticos usuais para res´ıduos do modelo ajustado. D e forma geral os resultados s˜ao considerados satisfat´orios sem apontar desvios ou problemas cr´ıticos no ajuste.
Discuss˜ ao e recomenda¸c˜ oes A determina¸c˜ao de fatores associados `a ocorrˆencia de ovos de Aedes aegypti, ´e um processo delicado, que envolve an´alise de elementos de modelagem estat´ıstica bem como aspectos ligados `a biologia do individuo e da popula¸c˜ ao do mosquito. O uso de modelos estat´ısticos permite uma separa¸c˜ ao mais clara dos efeitos dos fatores relevantes em condi¸c˜oes de campo por combinar as diversas covari´ aveis auxiliando na determina¸c˜ao precisa sobre as condi¸c˜ oes ambientais favor´ aveis ao aumento de contagens de ovos. A an´alise da associa¸c˜ao com fatores clim´aticos ´e dificultada por n˜ao se saber a priori quais seriam as defasagens no tempo entre a data da coleta dos ovos e as medidas clim´aticas que apresentam maior associa¸c˜ ao com tais contagens. Os resultados das an´alise reportadas aqui mostraram que as condi¸c˜ oes de precipita¸c˜ ao e umidade s˜ao importantes para a reprodu¸c˜ ao do mosquito, que apresentou contagens mais elevadas de ovos em condi¸c˜ oes de alta umidade e precipita¸c˜ ao. Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
533
Figura 5 - An´alise de res´ıduos.
A avalia¸c˜ao das covari´ aveis ligadas `as armadilh as ´e igualmente importante pois elas podem ajudar na elabora¸c˜ ao de melh ores programas de controle do vetor. Os resultados mostraram uma maior quantidade de ovos em residˆencias, onde o abastecimento de ´agua ´e di´ario, ou seja, que existe disponibilidade de ´agua abundante sugerindo que tais locais devem receber aten¸c˜ ao dos programas de controle. O fato das avalia¸c˜ oes terem sido feitas apenas na fase inicial do experimento pode mascarar resultados por n˜ao acomodar poss´ıveis mudan¸cas nos valores ou n´ıveis ao longo do experimento. R esultados isolados como a presen¸ca de recipientes grandes sem tampa, indicado como um fator protetor, s˜ao aparentemente inesperados mas em nosso ver, as an´alises de forma geral refl etem que este tipo de recipiente n˜ao ´e o principal determinante de risco, mas sim a presen¸ca de recipientes de qualquer tipo visto que o Aedes deposita seus ovos em praticamente qualquer lugar com ´agua estagnada e portanto com possibilidades de criadouros praticamente infinitas em espa¸cos urbanos e as fˆemas procurando dinˆamica e constantemente por novos locais para postura. A inclus˜ao e significˆancia do efeito espacial no modelo ´e relevante, pois al´em de melh orar o ajuste permite verificar atrav´es de uma superf´ıcie regi˜oes de maior ocorrˆencia de ovos. Isto ´e importante na pr´atica, pois atrav´es de tais mapas as agˆencia locais de sa´ ude podem melh or direcionar suas a¸c˜ oes de combate ao vetor. O fato deste efeito ser significativo tamb´em indica que podem h aver outras covari´ aveis 534
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
n˜ao levadas em considera¸c˜ao neste trabalho que devem ser importantes para explicar a resposta. T ais covari´aveis teriam padr˜ao espacial de distribui¸c˜ ao na ´area e na ausˆencia de medidas, tˆem seus efeitos capturados pelo efeito espacial. O ajuste do efeito temporal permite identificar os meses do ano de maior ocorrˆencia de ovos, al´em de indicar poss´ıveis efeitos sazonais e verificar tendˆencia gerais de crescimento ou decrescimento da s´erie. Os resultados mostram a ocorrˆencia de quatro picos em meses quentes do per´ıodo em estudo, aparentemente no in´ıcio e t´ermino do ver˜ao. Mesmo sendo uma regi˜ao de vari¸c˜ oes modestas de temperatura, os meses de menores temperaturas apresentam claramente menor ocorrˆencia de ovos. De forma geral pode-se concluir que o modelo escolhido apresenta um ajuste satisfat´orio, nenhum desvio severo dos pressupostos foi detectado refor¸cando as conclus˜oes. Os dados s˜ao provenientes de um experimento real, onde o n´ıvel de controle sobre os diversos fatores que podem afetar a vari´ avel resposta ´e relativamente baixo. Isto sugere que tal especifica¸c˜ ao de modelo, devido a sua relativa simplicidade e interpretabilidade configura-se como uma op¸c˜ ao real´ıstica e implement´avel para mecanismos proposto para monitoramento e vigilˆancia tais como descritos por Regis et al. (2009 ) Este estudo deve ser encarado como um experimento screening ou explorat´orio, que busca evidˆencias de quais seriam os poss´ıveis fatores associados a flutua¸c˜ oes na contagem de ovos do Aedes aegypti.
Agradecimentos Os autores agradecem as equipes de campo e laborat´orio da S ecretaria de S a´ ude do Recife/ Programa de S a´ ude Ambiental e CPqAM/ Fiocruz pelo intenso trabalho que produziu os dados aqui utilizados. Agradecemos tamb´em `a toda equipe do projeto S AU DAV EL (http:/ / saudavel.dpi.inpe.br) pela troca de informa¸c˜ oes e por disponibilizar os dados e recursos utilizados neste trabalho. B ONAT , W . H . ; RIB EIRO J r., P. J . ; DAL L AZ U ANNA, H . S . ; REG IS , L . N. ; MONT EIRO, A. M. V . ; S IL V EIRA, J . C. ; ACIOL I, R. V . ; S OU Z A, W . V . Investigating factors associated w ith Aedes aegypti egg counts from ovitraps in Recife/ PE. R ev . B ras. de B io m ., S ˜ao Paulo, v.27, n.4, p.519 -537, 2009 . ABSTRACT: Aedes aegypti is th e v e c to r o f d e n g u e , a n e p id e m ic d ise a se . E n to m o lo g ic a l stu d ie s a llo w u n d e rsta n d in g th e d y n a m ic o f th e m o sq u ito p o p u la tio n p ro life ra tio n . Th e p re se n t w o rk p ro p o se s a p ro to c o l fo r ro u tin e a n a ly sis c o m b in in g sta tistic a l m e th o d s fo r th e id e n tifi c a tio n o f fa c to rs re la te d e g g c o u n ts o f Ae d e s a e g y p ti c o lle c te d b y o v itra p s. Th e m e th o d o lo g y is d e v e lo p e d b a se d o n d a ta fro m a fi e ld e x p e rim e n t c o n d u c te d o n th e sc o p e o f th e SAU D AV E L p ro je c t, re la tin g e g g c o u n ts to lo c a l c o n d itio n s a n d e n v iro n m e n ta l m e a su re m e n ts ta k e n a t n e ig h b o rh o o d s in th e c ity o f Re c ife / P E , Bra z il. Sp a tio -te m p o ra l a sp e c ts w e re ta k e n in to a c c o u n t b y th e a d o p te d g e n e ra liz e d a d d itiv e m o d e l w ith sm o o th
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
535
functions on the geographic coordinates of the traps and dates of data collection. Spatial smoothing function identify hot spots for elevated egg counts and the temporal term in the model have detected the months of higher abundance of eggs, seasonal eff ects and trends. Main results show mosquito preference for residences with a regular water supply . Evidences on the relevance of the presence of recipients such as traps and large recipients were detected. Environmental covariates detect vector preference for elevated temperature and humidity . KEYWORDS: Entomological studies; dengue; ovitrap; generalized additive models; spatial-temporal modeling.
Referˆ encias BRAGA, I. A.; VALLE, D. Aedes aegy pti: vigilˆancia, monitoramento da resistˆencia e alternativas de controle no Brasil. Epidemiol. Serv. Sa´ ude, Bras´ılia, v.16, n.4, p.295-302, 2007. ´ BONAT, W. H.; DALLAZUANNA, H. S.; RIBEIRO Jr, P. J.; REGIS, L.; MONTEIRO, A. M. V.; SILVEIRA, J. C. RD engue um amb iente para ´ monitoramento de ovos do mosq uito Aedes aegypti. In: SIMPOSIO BRASILEIRO ´ DE GEOINFORMATICA, 10, 2008, Rio de Janeiro. CONNOR, M. E. ; MONROE, W. M. Stegomy ia indices and their value in y ellow fever control. Am. J . T rop. M ed. H yg., Deerfield, v.3, p.9-19, 1923. FAY , R. W. ; ELIASON, D. A. Laboratory studies of ovipositional preferences of Aedes aegy pti. M osq . N ew s, Aliso Viego, v.25, p.270-281, 1965. FAY , R. W.; ELIASON, D. A. A preferred ovoposicion site as a surveillance method for Aedes aegy pti. M osq . N ew s, Aliso Viego, v.26, p.531-534, 1966. FERREIRA, A. C.; CHIARAVALLOTI, F. Infesta¸c˜ ao de ´area urbana por Aedes aegy pti e rela¸c˜ao com n´ıveis socioeconˆomicos. Rev. Sa´ ude P u ´b ., S˜ao Paulo, v.41, n.6, p.15-22, 2007. FOCK S, D. A. A review of entomological sampling meth ods and indicators for dengue vectors. Monografia na internet, 2000. FUNASA. Funda¸c˜ao Nacional de Sa´ ude. D engue - instru¸c˜oes para o pessoal de combate ao vetor, Bras´ılia, 2001. Mmanual de normas t´ecnicas. GOMES, A. C. Medidas dos n´ıveis de infesta¸c˜ ao urbana para aedes (stegomy ia) aegy pti e aedes (stegomy ia) albopictus em programa de vigilˆancia entomol´ ogica. Inf. Epidemiol. SU S, Bras´ılia, v.11, n.2, p.79-90, 2002. HASTIE, T. J.; TIBISHIRANI, R. J. Chapman and Hall, 1990.
G eneralized additive models. London:
˜ MONTEIRO, A. M.; CARVALHO, M. S.; ASSUNC ¸ AO, R. W.; RIBEIRO Jr, P. J.; VIEIRA, W.; DAVIS, C.; REGIS, L. SAU D AV EL : Bridging th e G ap betw een Research ans Service in P ub lic H ealth O perational P rograms b y M ulti. Institutional 536
Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
Networking Development and use o Spatial Information Technology Innovative Tools, 2006. NELDER, J. A.; WEDDERBURN, R. M. Generalized linear models. J. R. Stat. Assoc. - Ser. A, London, v.135, n.3, p.370-384, 1972. NELSON, M. The signifi cance of indicators and indices. Ctd/fil(den)/ic, 1995. OPS. Organizacion Panamericana de la Salud. Dengue y dengue hemorr´ agico en las Am´ericas: guias para su prevenci´ on y control, Washington, 1995. PAULA, G. A. Modelos de regress˜ ao com apoio computacional. S˜ao Paulo: Editora da Universidade de S˜ao Paulo, 2004. 50p. R DEVELOPMENT CORE TEAM. R: A language and environment for statiscal computing. Viena: R Foundation for Statistical Computing, 2009. REGIS, L. N.; MONTEIRO, A. M. V.; MELO-SANTOS, M. A.; SILVEIRA, J. C.; FURTADO, A. F.; ACIOLI, R. V.; SANTOS, G. M.; NAKASAWA, M.; CARVALHO, M. S.; RIBEIRO Jr, P. J.; SOUZA, W. V. Developing new approaches for detecting and preventing Aedes aegypti population outbreaks: bases for surveilance, alert and control system. Mem. Inst. Oswaldo C ruz, Rio de Janeiro, v.103, n.1, p.50-59, 2008. REGIS, L. N.; SOUZA, W. V.; FURTADO, A. F.; FONSECA, C. D.; SILVEIRA Jr, J. C.; RIBEIRO Jr, P. J.; MELO-SANTOS, M. A. V.; CARVALHO, M. S.; MONTEIRO, A. M. V. An entomological surveillance system based on open spatial information for participative dengue control. An. Acad. Bras. C iˆenc., Rio de Janeiro, v.81, n.1, p.1-8, 2009. SANTOS, R. S. Fatores associados `a ocorrˆencia de formas imaturas de Aedes aegypti na Ilha do Governador, Rio de Janeiro, Brasil. Rev. Soc. Bras. Med. Trop., Rio de Janeiro, v.32, n.4, p.373-382, 1999. SERPA, L. L. N.; COSTA, K. V.; VOLTOLINI, J. C.; KAKITANI, I. Varia¸c˜ ao sazonal de Aedes aegypti e Aedes albopictus no munic´ıpio de Potim, S˜ao Paulo. Rev. Sa´ ude P´ ub., S˜ao Paulo, v.40, n.6, p.1101-1105, 2007. TAUIL, P. L. Aspectos cr´ıticos do controle do dengue no Brasil. C ad. Sa´ ude P´ ub., Rio de Janeiro, v.18, p.867-871, 2002. WAHBA, G. Splines in nonparametric regression. Madison, Department of Statistics: University of Wisconsin, 2000. Technical Report. WOOD, S. N. Generalized additive models: Introduction with R. Boca Raton: Chapman and Hall, 2006. WOOD, S. N. GAMs with GC V smoothness estimation and GAMMs by REML/ PQ L. R package version 1.3-31. 2008. Recebido em 29.07.2008. Aprovado ap´os revis˜ao em 13.11.2009. Rev. Bras. Biom., S˜ ao Paulo, v.27, n.4, p.519-537, 2009
537
