Your SlideShare is downloading. ×
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Simulação Computacional da Epidemia de Dengue de 2008 no Rio de Janeiro.

2,560

Published on

Published in: Technology, Travel
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
2,560
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
10
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. ANNE KELLY DA COSTA GERALDO ¸˜SIMULACAO COMPUTACIONAL DA EPIDEMIA DE DENGUE DE 2008 NO RIO DE JANEIRO Betim 18 de junho de 2008
  • 2. Pontif´ ´ ıcia Universidade Catolica de Minas Gerais ´ cleo Universitario de Betim Nu ´ ¸˜ ¸˜ Programa de Graduacao em Sistemas de Informacao ¸˜SIMULACAO COMPUTACIONAL DA EPIDEMIA DE DENGUE DE 2008 NO RIO DE JANEIRO Monografia apresentada ao Curso de Gradua¸˜o em Sistemas de Informa¸˜o ca ca da Pontif´ıcia Universidade Cat´lica de Mi- o nas Gerais como requisito parcial para a obten¸˜o do grau de Bacharel em Sistemas de ca Informa¸˜o. ca ANNE KELLY DA COSTA GERALDO Betim 18 de junho de 2008
  • 3. PONTIF´ ´ ICIA UNIVERSIDADE CATOLICA DE MINAS GERAIS ¸˜ FOLHA DE APROVACAO Simula¸ao Computacional da Epidemia de Dengue de 2008 c˜ no Rio De Janeiro ANNE KELLY DA COSTA GERALDOMonografia defendida e aprovada pela banca examinadora constitu´ por: ıda ´ PhD Caio Julio Martins Veloso – Orientador Pontif´ Universidade Cat´lica de Minas Gerais ıcia o Betim, 18 de junho de 2008
  • 4. ResumoO desenvolvimento de epidemiologia quantitativa tem o prop´sito de prover informa¸˜o o cat´cnica simplesmente sobre o ciclo de vida de doen¸as e m´todos para o controle atual- e c eizado das an´lises de situa¸˜es de doen¸as, bem como estimativas dos efeitos econˆmicos a co c odessas doen¸as e conseq¨ˆncias de estrat´gias de controle alternativas. H´ uma expectativa c ue e aque a disponibilidade de dados melhorados sobre surtos de doen¸as humanas e animais e csua an´lise epidemiol´gica conduzir´ ao desenvolvimento de pol´ a o a ıticas melhores no controlede doen¸as. Com o papel em desenvolvimento de pol´ c ıtica em mente se tornou comum a epi-demiologia de vis˜o como um componente importante de um sistema de apoio de decis˜o. O a aapoio de decis˜o desta ferramenta foi desenvolvido gradualmente e inclui m´todos estat´ a e ısticosrelacionados para infectar vigilˆncia e epidemiologia anal´ a ıtica, inform´tica usada em admin- aistra¸˜o de dados e comunica¸˜o, matem´tica e programa de computa¸˜o modelando doen¸as ca ca a ca ce m´todos econˆmicos. Destas ferramentas novas, o modelo de doen¸a mostrou ser um de- e o csenvolvimento particularmente importante. Desde que o resultado mostrado apresente umaavalia¸˜o do curso futuro de eventos que mostram a escolha de uma a¸˜o particular, esta ca cahabilidade para representar realidade que usa um modelo ´ vista como uma ferramenta de eapoio de decis˜o inestim´vel, especialmente se o modelo pode ser usado para predizer o futuro a ade alguma maneira. i
  • 5. AbstractThe development of quantitative epidemiology has shifted the purpose of epidemiology fromthat of simply providing technical information on the life cycle of diseases and methods to con-trol them to that of providing up to date ’disease situation analyses’, complete with estimatesof the economic effects of disease and consequences of alternative control strategies. Thereis an expectation that the availability of improved data about animal disease and its epi-demiological analysis will lead to the development of better policies on disease control. Withthe role in policy development in mind it has become common to view epidemiology as animportant component of a ’decision support system’. The decision support ’toolbox’ has beengradually developed and filled with tools. These include statistical methods related to diseasesurveillance and analytical epidemiology, information technology used in data managementand communication, mathematics and computer programming used in disease modelling andeconomic methods. Of these new tools, disease modelling has proved to be a particularlyimportant development. Since decision making involves an assessment of the future courseof events following the choice of a particular action, the ability to represent reality using amodel is seen as an invaluable decision support tool, especially if the model can be used tosomehow predict the future. ii
  • 6. “. . . questo grandissimo libro [ della natura scritto da Dio ] che continuamente ci sta aperto innanzi a gli occhi (io dico l’universo), ma non si pu` intendere se prima non s’impara a o intender la lingua, e conoscer i caratteri, ne’ quali ` scritto. Egli ` scritto in lingua e ematematica, e i caratteri son triangoli, cerchi, ed altre figure geometriche, senza i quali mezi ` impossibile a intenderne umanamente parola; senza questi ` un aggirarsi vanamente per e e un oscuro laberinto . . .” Galileo Galilei, Il Saggiatore iii
  • 7. Dedico esta conquista aos meus pais, Maur´ ıcio e Edilza, pelo incentivo, compreens˜o e a amor. iv
  • 8. AgradecimentosAgrade¸o primeiramente a Deus pela sa´de e sabedoria em toda a minha caminhada. Agrade¸o c u c `muito ao mestre Caio que me apoiou nesta caminhada e acreditou em mim. A minha grandeamiga Gabriela, pela distra¸˜o e por todos os momentos dif´ ca ` ıceis que passamos juntas. Aminha amiga Sara, pelo incentivo e por mostrar que sou capaz, no momento de total deses-pero. v
  • 9. Sum´rio a1 Introdu¸˜o ca 2 1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.2 Objetivos Espec´ ıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.3 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.4 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Princ´ ıpios de Epidemiologia 7 2.1 Princ´ ıpios de Epidemiologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 Postulados, teorias e cura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3 Sa´de-Doen¸a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . u c 10 2.4 Epidemia x Endemia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.5 Risco epidemiol´gico e indicadores de sa´de . . . . . . . . . . . . . . . . . . . o u 13 2.6 Sistemas de informa¸˜o e controle epidemiol´gico . . . . . . . . . . . . . . . . ca o 14 2.7 Emergˆncia e re-emergˆncia das doen¸as infecciosas - A biocomplexidade como e e c um paradigma transdisciplinar . . . . . . . . . . . . . . . . . . . . . . . . . . 153 Autˆmatos Celulares o 18 3.1 Elementos de Autˆmatos Celulares . . . . . . . . . . . . . . . . . . . . . . . . o 19 3.1.1 Vizinhan¸a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c 19 3.1.2 Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.1.3 Disciplina de atualiza¸˜o . . . . . . . . . . . . . . . . . . . . . . . . . . ca 20 3.2 Autˆmato Celular Unidimensional . . . . . . . . . . . . . . . . . . . . . . . . o 21 3.3 Autˆmato Celular Bidimensional . . . . . . . . . . . . . . . . . . . . . . . . . o 214 Sistemas de Informa¸˜es Geogr´ficas (SIG) co a 23 4.1 An´lise Espacial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 23 4.2 Sa´de P´blica, Epidemiologia e Geoprocessamento . . . . . . . . . . . . . . . u u 245 Modelos Baseados em Equa¸˜es Diferenciais co 26 5.1 Modelagem Estoc´stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 286 Dengue 30 vi
  • 10. 6.1 Etiologia e Modo de Transmiss˜o . . . . . . . . . . . . . . . . . . . . . . . . . a 32 6.2 Aspectos Cl´ ınicos e Diagn´stico . . . . . . . . . . . . . . . . . . . . . . . . . . o 32 6.3 O Vetor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 6.4 A Epidemiologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367 Modelo Epidemiol´gico o 41 7.1 Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 7.1.1 Modelo Homogˆneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 42 7.2 Fatores Clim´ticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 46 7.3 Fatores Socioeconˆmicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 488 Resultados e Discuss˜es o 509 Conclus˜es e Perspectivas o 58Referˆncias Bibliogr´ficas e a 61 vii
  • 11. Lista de Figuras2.1 FONTE: retirado da aula de Maria da Consola¸˜o Magalh˜es Cunha - Brasil - ca a 2007. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.2 Modelo cartogr´fico digital utilizado no controle e monitoramento do vetor da a mal´ria no M´xico. FONTE: Organiza¸˜o Pan-americana de Sa´de - M´xico a e ca u e - 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152.3 Fatores ambientais associados ` emergˆncia de doen¸as . . . . . . . . . . . . . . . a e c 173.1 Autˆmato celular unidimensional. o . . . . . . . . . . . . . . . . . . . . . . . . . . 183.2 Autˆmatos celulares bidimensional e tridimensional. . . . . . . . . . . . . . . . . o 193.3 Autˆmato celular bidimensional hexagonal. . . . . . . . . . . . . . . . . . . . . . o 203.4 Autˆmato celular bidimensional triangular. . . . . . . . . . . . . . . . . . . . . . o 203.5 Vizinhan¸a de von Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c 203.6 Vizinhan¸a de Moore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c 213.7 Autˆmato Celular unidimensional o . . . . . . . . . . . . . . . . . . . . . . . . . . 213.8 Exemplo de um glider de per´ ıodo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . 224.1 Modelo proposto do sistema de informa¸˜es gerenciais Fonte: Sistema de In- co forma¸˜o Gerencial - SIG - Brasil - 2005 . . . . . . . . . . . . . . . . . . . . . . ca 235.1 Ilustra¸ao do esquema de compartimentos para o modelo SIR . . . . . . . . . . . c˜ 276.1 Desenvolvimento do Aedes aegypti . . . . . . . . . . . . . . . . . . . . . . . . . . 34 ´6.2 Indices de ovoposi¸˜o do Aedes aegypti . . . . . . . . . . . . . . . . . . . . . . . . ca 366.3 Distribui¸˜o da Incidˆncia de dengue por estados em 2007 . . . . . . . . . . . . . ca e 377.1 Diagrama do comportamento das popula¸˜es humanas e de vetores. . . . . . . . co 427.2 Densidade populacional do Rio de Janeiro em 2000 . . . . . . . . . . . . . . . . . 457.3 A popula¸˜o estimada do Rio de Janeiro em 2008 . . . . . . . . . . . . . . . . . . ca 467.4 M´dia das Temperaturas, Precipita¸˜o e Horas de Luminosidade para a cidade do e ca Rio de Janeiro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477.5 Taxa de sobrevivˆncia do Aedes aegypti . . . . . . . . . . . . . . . . . . . . . . . e 478.1 Incidˆncia de Dengue, em janeiro 2008 . . . . . . . . . . . . . . . . . . . . . . . . e 508.2 Simula¸˜o para janeiro 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 518.3 Incidˆncia de Dengue, em fevereiro 2008 . . . . . . . . . . . . . . . . . . . . . . . e 52 viii
  • 12. 8.4 Simula¸˜o para fevereiro 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 528.5 Incidˆncia de Dengue, em mar¸o 2008 . . . . . . . . . . . . . . . . . . . . . . . . e c 538.6 Simula¸˜o para mar¸o 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca c 538.7 Incidˆncia de Dengue, em abril 2008 . . . . . . . . . . . . . . . . . . . . . . . . . e 548.8 Simula¸˜o para abril 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 548.9 Incidˆncia de Dengue, em maio 2008 . . . . . . . . . . . . . . . . . . . . . . . . . e 558.10 Simula¸˜o para maio 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 558.11 Incidˆncia de Dengue, em junho 2008 e . . . . . . . . . . . . . . . . . . . . . . . . 568.12 Simula¸˜o para junho 2008 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 56 ix
  • 13. Lista de Tabelas6.1 Incidˆncia dos casos de dengue . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 377.1 Sum´rio dos parˆmetros do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . a a 44 x
  • 14. Siglas e Acrˆnimos oAA - Agentes Autˆnomos oAIS - Sistemas de Informa¸˜o Sanit´ria ca aCA - Autˆmatos Celulares oDATASUS - ´ Departamento de Inform´tica do Sistema Unico de Sa´de a uFUNASA - Funda¸˜o Nacional de Sa´de ca uIBGE - Instituto Brasileiro de Geografia e Estat´ ısticaIEA - Associa¸˜o Internacional de Epidemiologia caPACS - Programa de Agentes Comunit´rios de Sa´de a uPNCD - Programa Nacional de Controle do DenguePSF - Programa da Sa´de Familiar uSDE - ´ Area de Desenvolvimento Sustent´vel de Sa´de Ambiental a uSIG - Sistemas de Informa¸˜es Geogr´ficas co aSUS - ´ Sistema Unico de Sa´de u xi
  • 15. Parte I ¸˜ INTRODUCAOApresenta¸ao do Trabalho c˜ 1
  • 16. Cap´ ıtulo 1Introdu¸˜o caaaaO Dengue ´ uma das principais doen¸as transmitidas por mosquito no mundo e um prob- e clema grav´ ıssimo especialmente em pa´ tropicais como o Brasil, onde o clima e os h´bitos ıses aurbanos oferecem condi¸˜es ´timas para o desenvolvimento e prolifera¸˜o de seu mosquito co o catransmissor, o Aedes aegypti. Em algumas zonas do Brasil recebe o nome de ”febre quebra-ossos”. ´ E transmitido por mosquitos dos gˆneros Aedes ou menos frequentemente Stegomyia, em e ´ ´climas ou esta¸˜es quentes. Existe endemicamente em Africa, Asia tropical, regi˜es tropicais co ol´ ımitrofes do Pac´ ıfico, Cara´ ıbas e Am´rica do Sul, incluindo Brasil. Existem 4 tipos de v´ e ırusconhecidos: 1 2, 3 e 4. O Dengue ´ transmitida atrav´s da picada de uma fˆmea contaminada e e edo Aedes aegypti, pois o macho se alimenta apenas de seiva de plantas. Um unico mosquito ´desses em toda a sua vida (400 dias) pode contaminar at´ 300 pessoas. e O uso de Sistemas de Informa¸˜es Geogr´ficas (SIG) ou Geographic Information Systems co a(GIS) em pesquisas na ´rea de sa´de p´blica ´ cada vez maior, devido `s possibilidades a u u e ade compara¸˜o de dados dispostos em tabelas e mapas atrav´s de sua sobreposi¸˜o. Tal ca e casobreposi¸˜o possibilita uma nova leitura dos dados associados ` dimens˜o do espa¸o. Os ca a a cprogramas SIG s˜o ideais para pesquisas em geografia da sa´de. O geoprocessamento con- a ustitui um interessante recurso para gerar hip´teses para estudos mais aprofundados sobre o otema. Na ´rea da Sa´de, os Sistemas de Informa¸˜es Geogr´ficas (SIG) tˆm se tornado ferra- a u co a ementas de grande utilidade. Sua capacidade de integrar diversas opera¸˜es, como captura, coarmazenamento, manipula¸˜o, sele¸˜o e busca de informa¸˜o, an´lise e apresenta¸˜o de dados, ca ca ca a caauxilia o processo de entendimento da ocorrˆncia de eventos, predi¸˜o, tendˆncia, simula¸˜o e ca e cade situa¸˜es, planejamento e defini¸˜o de estrat´gias no campo da Vigilˆncia em Sa´de. co ca e a u Com base neste quadro, este trabalho busca oferecer uma an´lise visual dos dados ge- aogr´ficos gerados por modelos computacionais, que permitam avaliar a propriedade de tais amodelos como ferramenta auxiliar para estimar futuros surtos do Dengue, sendo que, sim-ula¸˜es feitas em diferentes cen´rios, auxiliam o processo de tomada de decis˜o para amenizar co a aos impactos das doen¸as desta natureza. c Um conceito importante que ser´ utilizado no desenvolvimento deste trabalho ´ o de a e 2
  • 17. ¸˜1. Introducao 3autˆmato celular. Os autˆmatos celulares permitem simula¸˜es discretas no tempo, espa¸o e o o co cno estado do sistema. A id´ia destes modelos consiste em considerar cada posi¸˜o (ou regi˜o) e ca ado dom´ ınio espacial como sendo uma c´lula, ` qual ´ atribu´ um estado. O estado de cada e a e ıdoc´lula ´ modificado de acordo com seu estado e dos seus vizinhos na etapa de tempo anterior, e eatrav´s de cada s´rie de regras simples que tentam imitar as leis biol´gicas (ou f´ e e o ısicas) queregem o sistema [Freitas et al. (2006)]. A principal vantagem do uso dos autˆmatos celulares, ´ a facilidade com que estes podem o eser implementados, decorrente da simplicidade de sua formula¸˜o e o surpreendente retorno cavisual capaz de reproduzir equil´ ıbrios est´veis ou peri´dicos, padr˜es complexos e estruturas a o oorganizadas como forma¸˜es de ondas, entre outras [Freitas et al. (2006)]. co Apesar da simplicidade das regras de transi¸˜o de estado, os autˆmatos celulares podem ca ofornecer muitas informa¸˜es sobre a dinˆmica temporal e espacial de sistemas biol´gicos, o co a oque faz deste tipo de modelo uma alternativa importante na descri¸˜o de processos espaciais caaclopados a intera¸˜es locais. co1.1 ObjetivosaaaVisando dar uma contribui¸˜o para o atendimento das necessidades para a preven¸˜o da ca cadoen¸a no Rio de Janeiro, este trabalho mira os seguintes objetivos: c1.1.1 Objetivo GeralaaaO objetivo deste trabalho ´ apresentar um exerc´ de simula¸˜o computacional, baseado e ıcio caem um modelo de autˆmatos celulares, para a an´lise do espalhamento geogr´fico da epidemia o a ade Dengue no Rio de Janeiro em 2008, uma vez que a taxa de casos de incidˆncia da doen¸a e cno Rio de Janeiro neste per´ ıodo foi alta, o que levou a uma grande epidemia.1.1.2 Objetivos Espec´ ıficosaaaMais especificamente, o presente trabalho busca: • Apresentar a distribui¸˜o geogr´fica da doen¸a na atualidade; ca a c • Identificar os parˆmetros epidemiol´gicos do Dengue; a o • Elaborar o modelo de Autˆmato Celular no Rio de Janeiro com granulosidades difer- o entes; • Simular a distribui¸˜o e a evolu¸˜o do Dengue considerando a distribui¸˜o populacional ca ca ca e os parˆmetros epidemiol´gicos, ao longo dos primeiros 6 meses do ano de 2008. a o1.1.3 JustificativaaaaO desenvolvimento deste trabalho justifica-se pela possibilidade que os modelos epi-demiol´gicos baseados em autˆmatos celulares oferecem e estudar o comportamento de uma o o
  • 18. ¸˜1. Introducao 4infec¸˜o em uma determinada popula¸˜o. E tamb´m pelo fato de n˜o haver, no Rio de ca ca e aJaneiro, estudos recentes que utilizam modelos computacionais para oferecer estimativas queauxiliem o processo de tomada de decis˜es para a erradica¸˜o do Dengue. o ca Assim, os resultados obtidos buscam demonstrar a viabilidade da an´lise destes surtos aatrav´s de autˆmatos celulares. Acreditamos que este trabalho contribui para a melhoria da e ogest˜o da Sa´de P´blica tanto quanto para o controle da incidˆncia de doen¸as. a u u e c1.1.4 Estrutura do TrabalhoaaaVisando apresentar todas as etapas seguidas no decorrer do desenvolvimento dos estudos,este trabalho est´ organizado da seguinte forma: a O cap´ ıtulo 2 discute os princ´ ıpios de Epidemiologia fundamentais para a realiza¸˜o dos caestudos e elabora¸˜o dos modelos posteriores. ca No cap´ ıtulo 3 ´ apresentada uma revis˜o dos conceitos sobre Autˆmatos Celulares, apre- e a osentando os fundamentos que permitir˜o a posterior elabora¸˜o do modelo computacional do a caprocesso de espalhamento epidemiol´gico do Dengue. o O cap´ ıtulo 4 introduz os conceitos essenciais Sistemas de Informa¸˜es Geogr´ficas que co aexplicam como estes conceitos tˆm contribuido com os estudos epidemiol´gicos. e o No cap´ ıtulo 5 apresentada os fundamentos dos modelos epidemil´gicos determin´ o ısticosbaseados em equa¸˜es diferenciais. co No cap´ ıtulo 6 discute sobre a biologia e a ecologia do vetor do Dengue, o mosquitoAedes aegypti, e da epidemiologia da Doen¸a, identificando as posi¸˜es dos diferentes estudos c coidentificados na literatura pertinente. O cap´ ıtulo referente a m´todos apresentam os recursos usados no desenvolvimento dos eestudos relatados neste trabalho, bem como as particularidades dos m´todos utilizados nos eprocessos de simula¸˜o e an´lise dos resultados. ca a Os cap´ ıtulos referentes aos resultados e discuss˜es, fazem uma digre¸˜o cr´ o ca ıtica dos achadosderivados do desenvolvimento dos estudos aqui relatados, bem como das suas limita¸˜es e cosugere poss´ ıveis deriva¸˜es deste trabalho. co
  • 19. Parte II ´ REFERENCIAL TEORICO Elementos de Modelagem Epidemiol´gica o “A modelagem surge como resultado da investiga¸˜o cient´ ca ıfica em qualquer campo e ´ no- etoriamente importante no mundo biol´gico. Um fato evidente ` primeira vista ´ que o estudo o a eformal da maioria dos sistemas biol´gicos n˜o se pode fazer diretamente. Para ter acesso o aa um estudo te´rico de um sistema real necessita-se de um processo gradual de abstra¸˜o, o caquer dizer, ´ preciso abstrair do sistema natural as caracter´ e ısticas mais importantes, ` luz do aobjetivo que se deseja alcan¸ar, e ir efetuando sua formula¸˜o conceitual para poder realizar o c caestudo do meio estritamente f´ ısico.”[Gagliardi e Alves (2005), Andrade et al. (2006)] SegundoGabliardi e Alves [Gagliardi e Alves (2005)], existem duas vias utilizadas para concretizara modelagem biol´gica, via experimental e via da simula¸˜o. A via experimental ´ a que o ca erepresenta a constru¸˜o e prova dos modelos de sistemas experimentais. J´ a segunda via ca acontempla os processos catalogados como Simula¸˜o. O processo de modelagem n˜o ´ um ca a eprocesso linear, mas sim um processo recursivo e interativo na maioria dos casos. De umamaneira geral, a realidade f´ ısica, ou sistema real, proporciona informa¸˜es que de ordem de coexperimental: alguns dados, um comportamento observ´vel, etc. Por outro lado, o processo agradual de abstra¸˜o, mediante a elabora¸˜o de hip´teses, pressupostos, aproxima¸˜es ou ca ca o copelo emprego de teorias, permite chegar ` constru¸˜o de um modelo que reflete a realidade a caobservada. Esse modelo posteriormente pode ser desenvolvido, analisado e estudado paraobter estimativas de comportamento sobre a realidade que se modela. Este comportamento´ confrontado com a realidade experimental, validando o modelo. Desta compara¸˜o s˜oe ca a 5
  • 20. ¸˜1. Introducao 6obtidas informa¸˜es sobre a qualidade do modelo adotado e da exatid˜o das hip´teses real- co a oizadas. Dentro deste racioc´ ınio ser˜o apresentados, nesta parte do trabalho, os fundamentos autilizados na constru¸˜o do modelo da epidemia de Dengue ocorrida na cidade do Rio de caJaneiro no ano de 2008.
  • 21. Cap´ ıtulo 2Princ´ ıpios de EpidemiologiaaaaSegundo o Minist´rio da Sa´de, a epidemiologia como disciplina da sa´de p´blica preocupa- e u u use com o desenvolvimento de estrat´gias para as a¸˜es voltadas para a prote¸˜o e promo¸˜o e co ca cada sa´de da comunidade e, na aplica¸˜o, ´ mais que o estudo a respeito de um assunto, u ca euma vez que ela oferece subs´ ıdios para a implementa¸˜o de a¸˜es dirigidas ` preven¸˜o e ao ca co a cacontrole. Uma das aplica¸˜es mais freq¨entes da epidemiologia em sa´de p´blica ´ prever tendˆncias; co u u u e eavaliar o quanto os servi¸os de sa´de p´blica respondem aos problemas e necessidades das c u upopula¸˜es; testar a efic´cia, a efetividade e o impacto de estrat´gias de interven¸˜o, assim co a e cacomo a qualidade, acesso e disponibilidade dos servi¸os de sa´de para controlar, prevenir e c utratar os agravos de sa´de na comunidade, dentre outros. u A epidemiologia se preocupa com o processo de ocorrˆncia e distribui¸˜o das doen¸as nas e ca cpopula¸˜es. Ao passar a analisar n˜o mais a comunidade em si, mas o processo de intera¸˜o co a cadesta com a natureza, a maneira como o meio ´ transformado e organizado para sustentar ea atividade econˆmica, ganha-se uma perspectiva hist´rica da doen¸a. Esta perspectiva o o cmostra-se fundamental para a compreens˜o do momento atual, sendo que, ao inv´s de partir a eda doen¸a e analisar como esta se insere no contexto, parte-se da totalidade, analisando como cesta criou as condi¸˜es de ocorrˆncia da doen¸a. co e c2.1 Princ´ ıpios de EpidemiologiaaaaEpidemiologia ´ a ciˆncia que estuda a distribui¸˜o e os determinantes dos problemas e e cade sa´de (e fenˆmenos e processos associados) em popula¸˜es. A epidemiologia constitui u o couma ciˆncia b´sica da sa´de coletiva. Al´m disso, trata-se de importante disciplina cient´ e a u e ıficacomplementar para as ciˆncias cl´ e ınicas e para a medicina geral. Conceituada como a ciˆncia eque estuda o processo sa´de-doen¸a na sociedade, analisando a distribui¸˜o populacional e u c caos fatores determinantes do risco de doen¸as, agravos e eventos associados ` sa´de, pro- c a upondo medidas espec´ ıficas de preven¸˜o, controle ou erradica¸˜o de enfermidades, danos ou ca caproblemas de sa´de e prote¸˜o, promo¸˜o ou recupera¸˜o da sa´de individual e coletiva. u ca ca ca uProduzir informa¸˜o e conhecimento para apoiar a tomada de decis˜o no planejamento, na ca a 7
  • 22. 2. Princ´ ıpios de Epidemiologia 8administra¸˜o e na avalia¸˜o de sistemas, programas, servi¸os e a¸˜es de sa´de. ca ca c co u Em um estudo sobre a evolu¸˜o hist´rica do conceito sa´de-doen¸a, relatou-se que a ca o u cprimeira interpreta¸˜o de doen¸a era sobrenatural sendo atribu´ aos “maus esp´ ca c ıda ıritos”, tendocomo terapˆutica, as dan¸as, cantos, purgantes e em´ticos, corrente que em determinados e c easpectos ainda persiste nas terapias psicossom´ticas. Em continua¸˜o, Contreras (2000) a carefere-se ` teoria da doen¸a como “castigo divino”, que prevaleceu desde a peste do antigo a cEgito at´ o Renascimento, s´culo XVI, sendo esta conceitua¸˜o alimentada pela ignorˆncia e e ca ae crendices, o que induziu o aumento da riqueza e poder das certas castas [Galvez-Contreraset al. (2000)]. Alguns livros indicam a sua raiz no grego epidem´dion, que significa literalmente “aquele eque visita”. Entretanto, o termo “epidemia” j´ se encontrava nos textos hipocr´ticos, for- a amando pela jun¸˜o do prefixo epi (em cima de, sobre...) com o radical demos, significando ca“pavor”. O sufixo logos tamb´m vem do grego (palavra, discurso, estudo), por sua vez ederivado de legein (falar, reunir, organizar). A Sociedade de Medicina de Paris, fundadora da cl´ ınica moderna no s´culo XVIII, eorganizou-se a partir da Ordem Real para que os m´dicos investigassem doen¸as que peri- e codicamente dizimavam rebanhos de ovinos, com graves perdas para a nascente ind´stria tˆxtil u efrancesa. Pela primeira vez encontravam-se enfermos, ainda que n˜o humanos, em busca da aelimina¸˜o das doen¸as (Foucault -1979). Em primeiro lugar, a investiga¸˜o epidemiol´gica ca c ca opossibilita o avan¸o do conhecimento sobre determinantes do processo sa´de/doen¸a, tal c u ccomo ocorre em contextos coletivos, contribuindo para o avan¸o correspondente no conheci- cmento etiol´gico-cl´ o ınico. Em segundo lugar, a disciplina desenvolve tecnologia efetivas paraa descri¸˜o e a an´lise das situa¸˜es de sa´de, fornecendo subs´ ca a co u ıdios para o planejamento e aorganiza¸˜o das a¸˜es de sa´de; isso corresponde ao que antigamente se chamava “diagn´stico ca co u ode sa´de da comunidade”. Em um terceiro aspecto, a metodologia epidemiol´gica pode ser u oempregada na avalia¸˜o de programas, atividades e procedimentos preventivos e terapˆuticos, ca etanto no que se refere a sistemas de presta¸˜o de servi¸os quanto ao impacto das medidas de ca csa´de na popula¸˜o. u ca O avan¸o da fisiologia, da patologia e da bacteriologia no s´culo XIX, devido principal- c emente a Bernard, Virchow e Pasteur, representou um ineg´vel fortalecimento da medicina aorganicista. As enfermidades de maior prevalˆncia na ´poca, de natureza infecto-contagiosa, e efavoreceram a hegemonia da abordagem curativa individual. Nova “panac´ia”, altamente ecientificada, a medicina individual ter´, enfim, suplantado o enfoque coletivo “higiˆnico” a eno tratamento da quest˜o da sa´de e de seus determinantes. Aparentemente vencida pela a upoderosa teoria microbiana, a vers˜o britˆnica da medicina social evoluiu para uma vertente a asupostamente apenas t´cnica, constituindo uma sa´de p´blica intensamente vinculada aos e u uaparelhos burocr´ticos do Estado. a A valoriza¸˜o da matem´tica no nascente campo cient´ ca a ıfico da sa´de muito deve a Daniel uBernouilli (1700-1782), f´ ısico, matem´tico e m´dico su´co, um dos criadores da teoria das prob- a e ı¸abilidades, pioneiramente derivou f´rmulas para estimar anos de vida ganhos pela vacina¸˜o o cacontra var´ ıola e para realizar an´lises de custo-benef´ a ıcio de interven¸˜es cl´ co ınicas. Estavam
  • 23. 2. Princ´ ıpios de Epidemiologia 9envolvidas ali, a epidemiologia com foco estat´ ıstico e a id´ia de quantificar as a¸˜es aplicadas e cosobre organismos. Estat´ ıstica entrou com o objetivo de planejar, coletar, tabular, analisar e interpretar in-forma¸˜es e delas extrair conclus˜es que permitam a tomada de decis˜es acertadas mediante co o oa incertezas, interpreta¸˜o de informa¸˜es sobre f´rmacos e equipamentos, avalia¸˜o de pro- ca co a catocolos de estudo e artigos, entre outros. Analisando a popula¸˜o (conjunto de elementos - cavalores, pessoas, medidas etc. - que tem pelo menos uma caracter´ ıstica em comum) com ques-tion´rio (instrumento de coleta de informa¸˜o), informando dados reunindo-os em banco de a cadados constituindo assim um censo (cole¸˜o de dados relativos a todos os elementos de uma capopula¸˜o).A epidemiologia est´ calcada em trˆs pilares fundamentais; a clinica, a estat´ ca a e ısticae a medicina social. Em primeiro lugar os n´meros, onde a investiga¸˜o epidemiol´gica pos- u ca osibilita o avan¸o do conhecimento sobre determinantes do processo sa´de/doen¸a, tal como c u cocorre em contextos coletivos, contribuindo para o avan¸o correspondente no conhecimento cetiol´gico-cl´ o ınico. Em segundo lugar o efetivo, onde a disciplina desenvolve tecnologia paraa descri¸˜o e a an´lise das situa¸˜es de sa´de, fornecendo subs´ ca a co u ıdios para o planejamentoe a organiza¸˜o das a¸˜es de sa´de; isso corresponde ao que antigamente se chamava “di- ca co uagn´stico de sa´de da comunidade”. E em um terceiro aspecto, o social, onde a metodologia o uepidemiol´gica pode ser empregada na avalia¸˜o de programas, atividades e procedimentos o capreventivos e terapˆuticos, tanto no que se refere a sistema de presta¸˜o de servi¸os quanto e ca cao impacto das medidas de sa´de na popula¸˜o. u ca A Associa¸˜o Internacional de Epidemiologia (IEA/1973) define a epidemiologia como ca“estudo dos fatores que determinam ` freq¨ˆncia e a distribui¸˜o das doen¸as nas coletivi- a ue ca cdades humanas. Enquanto a cl´ ınica dedica-se ao estudo da doen¸a no indiv´ c ıduo, analisandocaso a caso, a epidemiologia debru¸a-se sobre os problemas de sa´de em grupos de indiv´ c u ıduosna maioria das vezes envolvendo popula¸˜es numerosas”. co2.2 Postulados, teorias e curaaaaRobert Kock postulou, no final do s´culo XIX, sua forma de determinar a causa das edoen¸as infecciosas. Esses postulados afirmaram que um microorganismo ´ o agente etiol´gico c e oda doen¸a. Onde a bact´ria deve estar presente no animal enfermo, deve ser isolada e crescer c eem meios artificiais de cultura, deve ser vi´vel a produ¸˜o da doen¸a a partir da inocula¸˜o a ca c cada mesma em animal sadio suscet´ ıvel e ser o agente novamente isolado a partir do animalsadio que foi inoculado. Os postulados de Kock trouxeram um grau de ordem e disciplina para o estudo de doen¸as cinfecciosas, mas uma estrutura t˜o r´ a ıgida de avaliar o agente etiol´gico ignorou a influˆncia de o efatores outros como o meio ambiente, sendo os microorganismos considerados como a unica ´causa das doen¸as. Esta teoria ´ importante, mas enfoca os aspectos meramente cl´ c e ınicos,considerando que n˜o existem doentes, mas doen¸as e, assim subestima os fatores sociais na a cdetermina¸˜o da doen¸a. ca c Evans em 1976 produziu postulados mais condizentes que os de Kock, trazendo con-
  • 24. 2. Princ´ ıpios de Epidemiologia 10ceitos mais modernos de etiologia de doen¸as. Trata-se de an´lises sobre a quantidade e c aa freq¨ˆncia identificada onde o n´mero de indiv´ ue u ıduos contaminados e de novos casos temuma significˆncia maior sobre o estudo etiol´gico da doen¸a. Ou seja, a caracter´ a o c ıstica maisimportante dos postulados de Evans ´ que estes requerem que a associa¸˜o entre um agente e caetiol´gico hipot´tico e a doen¸a em quest˜o, seja estatisticamente significante. Isto envolve o e c aa compara¸˜o entre os grupos de indiv´ ca ıduos, em vez de pesquisas em indiv´ ıduos. Em contra partida, a demonstra¸˜o de uma associa¸˜o estatisticamente significante n˜o ca ca aprova que um determinado fator ´ o agente etiol´gico e sim explicando atrav´s de uma e o ecadeia de eventos, da causa ao efeito. Entretanto, na ausˆncia de evidˆncia experimental, a e eidentifica¸˜o epidemiol´gica da associa¸˜o pode ser de valor preventivo na redu¸˜o ou remo¸˜o ca o ca ca cada ocorrˆncia da doen¸a. e c A partir dos descobrimentos dos vetores transmissores de doen¸as, medidas de controle cs˜o adotadas, como o manejo do ambiente. As campanhas de controle de doen¸as iniciam-se a cem 1880, seguindo medidas para a preven¸˜o e erradica¸˜o com diagn´stico de laborat´rio, ca ca o oisolamento de agente, identifica¸˜o das les˜es e vacina¸˜o. ca o ca A descoberta dos antibi´ticos no s´culo 20 injetou a conquista cient´ o e ıfica no controle e/ouerradica¸˜o de doen¸as de ordem microbianas. Kleibaun, Kupper e Morgenstern “inaugu- ca cram”, em 1982, com a publica¸˜o de “Epidemiologic Research” uma nova modalidade de camanual de epidemiologia onde o conte´do se destina, quase que exclusivamente, ` apre- u asenta¸˜o de t´cnicas quantitativas para a an´lise dos dados, alguns coment´rios relativos aos ca e a adesenhos de investiga¸˜o e, praticamente, nenhuma linha de reflex˜o te´rica. ca a o2.3 Sa´ de-Doen¸a u caaaA Epidemiologia ´ um dos pilares da Sa´de P´blica, e como tal deve estar estreitamente e u uincorporada `s pol´ a ıticas, programas e servi¸os p´blicos de sa´de. No Brasil, a cria¸˜o e o c u u ca ca ´processo de fortalecimento e consolida¸˜o do Sistema Unico de Sa´de (SUS) vˆm buscando a u egarantir a sa´de como direito constitucional, e a Sa´de P´blica vem tentando ampliar o seu u u uespa¸o dentro desse sistema. c O conceito biom´dico de doen¸a pode ser definido como desajuste ou falha nos mecanismos e cde adapta¸˜o do organismo, ou uma ausˆncia de rea¸˜o aos est´ ca e ca ımulos aos quais este est´ aexposto, processo este que conduz a uma perturba¸˜o da estrutura ou da fun¸˜o de um ca cao a´rg˜o, de um sistema ou de todo o organismo ou de suas fun¸˜es vitais (J´nicek Cl´roux, co e e1982). Infec¸˜o ´ definida pela penetra¸˜o e ao desenvolvimento ou multiplica¸˜o de um ca e ca capat´geno no organismo de uma pessoa ou animal. Doen¸a transmiss´ o c ıvel trata-se de umadoen¸a cujo agente etiol´gico ´ vivo e transmiss´ c o e ıvel. A constru¸˜o do esquema da cadeia do processo infeccioso, parte da compreens˜o da ca ainfec¸˜o como resultante de intera¸˜o dos diversos fatores do agente (fungos, bact´rias, v´ ca ca e ırus,etc.), meio (´gua, ar, alimentos, solo, vˆmitos) e hospedeiro (homem e animais). a o Infectividade ´ a capacidade que certos organismos tˆm de penetrar e de se desenvolver ou e ese multiplicar no novo hospedeiro, ocasionando uma infec¸˜o. Patogenicidade ´ a capacidade ca e
  • 25. 2. Princ´ ıpios de Epidemiologia 11de o agente infeccioso, uma vez instalado no organismo, produzir sintomas em maior ou menorpropor¸˜o dentre os hospedeiros infectados. Virulˆncia ´ a capacidade de um bioagente ca e eproduzir casos graves ou fatais. Imunogenicidade ´ a capacidade que o bioagente tem de einduzir imunidade no hospedeiro. Doen¸a n˜o-infecciosa ´ aquela que, no estado atual do conhecimento cl´ c a e ınico e fisiopa-tol´gico, n˜o se relaciona com a invas˜o do organismo por outros seres vivos parasit´rios o a a apodendo ser classificada como crˆnica ou aguda sendo a primeira em maior propor¸˜o. Nesta o cacategoria, enquadram-se acidentes, intoxica¸˜es, mortes violentas e per´ co ıodos de exacerba¸˜o caaguda de doen¸as crˆnicas. c o Nas doen¸as infecciosas, ´ sempre poss´ c e ıvel chegar ao conhecimento de algum agentepatogˆnico vivo associado ` doen¸a, embora possam existir situa¸˜es em que o bioagente e a c con˜o seja conhecido. a Agentes que influenciam nas condi¸˜es de uma dada etiopatogˆnese podem ser f´ co e ısicos equ´ ımicos (radia¸˜o, merc´rio), biopat´genos (parasitas), nutricionais (carˆncia de vitamina A ca u o eleva a cegueira), gen´ticos (s´ e ındrome de Down). Em condi¸˜es ideais para gerar um indiv´ co ıduosuscet´ ıvel como determinantes econˆmicos (pessoas de baixa renda adoecem mais), cultur- oais (popula¸˜o rural em defecar no solo), ecol´gicos (dificuldade de dispers˜o de poluentes ca o aem metr´poles), biol´gicos (agente etiol´gico faz parte do ecossistema local) e psicossociais o o o(carˆncia afetiva). e2.4 Epidemia x EndemiaaaaO estudo e entendimento da rela¸˜o de uma doen¸a com uma popula¸˜o s˜o essenciais para ca c ca apoder tomarem-se condutas no objetivo de diminuir os danos desta doen¸a na popula¸˜o, n˜o c ca as´ no presente, mas tamb´m no futuro. Uma doen¸a pode estar presente em uma popula¸˜o o e c cana forma de casos espor´dicos, n´ a ıveis habituais, n´ ıveis acima dos habituais ou n˜o estar apresente. o ´ Hip´crates em “Dos Ares, Aguas e Lugares”, buscou apresentar explica¸˜es, com funda- comento no racional e n˜o no sobrenatural, a respeito da ocorrˆncia de doen¸as na popula¸˜o. a e c caDois termos conceituam essa rela¸˜o: endemeion no sentido de “habitar” o lugar, nele se cainstalando por longo tempo e epidemeion no sentido de “visitar”, salientando o car´ter de atemporalidade, de provis´rio. o Endemia pode ser referida com um determinado agravo ` sa´de a situa¸˜o na qual sua a u cafreq¨ˆncia e distribui¸˜o, em agrupamentos humanos distribu´ ue ca ıdos em espa¸os delimitados, cmantenha padr˜es regulares de varia¸˜es num determinado per´ o co ıodo, ou seja, as oscila¸˜es na coocorrˆncia das doen¸as correspondem somente `s flutua¸˜es c´ e c a co ıclicas e sazonais. A epidemia ocorre quando em dados momentos essas varia¸˜es aumentam de forma irreg- coular e pode ser definida como uma ocorrˆncia de um claro excesso de casos de uma doen¸a e cou s´ ındrome cl´ ınica em rela¸˜o ao esperado, para uma determinada ´rea ou grupo espec´ ca a ıficode pessoas, num particular per´ ıodo de tempo. As epidemias podem ser conseq¨ˆncias de ueexposi¸˜o a agentes infecciosos (em indiv´ ca ıduos suscet´ ıveis), substˆncias t´xicas (qu´ a o ımicas ou
  • 26. 2. Princ´ ıpios de Epidemiologia 12f´ ısicas), ` carˆncia de determinado(s) nutriente(s) e at´ a circunstˆncia que gere risco de a e e amorte, podendo evoluir por longos per´ ıodos n˜o necessariamente em um grande n´mero de a ucasos e sim o exagero frente ` freq¨ˆncia habitual de uma dada doen¸a naquela localidade. a ue c O perfil dos agravos ` sa´de numa popula¸˜o pode ser constante durante o ano, mas a u capode tamb´m apresentar marcadas oscila¸˜es de freq¨ˆncias ao longo dos meses (sazonais). e co ue´ o caso de doen¸as que ocorrem em ´pocas de chuva, por exemplo. H´ tamb´m per´E c e a e ıodosfestivos, colheitas agr´ ıcolas, etc. como forma de divulgar uma doen¸a. c ´ E de suma importˆncia coletar esses dados e compar´-los ao longo de per´ a a ıodos paraconstru¸˜o de uma s´rie hist´rica (conjuntos de dados de um dado per´ ca e o ıodo - v´rios anos em aseq¨ˆncia) e tra¸ar planos, diagn´sticos e a¸˜es para controle e/ou estagna¸˜o quando da ue c o co caimpossibilidade de eliminar totalmente a fonte. Em uma representa¸˜o gr´fica podem ser visualizadas quatro zonas demonstrando a ca asitua¸˜o vivida por uma certa popula¸˜o: zona de ˆxito (ausˆncia da doen¸a at´ o lim- ca ca e e c eite inferior), zona de seguran¸a (limite inferior at´ ´ c e ındice endˆmico), zona de alerta (´ e ındiceendˆmico at´ limite superior) e a ultima zona, a epidemia propriamente dita (acima do limite e e ´ ´ bom lembrar que o controle profil´tico como vacinas n˜o atuam em epidemias esuperior). E a aque a exaust˜o de popula¸˜o (contamina¸˜o total para est´ a ca ca ımulo imunol´gico naturalmente) os´ pode ser usada quando h´ baixa letalidade e propaga¸˜o vigiada. o a ca Para exemplificar, vˆ-se a seguir, a distribui¸˜o de meningite no munic´ e ca ıpio NNN a partirde uma s´rie hist´rica. Entre 1960 at´ 1969 foram registrados nos 12 meses a m´dia entre e o e eos anos, formando uma proje¸˜o/tendˆncia. A partir dessa representa¸˜o gr´fica ´ poss´ ca e ca a e ıvelidentificar, planejar medidas de controle de redu¸˜o, medidas profil´ticas e at´ erradica¸˜o ca a e cado evento, entre outras a¸˜es para os pr´ximos anos. co o Figura 2.1 – FONTE: retirado da aula de Maria da Consola¸˜o Magalh˜es Cunha - Brasil - ca a 2007.
  • 27. 2. Princ´ ıpios de Epidemiologia 13 A partir do diagrama de controle de um agravo em rela¸˜o a uma popula¸˜o torna-se ca caposs´ identificar uma epidemia no momento em que a incidˆncia da doen¸a ultrapassa o ıvel e climite superior da faixa endˆmica convencionada (tamb´m denominado de Limiar Epidˆmico). e e eAinda poder´ ser classificada em explosiva (ou por fonte comum), progressiva (ou de contato) aou mista onde ocorrem as duas primeiras ao mesmo tempo, em um mesmo espa¸o. c Em caso extremo, uma pandemia com ocorrˆncia epidˆmica caracterizada por uma larga e edistribui¸˜o espacial, atingindo v´rias na¸˜es, podendo passar de um continente a outro. A ca a codescri¸˜o do comportamento das endemias e elabora¸˜o de seus diagramas de controle s˜o ca ca afun¸˜es de grande importˆncia da vigilˆncia epidemiol´gica, sendo necess´rio para isso ` co a a o a aefetiva notifica¸˜o, por parte dos profissionais de sa´de, dos casos (confirmados ou suspeitos) ca ude agravos pass´ ıveis de surtos ou epidemias. Por sua vez a vigilˆncia epidemiol´gica tem papel a oimportante, em um sentido mais amplo, para incluir todos os tipos de doen¸as - infecciosas ou cn˜o infecciosas - e envolver a cola¸˜o e interpreta¸˜o de dados coletados durante programas a ca cade monitoramento para detectar mudan¸as na sa´de da popula¸˜o. c u ca Uma forma de monitorar uma popula¸˜o muito grande ´ criar unidades que orientem a ca epresen¸a ou n˜o do agente etiol´gico - unidades sentinelas. Os c˜es de rua por exemplo, s˜o c a o a asentinelas de infec¸˜o de Parvovirose Canina (Gordon e Angegrick, 1985) onde a presen¸a de ca canimais contaminados serve de termˆmetro da popula¸˜o de uma regi˜o e esta regi˜o passa o ca a aa ser sentinela do munic´ ıpio ou cidade pr´xima e assim por diante (efeito domin´). o o Ao identificar precocemente uma epidemia (ou uma suspeita) torna-se poss´ diminuir ıvelos danos da doen¸a na popula¸˜o atrav´s de v´rias medidas de controle (isolamento, quar- c ca e aentena, aten¸˜o aos contactantes) e profilaxia (quimioprofilaxia), al´m de medidas de pre- ca even¸˜o de novas epidemias (vacina¸˜o, melhorias sanit´rias, controle de vetores, campanhas ca ca aeducacionais, etc.)2.5 Risco epidemiol´gico e indicadores de sa´ de o uaaaO conceito de risco epidemiol´gico surgiu no contexto do estudo de doen¸as transmiss´ o c ıveis,mas amadureceu na investiga¸˜o das causas prov´veis das doen¸as n˜o transmiss´ ca a c a ıveis oucrˆnico degenerativas. Localizar para poder intervir em causas espec´ o ıficas de doen¸as foi co valor que tornou-se predominante no desenvolvimento do pensamento m´dico cient´ e ıficomoderno. A vertente do pensamento m´dico que buscava encontrar uma causa verdadeira e eespec´ ıfica da doen¸a tornou-se hegemˆnica com a consolida¸˜o da teoria da transmiss˜o de c o ca aagentes microbiol´gicos espec´ o ıficos. A teoria dos germes superou, na ´poca, teorias que apresentavam uma abordagem mais eampla a respeito da origem das epidemias, como por exemplo, a teoria da constitui¸˜o caepidˆmica onde uma epidemia surgia em decorrˆncia de um conjunto de circunstˆncias ge- e e aogr´ficas, hist´ricas, biol´gicas, que interagiam em diferentes n´ a o o ıveis. A compreens˜o e in- aterven¸˜o para solucionar um problema epidˆmico, nesta concep¸˜o, demanda o esfor¸o de ca e ca cpensar e construir interven¸˜es para situa¸˜es singulares e complexas [Czeresnia (1997)]. co co Mesmo dentre tantas teorias (compreender e intervir), ainda assim poderia existir uma
  • 28. 2. Princ´ ıpios de Epidemiologia 14latente fonte que deixa exposto um risco epidˆmico iminente: o bioterrorismo. Diferente de eum acidente causado pela manipula¸˜o errada de alimento e/ou animais, falha no controle, cah´ aquele proposital, onde a inten¸˜o ´ usar um agente etiol´gico como arma de guerra. A a ca e ofebre aftosa no Brasil foi uma epidemia ou um ataque com inten¸˜o de prejudicar a balan¸a ca ccomercial do pa´ ıs? De qualquer forma, serviu para alertar sobre nossa suscetibilidade eaten¸˜o ao controle epidemiol´gico no territ´rio nacional e na vizinhan¸a. ca o o c O registro da doen¸a, assim como no “caso aftosa”, serve como indicador de sa´de. A c uredu¸˜o da incidˆncia e/ou prevalˆncia de determinada doen¸a por meio de diferentes tipos de ca e e cinterven¸˜es deve-se ao controle da doen¸a cl´ co c ınica, das seq¨elas e mortalidade a ela associadas, udo controle da infec¸˜o, quer ela se manifeste clinicamente ou como infec¸˜o assintom´tica e ca ca acontrole da presen¸a do agente causal no ambiente e na fonte de infec¸˜o. c ca Outra medida de controle ´ a profilaxia onde se tem o cuidado de evitar uma epidemia emonitorando-a na regi˜o em volta do local caracterizado e no pr´prio espa¸o estudado. a o cIsolando e mantendo em quarentena os poss´ ıveis suscept´ ıveis ou adoentados assintom´ticos a(os doentes devem ser curados ou sacrificados seguindo crit´rios pr´prios da legisla¸˜o perti- e o canente) e continuo trabalho de vigilˆncia sanit´ria da na¸˜o ou grupo de indiv´ a a ca ıduos expostos.2.6 Sistemas de informa¸˜o e controle epidemiol´gico ca oaaaO Sistema de Informa¸˜o Geogr´fica (SIG) para o controle epidemiol´gico ´ um compo- ca a o enente t´cnico utilizado para informar em tempo real qualquer perturba¸˜o em uma regi˜o ou e ca acomunidade. Um exemplo ´ do programa regional para a a¸˜o e a demonstra¸˜o das a¸˜es e ca ca copara o controle do vetor da mal´ria no M´xico e na Am´rica Central, que est˜o sendo torna- a e e ados na coopera¸˜o com as ´reas de an´lise da sa´de e de Sistemas de Informa¸˜o Sanit´ria ca a a u ca a ´(AIS), a Area de Desenvolvimento Sustent´vel e de Sa´de Ambiental (SDE) e os progra- a umas de controle dos vetores da mal´ria dos pa´ a ıses participantes. O objetivo do modelo eda aplica¸˜o do SIG ´ estandardizar, integrar, compilar e facilitar o intercˆmbio da infra- ca e aestrutura cartogr´fica digital (dados, m´todos e software), baseado na geografia para analisar a eos dados sobre o controle dos vetores da mal´ria. A inten¸˜o principal de tais componentes a ca´ contribuir no fortalecimento das capacidades t´cnicas nacionais do controle de uma doen¸ae e csobre aquela regi˜o e poss´ a ıveis efeitos na vizinhan¸a. c Caracterizando o exemplo acima mencionado, encontra-se a seguir, o modelo cartogr´fico adigital utilizado no controle e monitoramento do vetor da mal´ria no M´xico. a e Os modelos de informa¸˜o geogr´fica comunicam-se dentro da comunidade e entre co- ca amunidades seguindo os indicadores gerais e/ou espec´ ıficos de cada projeto categorizados deacordo com o sistema anal´ ıtico de sa´de, da estrutura, do processo e do resultado que formam uum potencial vi´vel para analisar espa¸os e integrar a comunidade formadora de vigilˆncia a c aepidemiol´gica. o
  • 29. 2. Princ´ ıpios de Epidemiologia 15 Figura 2.2 – Modelo cartogr´fico digital utilizado no controle e monitoramento do vetor da a mal´ria no M´xico. FONTE: Organiza¸˜o Pan-americana de Sa´de - M´xico - 2005 a e ca u e2.7 Emergˆncia e re-emergˆncia das doen¸as infecciosas - A e e c biocomplexidade como um paradigma transdisciplinaraaaUma abordagem mais recente adota o paradigma da transdisciplinaridade na pesquisado problema dos epis´dios recorrentes das epidemias [Wilcox e Colwell (2005)]. Nesta abor- odagem, o olhar transdisciplinar dos fenˆmenos epidemiol´gicos apresentaria um potencial o osignificante para a explica¸˜o destes fenˆmenos ca o O desfio mais significativo na abordagem cientifica sustent´vel dos problemas complexos, a´ transpassar as fronteiras das disciplinas que seriam afins aos problemas epidemiol´gicos,e oentendendo como os fatores moleculares, qu´ ımicos, biol´gicos, antropol´gicos e ecol´gicos o o ointervenientes no fenˆmeno se interconectam. A cunhagem desta abordagem abarca uma os´rie de premissas [Wilcox e Colwell (2005)]: e • A existˆncia de v´ e ınculos entre as ciˆncias; e • A existˆncia de v´ e ınculos entre os processos biol´gicos e f´ o ısicos; • A abrangˆncia do escopo das abordagens metodol´gicas; e o • A inerente complexidade dos sistemas naturais, incluindo as escalas globais e os com- ponentes de origem humana destes sistema; • O entendimento do problema demanda o entendimento dos fatores ambientais; • A fundamenta¸˜o nas teorias dos sistemas e do caos; e ca
  • 30. 2. Princ´ ıpios de Epidemiologia 16 • A emergˆncia da ordem nos sistemas complexos naturais. e O imperativo de uma tal paradigma pode ser descrito em termos do contexto globalque agora influencia todas as quest˜es da sa´de, e, especificamente, no caso do Dengue. O o umundo tornou-se t˜o integrado e global, que a no¸˜o de que uma doen¸a pode ser totalmente a ca cerradicada se tornou simplista. O Dengue, visto como uma doen¸a m´vel, ´ influenciada c o epelo clima, bem como por outros fatores variantes tanto do ambiente natural como de ordemantropogˆnica, cujo vetor (ambientalmente sens´ e ıvel) tamb´m s˜o afetados [Wilcox e Colwell e a(2005)]. Assim, o ponto de vista simplista deve ser expandido para reconhecer que nem ecos-sistemas nem os agentes patogˆnicos que a´ vivem, respondem linearmente `s altera¸˜es e ı a coambientais. Al´m disso, muitos eventos de ordem ambiental, como as altera¸˜es clim´ticas e co ae de sazonalidade, mas sobretudo os associados a eventos meteorol´gicos e oceanogr´ficos, o as˜o intrinsecamente imprevis´ a ıveis pelos modelos presentes [Wilcox e Colwell (2005)]. A cres-cente investiga¸˜o acerca do dom´ ca ınio clim´tico global deve, desta forma, incluir a dimens˜o a ahumana, ou seja, as doen¸as infecciosas. Integrar uma previs˜o baseada em sinais de mode- c alos clim´ticos aos modelos sanit´rios podem, assim, proporcionar novas oportunidades para a aabordagens proativas e n˜o reativas, na sa´de p´blica. a u u O Dengue possivelmente ´ o melhor exemplo de como a compreens˜o das doen¸as in- e a cfecciosas emergentes. O entendimento desta doen¸a necessita evoluir de um modelo linear creducionista centrado hora nos aspectos urbanos, hora nos aspectos socio-econˆmicos, hora onos aspectos biol´gicos, para um modelo muito mais complexo, e holisticamente preciso. Tal omodelo de incluir aspectos meteorol´gicos globais, a existˆncia de reservat´rios aqu´ticos, o e o ao comportamento coletivo dos vetores e dos grupamentos humanos e suas intera¸˜es com o coambiente comum. Uma perspectiva “homem-sistemas naturais” tem sido utilizada para explicar a emergˆncia ede doen¸as infecciosas de ordem zoon´tica e e transmitidas por vetores [Wilcox e Colwell c o(2005)]. O esquema ilustrado na figura 2.3, descreve como doen¸a emerge envolvendo pro- ccessos biol´gicos operam na escala de mol´culas, conjugados com os de escala geogr´fica, o e ahumanos e dos sistemas naturais. Tal modelo salienta a influˆncia dos fatores demogr´ficos e sociais das altera¸˜es ambien- e a cotais regionais no espalhamento da doen¸as em todo o globo, assim como a falta de controle cdas doen¸as e de pol´ c ıticas de sa´de p´blica. A urbaniza¸˜o, a intensifica¸˜o da agricultura, u u ca cae a perda de habitats e demais altera¸˜es impulsionadas pelo crescimento demogr´fico e de co aconsumo, caracterizam este modelo ideal [Wilcox e Colwell (2005)]. Este modelo ideal, devesalientar o papel das organiza¸˜es geogr´ficas regionais, as altera¸˜es ambientais descritas co a copela utiliza¸˜o dos solos, as transforma¸˜es e os seus promotores (popula¸˜o, capacidade tec- ca co canol´gica, fatores socio-culturais e e organiza¸˜o do espa¸o). Estas transforma¸˜es tˆm agido o ca c co eem sinergia com pol´ ıticas ou m´todos de controle de vetores, e pol´ e ıticas de preven¸˜o de cadoen¸as insuficientes ou inadequados, que involuntariamente tˆm promovido a emergˆncia de c e edoen¸as. c
  • 31. 2. Princ´ ıpios de Epidemiologia 17 Figura 2.3 – A vis˜o sint´tica ilustrando os fatores ambientais associados ` emergˆncia de a e a e doen¸as. A mudan¸a dos fatores regionais, os quais s˜o influenciados significativamente pelo c c a crescimento da popula¸˜o, a exaust˜o dos recursos do sistema natural e a gera¸˜o de rejeitos, ex- ca a ca ercem um papel importante na emergˆncia das doen¸as infecciosas, especialmente nas regi˜es trop- e c o icais. O uso desordenado da terra e a transforma¸ao ambiental (urbaniza¸˜o, expans˜o agr´ c˜ ca a ıcola, a descaracteriza¸˜o dos habitat) tem produzido mudan¸as nos sistemas ecol´gicos, e por con- ca c o seq¨ˆncia nas suas comunidades originais. Em especial, as altera¸oes decorrentes nas popula¸˜es ue c˜ co dos pat´genos, dos animais hospedeiros e de humanos, tem levado a mudan¸as dr´sticas nos o c a equil´ ıbrios entre “hospedeiros-pat´genos”, `s trocas de material gen´tico entre pat´genos, resul- o a e o tando em adapta¸˜es r´pidas destes aos novos sistemas ambientais, inclusive com a gera¸˜o de co a ca novas variantes dos pat´genos. Alguns destes podem se tornar virulentos, infecciosos, ou capazes o de incrementar a transmiss˜o de doen¸as, contribuindo para a emergˆncia e/ou re-emergˆncia de a c e e doen¸as. Fatores relacionados com a infra-estrutura de sa´de p´blica, varia¸˜es clim´ticas e suas c u u co a intera¸˜es com as mudan¸as regionais, tamb´m contribuem significativamente para a emergˆncia co c e e da doen¸as. [Wilcox e Colwell (2005)] c
  • 32. Cap´ ıtulo 3Autˆmatos Celulares oaaaAutˆmatos Celulares s˜o modelos matem´ticos simples que permitem idealizar e simular o a aos sistemas encontrados na natureza. Eles consistem de um espa¸o n-dimensional (tamb´m c echamado de “grade”, “grid ” ou “lattice”), formado por elementos geom´tricos (triˆngulos, e aquadrados, hex´gonos, etc.). Cada um destes elementos geom´tricos pode possuir um con- a ejunto finito de atributos que podem ser alterados ` medida que a passagem do “tempo” ´ a esimulada. A passagem do tempo ´ feita de forma discreta, ou seja, o “tempo” s´ pode assumir e ovalores inteiros (t ∈ N). Figura 3.1 – Autˆmato celular unidimensional. o John von Neumann foi o primeiro a propor um modelo simples para tentar reproduzira vida, no entanto, nos anos 40 a primeira descri¸˜o formal dos autˆmatos celulares foi ca ofeita por John von Neumann. O objetivo principal de John von Neumman era ”criar”ummodelo que atrav´s de simples regras pudesse imitar os complicados processos naturais e e 18
  • 33. ˆ3. Automatos Celulares 19 Figura 3.2 – Autˆmatos celulares bidimensional e tridimensional. oartificiais que nos rodeiam, como o processo de reprodu¸˜o. De fato, a m´quina de Turing ca atal como outros modelos existentes na altura distinguiam a parte do computador, que erafixa, e os dados sobre os quais este operava, impossibilitando que o computador operassesobre si pr´prio modificando-se, entendendo-se ou construindo um outro computador. Os oautˆmatos celulares tornam-se assim a classe de modelos que John von Neumman procurava ouma vez que os seus objetivos (criados de uma mesma forma) podem ser vistos como dadospassivos ou n˜o. Uma outra caracter´ a ıstica importante deste modelo matem´tico ´ ser capaz a ede simular sistemas complexos que evoluem ao longo do tempo, partindo de regras simples eque descrevem os mais variados fenˆmenos do espa¸o que nos rodeia - sistemas dinˆmicos. o c a3.1 Elementos de Autˆmatos Celulares oaaaUm autˆmato celular ´ constitu´ por um conjunto de c´lulas que est˜o conectadas ` r o e ıdo e a avizinhos locais (outras c´lulas) [Wolfram (1994)]. Nas figuras 3.3 e 3.4 , tem-se dois exemplos ede autˆmatos celulares bidimensionais, cujas c´lulas tˆm geometria hexagonal e triangular. o e eA forma com que as c´lulas est˜o dispostas no autˆmato celular define a sua dimens˜o que e a o apode ser unidimensional, bidimensional, tridimensional, enfim, n-dimensionais. As dimens˜es omais utilizadas em estudos com autˆmatos celulares s˜o a unidimensional e bidimensional. o aO maior obst´culo ` utiliza¸˜o de autˆmatos n-dimensionais prende-se com a dificuldade da a a ca ovisualiza¸˜o das sucessivas gera¸˜es. ca co3.1.1 Vizinhan¸a caaaA c´lula a ser estuda recebe como entrada os estados das c´lulas vizinhas. Esta ´ definida e e ecomo um raio, r. Nos autˆmatos celulares bidimensional, com geometria quadrangular, h´ o av´rias vizinhan¸as poss´ a c ıveis, sendo as mais habituais a de von Neumman (Figura 3.5), emcada c´lula s´ tem como vizinhas as 4 adjacentes a cada lado, e a de Moore (Figura 3.6), em e oque uma c´lula tem 8 vizinhos (as adjacentes aos lados e na diagonal). e
  • 34. ˆ3. Automatos Celulares 20 Figura 3.3 – Autˆmato celular bidimensional hexagonal. o Figura 3.4 – Autˆmato celular bidimensional triangular. o (a) (b) Figura 3.5 – Vizinhan¸a de von Neumann (a) Primeiros Vizinhos; (b) Segundos Vizinhos. c3.1.2 EstadosaaaO n´mero de estados de cada autˆmato finito associado a uma c´lula ´ tamb´m um u o e e eparˆmetro fundamental. O n´mero de estados de cada c´lula ´ definido de acordo com o a u e eproblema.3.1.3 Disciplina de atualiza¸˜o caaaaEste parˆmetro determina a seq¨ˆncia pela qual s˜o atualizadas as c´lulas do autˆmato a ue a e ocelular. • Disciplina s´ ıncrona: todas as c´lulas s˜o atualizadas num mesmo passo temporal; e a • Disciplina ass´ ıncrona: as c´lulas s˜o atualizadas em instantes diferentes. e a
  • 35. ˆ3. Automatos Celulares 21 (a) (b) Figura 3.6 – Vizinhan¸a de Moore (a) Primeiros Vizinhos; (b) Segundos Vizinhos. c As disciplinas mais comuns s˜o: ass´ a ıncrona seq¨encial e aleat´ria. u o3.2 Autˆmato Celular Unidimensional oaaaUm autˆmato unidimensional ´ constitu´ por uma c´lula que est´ conectada ` r vizinhos o e ıdo e a alocais (outras c´lulas) tanto ` sua esquerda quanto ` sua direita. Cada c´lula tem 2r + 1 e a a evizinhos incluindo ela mesma. [PEIXOTO apud Wolfram (1994)]. Segundo Souza [Sousa (2002)], o autˆmato celular unidimensional s˜o os autˆmatos mais o a osimples. Estes s˜o constitu´ a ıdos por uma grelha linear de c´lulas. A sua visualiza¸˜o ´, e ca eportanto, bastante mais simples. Cada gera¸˜o ´ graficamente visualizada numa grelha uni- ca edimensional e o desenrolar das gera¸˜es numa grelha bidimensional. co Figura 3.7 – Autˆmato Celular unidimensional o3.3 Autˆmato Celular Bidimensional oaaaNos itens acima foram descritos o conceito de autˆmato celular e uma breve explica¸˜o o cade autˆmato celular unidimensional. Neste trabalho, apresenta um estudo de autˆmatos o ocelulares bidimensional para simular em diferentes cen´rios a ocorrˆncia de dengue no Rio de a eJaneiro. A extens˜o das duas dimens˜es ´ importante para muitas compara¸˜es com resultados a o e coexperimentais. Segundo Sasso et al. [Sasso et al. (2004)], um autˆmato celular bidimensional orepresenta uma amostra da popula¸˜o distribu´ geograficamente, sendo que, o modo com ca ıdaque a doen¸a ´ transmitida, como os doentes se recuperam e como os indiv´ c e ıduos se tornamsuscet´ ıveis, s˜o reveladas atrav´s das regras desse autˆmato. a e o Segundo Munoz [Munoz (2004)], o Jogo da Vida (Game of Life), foi proposto na d´cada ede 70 por Jonh Conway. O Jogo da Vida utiliza a vizinhan¸a de Moore e segue as seguintes c
  • 36. ˆ3. Automatos Celulares 22regras: • Uma c´lula que est´ no estado 1 (vivo) permanecer´ neste estado se 2 ou 3 vizinhos e a a estiverem no estado 1 (vivo), pois n˜o estar´ solit´rio; caso contr´rio, ele ir´ para o a a a a a estado 0 (morto), ele morre de solid˜o se tiver apenas 1 vizinho ou morre de fome se a tiver 4 vizinhos; • Uma c´lula que est´ no estado 0 (morto) ir´ para o estado 1 (vivo) se exatamente 3 e a a vizinhas estiverem no estado 1 (vivo), condi¸˜o necess´ria para o ”nascimento”; caso ca a contr´rio, ela permanecer´ no estado 0 (morto), n˜o houve condi¸˜o necess´ria para o a a a ca a ”nascimento”. No Jogo da Vida todos as c´lulas come¸am no estado 1 (vivo). A seguir, na figura X, e capresenta um exemplo de um glider (estruturas localizadas simples e propagantes), que semove um quadrado diagonalmente a cada 4 passos do tempo [Munoz (2004)]. Figura 3.8 – Exemplo de um glider de per´ ıodo 4. Fonte: Munoz, 2004
  • 37. Cap´ ıtulo 4Sistemas de Informa¸˜es coGeogr´ficas (SIG) aaaaSistemas de Informa¸˜o Geogr´fica (SIG), ou Geographic Information Systems (GIS) ´ ca a euma tecnologia que associa informa¸˜es geogr´ficas a bancos de dados convencionais. Para co ao tratamento dessas informa¸˜es utilizam-se recursos computacionais: processamento digital code imagens e computa¸˜o gr´fica. ca a Essa t´cnica ´ bastante recente, pois este recurso oferece ao administrador (urbanista, e eplanejador, engenheiro) uma vis˜o bastante abrangente do ambiente estudado, sendo que, as ainforma¸˜es est˜o ao seu alcance interrelacionadas com base na geografia. co a Qualquer elemento em sua forma bruta n˜o conduz a compensa¸˜o de determinado fato. a caO dado transformado gera conhecimento que propicia ao tomador de decis˜es. Tal trans- oforma¸˜o ´ o resultado da an´lise dos dados. Portanto ´ importante distinguir dado de ca e a einforma¸˜o, sendo que, o que diferencia eles ´ o conhecimento. O processo de transforma¸˜o ca e cadestes dados em informa¸˜o e essas informa¸˜es s˜o necess´rios para um processo decis´rio e ca co a a opode-se definir que esse ´ um sistema de informa¸˜es gerenciais. e co Figura 4.1 – Modelo proposto do sistema de informa¸˜es gerenciais Fonte: Sistema de In- co forma¸˜o Gerencial - SIG - Brasil - 2005 ca4.1 An´lise Espacial a 23
  • 38. ¸˜ ´4. Sistemas de Informacoes Geograficas (SIG) 24aaaUm sistema de informa¸˜o geogr´ficos n˜o ´ apenas um reposit´rio de dados geogr´ficos ca a a e o aque possibilita procedimentos de automatiza¸˜o de desenho. A caracter´ ca ıstica fundamental deum SIG ´ sua capacidade de gerar novas informa¸˜es a partir dos dados dispon´ e co ıveis em seureposit´rio. Este processo ´ denotado pelo termo ”an´lise espacial”e envolve um conjunto de o e aoperadores sobre campos e objetos geogr´ficos. a4.2 Sa´ de P´ blica, Epidemiologia e Geoprocessamento u uaaaA Epidemiologia ´ a ciˆncia que lida com o estudo das causas, espalhamento e controle de e edoen¸as. Desta forma, a meta da epidemiologia ´ endere¸ar informa¸˜es que permitam im- c e c coplementar mecanismos de vigilˆncia, monitoramento, previs˜o e controle de doen¸as. Por´m, a a c ea epidemiologia d´ suporte a Vigilˆncia Epidemiol´gica, analisa os fatores ambientais e so- a a ocioeconˆmicos que possam ter alguma influˆncia na eclos˜o de doen¸as e nas condi¸˜es de o e a c cosa´de e, constitui um dos elos de liga¸˜o comunidade / governo, estimulando a pr´tica da u ca acidadania atrav´s do controle, pela sociedade, dos servi¸os de sa´de. As pr´ticas da Vigilˆncia e c u a aSanit´ria estabelecem, com base no conceito de risco, como: possibilidade, perigo potencial aou amea¸a de dano ou agravo. O conceito epidemiol´gico ´ fundamental, mas n˜o suficiente c o e apara fundamentar as interven¸˜es da Vigilˆncia Sanit´ria. A Vigilˆncia Epidemiol´gica ´ de co a a a o eextrema importˆncia nas a¸˜es do campo da Vigilˆncia Sanit´ria, permitindo acompanhar a co a adoen¸as, fornecendo informa¸˜es valiosas para subsidiar a¸˜es de controle sanit´rio. c co co a A incorpora¸˜o de t´cnicas de geoprocessamento na ´rea de sa´de tem hist´ria relativa- ca e a u omente recente e depende de um conjunto de bases tecnol´gicas e metodol´gicas ainda em fase o ode implementa¸˜o. A falta de meios automatizados de coleta e an´lise de dados espaciais ca atende a dificultar a manipula¸˜o dos dados que passam por processos artesanais de obten¸˜o. ca ca A moderna tecnologia de an´lise de dados no contexto de sua localiza¸˜o vem sendo a cacada vez mais valorizada na gest˜o do sistema de sa´de, por aportar novos subs´ a u ıdios para oplanejamento e a avalia¸˜o das a¸˜es, baseados na an´lise da distribui¸˜o espacial das doen¸as, ca co a ca cda localiza¸˜o dos servi¸os e dos riscos ambientais, entre outros aspectos priorit´rios. ca c a A ferramenta SIG’s ser´ uma ferramenta eficaz para mapear os casos da incidˆncia do a eDengue do Rio de Janeiro, fazer seu controle e auxiliar no processo de tomada de decis˜es. oO resultado ´ o maior controle de epidemias e apoio a campanhas de preven¸˜o. e ca O custo de implanta¸˜o dos projetos, entretanto, ´ alto. S˜o grandes as dificuldades na ca e amontagem das bases de dados cartogr´ficos, no georreferenciamento das bases textuais, na aintegra¸˜o das diferentes fonte de dados. Apesar do esfor¸o dos profissionais de sa´de em ca c udiversos locais na apropria¸˜o desta nova tecnologia, com freq¨ˆncia os resultados pr´ticos ca ue aforam de pouca monta. Os m´todos dispon´ e ıveis para an´lise espacial s˜o oriundos de diver- a asas disciplinas e ainda pouco consolidadas. As ferramentas existentes n˜o s˜o suficientemente a aamig´veis, apresentam dificuldades na convertibilidade entre formatos e baixa integra¸˜o en- a catre software de mapeamento e de an´lise de dados. Al´m disso, ´ indispens´vel a capacita¸˜o a e e a cados recursos humanos para viabilizar cada fase de implanta¸˜o destas t´cnicas. ca e A rela¸˜o ambiente e sa´de ´ uma das aplica¸˜es mais importantes na ´rea de geopro- ca u e co a
  • 39. ¸˜ ´4. Sistemas de Informacoes Geograficas (SIG) 25cessamento. Al´m disso, compatibilizar informa¸˜o ambiental e de sa´de quanto ` escala e e ca u atipo de dado dispon´ depende de profundo conhecimento dos v´rios lados do problema - ıvel aambiental, sanit´rio e social - integrando de fato diferentes aspectos. a
  • 40. Cap´ ıtulo 5Modelos Baseados em Equa¸oes c˜DiferenciaisaaaSegundo R.M.Anderson e R. M. May (1991), para come¸armos a tratar do problema de es- cpalhamento de doen¸as, deve ser mostrado um exemplo simples da formula¸˜o compartimen- c catal dinˆmica. Nessa abordagem, classifica-se a popula¸˜o em categorias (ou compartimentos) a cadisjuntas de densidades de indiv´ ıduos. De acordo com Gagliardi e Alves, o modelo SIR (suscet´ ıvel-infectado-recuperado) ´ um edos mais comuns na literatura para esse tipo de abordagem determin´ ıstica, j´ que com ele ´ a eposs´ introduzir os principais conceitos do processo epidˆmico de maneira simples, servindo ıvel ede base, para a formula¸˜o de desenhos e procedimentos nos estudos mais gerais em mode- calagem de epidemias. Doen¸as infecciosas que ocorrem com maior freq¨ˆncia na infˆncia, como rub´ola, varicela, c ue a esarampo e caxumba, s˜o exemplos de doen¸as que costumam ser modeladas atrav´s de mod- a c eelos SIR. A suposi¸˜o b´sica deste tipo de modelo ´ que um indiv´ ca a e ıduo pode passar su-cessivamente por est´gios de suscetibilidade, infec¸˜o e recupera¸˜o, e que a imunidade ´ a ca ca epermanente, durando por toda a vida. Segundo esse modelo, a popula¸˜o pode ser dividida cada seguinte forma: • S - representa a categoria dos suscept´ ıveis, ou seja, dos indiv´ ıduos (ou agentes) que n˜o a est˜o infectados, mas podem ser infectados; a • I - representa a categoria dos infectados, ou seja, daqueles indiv´ ıduos que s˜o capazes a de transmitir a doen¸a aos suscept´ c ıveis; • R - representa a categoria dos recuperados (ou removidos/imunes), ou seja, daqueles que j´ foram infectados pela doen¸a e morreram (ou se isolaram) ou ficaram permanen- a c temente imunes ` doen¸a. a c Algumas simplifica¸˜es adotadas s˜o: co a • N˜o considerar o per´ a ıodo de latˆncia que antecede ao per´ e ıodo infeccioso; 26
  • 41. ¸˜5. Modelos Baseados em Equacoes Diferenciais 27 • Assumir que as taxas de natalidade e mortalidade s˜o iguais, com valor M. Esta ultima a ´ simplifica¸˜o faz com que a popula¸˜o mantenha um tamanho constante ao longo do ca ca tempo.(Amaku M) Modelos do tipo SIR podem incorporar tanto a evolu¸˜o temporal quanto a dependˆncia ca eet´ria (Amaku et al., 2003). a O modelo utilizado nas simula¸˜es considera apenas a evolu¸˜o temporal. Assim, em um co cainstante de tempo t uma popula¸˜o ´ caracterizada pelas densidades S(t), I(t) e R(t) onde ca e N (t) = S(t) + I(t) + R(t)sendo N (t) o n´mero total de indiv´ u ıduos da popula¸˜o a cada instante, sendo este modelo carepresentado atrav´s do esquema abaixo: e Figura 5.1 – Ilustra¸˜o do esquema de compartimentos para o modelo SIR ca As vari´veis e taxas utilizadas no modelo e nas simula¸˜es s˜o: a co a • β: taxa de contatos potencialmente infectantes • γ: taxa de recupera¸˜o, equivalente ao inverso do per´ ca ıodo infeccioso • m: taxa de natalidade = taxa de mortalidade • S(t): n´mero (ou densidade) de indiv´ u ıduos suscet´ ıveis no instante t • S0: n´mero (ou densidade) inicial de indiv´ u ıduos suscet´ ıveis (no tempo t=0) • I(t): n´mero (ou densidade) de indiv´ u ıduos infectados no instante t • I0: n´mero (ou densidade) inicial de indiv´ u ıduos infectados (no tempo t=0) • R(t): n´mero (ou densidade) de indiv´ u ıduos recuperados no instante t • R0: n´mero (ou densidade) inicial de indiv´ u ıduos recuperados (no tempo t=0). Diante disso tudo, devemos considerar trˆs hip´teses b´sicas: e o a • O n´mero de agentes na classe de infectados aumenta proporcionalmente ao n´mero de u u agentes na classe infectante e ao n´mero de agentes na classe suscept´ u ıvel; • A taxa na qual os indiv´ ıduos infectados s˜o transferidos para a classe dos removidos a (ou recuperados) ´ proporcional ao n´mero de infectados; e u • Nesse modelo, ´ considerado um per´ e ıodo muito curto de incuba¸˜o, fazendo com que ca os indiv´ ıduos suscept´ ıveis passem diretamente para o estado infectado.
  • 42. ¸˜5. Modelos Baseados em Equacoes Diferenciais 28 Esses mecanismos s˜o descritos formalmente pelas seguintes equa¸˜es diferenciais: a co   ∂S(t)    = -βS(t)I(t)  ∂t         ∂I(t) = βS(t)I(t) − γ I(t)  ∂t          ∂R(t)    = γI(t) ∂t5.1 Modelagem Estoc´stica aaaaEste tipo de modelagem n˜o leva em considera¸˜o efeitos de flutua¸˜es estoc´sticas de uma a ca co amaneira geral. Esse tipo de complexidade tem sido incorporada por modelos epidemiol´gicos oestoc´sticos que por sua vez s˜o baseados no mesmo racioc´ a a ınio compartimental, e assimconstru´ ıdos com vari´veis probabil´ a ısticas e suas rela¸˜es de incertezas entre Suscept´ co ıveis,Infectados e Recuperados. Para entender a transi¸˜o entre essas duas abordagens podemos interpretar os modelos cadetermin´ ısticos, como aproxima¸˜es v´lidas para grandes popula¸˜es conhecidas da f´ co a co ısicacomo aproxima¸˜o de campo m´dio, ou seja, as solu¸˜es desses modelos como sendo a m´dia ca e co edos mecanismos epidˆmicos que evolu´ e ıssem estocasticamente. Quando tomamos a formula¸˜o cadetermin´ ıstica e dizemos que um evento (uma transi¸˜o de estado, por exemplo) ocorre a uma cataxa λ tipicamente devemos interpretar que o tempo τ entre sucessivas ocorrˆncias tem uma edistribui¸˜o exponencial de probabilidade com parˆmetro λ, tal que ca a P(τ ≤t) = 1 − exp(−λt) . Com isso em mente, vale destacar que de qualquer maneira a aproxima¸˜o determin´ ca ısticadas flutua¸˜es estoc´sticas ´ reconhecidamente inapropriada para pequenas popula¸˜es. Man- co a e cotendo a hip´tese de que N indiv´ o ıduos na popula¸˜o est˜o homogeneamente misturados e por ca asimplicidade supor que a epidemia come¸a no tempo t = 0. Em adi¸˜o, devemos inter- c capretar os estados S(t), I(t) e R(t) como vari´veis aleat´rias tomando o cuidado de fazer a os(t) = S(t) = N , i(t) = I(t) = N e r(t) = R(t) = N de maneira que essas var´veis podem aser aproximadas por n´meros reais no limite em que N → ∞. Assim, podemos escrever que ua probabilidade de que ocorra uma nova infec¸˜o em um pequeno intervalo de tempo ∆t ´ ca e βSI∆t + o(∆t). Quando essa transi¸˜o ocorre, S decresce por uma unidade e I aumenta de uma unidade. caTodavia, nesse intervalo de tempo ainda temos a possibilidade de que um indiv´ ıduo na pop-
  • 43. ¸˜5. Modelos Baseados em Equacoes Diferenciais 29ula¸˜o se recupere da infec¸˜o. A probabilidade de que isso aconte¸a ´ ca ca c e βI∆t + o(∆t).e nesse caso I decresce de uma unidade enquanto S permanece inalterado. Podemos escreveragora a probabilidade ψ(t) para que no instante t existam s suscept´ ıveis n˜o infectados e i ainfectados em circula¸˜o. Para fazer isso, tomamos como hip´tese que o intervalo de tempo ca opara a infec¸˜o e uma eventual recupera¸˜o da infec¸˜o tem uma distribui¸˜o exponencial ca ca ca canegativa. Usando argumentos sobre a rela¸˜o entre probabilidade de estados adjacentes capodemos escrever o seguinte conjunto de equa¸˜es diferencial - diferen¸a para as transi¸˜es: co c co ∂ρsi = wc(S + 1, I − 1)ρs+1,i−1 − [wc(S, I) + wr(I)]ρsi + wr(I + 1)ρs,i−1 ∂t onde wc(S, I) = βSI/N ´ a probabilidade de transi¸˜o de cont´gio por unidade de tempo e ca ae wr(I) = λI ´ a probabilidade, de transi¸˜o de recupera¸˜o por unidade de tempo com a e ca cacondi¸˜o inicial de que: ψ(0) = 1. ca
  • 44. Cap´ ıtulo 6DengueaaaDurante a maior parte de sua hist´ria, o dengue foi considerado uma doen¸a benigna, o cn˜o letal, para os visitantes dos tr´picos. Geralmente, havia grandes intervalos de aproxi- a omadamente 10 a 40 anos entre as grandes epidemias, principalmente porque o transporte depessoas e mercadorias era feito principalmente por veleiros. ´ ´ Os primeiros registros de epidemias de dengue s˜o do final do s´culo XVIII na Asia, Africa a ee Am´rica do Norte. A ocorrˆncia simultˆnea de epidemias nos trˆs continentes indica que o e e a evetor e o v´ ırus j´ estavam distribu´ a ıdos nos tr´picos h´ v´rios anos. Atualmente, o dengue ´ o a a euma das mais importantes arboviroses que afetam o homem. De uma popula¸˜o mundial de ca6,5 bilh˜es de habitantes, aproximadamente 40% podem ser expostas ao v´ o ırus, principalmenteem pa´ tropicais onde o clima, problemas caracter´ ıses ısticos do subdesenvolvimento e o prec´rio asaneamento destas regi˜es favorecem as condi¸˜es de reprodu¸˜o dos principais vetores. o co ca O dengue pela sua capacidade de produ¸˜o de epidemias de vulto nas grandes cidades e nas cadensas regi˜es metropolitanas do globo ´ de vital interesse para os setores da sa´de p´blica, o e u ucom graves implica¸˜es econˆmicas. Apesar dos esfor¸os que os governos vˆm desenvolvendo co o c epara o controle de novas epidemias, a efetividade das medidas implementadas tem sido muitolimitada [Goh (1995)], visto que o aumento de sua incidˆncia e expans˜o para outras ´reas e a atem sido uma constante, estabelecendo situa¸˜es epidˆmicas e endˆmicas, precursoras de co e eocorrˆncia das formas graves da doen¸a [Gubler (1997)]. Atualmente, o dengue ´ endˆmico e c e e ´ ´na Africa, Am´rica e Asia, e em partes da Europa e Oceania [OMS (2008)]. e Estima-se que trˆs milh˜es de casos de febre hemorr´gica do dengue e s´ e o a ındrome do choquedo dengue, com 58 mil mortes, foram registrados nos ultimos 40 anos [Teixeira et al. (1999)]. ´O surgimento dessas formas graves, principalmente, a partir da d´cada de 1950, epidemia enas Filipinas, direcionou grande parte das investiga¸˜es cient´ co ıficas para a identifica¸˜o de cafatores de risco individuais e coletivos dessa apresenta¸˜o cl´ ca ınica da doen¸a, e desenvolvi- cmento de pesquisas cl´ ınicas e imunol´gicas visando ` redu¸˜o da sua letalidade. Os estudos o a caepidemiol´gicos descritivos acerca da sua distribui¸˜o na popula¸˜o foram relegados a um o ca casegundo plano, uma vez que o entendimento vigente era de que o uso de inseticida sobreo vetor e a possibilidade de desenvolvimento de vacinas poderiam resolver em curto prazoo problema. Entretanto, tem-se observado que as estrat´gias de combate ao Aedes aegypti, e 30
  • 45. 6. Dengue 31que foram anteriormente efetivas quando dos esfor¸os de erradica¸˜o da febre amarela ur- c cabana, outra arbovirose tamb´m transmitida por este mesmo vetor, n˜o tˆm sido capazes de e a econtrolar a transmiss˜o do v´ a ırus do dengue em ´reas densamente povoadas [Barreto (2004)]. a Na Am´rica, o v´ e ırus circulou desde o s´culo XIX at´ as primeiras d´cadas do s´culo XX. e e e eRetornou na d´cada de 1960 com o isolamento dos sorotipos DEN-2 e DEN-3, associados ea` ocorrˆncia de v´rias epidemias de dengue cl´ssico. O isolamento laboratorial do sorotipo e a aDEN-2 foi em Trinidad, em 1953; o sorotipo DEN-3 na Venezuela e costa do Caribe, em 1963;e o sorotipo DEN-1 foi introduzido em 1977, na Colˆmbia, Venezuela, Guiana, Suriname, oGuiana Francesa, Honduras, El Salvador, Guatemala e M´xico (OPS, 1995). e No Brasil, o Dengue ocorre principalmente nos meses de janeiro a maio, pelas condi¸˜es coclim´ticas favor´veis ao mosquito transmissor, o Aedes aegypti, nessa ´poca do ano. Desde a a e1986, quando a doen¸a foi introduzida no pa´ em todos os anos h´ registro de casos de c ıs, adengue, com a ocorrˆncia de v´rios picos epidˆmicos durante esse per´ e a e ıodo, relacionados coma chegada de um novo subtipo do v´ ırus do Dengue. Na d´cada de 90, mesmo em anos en˜o epidˆmicos, a doen¸a registra uma ocorrˆncia de dezenas de milhares de casos por ano a e c e[da Sa´de. Secretaria de Vigilˆncia em Sa´de (2007)]. u a u As raz˜es para a reemergˆncia do dengue s˜o complexas e n˜o totalmente compreendi- o e a adas. As mudan¸as demogr´ficas ocorridas nos pa´ c a ıses subdesenvolvidos, a partir da d´cada ede 60, consistiram em intensos fluxos migrat´rios de popula¸˜es rurais para centros urbanos, o coresultando num crescimento desordenado das cidades. Essas n˜o conseguiram dotar-se opor- atunamente de equipamentos, facilidades e servi¸os p´blicos que atendessem `s necessidades c u ados migrantes, entre as quais incluem-se as de habita¸˜o e saneamento b´sico. O sanea- ca amento b´sico, particularmente o abastecimento de ´gua e a coleta de lixo, mostram-se in- a asuficientes ou inadequados nas periferias das grandes metr´poles. Uma das conseq¨ˆncias o uedessa situa¸˜o ´ o aumento do n´mero de criadouros potenciais do principal mosquito vetor. ca e uAssociada a essa situa¸˜o, o sistema produtivo industrial moderno, que produz uma grande caquantidade de recipientes descart´veis, entre pl´sticos, latas e outros materiais, cujo destino a ainadequado, abandonados em quintais, ao longo das vias p´blicas, nas praias e em terrenos ubaldios, tamb´m contribui para a prolifera¸˜o do inseto transmissor do dengue. O aumento e caexorbitante da produ¸˜o de ve´ ca ıculos automotores tem gerado fatores de risco para prolif-era¸˜o, criadouros preferenciais dos mosquitos vetores, por meio de um destino inadequado cade pneus usados, e para a dissemina¸˜o passiva destes transmissores sob a forma de ovos ou calarvas, em recipientes contendo ´gua, como vasos de flores, plantas aqu´ticas e outros [OMS a a(2008)]. O ultimo pico epidˆmico ocorreu em 2002, em decorrˆncia da introdu¸˜o do DEN-3, tendo ´ e e casido registrados 794.219 mil casos, a maioria deles no Rio de Janeiro. Nos anos seguintes adispers˜o do DEN-3 para os demais estados do pa´ tem proporcionado o surgimento de surtos a ıse epidemias, sem atingir os n´ ıveis de 2002. No ano de 2006, foram registrados 345.922 casos,sendo as regi˜es mais acometidas, o Sudeste (141.864) e o Nordeste (105.017 casos). Foram onotificados 682 casos de Febre Hemorr´gica do Dengue e 76 ´bitos [da Sa´de. Secretaria de a o uVigilˆncia em Sa´de (2007)]. a u
  • 46. 6. Dengue 326.1 Etiologia e Modo de Transmiss˜o aaaaO v´ do dengue ´ um v´ RNA (arbov´ ırus e ırus ırus) do gˆnero Flavivirus, pertencente ` fam´ e a ılia a ´Flaviviridae de quatro sorotipos j´ identificados. E classificado no meio cient´ ıfico como umarbov´ ırus, os quais s˜o normalmente transmitidos por mosquitos e outros artr´podes. Apre- a osenta diferentes propriedades antigˆnicas, que caracterizam os quatro sorotipos, denominados: eDEN-1; DEN-2; DEN-3 e DEN-4 (Nogueira et al, 2000). A transmiss˜o normalmente se faz apela picada da fˆmea infectante dos mosquitos Aedes aegypti, no ciclo Aedes aegypti - homem e- Aedes aegypti - homem. Ap´s um repasto de sangue infectado, a fˆmea estar´ apta a trans- o e amitir o v´ ırus depois de 8 a 12 dias de incuba¸˜o extr´ ca ınseca. A transmiss˜o mecˆnica tamb´m a a e´ poss´e ıvel, quando o repasto ´ interrompido e o mosquito, imediatamente, se alimenta num ehospedeiro suscept´ pr´ximo. N˜o h´ transmiss˜o por contato direto de um doente ou de ıvel o a a asuas secre¸˜es com uma pessoa sadia, nem atrav´s de fontes de ´gua ou alimento [da Sa´de. co e a uSecretaria de Vigilˆncia em Sa´de (2007)]. a u Fˆmeas infectadas podem transmitir o v´ aos seus ovos, futura prole, por via transovar- e ırusiana, mas o papel deste fato na manuten¸˜o da transmiss˜o do v´ ca a ırus aos seres humanos aindan˜o foi completamente esclarecido [da Sa´de. Secretaria de Vigilˆncia em Sa´de (2007)]. a u a u6.2 Aspectos Cl´ ınicos e Diagn´stico oaaaO dengue ´ uma doen¸a febril de curso benigno ou grave sob duas formas: Dengue cl´ssica e c a(DC) e febre hemorr´gica do Dengue (FHD). O dengue n˜o ´ transmitido por secre¸˜o ou a a e cacontato direto com o indiv´ ıduo doente nem uso de fonte de ´gua comum ou alimento. O aper´ ıodo de incuba¸˜o ´ de 3 a 15 dias sendo em media de 5 a 6 dias [da Sa´de. Secretaria de ca e uVigilˆncia em Sa´de (2007)]. a u Na DC o paciente tem per´ ıodo febril agudo de 7 dias em m´dia, acompanhado de cefal´ia, e edor retroorbital, mialgia, artralgia, prosta¸˜o, exantema. A FHD apresenta al´m dos sintomas ca edescritos acima, tamb´m, hemorragia e em casos mais graves hematˆmese e melena com e esintomas de choque cardiovascular (pulso arterial fino e r´pido o ausente, diminui¸˜o de a capress˜o arterial, pele fria e umida, agita¸˜o). a ´ ca Existem dois tipos de diagn´stico, o diferencial e o laboratorial: o 1. Diagn´stico diferencial: o DC - o dengue tem um amplo espectro cl´ ınico, mas as principais doen¸as a serem con- c sideradas no diagn´stico diferencial s˜o: gripe, rub´ola, sarampo e outras infec¸˜es o a e co virais, bact´rias e exantem´ticas. e a FHD - no inicio da fase febril, o diagn´stico diferencial deve ser feito com outras infec¸˜es o co virais e bacterianas e, a partir do 3o ou 4o dia, com choque endot´xico decorrente o da infec¸˜o bacteriana ou meningococcemia. Outras doen¸as com as quais se ca c deve fazer o diagn´stico diferencial s˜o: leptospirose, febre amarela, mal´ria, hep- o a a
  • 47. 6. Dengue 33 atite infecciosa, influenza, bem com outras febres hemorr´gicas, transmitidas por a mosquitos ou carrapatos. 2. Diagn´stico laboratorial: o • Exames espec´ ıficos: Isolamento do agente ou m´todos sorol´gicos que demonstram e o a presen¸a de anticorpos da classe IgM, em unica amostra de soro, ou o aumento c ´ do titulo de anticorpo IgG (convers˜o sorol´gica) em amostras pareadas. a o • Exame inespec´ ıficos: Hemat´crito e plaquetometria s˜o os mais importantes para o a o diagn´stico e acompanhamento das formas hemorr´gicas. o a6.3 O Vetor e a a ´aaaO Aedes aegypti ´ a principal esp´cie respons´vel pela transmiss˜o do dengue. E um emosquito dom´stico, antropof´ e ılico, com atividade hematof´gica principalmente diurna, uti- alizando preferencialmente de dep´sitos artificiais de ´gua limpa para colocar os seus ovos. o aEstes tˆm uma alta capacidade de resistir ` desseca¸˜o, mantendo-se vi´veis na ausˆncia de e a ca a ea´gua por at´ 450 dias. O Aedes aegypti tem mostrado uma grande capacidade de adapta¸˜o e caa diferentes situa¸˜es ambientais, por n´s consideradas desfavor´veis. Adultos j´ foram en- co o a acontrados em altitudes elevadas e larvas em ´gua polu´ [Tauil (2002)]. a ıda Os mosquitos se desenvolvem atrav´s de metamorfose completa. O ciclo de vida do Aedes eaegypti compreende quatro fases: ovo, larva, pupa e adulto (figura 6.1). O adulto representaa fase reprodutiva do inseto. Como ocorre com grande parte dos insetos alados, o adultorepresenta importante fase de dispers˜o. Entretanto, com o Aedes aegypti ´ prov´vel que a e ahaja mais transporte passivo de ovos e larvas em recipientes do que dispers˜o ativa pelo ainseto adulto [da Sa´de. Secretaria de Vigilˆncia em Sa´de (2007)]. u a u O Aedes aegypti ´ escuro, com faixas brancas nas bases dos segmentos tarsais e um desenho eem forma de lira no mesonoto. O macho se distingue essencialmente da fˆmea por possuir eantenas plumosas e palpos mais longos. Dentro de 24 horas ap´s emergirem, podem acasalar, oo que vale para ambos os sexos. Uma unica insemina¸˜o ´ suficiente para fecundar todos ´ ca eos ovos que a fˆmea venha a produzir durante sua vida. As fˆmeas se alimentam freq¨en- e e utemente de sangue, servindo como fonte de repasto a maior parte dos animais vertebrados,mas mostram marcada predile¸˜o pelo homem (antropofilia). Ocorre quase sempre durante cao dia, nas primeiras horas da manh˜ e ao anoitecer [da Sa´de. Secretaria de Vigilˆncia em a u aSa´de (2007)]. u Em geral, a fˆmea faz uma postura ap´s cada repasto sang¨´ e o uıneo. O intervalo entre aalimenta¸˜o e a postura ´, em regra, de trˆs dias, em condi¸˜es de temperatura satisfat´rias. ca e e co oCom freq¨ˆncia, a fˆmea se alimenta mais de uma vez, entre duas sucessivas posturas, em ue eespecial quando perturbada antes de totalmente ingurgitada. Esse fato resulta na amplia¸˜o cada taxa de contato com os hospedeiros, com dissemina¸˜o dos v´ a v´rios deles [Marquardt ca ırus ae Beaty (1996)].
  • 48. 6. Dengue 34 Figura 6.1 – Taxa di´ria de desenvolvimento e sobrevivˆncia nas diferentes etapas do desen- a e volvimento do Aedes aegypti. Os requisitos para a sobrevivˆncia e o desenvolvimento variam e conforme o est´gio de desenvolvimento. O processo de metamorfose depende do desenvolvimento a acumulativo di´rio e de outros fatores est´gio dependentes. (Figura Samuel Richard Christophers, a a 1960, Aedes aegypti: Yellow Fever Mosquito, ISBN 04638-6, Cambridge University Press, New York, p. 399, Fig. 49-I).
  • 49. 6. Dengue 35 A ovoposi¸˜o se d´ mais freq¨entemente no fim da tarde. A fˆmea gr´vida ´ atra´ ca a u e a e ıdapor recipientes escuros ou sombreados, com superf´ ıcie ´spera, nos quais deposita os ovos apr´ximo ` linha de superf´ o a ıcie da ´gua. Prefere ´gua limpa e cristalina em vez de ´gua a a asuja ou polu´ por mat´ria orgˆnica. Tanto em condi¸˜es naturais, quanto em habitats ıda e a coartificiais, as larvas do Aedes aegypti s˜o dependentes da disponibilidade de alimentos em seu aambiente, os quais s˜o limitados em condi¸˜es selvagens. Associado ` competi¸˜o com outras a co a caesp´cies, esta baixa disponibilidade de alimentos faz com que as larvas se desenvolvam em econdi¸˜es de subalimenta¸˜o extrema, apresentando altos ´ co ca ındices de mortalidade. Contudo,no habitat urbano, os n´ ıveis de subalimenta¸˜o s˜o menos severos, o que faz com que a ca amortalidade das larvas n˜o seja t˜o pronunciada [Reiter (2007)]. Adicionalmente, tem sido a aobservado na literatura que a ovoposi¸˜o ´ inibida em dias de forte chuva [Reiter (2007)]. Este ca ecomportamento mostra ser uma estrat´gia ´bvia de sobrevivˆncia, visto que os ovos morrem e o ese permanecerem submersos por mais de 4 horas, ap´s terem sido postos. A fˆmea distribui o ecada postura em v´rios recipientes. Os tipos de criadouros mais freq¨entes s˜o: pratos de a u aplanta (28,89 %), dep´sitos com plantas na ´gua (19,66 %), caixas d’´gua mal tapadas (13,74 o a a%), recipientes pequenos nos quintais (8,38 %), lat˜es (8,16 %), garrafas (5,92 %), pneus o(1,12 %) e calhas (0,89 %) [Lenzi et al. (2000)]. Quando o Aedes aegypti est´ infectado pelo v´ a ırus dengue, pode haver transmiss˜o transo- avariana destes, de maneira que, a prole de uma esp´cime portadora pode nascer infectada. eOs adultos de Aedes aegypti podem permanecer vivos em laborat´rio durante meses, mas, ona natureza, vivem em m´dia de 30 a 35 dias. Com uma mortalidade di´ria de 10%, a e ametade dos mosquitos morre durante a primeira semana de vida e 95% durante o primeiromˆs (figura 6.2) [FUNASA (2004)]. e Em condi¸˜es urbanas, tanto os machos quanto as fˆmeas do Aedes aegypti, tendem a per- co emanecer dentro das residˆncias. As fˆmeas praticamente n˜o penetram nas florestas urbanas e e a[Reiter (2007)], permanecendo no ambiente peridom´stico onde as condi¸˜es de ovoposi¸˜o e e co cade fontes de alimentos s˜o abundantes. Nestas condi¸˜es, as fˆmeas do Aedes aegypti podem a co edemandar at´ 21 dias (condi¸˜es de laborat´rio) para chegar aos limites dentro de um raio e co ode 100 mts do ponto de eclos˜o. Na maioria dos casos estudados, a ovoposi¸˜o das fˆmeas a ca econcentra-se dentro de um raio de 10 mts da residˆncia onde esta encontra-se instalada. Esta edisponibilidade de sangue aumenta o n´mero de ovos por fˆmea. u e O processo de dispers˜o geogr´fica do Aedes aegypti fica restrito, em grande parte, aos a alocais pr´ximos ao ponto onde o mosquito se torna adulto. Em experimentos de campo ocontrolados, a maior parte das fˆmeas marcadas tem sido identificadas dentro de um raio ede 100 mts do ponto de eclos˜o. Contudo, existem relatos mostrando que em condi¸˜es de a corestri¸˜o alimentar, as fˆmeas do Aedes aegypti podem facilmente percorrer distˆncias de 300 ca e amts em um dia, podendo mesmo manter vˆo constante por at´ 1000 mts [Reiter (2007)]. o e Algumas importantes implica¸˜es para a biologia do vetor, podem ser derivadas da identi- cofica¸˜o dos ´ ca ındices de mortalidade quando relacionados com a idade dos vetores em condi¸˜es coselvagens [Reiter (2007)]: A primeira ´ a percep¸˜o de que a mortalidade dos mosquitos ´ um processo dinˆmico e ca e a
  • 50. 6. Dengue 36 ca ´ Figura 6.2 – Distribui¸˜o dos Estados por Areas de Incidˆncia, Brasil, 2007. Fonte: SVS/SES eainda muito pouco explorado, o qual demanda investiga¸˜es mais detalhadas sobre a biologia coe a ecologia do mosquito, inclusive como a senescencia altera a express˜o gˆnica do vetor. a e A segunda, ´ que novos m´todos necessitam ser desenvolvidos para estudar a dinˆmica e e ada mortalidade do mosquito, particularmente em condi¸˜es selvagens. co A terceira, ´ que a mortalidade dos vetores, como fun¸˜o da idade necessita ser incorpo- e carada aos modelos e outras abordagens quantitativas tanto da veicula¸˜o dos patogenos pelo cavetor, tanto quanto da preven¸˜o das doen¸as. ca c6.4 A EpidemiologiaaaaA Secretaria de Vigilˆncia em Sa´de do Minist´rio da Sa´de - SVS/MS registrou at´ a u e u esemana epidemiol´gica No . 18, 246.833 casos de DC, 288 casos de FHD e a ocorrˆncia de o e38 ´bitos. Verifica-se um aumento de 20% dos casos de dengue no pa´ comparado com o o ıs,mesmo per´ ıodo do ano anterior (janeiro a abril de 2007), com o mˆs de mar¸o registrando o e cmaior n´mero de notifica¸˜es no per´ u co ıodo. No mˆs de abril, observa-se a redu¸˜o do n´mero e ca ude casos de dengue no pa´ em rela¸˜o ao mˆs anterior. ıs ca e Com os dados notificados pelas Secretarias Estaduais de Sa´de at´ o presente momento, u eem abril houve uma redu¸˜o de 53% nas notifica¸˜es quando comparado com o mˆs de mar¸o ca co e c(gr´fico 6.3). O decl´ a ınio das notifica¸˜es no mˆs de abril ´ observado em todas as regi˜es com co e e odestaque para as regi˜es Sudeste (-62%) e Centro-Oeste (-61%) (BRASIL, 2007). o O Programa Nacional de Controle do Dengue (PNCD) caracteriza as ´reas do pa´ de a ısacordo com a taxa de incidˆncia: e
  • 51. 6. Dengue 37 Tabela 6.1 – Taxas de incidˆncia dos casos notificados de dengue por regi˜o de residˆncia, Brasil, e a e 2007. Fonte: SVS/SES Figura 6.3 – Distribui¸˜o da Incidˆncia de dengue por ´rea nos estados do Brasil em 2007. ca e a Fonte: SVS/SES ´ • Areas de baixa incidˆncia: regi˜es, estados ou munic´ e o ıpios com taxa de incidˆncia menor e que 100 casos por 100.000 habitantes; ´ • Areas de m´dia incidˆncia: regi˜es, estados ou munic´ e e o ıpios com taxa de incidˆncia entre e 100 e 300 casos por 100.000 habitantes; ´ • Areas de alta incidˆncia: regi˜es, estados ou munic´ e o ıpios com taxa de incidˆncia maior e que 300 casos por 100.000 habitantes. Um dos fatores que podem acarretar o aumento da probabilidade do Dengue ´ a faixa eet´ria, onde idosos e crian¸as s˜o mais suscept´ a c a ıveis, devido ` baixa imunidade que possuem. aOutro fator ´ o local que propicia a prolifera¸˜o do mosquito. Pa´ de clima tropical, por e ca ıses
  • 52. 6. Dengue 38exemplo, que possuem per´ ıodos mais quentes e umidos. A intensa migra¸˜o de pessoas con- ´ catribui para o espalhamento e aumento da doen¸a, j´ que o Dengue ´ transmitida atrav´s c a e eda picada do mosquito que se contaminou picando algu´m j´ infectado. O desmatamento e atamb´m ´ um fator que aumenta muito a probabilidade de ocorrer ` doen¸a, j´ que com os e e a c amosquitos que habitavam as florestas, migram pra os centros urbanos em busca de sobre-vivˆncia. O aumento da densidade demogr´fica, a falta de saneamento b´sico, e a falta de e a aeduca¸˜o da comunidade em rela¸˜o ` preven¸˜o do Dengue. Se n˜o houver a conscientizar˜o ca ca a ca a ada popula¸˜o, o risco da doen¸a ocorrer ´ muito maior. ca c e A doen¸a febril apresenta-se com um curso benigno ou grave sob duas formas (FC e cFHD). Para o paciente que apresenta o Dengue cl´ssica seu progn´stico ´ favor´vel ` cura, a o e a amas se esse mesmo paciente contaminar-se com outro sorotipo de v´ ırus do Dengue passa adesenvolver, dependendo da resposta imunol´gica, a febre hemorr´gica de dengue podendo o aresultar em cura ou ´bito. o Na DC o tratamento ´ sintom´tico (analg´sico e antipir´tico) e pode ser feito no domicilio, e a e ecom orienta¸˜o para retorno ao servi¸o de sa´de ap´s 48 a 72 horas do in´ dos sintomas. ca c u o ıcioIndica-se hidrata¸˜o oral com aumento da ingest˜o de ´gua, sucos, ch´s, soros caseiros, etc. ca a a an˜o devem ser usados medicamentos com ou derivados do acido acetil salic´ a ılico, por aumentaro risco de hemorragias. J´ na FHD, uma progress˜o da DC, a conduta frente ao paciente a adepende dos sinais cl´ ınicos e evolu¸˜o da hemoconcentra¸˜o. Deve-se iniciar a terapˆutica ca ca eadequada, que ´ a reidrata¸˜o parenteral. Assim, a unidade de sa´de deve realizar hidrata¸˜o e ca u cavenosa e hemograma, al´m de assistir o paciente. e Em 2002, foi implantado o Programa Nacional de Controle do Dengue (PNCD), queda continuidade a algumas propostas do PIACD e enfatiza a necessidade de mudan¸as nos cmodelos anteriores, inclusive em alguns aspectos essenciais, como: • a elabora¸˜o de programas permanentes, pois n˜o h´ qualquer evidˆncia t´cnica de que ca a a e e a erradica¸˜o do mosquito seja poss´ a curto prazo; ca ıvel • o desenvolvimento de campanhas de informa¸˜o e de mobiliza¸˜o da popula¸˜o, de ca ca ca maneira a se promover maior responsabilidade de cada fam´ na manuten¸˜o de seu ılia ca ambiente dom´stico, livre de potenciais criadouros do vetor; e • o fortalecimento da vigilˆncia epidemiol´gica e entomol´gica, para ampliar a capacidade a o o de predi¸˜o e detec¸˜o precoce de surtos da doen¸a; ca ca c • a melhoria da qualidade do trabalho de campo no combate ao vetor; • a integra¸˜o das a¸˜es do controle do Dengue na aten¸˜o b´sica, com a mobiliza¸˜o do ca co ca a ca Programa de Agentes Comunit´rios de Sa´de (PACS) e do Programa Sa´de da Fam´ a u u ılia (PSF); • a utiliza¸˜o de instrumentos legais que facilitem o trabalho do poder publica na elim- ca ina¸˜o de criadouros em im´veis comerciais, casas abandonadas, etc.; ca o
  • 53. 6. Dengue 39 • a atua¸˜o multissetorial, no fomento ` destina¸˜o adequada de res´ ca a ca ıduos s´lidos e ` o a utiliza¸˜o de recipientes seguros para armazenagem de ´gua; ca a • o desenvolvimento de instrumentos mais eficazes de acompanhamento e supervis˜o das a a¸˜es desenvolvidas pelo Minist´rio da Sa´de, Estado e Munic´ co e u ıpio. Em Outubro de 2003 o Minist´rio da Sa´de constitui atrav´s da Portaria No 2001/GM. e u eEm 17 de outubro de 2003 o Comitˆ Nacional de Mobiliza¸˜o contra o Dengue e atrav´s e ca eda Portaria No 2002, de 17 de Outubro de 2003, o Comitˆ T´cnico de Acompanhamento e e eAssessoramento do Programa Nacional de Controle do Dengue (PNCD) (BRASIL, 2008). Discuss˜es recentes sobre o controle do Dengue apontam para a necessidade de maiores oinvestimentos em metodologias adequadas, para sensibilizar a popula¸˜o sobre a necessidade cade mudan¸as de comportamento que objetivam o controle do vetor; e no manejo ambiental, cincluindo a amplia¸˜o do foco das a¸˜es de controle racional de vetores, para minimizar a ca coutiliza¸˜o de inseticidas e, dessa forma, garantir maior sustentabilidade as a¸˜es. ca co A falta de saneamento b´sico, objetos que acumulam ´gua, per´ a a ıodo chuvoso, lixo acumu-lado, tubula¸˜es e bueiros entupidos (dificultam o escoamento) s˜o ambientes que propiciam a co aprolifera¸˜o do vetor, o mosquito Aedes aegypti. Falta de conscientiza¸˜o e educa¸˜o da pop- ca ca caula¸˜o, que ignoram as informa¸˜es ou n˜o as cobram dos ´rg˜os competentes. Estas, causam ca co a o atamb´m a prolifera¸˜o pois n˜o tomam medidas no controle do vetor como limpeza domi- e ca aciliar. Indiv´ ıduos doentes que n˜o procuram aux´ m´dico potencializam o espalhamento a ılio ede pelo menos dos membros que com ele compartilham um espa¸o comum al´m se ser um c ereservat´rio ativo. o
  • 54. Parte III ´DADOS E METODOS 40
  • 55. Cap´ ıtulo 7Modelo Epidemiol´gico oaaaA eleva¸˜o das temperaturas e as mudan¸as clim´ticas no n´ global podem estar levando ca c a ıvela` expans˜o da popula¸˜o de A. aegypti, e da´ expondo as popula¸˜es humanas suscept´ a ca ı co ıveisa longos per´ ıodos de transmiss˜o da doen¸a [Patz e Reisen (2001); Hales et al. (2002)]. O a caumento da severidade das epidemias de dengue, mesmo nas infec¸˜es prim´rias, sugere uma co aevolu¸˜o da virulˆncia das estirpes do dengue [Holmes e Burch (2000)]. Por fim, apesar ca edos fatores associados `s origens desta emergˆncia serem qualitativamente conhecidos, as a emaneiras como eles interagem ainda n˜o s˜o plenamente conhecidas [Schrag e Wiener (1995), a aGubler (2002)). O desenvolvimento de modelos que descrevam as intera¸˜es destes diferentes cofatores e seus efeitos na transmiss˜o do v´ a ırus do dengue s˜o de fundamental importˆncia para a ao entendimento e para a predi¸˜o dos padr˜es epidemiol´gicos do dengue. A modelagem da ca o odinˆmica desta doen¸a tem o potencial de auxiliar o entendimento, a localiza¸˜o a influˆncia a c ca ee os diferentes parˆmetros, e em larga escala, os mecanismos de emergˆncia das epidemias. a e Em uma epidemia de dengue, o homem permanece como o centro do processo epi-demiol´gico. Ao contr´rio de outras doen¸as associadas a arbov´ o a c ırus, as quais afetam pri-mariamente os animais (como o gado na febre Rift Valley, e os p´ssaros na Febre do Oeste ado Nilo), a transmiss˜o de humanos para humanos via mosquito, ´ a unica forma pela qual a e ´o dengue se alastra. Como em outras doen¸as, a dinˆmica espacial do dengue ´ parcialmente c a einfluenciada pelo comportamento humano. Em outras palavras, a estrutura social e espacialdas popula¸˜es humanas (tal como o isolamento geogr´fico de comunidades, a segrega¸˜o so- co a cacial, ou a presen¸a ao longo das linhas de intera¸˜o social). Contudo, pode-se assumir que em c caescala local os contatos entre humanos e vetores seja homogˆneo? Se n˜o, como a estrutura e adas popula¸˜es influˆncia a dinˆmica de uma epidemia? co e a Neste estudo, a epidemia de dengue ocorrida no in´ de 2008 ´ analisada sob a ´ptica ıcio e odestes conceitos. Aqui, a poss´ heterogeneidade dos contatos entre as popula¸˜es humanas ıvel coe dos vetores s˜o consideradas como uma forma de reproduzir in silico os padr˜es reais a oobservados nesta epidemia. 41
  • 56. ´7. Modelo Epidemiologico 42 Figura 7.1 – Diagrama do comportamento das popula¸˜es humanas e de vetores. co7.1 Modelos7.1.1 Modelo Homogˆneo eaaaNo caso espec´ ıfico da Dengue, o modelo determin´ ıstico mais adequado ´ o SEIR. A su- eposi¸˜o b´sica deste tipo de modelo ´ que um indiv´ ca a e ıduo pode passar sucessivamente porest´gios de suscetibilidade (S), infectado e em incuba¸˜o (E), infectado e manifestando sin- a catomas (I) e em recupera¸˜o (R). Segundo esse modelo, a popula¸˜o pode ser dividida da ca caseguinte forma: • S - representa a categoria dos suscept´ ıveis, ou seja, dos indiv´ ıduos (ou agentes) que n˜o a est˜o infectados, mas podem ser infectados; a • E - representa a categoria dos assintom´ticos, ou seja, dos indiv´ a ıduos (ou agentes) j´ a infectados, mas que ainda n˜o manifestaram a doen¸a e que j´ s˜o capazes de transmitir a c a a a doen¸a aos suscept´ c ıveis; • I - representa a categoria dos infectados, ou seja, daqueles indiv´ ıduos que s˜o capazes a de transmitir a doen¸a aos suscept´ c ıveis; • R - representa a categoria dos recuperados (ou removidos/imunes), ou seja, daqueles que j´ foram infectados pela doen¸a e morreram (ou se isolaram) ou ficaram permanen- a c temente imunes ` doen¸a. a c Contudo, ao envolver o vetor e seu respectivo ciclo de vida, o ciclo completo da Denguepode ser modelado, conforme a figura 7.1:
  • 57. ´7. Modelo Epidemiologico 43 Para elaborar o modelo epidemiol´gico, assume-se a mistura homogˆnea entre as pop- o eula¸˜es de hospedeiros e vetores no interior de um mesmo agregado espacial, enquanto a coheterogeneidade dos contatos ´ considerada entre os diferentes agregados. e No modelo heterogˆneo, assume-se que a heterogeneidade dos contatos surge a partir eda estrutura das popula¸˜es de vetores e hospedeiros em diferentes agregados especiais. A cohip´tese de mistura homogˆnea ´ adotada no estudo da dinˆmica interna a cada um dos o e e av´rios agregados espaciais. Al´m disso, os contatos entre os diferentes agregados espaciais a es˜o simulados considerando que os humanos permutam entre os diferentes agregados especiais, aenquanto os vetores est˜o restritos ao seu agregado espacial. a Este tipo de heterogeneidade pode ser caracterizado por um unico parˆmetro pi, que ´ a ´ a eprobabilidade di´ria com que cada hospedeiro (ou humano) visita um outro agregado espacial, aescolhido aleatoriamente e, em seguida, regresse ao seu agregado de origem. A popula¸˜o de caum agregado espacial podem assim ser infectada de duas formas: • pela visita de um hospedeiro infectado; ou • atrav´s da infec¸˜o de um hospedeiro suscept´ e ca ıvel, quando este visita um agregado es- pecial onde a doen¸a ocorre com alta incidˆncia. c e Sejam ent˜o Nh e Nv os tamanhos das popula¸˜es de humanos e vectores respectiva- a comente. Neste modelo, a morte dos hospedeiros, e os processos de migra¸˜o social n˜o s˜o ca a aconsiderados. Os vetores s˜o representados por um modelo SEI modificado, onde o tamanho da pop- aula¸˜o Nv , ´ formada por vetores suscept´ ca e ıveis Sv , em est´gio de incuba¸˜o Ev , e j´ infectados a ca aIv . O modelo sup˜em uma mistura homogˆnea (dentro de um mesmo agregado), das pop- o eula¸˜es humanas e de mosquitos de forma que todos os humanos (naquele agregado) apresen- cotam a mesma probabilidade de ser picado. Assim o termo bSv , representa a m´dia de picadas eque um vetor suscept´ ıvel pode realizar, phv representa a probabilidade m´dia de um vetor esuscept´ ser infectado por um humano j´ infectado, a taxa de exposi¸˜o dos vetores µEv ıvel a cadada por: phv Ih bSv µEv = . (7.1) Nh Admitindo um comportamento homogˆneo para todos os mosquitos, independente de eestarem infectados ou n˜o, este modelo assume que a taxa de picadas promovidas por vetores ainfectados bIv , ´ igual ` taxa apresentada pelos mosquitos suscept´ e a ıveis bSv . Denotando a probabilidade m´dia de transmiss˜o da doen¸a de um vetor contaminado e a cpara um humano susceptivel como pvh , e sendo Iv o n´mero de vetores infectados, a taxa de uexposi¸˜o dos humanos µEh , ´ dada por: ca e pvh Iv bIv µEh = . (7.2) Nh Assim:
  • 58. ´7. Modelo Epidemiologico 44 • A taxa de contato dos humanos com os vetores ´ dada por: e chv = phv bSv (7.3) • A taxa de contato dos vetores com os humanos ´ dada por: e cvh = pvh bIv (7.4) Outros parˆmetros, adotados neste modelo, s˜o dados na tabela 7.1. a a Ator Parˆmetro a Nota¸˜o ca Valores na Literatura Valores em Simula¸˜es co Raz˜o Pupas / Humanos a k 0,3 - 10 0,3 - 10 Taxa de oviposi¸˜o ca 0,3 0,3 N´mero de Ovos por Fˆmea u e 60 - 80 70 Taxa de inviabilidade 0,29 natural dos ovos Vetor Per´ıodo de Incuba¸˜o [dias] ca t(Ev ) 4 - 12 4 Taxa de transforma¸˜o de ca 0,7 ovos em larvas Taxa de transforma¸˜o das ca 0,9 larvas em adultos Mortalidade di´ria a µDv 0,1 - 0,9 0,1 Taxa de Contato Efetivo chv 0,4 - 0,9 0,4 - (1/Ih ) com humanos infectados Probab. de Transmiss˜o a pvh 0,75 0,75 do vetor para humanos Per´ıodo de vida [dias] 1/mv 4 4 Pop. RMRJ [IBGE (2007)] Nh 11.571.617 11.571.617 0 0 Taxa Pop. em Ih Ih 10% 0,1 Humanos Per´ıodo de Incuba¸˜o [dias] ca t(Eh ) 5 5 Per´ıodo de Infec¸˜o [dias] ca t(Ih ) 4 4 Taxa de Contato Efetivo cvh 0,4 - 0,9 0,8 com vetores infectados Probab. de Transmiss˜o a phv 0,75 0,75 de humanos para vetor Per´ıodo de vida [dias] 1/mh 25.000 25.000 Tabela 7.1 – Sum´rio dos parˆmeteros do modelo com as respectivas nota¸˜es, as faixas de a a co valores identificadas na literatura [Luz et al. (2003)]. Neste trabalho, o municipio do Rio de Janeiro foi estudado considerando os seus 158bairros1 constitu´ ıntes, conforme representado na figura 7.2, o qual mostra a popula¸˜o de cacada um destes bairros para o ano 2000, segundo a pr´pria prefeitura municipal do Rio de oJaneiro. Nenhuma das fontes consultadas at´ a presente data informou que o perfil2 de edistribui¸˜o espacial da popula¸˜o, neste munic´ ca ca ıpio, tenha mudado daquele per´ ıodo at´ a epresente data. 1 Fonte - <http://www.armazemdedados.rio.rj.gov.br> [acessado em 28/05/2008] 2 Aqui o termo Perfil refere-se ` propor¸ao da popula¸ao total de cada um dos bairros em rela¸ao ` a c˜ c˜ c˜ apopula¸ao total do munic´ c˜ ıpio
  • 59. ´7. Modelo Epidemiologico 45 Figura 7.2 – Mapa da distribui¸˜o da densidade populacional no Munic´ ca ıpio do Rio de Janeiro em 2000. Fonte - <http://www.armazemdedados.rio.rj.gov.br> [acessado em 28/05/2008]. Contudo, ´ razo´vel supor que a popula¸˜o tenha mantido a tendˆncia de crescimento, e a ca e e a ıveis no DATASUS3 ,que vinha mentendo at´ ent˜o. Desta forma, com base nos dados dispon´a popula¸˜o do munic´ ca ıpio para o ano de 2008 foi estimada, segundo um modelo de tendˆncia elinear, tendo como referˆncia a taxa de crescimento populacional apresentada no per´ e ıodo de1999 a 2005, conforme mostra a figura 7.3. Com base neste modelo, a popula¸˜o total do municipio do Rio de Janeiro foi estimada caem ≈ 6.200.000 habitantes, distribuidos em 158 bairros4 , conforme representado na figura 7.2.Utilizando uma distribui¸˜o equiprov´vel, as popula¸˜es de cada um dos 158 bairros estu- ca a codados foram estimadas aleatoriamente at´ que a popula¸˜o total do munic´ e ca ıpio atingisse ovalor apresentado em 2000. A inten¸˜o deste exerc´ ´ fazer uma distribui¸˜o espacial da ca ıcio e capopula¸˜o total sem incorrer em nenhum erro de tendˆncia. Partido das popula¸˜es esti- ca e comadas para o ano 2000, fez-se a proje¸˜o destas para 2008, de forma que a popula¸˜o total ca cado munic´ ıpio totalizasse a popula¸˜o estimada para este ano. ca Como dito anteriormente, sup˜em se neste modelo que a popula¸˜o de cada um dos bairros o caesteja homogeneamente distribu´ por toda a sua ´rea. ıda a Neste modelo, a ´rea total do munic´ a ıpio do Rio de Janeiro foi dividida em ´reas menores a 3 Fonte - <http://tabnet.datasus.gov.br> [acessado em 28/05/2008] 4 Fonte - <http://www.armazemdedados.rio.rj.gov.br> [acessado em 28/05/2008]
  • 60. ´7. Modelo Epidemiologico 46 Figura 7.3 – A popula¸˜o do Munic´ ca ıpio do Rio de Janeiro em 2008 foi estimada em 6,2 milh˜es o de pessoas. Esta estimativa ´ feita a partir dos dados do per´ e ıodo de 1999 a 2005, e em um modelo de crescimento linear onde: Popula¸˜o = 0,048 * Ano + 90,17, com r2 = 0, 98. Fonte - ca <http://tabnet.datasus.gov.br> [acessado em 28/05/2008]de 425m por 114m ou seja 48km2 , as quais apresentam probabilidade de contatos entre atoresem um mesmo agregado espacialigual a (p=0,05), maior que a probabilidade de contato entreatores de agregados espaciais diferentes (p = 0,005).7.2 Fatores Clim´ticos aaaaNeste modelo, s˜o consideradas as influˆncias dos fatores clim´ticos (temperatura e plu- a e aviosidade) sobre o comportamento do Aedes aegypti em cada uma das etapas de seu ciclobiol´gico. Os parˆmetros aqui adotados, s˜o aqueles apresentados na figura 7.4 e na figura 7.5. o a a Observa-se na figura 7.5 que a temperatura, nas regi˜es de clima tropical, praticamente on˜o afetam a sobrevivˆncia do A. aegypti, seja qual for o est´gio de desenvolvimento em que a e aele se encontre. Alguns autores afirmam que a pluviosidade ´ o fator clim´tico que mais afeta o A. aegypti e aem qualquer uma de suas fases [Freitas et al. (2007)]. Segundo estes, as condi¸˜es clim´ticas co adurante os per´ ıodos umidos e quentes s˜o, possivelmente, menos favor´veis aos mosquitos ´ a aadultos. Ao seu turno, estas mesmas condi¸˜es mostrar-se-iam favor´veis ao desenvolvimento co ados ovos, larvas e pupas, enquanto os per´ ıodos secos seriam danosos `s larvas e pupas, j´ a aque os ovos ao se dessecarem podem se manter vi´veis por mais de um ano. Entretanto, aestas afirma¸˜es carecem de dados que quantifiquem estes comportamentos. Na ausˆncia de co etais dados num´ricos, o modelo desenvolvido neste trabalho ir´ computar somente a m´dia e a epluviom´trica dos ultimos 30 dias, para verificar a viabilidade dos ovos, larvas e pupas. Os e ´
  • 61. ´7. Modelo Epidemiologico 47 Figura 7.4 – M´dia das Temperaturas, Precipita¸˜o e Horas de Luminosidade para a cidade do e ca Rio de Janeiro. Figura 7.5 – Taxa de sobrevivˆncia do mosquito Aedes aegypti, em suas diferentes fases de vida e em fun¸˜o da temperatura [Hopp e Foley (2001)]. ca
  • 62. ´7. Modelo Epidemiologico 48demais fenˆmenos que porventura pudessem ocorrer, em decorrˆncia do regime de chuvas, o edevem ser o alvo de futuros trabalhos.7.3 Fatores Socioeconˆmicos oaaaNa literatura analisada, o ´ Indice de Desenvolvimento Social- IDS, tanto quanto o ´ Indice deDesenvolvimento Humano - IDH, tˆm sido usados como m´trica para avaliar as poss´ e e ıveis cor-rela¸˜es entre as ´reas de risco de ocorrˆncia de dengue e a qualidade de vida das popula¸˜es co a e coque ali habitam. O IDS foi inspirado no conhecido ´ Indice de Desenvolvimento Humano - IDH, calculadopela ONU (PNUD) para in´meros pa´ u ıses do mundo que, por sua vez tem servido de basepara a constru¸˜o de uma s´rie de outros ´ ca e ındices compostos. Sua finalidade ´ medir o grau de edesenvolvimento social de uma determinada ´rea geogr´fica em compara¸˜o com outras de a a camesma natureza. Como qualquer ´ ındice sint´tico do tipo, o IDS combina, de uma determinada eforma, algumas vari´veis que melhor caracterizem diversas facetas do fenˆmeno em estudo. a oA escolha das vari´veis, tarefa presidida por uma an´lise te´rico-conceitual decorre da sua a a opertinˆncia ao tema, mas tamb´m da sua disponibilidade e da sua “qualidade estat´ e e ıstica”.Um grande n´mero de vari´veis compondo o ´ u a ındice n˜o ´, necessariamente, um atestado de a evalor, at´ porque algumas podem estar expressando os mesmo conte´dos, criando nada mais e udo que uma redundˆncia estat´ a ıstica. Ainda com rela¸˜o aos ´ ca ındices sociais, existe o consenso entre diferentes autores de queos baixos rendimentos familiares, a alta densidade populacional e uma grande popula¸˜o de cacrian¸as e mulheres idosas s˜o fatores que melhor associam o risco de ocorrˆncia de dengue c a ecom uma certa ´rea geogr´fica. a a Da an´lise do IDS por bairro, apresentado pela prefeitura do Rio de Janeiro5 , vˆ-se que a ecertos ´ ındices n˜o refletem, ao nosso ver, a realidade das comunidades onde os epis´dios de a odengue tiveram lugar no ano de 2008. Assim, neste modelo, optou-se por adotar o padr˜o de aocupa¸˜o do solo como m´trica para estimar os riscos de ocorrˆncia de dengue nos diferentes ca e ebairros desta cidade. Partindo das informa¸˜es sobre o padr˜o de ocupa¸˜o do solo, disponi- co a cabilizadas pela prefeitura do Rio de Janeiro, foi feita uma an´lise de correla¸˜o estat´ a ca ıstica comos casos de dengue notificados em cada uma destas ´reas. Cabe ressaltar que, o fenˆmeno a oda sub-notifica¸˜o dos casos ´ freq¨ente, principalmente entre a popula¸˜o economicamente ca e u caativa, visto que estes indiv´ ıduos costumam continuar trabalhando, mesmo quando acometi-dos pela doen¸a, que em muitos casos apresenta sintomas inespec´ c ıficos sendo confundida, porestes, com uma forte gripe. 5 Fonte - < http://www.armazemdedados.rio.rj.gov.br/arquivos/1194 percentual de ´rea territorial do azoneamento urbano conforme a legisla¸ao urbana.XLS > [acessado em 28/05/2008] c˜
  • 63. Parte IV ˜RESULTADOS E CONCLUSOES 49
  • 64. Cap´ ıtulo 8Resultados e Discuss˜es oaaaOs resultados derivados das simula¸˜es realizadas pelo modelo, s˜o apresentados nos ma- co apas seguintes. Os mapas da figura 8.1e da figura 8.2, mostram, respectivamente os casosrelatados pela vigilˆncia sanit´ria do Rio de Janeiro, para o mˆs de janeiro, e os resulta- a a edos gerados pelo modelo computacional. Comparando os dois cen´rios, observa-se algumas adiferen¸as entre o notificado e o simulado. Contudo, as regi˜es de maior incidˆncia n˜o c o e adiferem muito, indicando que as condi¸˜es assumidas no modelo, explicam razoavelmente os coprimeiros momentos da epidemia. Observa-se que o uso do ´ Indice de Desenvolvimento Social- IDS, como indicador de risco epidemiol´gico mostra-se adequado, quando conjugado com ooutros parˆmetros, como quantidade de larvas por habitante. a J´ os mapas das figuras 8.3 e 8.4, mostram, respectivamente os casos notificados no Rio a Figura 8.1 – Incidˆncia de Dengue, em janeiro 2008, no munic´ e ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). 50
  • 65. ˜8. Resultados e Discussoes 51 Figura 8.2 – Simula¸˜o da Incidˆncia de Dengue, em janeiro 2008, no munic´ ca e ıpio do Rio de Janeiro.de Janeiro, para o mˆs de fevereiro, e os resultados gerados pelo modelo computacional para eo mesmo per´ ıodo. Novamente, da compara¸˜o dos dois cen´rios, observa-se que as diferen¸as ca a centre o que foi notificado e os resultados da simula¸˜o s˜o mais acentuadas. Mesmo que as ca aregi˜es de maior incidˆncia continuem n˜o diferenciando muito, o modelo sugere que outras o e aregi˜es estariam apresentando um maior n´mero de casos, que aqueles notificados. o u Uma explica¸˜o poss´ para estas diferen¸as pode ser o fato da popula¸˜o ter tomado ca ıvel c caprovidencias para eliminar os criat´rios de mosquitos, ` medida que a epidemia come¸ou a o a ctomar porte. Tal cen´rio, n˜o havia sido contemplado pelo modelo, que sup˜e que a popula¸˜o a a o case manter´ passiva diante dos eventos. a Outra possibilidade, ´ a sub-notifica¸˜o dos casos iniciais, os quais podem ser confundidos e cacom uma forte gripe. Al´m disso, sabe-se que boa parte da popula¸˜o economicamente ativa, e caopta por trabalhar adoentada, para n˜o correr o risco de perder o emprego. a Qualquer que seja a raz˜o, esta deve ser melhor explorada em outros trabalhos. a As mesmas considera¸˜es s˜o apropriadas para a interpreta¸˜o dos mapas das figuras 8.5 co a cae 8.6, e dos mapas das figuras 8.7 e 8.8. Os mapas referentes aos meses de maio e junho ( figuras 8.9, 8.10, 8.11, 8.12), mostramuma tendˆncia de regress˜o da epidemia em alguns bairros, mas ainda apresenta diferen¸as e a cpontuais, n˜o muito significativas. Os cen´rios gerados pelo modelo indicam, entretanto, que a ao n´mero de casos de dengue ainda seriam maiores do que os notificados. Ao que parece, a upopula¸˜o poderia ter optado por tratar os casos de menor gravidade em casa, ao inv´s de ca eprocurar o sistema p´blico de sa´de, que neste per´ u u ıodo encontrava-se sobrecarregado.
  • 66. ˜8. Resultados e Discussoes 52 Figura 8.3 – Incidˆncia de Dengue, em fevereiro 2008, no munic´ e ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). Figura 8.4 – Simula¸˜o da Incidˆncia de Dengue, em fevereiro 2008, no munic´ ca e ıpio do Rio de Janeiro.
  • 67. ˜8. Resultados e Discussoes 53 Figura 8.5 – Incidˆncia de Dengue, em mar¸o 2008, no munic´ e c ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). Figura 8.6 – Simula¸˜o da Incidˆncia de Dengue, em mar¸o 2008, no munic´ ca e c ıpio do Rio de Janeiro.
  • 68. ˜8. Resultados e Discussoes 54 Figura 8.7 – Incidˆncia de Dengue, em abril 2008, no munic´ e ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). Figura 8.8 – Simula¸˜o da Incidˆncia de Dengue, em abril 2008, no munic´ ca e ıpio do Rio de Janeiro.
  • 69. ˜8. Resultados e Discussoes 55 Figura 8.9 – Incidˆncia de Dengue, em maio 2008, no munic´ e ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). Figura 8.10 – Simula¸˜o da Incidˆncia de Dengue, em maio 2008, no munic´ ca e ıpio do Rio de Janeiro.
  • 70. ˜8. Resultados e Discussoes 56 Figura 8.11 – Incidˆncia de Dengue, em junho 2008, no munic´ e ıpio do Rio de Janeiro (fonte:<http://www.saude.rio.rj.gov.br/cgi/private/cgilua.exe/web/templates/htm/v2/view.htm? infoid=3915&editionsectionid=21&user=reader> Acessado em 13/06/2008). Figura 8.12 – Simula¸˜o da Incidˆncia de Dengue, em junho 2008, no munic´ ca e ıpio do Rio de Janeiro.
  • 71. ˜8. Resultados e Discussoes 57 Assim, o modelo sugere que os casos de dengue ainda estavam ocorrendo, mas em menorquantidade, no mˆs de junho. Tal comportamento era esperado, face ` redu¸˜o do ´ e a ca ındice dechuvas, que leva ` n˜o eclos˜o dos ovos nas taxas observadas nos primeiros meses do ano. a a aAgrega-se aos fatores clim´ticos intervenientes, a chegada do per´ a ıodo de ventos (a partir demar¸o, mas com predominˆncia a partir de junho) no qual os vetores ficam impossibilitados c ade voar muito al´m do seu nicho pontual. Apesar desta constata¸˜o, o modelo n˜o trabalha e ca acom o comportamento das correntes de vento, o que poderia ser uma melhoria futura.
  • 72. Cap´ ıtulo 9Conclus˜es e Perspectivas oaaaA administra¸˜o p´blica e a sociedade organizada s˜o obrigadas a encarar a tarefa de ca u atomar decis˜es relativas ` prepara¸˜o e prontid˜o para eventuais surtos de doen¸as, visando o a ca a ctanto o controle como a aniquila¸˜o do processo. A modelagem pode contribuir como um caapoio a tomada de decis˜es. Existem duas situa¸˜es distintas nas quais s˜o necess´rias o co a adecis˜es pol´ o ıticas: • Planejamento Estrat´gico de Contingˆncia - onde uma pol´ e e ıtica ´ mantida em ’tempos e de paz’, nas que detalha as estrat´gias a serem seguidas em caso de surtos futuros; e • Decis˜es T´ticas tomadas durante uma epidemia (’tempo de guerra’) - decis˜es de o a o reativas para apresentar medidas de controle em resposta ao surgimento de surtos. Um problema ´ que a distin¸˜o entre estes dois tipos de decis˜o ´ freq¨entemente nebulosa. e ca a e uQuando um surto epidˆmico imprevisto ocorre e n˜o existe uma resposta determinada pelo e aplano de contingˆncia existente, estrat´gias novas devem ser desenvolvidas com respeito ` e e adeterioriza¸˜o da situa¸˜o. ca ca Al´m disso, a falta crˆnica de um servi¸o adequado de inteligˆncia voltado para a sa´de, e o c e usignifica que sistematicamente estas novas estrat´gias provavelmente continuar˜o a serem e aelaboradas e definidas com o apoio de modelos baseados em dados incompletos, usando su-posi¸˜es simplificadas para preencher as falhas. Em suma, modelos s˜o simplesmente ferra- co amentas utilizadas para analisar os dados e estimar cen´rios, por´m a novidade que o modelo a eanal´ ıtico representa para os tomadores de decis˜es, os levam a crer de forma ingˆnua que o eestes modelos s˜o mais confi´veis do que eles devem ser de fato. Muitas vezes os limites a aentre a realidade e aquilo que se sup˜em dela, est˜o bem distantes. Para evitar esta situa¸˜o, o a ca´ necess´rio haver planos de contingˆncia mais detalhados de antem˜o; planos que cobreme a e av´rios cen´rios, inclusive cen´rios de pior caso e antecipem os crit´rios pelos quais decis˜es a a a e oser˜o feitas para ajustar e/ou definir estrat´gias diferentes. Devem ser desenvolvidos mod- a eelos com antecedˆncia, e estes devem ser usados como uma das ferramentas, de aux´ na e ıliocontingˆncia de controle de doen¸as. Estes planos devem estar sujeitos a revis˜o cient´ e c a ıficapr´pria, devem ser acordados com antecedˆncia, e tˆm que enfatizar a necessidade de a¸˜o o e e car´pida. a 58
  • 73. ˜9. Conclusoes e Perspectivas 59 Os recentes epis´dios de expans˜o de epidemias nas regi˜es urbanas decorre de fatores o a odiversos, mas principalmente devido aos deslocamentos populacionais. Atualmente, o cen´rio ademogr´fico dominante ´ a periferiza¸˜o das metr´poles e o processo de urbaniza¸˜o, na qual a e ca o catorna-se complexo o processo de controle da transmiss˜o infra-urbana de algumas epidemias ae endemias. De fato, h´ carˆncia social no atendimento ` sa´de o que exige novas estrat´gias a e a u ede controle das epidemias. No Brasil, relativamente pouco se conhece sobre a distribui¸˜o caespacial dos eventos m´rbidos. o A rela¸˜o ambiente e sa´de ´ uma das aplica¸˜es mais importantes na ´rea do geopro- ca u e co acessamento. Al´m disso, compatibilizar informa¸˜o ambiental e de sa´de quanto ` escala e e ca u atipo de dado dispon´ depende de profundo conhecimento dos v´rios lados do problema - ıvel aambiental, sanit´rio e social - integrando de fato diferentes aspectos. a Os Sistemas de informa¸˜es Geogr´ficas (SIG) na sa´de p´blica tˆm se tornado ferra- co a u u ementas de grande utilidade, pois tem uma grande capacidade de integrar diversas opera¸˜es co(captura, armazenamento, manipula¸˜o, sele¸˜o e busca de informa¸˜o, an´lise e apresenta¸˜o ca ca ca a cade dados), auxilia o processo de entendimento da ocorrˆncia de eventos, predi¸˜o, tendˆncia, e ca esimula¸˜o de situa¸˜es, planejamento e defini¸˜o de estrat´gias no campo da Vigilˆncia em ca co ca e aSa´de. u Al´m da aplica¸˜o dos conceitos de geoprocessamento, outra ferramenta importante ´ e ca eo uso de modelos de simula¸˜es discretas no tempo, espa¸o e no espa¸o dos processos epi- co c cdemiol´gicos. A id´ia destes modelos consiste em considerar cada regi˜o do dom´ o e a ınio espacialcomo sendo uma c´lula, que influencia e ´ influenciada pelas c´lulas vizinhas. O estado de e e ecada c´lula ´ modificado de acordo com seu estado e dos seus vizinhos na etapa de tempo an- e eterior, atrav´s de uma s´rie de regras simples que tentam imitar as leis biol´gicas (ou f´ e e o ısicas)que regem o sistema. Dentro da linha de pesquisa de cria¸˜o de modelos epidemiol´gicos, neste trabalho foi ca oestudado o fenˆmeno epidemiol´gico da Dengue no munic´ o o ıpio do Rio de Janeiro no anode 2008. Os resultados apresentados neste trabalho mostraram uma boa proximidade comaqueles que foram observados na epidemia de Dengue ocorrido no Rio nesse ano. Apesar de algumas discrepˆncias entre os fatos observados e os cen´rios apresentados pelo a amodelo, tais diferen¸as podem ser explicadas por condicionantes bem conhecidos, principal- cmente devido ` sub-notifica¸˜o dos casos, por raz˜es j´ apresentadas. Contudo, tais achados a ca o amostram a boa aderˆncia aos fatos observados, o que sugere que os parˆmetros do modelo e as˜o razo´veis. Cabe ressaltar que muito ainda se faz necess´rio para que o modelo possa a a aser aprimorado. Relativamente pouco se conhece ainda da biologia do vetor do Dengue, dopadr˜o de mobilidade social que contribui para o alastramento da doen¸a, os parˆmetros de a c aocupa¸˜o do solo, e fatores clim´ticos como o sistema de correntes de vento na regi˜o e as ca a ainfluˆncias dos fatores clim´ticos no processo epidemiol´gico. e a o Entretanto, ressalta-se que o uso de modelos abre oportunidades para que estes possamser aplicados para estimar futuros eventos epidemiol´gicos poss´ o ıveis de acontecer em outrasa´reas geogr´ficas de risco, estimando os impactos sociais e sugerindo a¸˜es preventivas em a cosa´de p´blica. Nesta perspectiva s˜o apresentados os crit´rios de sele¸˜o de vari´veis s´cio- u u a e ca a o
  • 74. ˜9. Conclusoes e Perspectivas 60econˆmicas, as etapas metodol´gicas na constru¸˜o do indicador composto e a estratifica¸˜o o o ca caespacial das situa¸˜es de risco, o que dever´ possibilitar o planejamento de interven¸˜es e co a comonitoramentos seletivos. O uso de modelos associados `s ferramentas de geoprocessamento constitui uma t´cnica, a eque na ´rea da sa´de p´blica, auxilia na estimativa e na visualiza¸˜o de eventos de sa´de. a u u ca uAcreditamos que este trabalho tenha contribu´ para a constru¸˜o de modelos mais realistas ıdo cae de maior utilidade para sugerir medidas que possam ser tomadas para estancar ou amenizaroutros surto da doen¸a. c O modelo apresentado n˜o fica somente restrito a um determinado tipo de doen¸a, po- a cdendo ser utilizado para simular ocorrˆncias de outros tipos de doen¸as em uma determinada e ca´rea geogr´fica. O mesmo serve como base para o entendimento de modelos computacional- aepidemiol´gicos que possam auxiliar na ´rea da sa´de p´blica. o a u u
  • 75. Referˆncias Bibliogr´ficas e aAndrade, E. X. d.; Sampaio, R. e Silva, G. N. (2006). Notas em matem´tica aplicada. Anals a do XXIX CNMAC - Congresso Nacional Sociedade Brasileira de Matem´tica Aplicada e a Computacional.Barreto, F. (2004). Padr˜o de Difus˜o da Primeira Epidemia de dengue de Salvador. PhD a a thesis, UFBA.Czeresnia, D. (1997). Do cont´gio ` transmiss˜o: ciˆncia e cultura na gˆnese do conhecimento. a a a e e Fiocruz.da Sa´de. Secretaria de Vigilˆncia em Sa´de, M. (2007). Situa¸˜o epidemiol´gica do dengue u a u ca o em 2007.Freitas, R. M. d.; Code¸o, C. T. e de Oliveira, R. L. (2007). Daily survival rates and dispersal c of aedes aegypti females in rio de janeiro, brazil. Am. J. Trop. Med. Hyg., 76(4):659–665.Freitas, R. M.-d.; RB, N.; JM, G.; CT, C. e de Oliveira R, L. (2006). Movement of dengue vectors between the human modified environment and an urban forest in rio de janeiro. Journal of Medical Entomology, 43:1112–1120.FUNASA, F. N. d. S. (2004). Dengue. Technical report, FUNASA, Funda¸˜o Nacional de ca Sa´de. uGagliardi, H. F. e Alves, D. (2005). Redes complexas e modelagem de epidemias. XXVIII Congresso Nacional de Matem´tica Aplicada e Computacional. aGalvez-Contreras, M.; E, C.; F, J.-O.; R, J.-J.; A, V. C. e Garcia-Juarez R, Pasquau-Liano J, P.-C. S. H.-B. J. G.-R. V. (2000). Epidemiological and clinical changes in the hiv/aids epidemic in the south of spain, 1992-1999. In Proceedings of Int Conf AIDS, volume 13.Goh, K. (1995). Changing epidemiology of dengue in singapore. Lancet, 346:1098.Gubler, D. J. (1997). Dengue and dengue hemorragic fever, chapter Dengue and dengue hemoragic fever: its history and resurgence as a global health problem., pp. 1–22. CAB International.Gubler, D. J. (2002). Epidemic dengue/dengue hemorrhagic fever as a public health, social and economic problem in the 21st century. Trends in Microbiology, 10:100–103. 61
  • 76. ˆ ´Referencias Bibliograficas 62Hales, S.; de Wet, N.; Maindonald, J. e Woodward, A. (2002). Potential effect of population and climate changes on global distribution of dengue fever: an empirical model. Lancet, 360:830–834.Holmes, E. C. e Burch, S. S. (2000). The causes and consequences of genetic variation in dengue virus. Trends in Microbiology, 8(2):74–77.Hopp, M. J. e Foley, J. A. (2001). Global-scale relationships between climate and the dengue fever vector, aedes aegypti. Climatic Change, 48:441–463.IBGE (2007). Contagem da popula¸˜o 2007 e estimativas da popula¸˜o 2007. Technical ca ca report, IBGE.Lenzi, M.; Camillo-Coura, L. e Grault, C. (2000). Estudo do dengue em ´rea urbana favelizada a do rio de janeiro: considera¸˜es iniciais. Cad. Sa´de P´blica, 3:851–856. co u uLuz, P. M.; Code¸o, C. T.; Massad, E. e Struchiner, C. J. (2003). Uncertainties regarding c dengue modeling in rio de janeiro,brazil. Mem Inst Oswaldo Cruz, 98(7):871–878.Marquardt, W. e Beaty, B. (1996). The Biology of Disease Vectors. University Press of Colorado.Munoz, Y. J. (2004). Estudo da dinˆmica da violˆncia social atrav´s de um modelo de a e e autˆmatos celulares. pp. 14–16. oOMS, O. M. d. S. (2008). Dengue. Technical report, OMS, Organiza¸˜o Mundial de Sa´de. ca uPatz, J. A. e Reisen, W. K. (2001). Immunology, climate change and vector-borne diseases. Trends in Immunology, 22(4):171–172.Reiter, P. (2007). Oviposition, dispersal, and survival in aedes aegypti: implications for the efficacy of control strategies. Vector-Borne and Zoonotic Diseases, 7(2):261–274.Sasso, J. B.; Chimara, H. D. B. e Monteiro, L. H. A. (2004). Epidemias e modelos epi- demiol´gicos baseados em autˆmatos celulares: uma breve revis˜o. Cadernos de P´s- o o a o Gradua¸ao em Engenharia El´trica Universidade Makensie. c˜ eSchrag, S. J. e Wiener, P. (1995). Emerging infectious disease: what are the relative roles of ecology and evolution. Trends in Ecology and Evolution, 10:319–324.Sousa, S. A. (2002). Autˆmatos celulares. p. 96. oTauil, P. (2002). Aspectos cr´ ıticos do controle do dengue no brasil. Cad. Sa´de P´blica, u u 3:867–871.Teixeira, M.; Barreto, M. e Guerra, Z. (1999). Epidemiologia e medidas de preven¸˜o do ca dengue. Informe Epidemiol´gico do SUS, 8:5–33. o
  • 77. ˆ ´Referencias Bibliograficas 63Wilcox, B. A. e Colwell, R. R. (2005). Emerging and reemerging infectious diseases: Bio- complexity as an interdisciplinary paradigm. EcoHealth, 2(4):244–257.Wolfram, S. (1994). Cellular Automata and Complexity. Perseus Books.

×