Submitted by Maria Creuza Silva (mariakreuza@yahoo.com.br) on 2014-10-06T20:33:35Z No. of bitstreams: 1 DISSERTAÇÃO MARIANA KIKUTI. 2014.pdf: 727085 bytes, checksum: 148b62bb5cc9bd6758d68af2f4c8c5b2 (MD5) / Approved for entry into archive by Maria Creuza Silva (mariakreuza@yahoo.com.br) on 2014-10-13T18:13:02Z (GMT) No. of bitstreams: 1 DISSERTAÇÃO MARIANA KIKUTI. 2014.pdf: 727085 bytes, checksum: 148b62bb5cc9bd6758d68af2f4c8c5b2 (MD5) / Made available in DSpace on 2014-10-13T18:13:02Z (GMT). No. of bitstreams: 1 DISSERTAÇÃO MARIANA KIKUTI. 2014.pdf: 727085 bytes, checksum: 148b62bb5cc9bd6758d68af2f4c8c5b2 (MD5) / Introdução: A dengue é um problema de saúde pública de difícil controle em virtude de uma complexa cadeia de determinação. A identificação de características em agregados espaciais que atuem na determinação do risco de dengue pode ser útil para guiar estratégias populacionais de prevenção e controle. Objetivos: Este trabalho visou investigar se existem áreas de maior risco para detecção de dengue em uma comunidade urbana pobre de Salvador/BA e se fatores ambientais, demográficos e socioeconômicos em agregados espaciais podem explicar eventuais diferenças espaciais encontradas. De modo a determinar se as características contextuais eram específicas à detecção de dengue, foi investigado se os mesmos fatores estavam associados à detecção de casos de doença febril aguda (DFA) não dengue. Metodologia: O risco de detecção de dengue nos setores censitários (SC) que compõem a área de estudo foi obtido por uma vigilância aprimorada, de base populacional, para atendimento de emergência para DFA em 2009 e 2010. Os casos de dengue foram confirmados por ELISA-NS1, ELISA-IgM ou RT-PCR. Dados contextuais agregados ao nível de SC foram obtidos do censo nacional de 2010. Análises univariadas, multivariadas e espaciais foram realizadas utilizando modelos Poisson log-normal e condicional auto-regressivo para verificar associações entre o risco de detecção de dengue e risco de detecção de DFA não dengue com as características dos SC, bem como sua distribuição espacial. Resultados: A região central da área de estudo apresentou maior risco de detecção de dengue e de DFA não dengue, mesmo após o ajuste com os modelos. As caraterísticas contextuais associadas à detecção de dengue foram baixa renda (RR=1,02) e menor distância do SC à unidade de saúde (RR=0,86), que também foram associadas à detecção de DFA não dengue. A inclusão do termo espacial não alterou a magnitude das associações e o DIC dos modelos multivariados para detecção de dengue e de DFA não dengue. Conclusão: Mesmo em uma pequena comunidade urbana é possível identificar áreas de maior risco para detecção de dengue, associadas a setores censitários mais pobres e mais próximos à unidade de saúde. Entretando, os determinantes de risco para detecção de dengue (renda e probabilidade de detecção avaliada pela distância à unidade de saúde) não diferem daqueles que determinam a detecção de DFA não dengue. O uso da distância do centroide dos setores censitários às unidades mais próximas ao SC são alternativas viáveis de proxy de acesso ao sistema de saúde que pode ajudar a explicar a estrutura espacial da distribuição de agravos à saúde. / Introduction: Dengue constitutes an important public health issue with difficult control measures due to a complex determination process. The identification of group-level characteristics that participates in dengue determination can be useful in guiding population strategies for prevention and control of dengue. Aims: This study aimed to identify the risk istribution of dengue detection in a slum urban community in Salvador/Brazil and if environmental, demographic and socioeconomic factors can explain this risk distribution. In order to determine whether group-level characteristics were specific for dengue detection, we investigated whether the same factors were associated with non-dengue acute febrile illness (AFI) detection. Methods: The risk of dengue detection in the census tracts (CT) in the studied area was obtained by an improved population-based surveillance for emergency care for AFI in 2009 and 2010. Dengue cases were confirmed by ELISA-NS1, ELISA-IgM or RT-PCR. Aggregated CT contextual data were obtained from the national census of 2010. Univariate, multivariate and spatial analyzes were performed using Poisson lognormal and conditional autoregressive models to examine associations between the risk of dengue detection and the risk of non-dengue AFI detection with CT characteristics, as well as their spatial distribution. Results: The central region of the studied area showed a higher risk of dengue detection and non-dengue AFI detection, even after the adjustments with the models. Contextual characteristics were associated with dengue detection, such as low family income (RR=1,02) and smaller distance from the CT to the health facility (RR=0,86). These variables were also associated with non-dengue AFI detection. Conclusion: Even in a small urban community is possible to identify areas with highest risk for dengue detection dengue associated with poorer and closer to the health unit census tracts. The determinants of risk for dengue detection (income and probability of detection evaluated by the distance to the health facility) did not differ from those that determine non dengue AFI detection. The use of the distance from the centroid of the census tracts to the closest health facility is a viable alternative as proxy for access to the health system that can help explain the spatial structure of health issues distribution.