Resumo: A vigilância sentinela de síndrome gripal atua no Brasil identificando os vírus respiratórios de importância para a saúde pública circulantes no país, e começou a ser implementada em 2000. Recentemente, a pandemia de COVID-19 reforçou a importância da detecção precoce de novos vírus em circulação no território brasileiro. Assim, se faz oportuna uma análise do desenho da vigilância sentinela de síndrome gripal. Para tal, simulamos uma rede sentinela, identificando os municípios que fariam parte da rede segundo os critérios definidos no desenho da vigilância sentinela de síndrome gripal, e, a partir dos dados de casos testados de síndrome respiratória aguda grave (SRAG) de 2014 a 2019, sorteamos amostras para cada município sentinela por semana epidemiológica. O sorteio foi repetido mil vezes, obtendo-se a mediana e intervalo quantílico de 95% (IQ95%) da positividade para cada vírus por Unidade Federativa e semana epidemiológica. Segundo os critérios do desenho da vigilância sentinela de síndrome gripal, unidades sentinelas estariam em 64 municípios, distribuídas principalmente em capitais e suas zonas metropolitanas, o que preconizou 690 amostras semanais. O desenho apresentou boa sensibilidade (total de 91,65%, considerando o IQ95%) para a detecção qualitativa dos vírus respiratórios, mesmo os de baixa circulação. Porém, houve importante incerteza na estimativa quantitativa de positividade, chegando a, pelo menos, 20% em 11,34% das estimativas. Os resultados aqui apresentados visam auxiliar a avaliação e a atualização do desenho da rede sentinela. Estratégias para reduzir a incerteza nas estimativas de positividade precisam ser avaliadas, assim como a necessidade de maior cobertura espacial.

Abstract: The influenza-like illness (ILI) sentinel surveillance operates in Brazil to identify respiratory viruses of public health relevance circulating in the country and was first implemented in 2000. Recently, the COVID-19 pandemic reinforced the importance of early detection of the circulation of new viruses in Brazil. Therefore, an analysis of the design of the ILI sentinel surveillance is timely. To this end, we simulated a sentinel surveillance network, identifying the municipalities that would be part of the network according to the criteria defined in the design of the ILI sentinel surveillance and, based on data from tested cases of severe acute respiratory illness (SARI) from 2014 to 2019, we drew samples for each sentinel municipality per epidemiological week. The draw was performed 1,000 times, obtaining the median and 95% quantile interval (95%QI) of virus positivity by Federative Unit and epidemiological week. According to the ILI sentinel surveillance design criteria, sentinel units would be in 64 municipalities, distributed mainly in capitals and their metropolitan areas, recommending 690 weekly samples. The design showed good sensitivity (91.65% considering the 95%QI) for qualitatively detecting respiratory viruses, even those with low circulation. However, there was important uncertainty in the quantitative estimate of positivity, reaching at least 20% in 11.34% of estimates. The results presented here aim to assist in evaluating and updating the ILI sentinel surveillance design. Strategies to reduce uncertainty in positivity estimates need to be evaluated, as does the need for greater spatial coverage.

Resumen: La vigilancia centinela de la enfermedad tipo infuenza (ETI) funciona en Brasil para identificar los virus respiratorios de importancia para la salud pública que circulan en el país y comenzó a ser implementada en 2000. Recientemente, la pandemia de COVID-19 ha reforzado la importancia de la detección temprana de la circulación de nuevos virus en el territorio brasileño. Así, se hace oportuno un análisis del diseño de la vigilancia centinela de la ETI. Para ello, simulamos una red centinela identificando los municipios que formarían parte de la red según los criterios definidos en el diseño de la vigilancia centinela de la ETI y, a partir de los datos de casos testados de infección respiratoria aguda grave (IRAG) de 2014 a 2019, se extrajeron muestras para cada municipio centinela por semana epidemiológica. El sorteo se repitió 1.000 veces y se obtuvo la mediana y el intervalo cuantílico del 95% (IC95%) de la positividad por virus, por Unidad Federativa y semana epidemiológica. Según los criterios del diseño de la vigilancia centinela de la ETI, unidades centinelas estarían en 64 municipios, distribuidas principalmente en capitales y zonas metropolitanas de las capitales, preconizando 690 muestras semanales. El diseño presentó una buena sensibilidad (total de 91,65% considerando el IC95%) para la detección cualitativa de los virus respiratorios, incluso los de baja circulación. Sin embargo, hubo una importante incertidumbre en la estimación cuantitativa de la positividad, alcanzando al menos el 20% en el 11,34% de las estimaciones. Los resultados presentados aquí tienen como objetivo ayudar en la evaluación y actualización del diseño de la red centinela. Es necesario evaluar las estrategias para reducir la incertidumbre en las estimaciones de positividad, al igual que la necesidad de una mayor cobertura espacial.

Abstract: Severe acute respiratory infection (SARI) outbreaks occur annually, with seasonal peaks varying among geographic regions. Case notification is important to prepare healthcare networks for patient attendance and hospitalization. Thus, health managers need adequate resource planning tools for SARI seasons. This study aims to predict SARI outbreaks based on models generated with machine learning using SARI hospitalization notification data. In this study, data from the reporting of SARI hospitalization cases in Brazil from 2013 to 2020 were used, excluding SARI cases caused by COVID-19. These data were prepared to feed a neural network configured to generate predictive models for time series. The neural network was implemented with a pipeline tool. Models were generated for the five Brazilian regions and validated for different years of SARI outbreaks. By using neural networks, it was possible to generate predictive models for SARI peaks, volume of cases per season, and for the beginning of the pre-epidemic period, with good weekly incidence correlation (R2 = 0.97; 95%CI: 0.95-0.98, for the 2019 season in the Southeastern Brazil). The predictive models achieved a good prediction of the volume of reported cases of SARI; accordingly, 9,936 cases were observed in 2019 in Southern Brazil, and the prediction made by the models showed a median of 9,405 (95%CI: 9,105-9,738). The identification of the period of occurrence of a SARI outbreak is possible using predictive models generated with neural networks and algorithms that employ time series.

Resumen: Brotes de síndrome respiratorio agudo grave (SRAG) ocurren todos los años, con picos estacionales que varían entre regiones geográficas. La notificación de los casos es importante para preparar las redes de atención a la salud para el cuidado y hospitalización de los pacientes. Por lo tanto, los gestores de salud deben tener herramientas adecuadas de planificación de recursos para las temporadas de SRAG. Este estudio tiene el objetivo de predecir brotes de SRAG con base en modelos generados con aprendizaje automático utilizando datos de hospitalización por SRAG. Se incluyeron datos sobre casos de hospitalización por SRAG en Brasil desde 2013 hasta 2020, salvo los casos causados por la COVID-19. Se prepararon estos datos para alimentar una red neural configurada para generar modelos predictivos para series temporales. Se implementó la red neural con una herramienta de canalización. Se generaron los modelos para las cinco regiones brasileñas y se validaron para diferentes años de brotes de SRAG. Con el uso de redes neurales, se pudo generar modelos predictivos para los picos de SRAG, el volumen de casos por temporada y para el inicio del periodo pre-epidémico, con una buena correlación de incidencia semanal (R2 = 0,97; IC95%: 0,95-0,98, para la temporada de 2019 en la Región Sudeste). Los modelos predictivos tuvieron una buena predicción del volumen de casos notificados de SRAG; así, se observaron 9.936 casos en 2019 en la Región Sur, y la predicción de los modelos mostró una mediana de 9.405 (IC95%: 9.105-9.738). La identificación del periodo de ocurrencia de un brote de SRAG es posible a través de modelos predictivos generados con el uso de redes neurales y algoritmos que aplican series temporales.

Resumo: Surtos de síndrome respiratória aguda grave (SRAG) ocorrem anualmente, com picos sazonais variando entre regiões geográficas. A notificação dos casos é importante para preparar as redes de atenção à saúde para o atendimento e internação dos pacientes. Portanto, os gestores de saúde precisam ter ferramentas adequadas de planejamento de recursos para as temporadas de SRAG. Este estudo tem como objetivo prever surtos de SRAG com base em modelos gerados com aprendizado de máquina usando dados de internação por SRAG. Foram incluídos dados sobre casos de hospitalização por SRAG no Brasil de 2013 a 2020, excluindo os casos causados pela COVID-19. Estes dados foram preparados para alimentar uma rede neural configurada para gerar modelos preditivos para séries temporais. A rede neural foi implementada com uma ferramenta de pipeline. Os modelos foram gerados para as cinco regiões brasileiras e validados para diferentes anos de surtos de SRAG. Com o uso de redes neurais, foi possível gerar modelos preditivos para picos de SRAG, volume de casos por temporada e para o início do período pré-epidêmico, com boa correlação de incidência semanal (R2 = 0,97; IC95%: 0,95-0,98, para a temporada de 2019 na Região Sudeste). Os modelos preditivos obtiveram uma boa previsão do volume de casos notificados de SRAG; dessa forma, foram observados 9.936 casos em 2019 na Região Sul, e a previsão feita pelos modelos mostrou uma mediana de 9.405 (IC95%: 9.105-9.738). A identificação do período de ocorrência de um surto de SRAG é possível por meio de modelos preditivos gerados com o uso de redes neurais e algoritmos que aplicam séries temporais.

Resumo: Surtos de síndrome respiratória aguda grave (SRAG) ocorrem anualmente, com picos sazonais variando entre regiões geográficas. A notificação dos casos é importante para preparar as redes de atenção à saúde para o atendimento e internação dos pacientes. Portanto, os gestores de saúde precisam ter ferramentas adequadas de planejamento de recursos para as temporadas de SRAG. Este estudo tem como objetivo prever surtos de SRAG com base em modelos gerados com aprendizado de máquina usando dados de internação por SRAG. Foram incluídos dados sobre casos de hospitalização por SRAG no Brasil de 2013 a 2020, excluindo os casos causados pela COVID-19. Estes dados foram preparados para alimentar uma rede neural configurada para gerar modelos preditivos para séries temporais. A rede neural foi implementada com uma ferramenta de pipeline. Os modelos foram gerados para as cinco regiões brasileiras e validados para diferentes anos de surtos de SRAG. Com o uso de redes neurais, foi possível gerar modelos preditivos para picos de SRAG, volume de casos por temporada e para o início do período pré-epidêmico, com boa correlação de incidência semanal (R2 = 0,97; IC95%: 0,95-0,98, para a temporada de 2019 na Região Sudeste). Os modelos preditivos obtiveram uma boa previsão do volume de casos notificados de SRAG; dessa forma, foram observados 9.936 casos em 2019 na Região Sul, e a previsão feita pelos modelos mostrou uma mediana de 9.405 (IC95%: 9.105-9.738). A identificação do período de ocorrência de um surto de SRAG é possível por meio de modelos preditivos gerados com o uso de redes neurais e algoritmos que aplicam séries temporais. Resumo (SRAG anualmente geográficas pacientes Portanto 201 2020 COVID19. COVID19 COVID 19. 19 COVID-19 temporais pipeline préepidêmico, préepidêmico pré epidêmico, epidêmico pré-epidêmico R2 R (R 0,97 097 0 97 IC95% IC95 IC 0,950,98, 095098 0,95 0,98, 95 98 0,95-0,98 Sudeste. Sudeste . Sudeste) forma 9936 9 936 9.93 Sul 9405 405 9.40 (IC95% 9.1059.738. 91059738 9.105 9.738 105 738 9.105-9.738) 20 202 COVID1 1 COVID-1 0,9 09 IC9 950 0,950,98 09509 095 098 0,98 0,95-0,9 993 93 9.9 940 40 9.4 (IC95 1059 9.1059.738 9105973 9105 9.10 9738 9.73 10 73 9.105-9.738 2 COVID- 0, 0,950,9 0950 0,95-0, 99 9. 94 4 (IC9 9.1059.73 910597 910 9.1 973 9.7 7 9.105-9.73 0,950, 0,95-0 (IC 9.1059.7 91059 91 9.105-9.7 0,950 0,95- 9.1059. 9.105-9. 9.1059 9.105-9 9.105-

Abstract: Severe acute respiratory infection (SARI) outbreaks occur annually, with seasonal peaks varying among geographic regions. Case notification is important to prepare healthcare networks for patient attendance and hospitalization. Thus, health managers need adequate resource planning tools for SARI seasons. This study aims to predict SARI outbreaks based on models generated with machine learning using SARI hospitalization notification data. In this study, data from the reporting of SARI hospitalization cases in Brazil from 2013 to 2020 were used, excluding SARI cases caused by COVID-19. These data were prepared to feed a neural network configured to generate predictive models for time series. The neural network was implemented with a pipeline tool. Models were generated for the five Brazilian regions and validated for different years of SARI outbreaks. By using neural networks, it was possible to generate predictive models for SARI peaks, volume of cases per season, and for the beginning of the pre-epidemic period, with good weekly incidence correlation (R2 = 0.97; 95%CI: 0.95-0.98, for the 2019 season in the Southeastern Brazil). The predictive models achieved a good prediction of the volume of reported cases of SARI; accordingly, 9,936 cases were observed in 2019 in Southern Brazil, and the prediction made by the models showed a median of 9,405 (95%CI: 9,105-9,738). The identification of the period of occurrence of a SARI outbreak is possible using predictive models generated with neural networks and algorithms that employ time series. Abstract (SARI annually Thus seasons 201 202 used COVID19. COVID19 COVID 19. 19 COVID-19 series tool preepidemic pre epidemic R2 R (R 0.97 097 0 97 95%CI 95CI CI 95 0.950.98, 095098 0.95 0.98, 98 0.95-0.98 Brazil. . Brazil) accordingly 9936 9 936 9,93 9405 405 9,40 (95%CI 9,1059,738. 91059738 9,105 9,738 105 738 9,105-9,738) 20 COVID1 1 COVID-1 0.9 09 950 0.950.98 09509 095 098 0.98 0.95-0.9 993 93 9,9 940 40 9,4 1059 9,1059,738 9105973 9105 9,10 9738 9,73 10 73 9,105-9,738 2 COVID- 0. 0.950.9 0950 0.95-0. 99 9, 94 4 9,1059,73 910597 910 9,1 973 9,7 7 9,105-9,73 0.950. 0.95-0 9,1059,7 91059 91 9,105-9,7 0.950 0.95- 9,1059, 9,105-9, 9,1059 9,105-9 9,105-

Resumen: Brotes de síndrome respiratorio agudo grave (SRAG) ocurren todos los años, con picos estacionales que varían entre regiones geográficas. La notificación de los casos es importante para preparar las redes de atención a la salud para el cuidado y hospitalización de los pacientes. Por lo tanto, los gestores de salud deben tener herramientas adecuadas de planificación de recursos para las temporadas de SRAG. Este estudio tiene el objetivo de predecir brotes de SRAG con base en modelos generados con aprendizaje automático utilizando datos de hospitalización por SRAG. Se incluyeron datos sobre casos de hospitalización por SRAG en Brasil desde 2013 hasta 2020, salvo los casos causados por la COVID-19. Se prepararon estos datos para alimentar una red neural configurada para generar modelos predictivos para series temporales. Se implementó la red neural con una herramienta de canalización. Se generaron los modelos para las cinco regiones brasileñas y se validaron para diferentes años de brotes de SRAG. Con el uso de redes neurales, se pudo generar modelos predictivos para los picos de SRAG, el volumen de casos por temporada y para el inicio del periodo pre-epidémico, con una buena correlación de incidencia semanal (R2 = 0,97; IC95%: 0,95-0,98, para la temporada de 2019 en la Región Sudeste). Los modelos predictivos tuvieron una buena predicción del volumen de casos notificados de SRAG; así, se observaron 9.936 casos en 2019 en la Región Sur, y la predicción de los modelos mostró una mediana de 9.405 (IC95%: 9.105-9.738). La identificación del periodo de ocurrencia de un brote de SRAG es posible a través de modelos predictivos generados con el uso de redes neurales y algoritmos que aplican series temporales. Resumen (SRAG geográficas pacientes tanto 201 2020 COVID19. COVID19 COVID 19. 19 COVID-19 temporales canalización preepidémico, preepidémico pre epidémico, epidémico pre-epidémico R2 R (R 0,97 097 0 97 IC95% IC95 IC 0,950,98, 095098 0,95 0,98, 95 98 0,95-0,98 Sudeste. Sudeste . Sudeste) así 9936 9 936 9.93 Sur 9405 405 9.40 (IC95% 9.1059.738. 91059738 9.105 9.738 105 738 9.105-9.738) 20 202 COVID1 1 COVID-1 0,9 09 IC9 950 0,950,98 09509 095 098 0,98 0,95-0,9 993 93 9.9 940 40 9.4 (IC95 1059 9.1059.738 9105973 9105 9.10 9738 9.73 10 73 9.105-9.738 2 COVID- 0, 0,950,9 0950 0,95-0, 99 9. 94 4 (IC9 9.1059.73 910597 910 9.1 973 9.7 7 9.105-9.73 0,950, 0,95-0 (IC 9.1059.7 91059 91 9.105-9.7 0,950 0,95- 9.1059. 9.105-9. 9.1059 9.105-9 9.105-

Resumo: A vigilância sentinela de síndrome gripal atua no Brasil identificando os vírus respiratórios de importância para a saúde pública circulantes no país, e começou a ser implementada em 2000. Recentemente, a pandemia de COVID-19 reforçou a importância da detecção precoce de novos vírus em circulação no território brasileiro. Assim, se faz oportuna uma análise do desenho da vigilância sentinela de síndrome gripal. Para tal, simulamos uma rede sentinela, identificando os municípios que fariam parte da rede segundo os critérios definidos no desenho da vigilância sentinela de síndrome gripal, e, a partir dos dados de casos testados de síndrome respiratória aguda grave (SRAG) de 2014 a 2019, sorteamos amostras para cada município sentinela por semana epidemiológica. O sorteio foi repetido mil vezes, obtendo-se a mediana e intervalo quantílico de 95% (IQ95%) da positividade para cada vírus por Unidade Federativa e semana epidemiológica. Segundo os critérios do desenho da vigilância sentinela de síndrome gripal, unidades sentinelas estariam em 64 municípios, distribuídas principalmente em capitais e suas zonas metropolitanas, o que preconizou 690 amostras semanais. O desenho apresentou boa sensibilidade (total de 91,65%, considerando o IQ95%) para a detecção qualitativa dos vírus respiratórios, mesmo os de baixa circulação. Porém, houve importante incerteza na estimativa quantitativa de positividade, chegando a, pelo menos, 20% em 11,34% das estimativas. Os resultados aqui apresentados visam auxiliar a avaliação e a atualização do desenho da rede sentinela. Estratégias para reduzir a incerteza nas estimativas de positividade precisam ser avaliadas, assim como a necessidade de maior cobertura espacial. Resumo país 2000 Recentemente COVID19 COVID 19 COVID-1 brasileiro Assim tal SRAG (SRAG 201 2019 epidemiológica vezes obtendose obtendo 95 IQ95% IQ95 IQ (IQ95% 6 metropolitanas 69 semanais total 9165 91 65 91,65% Porém menos 20 1134 11 34 11,34 avaliadas espacial 200 COVID1 1 COVID- 9 IQ9 (IQ95 916 91,65 2 113 3 11,3 (IQ9 91,6 11, (IQ 91,

Abstract: The influenza-like illness (ILI) sentinel surveillance operates in Brazil to identify respiratory viruses of public health relevance circulating in the country and was first implemented in 2000. Recently, the COVID-19 pandemic reinforced the importance of early detection of the circulation of new viruses in Brazil. Therefore, an analysis of the design of the ILI sentinel surveillance is timely. To this end, we simulated a sentinel surveillance network, identifying the municipalities that would be part of the network according to the criteria defined in the design of the ILI sentinel surveillance and, based on data from tested cases of severe acute respiratory illness (SARI) from 2014 to 2019, we drew samples for each sentinel municipality per epidemiological week. The draw was performed 1,000 times, obtaining the median and 95% quantile interval (95%QI) of virus positivity by Federative Unit and epidemiological week. According to the ILI sentinel surveillance design criteria, sentinel units would be in 64 municipalities, distributed mainly in capitals and their metropolitan areas, recommending 690 weekly samples. The design showed good sensitivity (91.65% considering the 95%QI) for qualitatively detecting respiratory viruses, even those with low circulation. However, there was important uncertainty in the quantitative estimate of positivity, reaching at least 20% in 11.34% of estimates. The results presented here aim to assist in evaluating and updating the ILI sentinel surveillance design. Strategies to reduce uncertainty in positivity estimates need to be evaluated, as does the need for greater spatial coverage. Abstract influenzalike influenza like (ILI 2000 Recently COVID19 COVID 19 COVID-1 Therefore timely end SARI (SARI 201 2019 week 1000 1 000 1,00 times 95 95%QI 95QI QI (95%QI 6 areas 69 91.65% 9165 91 65 (91.65 However 20 1134 11 34 11.34 evaluated coverage 200 COVID1 COVID- 100 00 1,0 9 91.65 916 (91.6 2 113 3 11.3 10 0 1, 91.6 (91. 11. 91. (91 (9 (

Resumen: La vigilancia centinela de la enfermedad tipo infuenza (ETI) funciona en Brasil para identificar los virus respiratorios de importancia para la salud pública que circulan en el país y comenzó a ser implementada en 2000. Recientemente, la pandemia de COVID-19 ha reforzado la importancia de la detección temprana de la circulación de nuevos virus en el territorio brasileño. Así, se hace oportuno un análisis del diseño de la vigilancia centinela de la ETI. Para ello, simulamos una red centinela identificando los municipios que formarían parte de la red según los criterios definidos en el diseño de la vigilancia centinela de la ETI y, a partir de los datos de casos testados de infección respiratoria aguda grave (IRAG) de 2014 a 2019, se extrajeron muestras para cada municipio centinela por semana epidemiológica. El sorteo se repitió 1.000 veces y se obtuvo la mediana y el intervalo cuantílico del 95% (IC95%) de la positividad por virus, por Unidad Federativa y semana epidemiológica. Según los criterios del diseño de la vigilancia centinela de la ETI, unidades centinelas estarían en 64 municipios, distribuidas principalmente en capitales y zonas metropolitanas de las capitales, preconizando 690 muestras semanales. El diseño presentó una buena sensibilidad (total de 91,65% considerando el IC95%) para la detección cualitativa de los virus respiratorios, incluso los de baja circulación. Sin embargo, hubo una importante incertidumbre en la estimación cuantitativa de la positividad, alcanzando al menos el 20% en el 11,34% de las estimaciones. Los resultados presentados aquí tienen como objetivo ayudar en la evaluación y actualización del diseño de la red centinela. Es necesario evaluar las estrategias para reducir la incertidumbre en las estimaciones de positividad, al igual que la necesidad de una mayor cobertura espacial. Resumen (ETI 2000 Recientemente COVID19 COVID 19 COVID-1 brasileño Así ello IRAG (IRAG 201 2019 epidemiológica 1000 1 000 1.00 95 IC95% IC95 IC (IC95% 6 69 semanales total 9165 91 65 91,65 embargo 20 1134 11 34 11,34 espacial 200 COVID1 COVID- 100 00 1.0 9 IC9 (IC95 916 91,6 2 113 3 11,3 10 0 1. (IC9 91, 11, (IC

Resumo O objetivo do estudo foi avaliar o risco de infecção por HIV em homens que fazem sexo com homens (HSH) a partir do desenvolvimento de um índice que considere as redes de parceiros sexuais. As variáveis do índice foram faixa etária, raça/cor, escolaridade, tipo de relacionamento, uso de preservativo em relações receptivas e insertivas, autopercepção da chance de se infectar pelo HIV, história de infecções sexualmente transmissíveis, além dos resultados dos testes rápidos para HIV. Foram utilizados dados de uma pesquisa de rede egocêntricas HSH, com desenho transversal, realizada no Rio de Janeiro entre 2014 e 2015. O voluntário inicial da pesquisa é denominado ego, cada parceiro é alter, e cada par de pessoas em um relacionamento é a díade. Utilizou-se regressão logística múltipla para definição dos coeficientes das equações para elaboração dos índices. O índice variou de 0 a 1, quanto mais próximo de 1, maior o risco de infecção por HIV. A prevalência de HIV dos egos foi de 13,9%. A média do índice dos egos com teste HIV reagente foi 57% maior do que aqueles não reagentes, o mesmo perfil foi observado nos valores dos índices das díades. O índice permitiu incorporar os dados das redes por meio das díades e contribuiu para a identificação de indivíduos com maior chance de aquisição do HIV.

Abstract This study aimed to evaluate the risk of HIV infection in men who have sex with men (MSM) by developing an index that considers sex partner networks. The index variables were age, ethnicity/skin color, schooling, relationship type, condom use in receptive and insertive relationships, self-perception of the possibility of HIV infection, sexually transmitted infections, and rapid HIV testing results. We used data from a cross-sectional MSM egocentric network survey conducted in Rio de Janeiro between 2014 and 2015. The initial research volunteer is called ego, each partner is called alter, and each pair of people in a relationship is called the dyad. Multiple logistic regression was used to define the coefficients of the equations for the elaboration of the indices. The index ranged from 0 to 1; the closer to 1, the higher the risk of HIV infection. HIV prevalence was 13.9% among egos. The mean egos index with an HIV-reactive test was 57% higher than non-reactive, and the same profile was observed in the index values of dyads. The index allowed the incorporation of network data through the dyads and contributed to the identification of individuals with a higher likelihood of acquiring HIV.

Resumo O objetivo do estudo foi avaliar o risco de infecção por HIV em homens que fazem sexo com homens (HSH) a partir do desenvolvimento de um índice que considere as redes de parceiros sexuais. As variáveis do índice foram faixa etária, raça/cor, escolaridade, tipo de relacionamento, uso de preservativo em relações receptivas e insertivas, autopercepção da chance de se infectar pelo HIV, história de infecções sexualmente transmissíveis, além dos resultados dos testes rápidos para HIV. Foram utilizados dados de uma pesquisa de rede egocêntricas HSH, com desenho transversal, realizada no Rio de Janeiro entre 2014 e 2015. O voluntário inicial da pesquisa é denominado ego, cada parceiro é alter, e cada par de pessoas em um relacionamento é a díade. Utilizou-se regressão logística múltipla para definição dos coeficientes das equações para elaboração dos índices. O índice variou de 0 a 1, quanto mais próximo de 1, maior o risco de infecção por HIV. A prevalência de HIV dos egos foi de 13,9%. A média do índice dos egos com teste HIV reagente foi 57% maior do que aqueles não reagentes, o mesmo perfil foi observado nos valores dos índices das díades. O índice permitiu incorporar os dados das redes por meio das díades e contribuiu para a identificação de indivíduos com maior chance de aquisição do HIV.

Abstract This study aimed to evaluate the risk of HIV infection in men who have sex with men (MSM) by developing an index that considers sex partner networks. The index variables were age, ethnicity/skin color, schooling, relationship type, condom use in receptive and insertive relationships, self-perception of the possibility of HIV infection, sexually transmitted infections, and rapid HIV testing results. We used data from a cross-sectional MSM egocentric network survey conducted in Rio de Janeiro between 2014 and 2015. The initial research volunteer is called ego, each partner is called alter, and each pair of people in a relationship is called the dyad. Multiple logistic regression was used to define the coefficients of the equations for the elaboration of the indices. The index ranged from 0 to 1; the closer to 1, the higher the risk of HIV infection. HIV prevalence was 13.9% among egos. The mean egos index with an HIV-reactive test was 57% higher than non-reactive, and the same profile was observed in the index values of dyads. The index allowed the incorporation of network data through the dyads and contributed to the identification of individuals with a higher likelihood of acquiring HIV.

Em um contexto de transmissão comunitária e escassez de vacinas, a vacinação contra a COVID-19 deve focar na redução direta da morbidade e da mortalidade causadas pela doença. Portanto, é fundamental a definição de grupos prioritários para a vacinação pelo Programa Nacional de Imunizações (PNI), baseada no risco de hospitalização e óbito pela doença. Para tal, calculamos o sobrerrisco por sexo, faixa etária e comorbidades por meio dos registros de hospitalização e óbito por síndrome respiratória aguda grave com confirmação de COVID-19 (SRAG-COVID) em todo o Brasil nos primeiros seis meses de epidemia. Apresentaram maior sobrerrisco pessoas do sexo masculino (hospitalização = 1,1 e óbito = 1,2), pessoas acima de 45 anos para hospitalização (SRfe variando de 1,1 a 8,5) e pessoas acima de 55 anos para óbitos (SRfe variando de 1,5 a 18,3). Nos grupos de comorbidades, doença renal crônica, diabetes mellitus, doença cardiovascular e pneumopatia crônica conferiram sobrerrisco, enquanto para asma não houve evidência. Ter doença renal crônica ou diabetes mellitus e 60 anos ou mais mostrou-se um fator ainda mais forte, alcançando sobrerrisco de óbito 14 e 10 vezes maior do que na população geral, respectivamente. Para todas as comorbidades, houve um sobrerrisco mais alto em idades maiores, com um gradiente de diminuição em faixas mais altas. Esse padrão se inverteu quando consideramos o sobrerrisco em relação à população geral, tanto para hospitalização quanto para óbito. O presente estudo forneceu evidências a respeito do sobrerrisco de hospitalização e óbito por SRAG-COVID, auxiliando na definição de grupos prioritários para a vacinação contra a COVID-19.

In a context of community transmission and shortage of vaccines, COVID-19 vaccination should focus on directly reducing the morbidity and mortality caused by the disease. It was thus essential to define priority groups for vaccination by the Brazilian National Immunization Program (PNI in Portuguese), based on the risk of hospitalization and death from the disease. We calculated overrisk according to sex, age group, and comorbidities using hospitalization and death records from severe acute respiratory illness with confirmation of COVID-19 (SARI-COVID) in all of Brazil in the first 6 months of the epidemic. Higher overrisk was associated with male sex (hospitalization = 1.1 and death = 1.2), age over 45 years for hospitalization (OvRag ranging from 1.1 to 8.5), and age over 55 year for death (OvRag ranging from 1.5 to 18.3). In the groups with comorbidities, chronic kidney disease, diabetes mellitus, cardiovascular disease, and chronic lung disease were associated with overrisk, while there was no such evidence for asthma. Chronic kidney disease or diabetes and age over 60 showed an even stronger association, reaching overrisk of death 14 and 10 times greater than in the general population, respectively. For all the comorbidities, there was higher overrisk at older ages, with a downward gradient in the oldest age groups. This pattern was reversed when examining overrisk in the general population, for both hospitalization and death. The current study provided evidence of overrisk of hospitalization and death from SARI-COVID, assisting the definition of priority groups for COVID-19 vaccination.

En un contexto de transmisión comunitaria y escasez de vacunas, la vacunación contra la COVID-19 debe enfocarse en la reducción directa de la morbilidad y de la mortalidad causadas por la enfermedad. Por lo tanto, es fundamental la definición de grupos prioritarios para la vacunación por el Programa Nacional de Inmunizaciones (PNI), basada en el riesgo de hospitalización y óbito por la enfermedad. Para tal fin, calculamos el sobrerriesgo por sexo, franja de edad y comorbilidades mediante los registros de hospitalización y óbito por síndrome respiratorio agudo grave con confirmación de COVID-19 (SRAG-COVID) en todo Brasil, durante los primeros seis meses de epidemia. Presentaron mayor sobrerriesgo personas del sexo masculino (hospitalización = 1,1 y óbito = 1,2), personas por encima de 45 años para hospitalización (SRfe variando de 1,1 a 8,5) y personas por encima de 55 años para óbitos (SRfe variando de 1,5 a 18,3). En los grupos de comorbilidades, enfermedad renal crónica, diabetes mellitus, enfermedad cardiovascular y neumopatía crónica ofrecieron sobrerriesgo, mientras que para el asma no hubo evidencia. Sufrir una enfermedad renal crónica o diabetes mellitus y tener 60 años o más mostró un factor todavía más fuerte, alcanzando sobrerriesgo de enfermedad 14 y 10 veces mayor que en la población general, respectivamente. Para todas las comorbilidades, hubo un sobrerriesgo más alto en edades mayores, con un gradiente de disminución en franjas más altas. Este patrón se invirtió cuando consideramos el sobrerriesgo en relación con la población general, tanto para hospitalización como para óbito. El presente estudio proporcionó evidencias respecto al sobrerriesgo de hospitalización y óbito por SRAG-COVID, ayudando en la definición de grupos prioritarios para la vacunación contra la COVID-19.

Em um contexto de transmissão comunitária e escassez de vacinas, a vacinação contra a COVID-19 deve focar na redução direta da morbidade e da mortalidade causadas pela doença. Portanto, é fundamental a definição de grupos prioritários para a vacinação pelo Programa Nacional de Imunizações (PNI), baseada no risco de hospitalização e óbito pela doença. Para tal, calculamos o sobrerrisco por sexo, faixa etária e comorbidades por meio dos registros de hospitalização e óbito por síndrome respiratória aguda grave com confirmação de COVID-19 (SRAG-COVID) em todo o Brasil nos primeiros seis meses de epidemia. Apresentaram maior sobrerrisco pessoas do sexo masculino (hospitalização = 1,1 e óbito = 1,2), pessoas acima de 45 anos para hospitalização (SRfe variando de 1,1 a 8,5) e pessoas acima de 55 anos para óbitos (SRfe variando de 1,5 a 18,3). Nos grupos de comorbidades, doença renal crônica, diabetes mellitus, doença cardiovascular e pneumopatia crônica conferiram sobrerrisco, enquanto para asma não houve evidência. Ter doença renal crônica ou diabetes mellitus e 60 anos ou mais mostrou-se um fator ainda mais forte, alcançando sobrerrisco de óbito 14 e 10 vezes maior do que na população geral, respectivamente. Para todas as comorbidades, houve um sobrerrisco mais alto em idades maiores, com um gradiente de diminuição em faixas mais altas. Esse padrão se inverteu quando consideramos o sobrerrisco em relação à população geral, tanto para hospitalização quanto para óbito. O presente estudo forneceu evidências a respeito do sobrerrisco de hospitalização e óbito por SRAG-COVID, auxiliando na definição de grupos prioritários para a vacinação contra a COVID-19.

In a context of community transmission and shortage of vaccines, COVID-19 vaccination should focus on directly reducing the morbidity and mortality caused by the disease. It was thus essential to define priority groups for vaccination by the Brazilian National Immunization Program (PNI in Portuguese), based on the risk of hospitalization and death from the disease. We calculated overrisk according to sex, age group, and comorbidities using hospitalization and death records from severe acute respiratory illness with confirmation of COVID-19 (SARI-COVID) in all of Brazil in the first 6 months of the epidemic. Higher overrisk was associated with male sex (hospitalization = 1.1 and death = 1.2), age over 45 years for hospitalization (OvRag ranging from 1.1 to 8.5), and age over 55 year for death (OvRag ranging from 1.5 to 18.3). In the groups with comorbidities, chronic kidney disease, diabetes mellitus, cardiovascular disease, and chronic lung disease were associated with overrisk, while there was no such evidence for asthma. Chronic kidney disease or diabetes and age over 60 showed an even stronger association, reaching overrisk of death 14 and 10 times greater than in the general population, respectively. For all the comorbidities, there was higher overrisk at older ages, with a downward gradient in the oldest age groups. This pattern was reversed when examining overrisk in the general population, for both hospitalization and death. The current study provided evidence of overrisk of hospitalization and death from SARI-COVID, assisting the definition of priority groups for COVID-19 vaccination.

En un contexto de transmisión comunitaria y escasez de vacunas, la vacunación contra la COVID-19 debe enfocarse en la reducción directa de la morbilidad y de la mortalidad causadas por la enfermedad. Por lo tanto, es fundamental la definición de grupos prioritarios para la vacunación por el Programa Nacional de Inmunizaciones (PNI), basada en el riesgo de hospitalización y óbito por la enfermedad. Para tal fin, calculamos el sobrerriesgo por sexo, franja de edad y comorbilidades mediante los registros de hospitalización y óbito por síndrome respiratorio agudo grave con confirmación de COVID-19 (SRAG-COVID) en todo Brasil, durante los primeros seis meses de epidemia. Presentaron mayor sobrerriesgo personas del sexo masculino (hospitalización = 1,1 y óbito = 1,2), personas por encima de 45 años para hospitalización (SRfe variando de 1,1 a 8,5) y personas por encima de 55 años para óbitos (SRfe variando de 1,5 a 18,3). En los grupos de comorbilidades, enfermedad renal crónica, diabetes mellitus, enfermedad cardiovascular y neumopatía crónica ofrecieron sobrerriesgo, mientras que para el asma no hubo evidencia. Sufrir una enfermedad renal crónica o diabetes mellitus y tener 60 años o más mostró un factor todavía más fuerte, alcanzando sobrerriesgo de enfermedad 14 y 10 veces mayor que en la población general, respectivamente. Para todas las comorbilidades, hubo un sobrerriesgo más alto en edades mayores, con un gradiente de disminución en franjas más altas. Este patrón se invirtió cuando consideramos el sobrerriesgo en relación con la población general, tanto para hospitalización como para óbito. El presente estudio proporcionó evidencias respecto al sobrerriesgo de hospitalización y óbito por SRAG-COVID, ayudando en la definición de grupos prioritarios para la vacunación contra la COVID-19.

O presente estudo tem o objetivo de descrever os pacientes hospitalizados por síndrome respiratória aguda grave (SRAG) em decorrência da COVID-19 (SRAG-COVID), no Brasil, quanto às suas características demográficas e comorbidades até a 21ª Semana Epidemiológica de 2020. Buscou-se comparar essas características com as dos hospitalizados por SRAG em decorrência da influenza em 2019/2020 (SRAG-FLU) e com a população geral brasileira. As frequências relativas das características demográficas, comorbidades e de gestantes/puérperas entre os pacientes hospitalizados por SRAG-COVID e SRAG-FLU foram obtidas por meio do Sistema de Informação de Vigilância Epidemiológica da Gripe (SIVEP-Gripe), e as estimativas para a população geral brasileira foram obtidas por meio de projeções populacionais realizadas pelo Instituto Brasileiro de Geografia e Estatística, dados do Sistema de Informações sobre Nascidos Vivos e de pesquisas de âmbito nacional. Entre os hospitalizados por SRAG-COVID, observou-se uma elevada proporção, em relação ao perfil da população geral brasileira, de indivíduos do sexo masculino, idosos ou com 40 a 59 anos, com comorbidades (diabetes mellitus, doença cardiovascular, doença renal crônica e pneumopatias crônicas) e de gestantes/puérperas. Já entre os hospitalizados por SRAG-FLU, observou-se prevalências superiores às populacionais de indivíduos de 0 a 4 anos de idade ou idosos, de raça ou cor branca, com comorbidades (diabetes mellitus, doença renal crônica, asma e outras pneumopatias crônicas) e de gestantes/puérperas. Esses grupos podem estar evoluindo para casos mais graves da doença, de forma que estudos longitudinais na área são de extrema relevância para investigar esta hipótese e melhor subsidiar políticas públicas de saúde.

The study aims to describe patients hospitalized for severe acute respiratory illness (SARI) due to COVID-19 (SARI-COVID) in Brazil according to demographic characteristics and comorbidities up to the 21st Epidemiological Week of 2020. The study aimed to compare these characteristics with those of patients hospitalized for SARI due to influenza in 2019/2020 (SARI-FLU) and with the Brazilian general population. The proportions of demographic characteristics, comorbidities, and pregnant and postpartum women among patients hospitalized for SARI-COVID and SARI-FLU were obtained from the SIVEP-Gripe database, and the estimates for the Brazilian population were obtained from the population projections performed by Brazilian Institute of Geography and Statistics, Information System on Live Birth data, and nationwide surveys. Compared to the Brazilian population, patients hospitalized for SARI-COVID showed a higher proportion of males, elderly individuals and those aged 40 to 59 years, comorbidities (diabetes mellitus, cardiovascular disease, chronic kidney disease, and chronic lung diseases), and pregnant/postpartum women. Compared to the general population, Brazilians hospitalized for SARI-FLU showed higher prevalence rates of ages 0 to 4 years or over 60 years, white race/color, comorbidities (diabetes, chronic kidney disease, asthma, and other chronic lung diseases), and pregnant/postpartum women. The data suggest that these groups are evolving to more serious forms of the disease, so that longitudinal studies are extremely relevant for investigating this hypothesis and supporting appropriate public health policies.

El objetivo del presente estudio es describir a los pacientes hospitalizados por infección respiratoria aguda grave (IRAG) a consecuencia de la COVID-19 (IRAG-COVID), en Brasil, respecto a sus características demográficas y comorbilidades hasta la 21ª Semana Epidemiológica de 2020. Se buscó comparar estas características con las de los hospitalizados por SRAS, a consecuencia de la influenza en 2019/2020 (IRAG-FLU) y con la población general brasileña. Las frecuencias relativas de las características demográficas, comorbilidades y de embarazadas/puérperas entre los pacientes hospitalizados por IRAG-COVID y IRAG-FLU se obtuvieron mediante el Sistema de Información de la Vigilancia Epidemiológica de la Gripe (SIVEP-Gripe), y las estimaciones para la población general brasileña se consiguieron mediante proyecciones poblacionales realizadas por el Instituto Brasileño de Geografía e Estadística, datos del Sistema de Informaciones sobre Nascidos Vivos y de investigaciones de ámbito nacional. Entre los hospitalizados por IRAG-COVID, se observó una elevada proporción, respecto al perfil de la población general brasileña, de individuos del sexo masculino, ancianos o con 40 a 59 años, con comorbilidades (diabetes mellitus, enfermedad cardiovascular, enfermedad renal crónica y neumopatías crónicas) y de embarazadas/puérperas. Ya entre los hospitalizados por IRAG-FLU, se observaron prevalencias superiores a las poblacionales de individuos de 0 a 4 años de edad o ancianos, de raza o color blanco, con comorbilidades (diabetes mellitus, enfermedad renal crónica, asma y otras neumopatías crónicas) y de embarazadas/puérperas. Estos grupos pueden estar evolucionando hacia casos más graves de la enfermedad, por ello, los estudios longitudinales en esta área son de extrema relevancia para investigar esta hipótesis y apoyar mejor las políticas públicas de salud.

O presente estudo tem o objetivo de descrever os pacientes hospitalizados por síndrome respiratória aguda grave (SRAG) em decorrência da COVID-19 (SRAG-COVID), no Brasil, quanto às suas características demográficas e comorbidades até a 21ª Semana Epidemiológica de 2020. Buscou-se comparar essas características com as dos hospitalizados por SRAG em decorrência da influenza em 2019/2020 (SRAG-FLU) e com a população geral brasileira. As frequências relativas das características demográficas, comorbidades e de gestantes/puérperas entre os pacientes hospitalizados por SRAG-COVID e SRAG-FLU foram obtidas por meio do Sistema de Informação de Vigilância Epidemiológica da Gripe (SIVEP-Gripe), e as estimativas para a população geral brasileira foram obtidas por meio de projeções populacionais realizadas pelo Instituto Brasileiro de Geografia e Estatística, dados do Sistema de Informações sobre Nascidos Vivos e de pesquisas de âmbito nacional. Entre os hospitalizados por SRAG-COVID, observou-se uma elevada proporção, em relação ao perfil da população geral brasileira, de indivíduos do sexo masculino, idosos ou com 40 a 59 anos, com comorbidades (diabetes mellitus, doença cardiovascular, doença renal crônica e pneumopatias crônicas) e de gestantes/puérperas. Já entre os hospitalizados por SRAG-FLU, observou-se prevalências superiores às populacionais de indivíduos de 0 a 4 anos de idade ou idosos, de raça ou cor branca, com comorbidades (diabetes mellitus, doença renal crônica, asma e outras pneumopatias crônicas) e de gestantes/puérperas. Esses grupos podem estar evoluindo para casos mais graves da doença, de forma que estudos longitudinais na área são de extrema relevância para investigar esta hipótese e melhor subsidiar políticas públicas de saúde.

The study aims to describe patients hospitalized for severe acute respiratory illness (SARI) due to COVID-19 (SARI-COVID) in Brazil according to demographic characteristics and comorbidities up to the 21st Epidemiological Week of 2020. The study aimed to compare these characteristics with those of patients hospitalized for SARI due to influenza in 2019/2020 (SARI-FLU) and with the Brazilian general population. The proportions of demographic characteristics, comorbidities, and pregnant and postpartum women among patients hospitalized for SARI-COVID and SARI-FLU were obtained from the SIVEP-Gripe database, and the estimates for the Brazilian population were obtained from the population projections performed by Brazilian Institute of Geography and Statistics, Information System on Live Birth data, and nationwide surveys. Compared to the Brazilian population, patients hospitalized for SARI-COVID showed a higher proportion of males, elderly individuals and those aged 40 to 59 years, comorbidities (diabetes mellitus, cardiovascular disease, chronic kidney disease, and chronic lung diseases), and pregnant/postpartum women. Compared to the general population, Brazilians hospitalized for SARI-FLU showed higher prevalence rates of ages 0 to 4 years or over 60 years, white race/color, comorbidities (diabetes, chronic kidney disease, asthma, and other chronic lung diseases), and pregnant/postpartum women. The data suggest that these groups are evolving to more serious forms of the disease, so that longitudinal studies are extremely relevant for investigating this hypothesis and supporting appropriate public health policies.

El objetivo del presente estudio es describir a los pacientes hospitalizados por infección respiratoria aguda grave (IRAG) a consecuencia de la COVID-19 (IRAG-COVID), en Brasil, respecto a sus características demográficas y comorbilidades hasta la 21ª Semana Epidemiológica de 2020. Se buscó comparar estas características con las de los hospitalizados por SRAS, a consecuencia de la influenza en 2019/2020 (IRAG-FLU) y con la población general brasileña. Las frecuencias relativas de las características demográficas, comorbilidades y de embarazadas/puérperas entre los pacientes hospitalizados por IRAG-COVID y IRAG-FLU se obtuvieron mediante el Sistema de Información de la Vigilancia Epidemiológica de la Gripe (SIVEP-Gripe), y las estimaciones para la población general brasileña se consiguieron mediante proyecciones poblacionales realizadas por el Instituto Brasileño de Geografía e Estadística, datos del Sistema de Informaciones sobre Nascidos Vivos y de investigaciones de ámbito nacional. Entre los hospitalizados por IRAG-COVID, se observó una elevada proporción, respecto al perfil de la población general brasileña, de individuos del sexo masculino, ancianos o con 40 a 59 años, con comorbilidades (diabetes mellitus, enfermedad cardiovascular, enfermedad renal crónica y neumopatías crónicas) y de embarazadas/puérperas. Ya entre los hospitalizados por IRAG-FLU, se observaron prevalencias superiores a las poblacionales de individuos de 0 a 4 años de edad o ancianos, de raza o color blanco, con comorbilidades (diabetes mellitus, enfermedad renal crónica, asma y otras neumopatías crónicas) y de embarazadas/puérperas. Estos grupos pueden estar evolucionando hacia casos más graves de la enfermedad, por ello, los estudios longitudinales en esta área son de extrema relevancia para investigar esta hipótesis y apoyar mejor las políticas públicas de salud.