A leishmaniose visceral (LV) é um problema de saúde pública nas cidades brasileiras. Por mais que haja um planejamento de políticas públicas para LV no Estado de São Paulo, Brasil, novos casos têm sido notificados e se disseminado. O artigo objetiva discutir como o Centro de Controle de Zoonoses realiza suas atividades espacialmente em uma cidade endêmica, Presidente Prudente, no Estado de São Paulo. Os dados são da Secretaria Municipal de Saúde de Presidente Prudente, Instituto Adolfo Lutz e Instituto Brasileiro de Geografia e Estatística. Estimamos espacialmente a população canina por setor censitário e utilizamos ferramentas de geoprocessamento para produzir mapas coropléticos, tendências espaciais e autocorrelação espacial. Encontramos um padrão espacial de maior prevalência na periferia da cidade e uma autocorrelação espacial positiva estatisticamente significativa (I = 0,2; p < 0,000) com clusters de relação alta-alta no noroeste da cidade. Além disso, identificamos uma direção diferente no caminho dos inquéritos sorológicos realizados versus a tendência na LV canina, o que enfatiza a fragilidade das medidas de controle do Centro de Controle de Zoonoses para controlar casos da doença. O Centro de Controle de Zoonoses parece estar sempre correndo atrás da doença. A análise espacial pode ser útil para repensar o funcionamento do serviço e auxiliar as políticas públicas.

Visceral leishmaniasis (VL) is a public health problem in Brazilian municipalities. As much as there is a planning of public policies regards VL in São Paulo State, new cases have been reported and spread. This paper aims to discuss how the Center for Zoonoses Control conducts its actions spatially in endemic city of Presidente Prudente, São Paulo State. Data are from the Municipal Health Department of Presidente Prudente, Adolfo Lutz Institute, and Brazilian Institute of Geography and Statistics. We spatially estimated the dog population per census tract and used geoprocessing tools to perform choropleth maps, spatial trends, and spatial autocorrelation. We found a spatial pattern of higher prevalence in the city’s outskirt and a positive statistically significant spatial autocorrelation (I = 0.2, p-value < 0.000) with clusters of high-high relationships in the Northwest part of the city. Moreover, we identified a different direction in the path of the conducted serosurveys versus the canine VL trend, which stresses the fragility of the Center for Zoonoses Control actions to control the disease. The Center for Zoonoses Control always seems to chase the disease. The spatial analysis may be useful for rethinking how the service works and helps in public policies.

La leishmaniasis visceral (LV) es un problema de salud pública en las ciudades brasileñas. Aunque hay políticas públicas de planificación relacionadas con la LV en el estado de São Paulo, Brasil, se han informado de nuevos casos, además de su propagación. El objetivo de este trabajo es discutir cómo el Centro de Control de Zoonosis dirige sus acciones espacialmente en una ciudad endémica del estado de São Paulo, Presidente Prudente. Los datos proceden de la Secretaría Municipal de Salud de Presidente Prudente, del Instituto Adolfo Lutz, y del Instituto Brasileño de Geografía y Estadística. Estimamos espacialmente la población de perros por sector censal y utilizamos herramientas de geoprocesamiento para elaborar mapas de coropletas, tendencias espaciales, y autocorrelación espacial. Encontramos un patrón espacial de más alta prevalencia en la periferia de la ciudad, además de una autocorrelación espacial positiva y estadísticamente significativa (I = 0,2; valor de p < 0,000) con clústeres de relaciones alto-alto en la parte noroccidental de la ciudad. Además, identificamos una dirección diferente en la trayectoria de las encuestas serológicas llevadas a cabo, frente a la tendencia de LV canina, que enfatiza la debilidad de acciones del Centro de Control de Zoonosis para controlar casos de la enfermedad. El Centro de Control de Zoonosis parece siempre estar tras la enfermedad. El análisis espacial podría ser útil para repensar cómo está funcionando el servicio, además de ayudar a políticas públicas.

A leishmaniose visceral (LV) é um problema de saúde pública nas cidades brasileiras. Por mais que haja um planejamento de políticas públicas para LV no Estado de São Paulo, Brasil, novos casos têm sido notificados e se disseminado. O artigo objetiva discutir como o Centro de Controle de Zoonoses realiza suas atividades espacialmente em uma cidade endêmica, Presidente Prudente, no Estado de São Paulo. Os dados são da Secretaria Municipal de Saúde de Presidente Prudente, Instituto Adolfo Lutz e Instituto Brasileiro de Geografia e Estatística. Estimamos espacialmente a população canina por setor censitário e utilizamos ferramentas de geoprocessamento para produzir mapas coropléticos, tendências espaciais e autocorrelação espacial. Encontramos um padrão espacial de maior prevalência na periferia da cidade e uma autocorrelação espacial positiva estatisticamente significativa (I = 0,2; p < 0,000) com clusters de relação alta-alta no noroeste da cidade. Além disso, identificamos uma direção diferente no caminho dos inquéritos sorológicos realizados versus a tendência na LV canina, o que enfatiza a fragilidade das medidas de controle do Centro de Controle de Zoonoses para controlar casos da doença. O Centro de Controle de Zoonoses parece estar sempre correndo atrás da doença. A análise espacial pode ser útil para repensar o funcionamento do serviço e auxiliar as políticas públicas.

Visceral leishmaniasis (VL) is a public health problem in Brazilian municipalities. As much as there is a planning of public policies regards VL in São Paulo State, new cases have been reported and spread. This paper aims to discuss how the Center for Zoonoses Control conducts its actions spatially in endemic city of Presidente Prudente, São Paulo State. Data are from the Municipal Health Department of Presidente Prudente, Adolfo Lutz Institute, and Brazilian Institute of Geography and Statistics. We spatially estimated the dog population per census tract and used geoprocessing tools to perform choropleth maps, spatial trends, and spatial autocorrelation. We found a spatial pattern of higher prevalence in the city’s outskirt and a positive statistically significant spatial autocorrelation (I = 0.2, p-value < 0.000) with clusters of high-high relationships in the Northwest part of the city. Moreover, we identified a different direction in the path of the conducted serosurveys versus the canine VL trend, which stresses the fragility of the Center for Zoonoses Control actions to control the disease. The Center for Zoonoses Control always seems to chase the disease. The spatial analysis may be useful for rethinking how the service works and helps in public policies.

La leishmaniasis visceral (LV) es un problema de salud pública en las ciudades brasileñas. Aunque hay políticas públicas de planificación relacionadas con la LV en el estado de São Paulo, Brasil, se han informado de nuevos casos, además de su propagación. El objetivo de este trabajo es discutir cómo el Centro de Control de Zoonosis dirige sus acciones espacialmente en una ciudad endémica del estado de São Paulo, Presidente Prudente. Los datos proceden de la Secretaría Municipal de Salud de Presidente Prudente, del Instituto Adolfo Lutz, y del Instituto Brasileño de Geografía y Estadística. Estimamos espacialmente la población de perros por sector censal y utilizamos herramientas de geoprocesamiento para elaborar mapas de coropletas, tendencias espaciales, y autocorrelación espacial. Encontramos un patrón espacial de más alta prevalencia en la periferia de la ciudad, además de una autocorrelación espacial positiva y estadísticamente significativa (I = 0,2; valor de p < 0,000) con clústeres de relaciones alto-alto en la parte noroccidental de la ciudad. Además, identificamos una dirección diferente en la trayectoria de las encuestas serológicas llevadas a cabo, frente a la tendencia de LV canina, que enfatiza la debilidad de acciones del Centro de Control de Zoonosis para controlar casos de la enfermedad. El Centro de Control de Zoonosis parece siempre estar tras la enfermedad. El análisis espacial podría ser útil para repensar cómo está funcionando el servicio, además de ayudar a políticas públicas.

INTRODUÇÃO: A malaria é uma doença endêmica na região da Amazônia Brasileira, e a detecção de possíveis fatores de risco pode ser de grande interesse às autoridades em saúde pública. O objetivo deste artigo é investigar a associação entre variáveis ambientais e os registros anuais de malária na região amazônica usando métodos bayesianos espaço-temporais. MÉTODOS: Utilizaram-se modelos de regressão espaço-temporais de Poisson para analisar os dados anuais de contagem de casos de malária entre os anos de 1999 a 2008, considerando a presença de alguns fatores como a taxa de desflorestamento. Em uma abordagem bayesiana, as inferências foram obtidas por métodos Monte Carlo em cadeias de Markov (MCMC) que simularam amostras para a distribuição conjunta a posteriori de interesse. A discriminação de diferentes modelos também foi discutida. RESULTADOS: O modelo aqui proposto sugeriu que a taxa de desflorestamento, o número de habitants por km² e o índice de desenvolvimento humano (IDH) são importantes para a predição de casos de malária. CONCLUSÕES: É possível concluir que o desenvolvimento humano, o crescimento populacional, o desflorestamento e as alterações ecológicas associadas a estes fatores estão associados ao aumento do risco de malária. Pode-se ainda concluir que o uso de modelos de regressão de Poisson que capturam o efeito temporal e espacial em um enfoque bayesiano é uma boa estratégia para modelar dados de contagem de malária.

INTRODUCTION: Malaria is a serious problem in the Brazilian Amazon region, and the detection of possible risk factors could be of great interest for public health authorities. The objective of this article was to investigate the association between environmental variables and the yearly registers of malaria in the Amazon region using Bayesian spatiotemporal methods. METHODS: We used Poisson spatiotemporal regression models to analyze the Brazilian Amazon forest malaria count for the period from 1999 to 2008. In this study, we included some covariates that could be important in the yearly prediction of malaria, such as deforestation rate. We obtained the inferences using a Bayesian approach and Markov Chain Monte Carlo (MCMC) methods to simulate samples for the joint posterior distribution of interest. The discrimination of different models was also discussed. RESULTS: The model proposed here suggests that deforestation rate, the number of inhabitants per km², and the human development index (HDI) are important in the prediction of malaria cases. CONCLUSIONS: It is possible to conclude that human development, population growth, deforestation, and their associated ecological alterations are conducive to increasing malaria risk. We conclude that the use of Poisson regression models that capture the spatial and temporal effects under the Bayesian paradigm is a good strategy for modeling malaria counts.