Nuestro objetivo es describir las diferencias en los diseños muestrales de las dos ediciones de la Encuesta Nacional de Salud (PNS 2013 y 2019) y evaluar cómo sus cambios afectaron el coeficiente de variación (CV) y el efecto de diseño (Deff) de algunos de los indicadores evaluados. Se analizaron variables de diferentes partes del cuestionario para evaluar proporciones con diferentes magnitudes. La prevalencia de obesidad se incluyó en el análisis, ya que la medición de la antropometría en la encuesta de 2019 se realizó en una submuestra. Los valores del estimador puntual, CV y Deff se calcularon para cada indicador considerando la estratificación de las unidades de muestreo primarias, la ponderación de las unidades de muestreo y el efecto de agrupamiento. Para la mayoría de los indicadores, CV y Deff fueron más bajos en las estimaciones de 2019. En cuanto a los indicadores para todos los miembros de la familia, los Deff fueron altos y alcanzaron valores superiores a 18 por tener un plan de salud. En cuanto a los indicadores del cuestionario individual, Deff osciló entre 2,7 y 4,2 en 2013, y entre 2,7 y 10,2 en 2019 para la prevalencia de obesidad. La prevalencia de hipertensión arterial y diabetes por Unidad Federativa tuvo mayor CV y menor Deff. Un mayor tamaño de la muestra para cumplir con los diversos objetivos de salud y un alto valor de Deff son desafíos importantes para el desarrollo de una encuesta nacional domiciliar probabilística. Se deben considerar nuevas estrategias de muestreo probabilístico para reducir los costos y efectos de agrupamiento.

Nosso objetivo é descrever as diferenças nos desenhos amostrais das duas edições da Pesquisa Nacional de Saúde (PNS 2013 e 2019) e avaliar como suas mudanças afetaram o coeficiente de variação (CV) e o efeito do desenho (Deff) de alguns dos indicadores avaliados. Variáveis de diferentes partes do questionário foram analisadas para avaliar proporções com diferentes magnitudes. A prevalência de obesidade foi incluída na análise uma vez que a medição de antropometria na pesquisa de 2019 foi realizada em uma subamostra. Os valores do estimador pontual, CV e Deff foram calculados para cada indicador considerando a estratificação das unidades amostrais primárias, a ponderação das unidades amostrais, e o efeito do agrupamento. Para a maioria dos indicadores, CV e Deff foram menores nas estimativas de 2019. Em relação aos indicadores para todos os membros familiares, Deffs foram elevados e atingiram valores superiores a 18 para a posse de um plano de saúde. Quanto aos indicadores no questionário individual, Deff variou de 2,7 a 4,2 em 2013 e de 2,7 a 10,2 em 2019 para a prevalência de obesidade. A prevalência de hipertensão arterial e diabetes por Unidade Federativa apresentou CV maior e Deff menor. A expansão do tamanho da amostra para atender aos diversos objetivos de saúde e Deff altos são desafios expressivos para o desenvolvimento de uma pesquisa nacional domiciliar probabilística. Novas estratégias de amostragem probabilística devem ser consideradas para reduzir custos e efeitos do agrupamento.

Our objective is to describe the differences in the sampling plans of the two editions of the Brazilian National Health Survey (PNS 2013 and 2019) and to evaluate how the changes affected the coefficient of variation (CV) and the design effect (Deff) of some estimated indicators. Variables from different parts of the questionnaire were analyzed to cover proportions with different magnitudes. The prevalence of obesity was included in the analysis since anthropometry measurement in the 2019 survey was performed in a subsample. The value of the point estimate, CV, and the Deff were calculated for each indicator, considering the stratification of the primary sampling units, the weighting of the sampling units, and the clustering effect. The CV and the Deff were lower in the 2019 estimates for most indicators. Concerning the questionnaire indicators of all household members, the Deffs were high and reached values greater than 18 for having a health insurance plan. Regarding the indicators of the individual questionnaire, for the prevalence of obesity, the Deff ranged from 2.7 to 4.2, in 2013, and from 2.7 to 10.2, in 2019. The prevalence of hypertension and diabetes per Federative Unit had a higher CV and lower Deff. Expanding the sample size to meet the diverse health objectives and the high Deff are significant challenges for developing probabilistic household-based national survey. New probabilistic sampling strategies should be considered to reduce costs and clustering effects.

O objetivo deste estudo foi caracterizar os casos notificados de sífilis congênita no período de 2011 a 2014, no Município do Rio de Janeiro, e analisar possíveis associações entre a morbidade por sífilis congênita e as condições de vida das populações residentes nos bairros da cidade. Os casos de sífilis congênita foram caracterizados de acordo com variáveis biológicas, socioeconômicas e de utilização de serviços de saúde. No nível agregado, utilizou-se a árvore de regressão como técnica de análise de dados, tendo a taxa de incidência média (2011-2014) de sífilis congênita como variável dependente, e indicadores relativos à qualidade habitacional, educação, renda, gravidez na adolescência, densidade de pobres, acesso à assistência pré-natal e cor da pele como variáveis independentes. Houve mapeamento da variável dependente para a identificação de padrões espaciais. Utilizaram-se dados do SINAN, SINASC e IBGE. Foram notificados 6.274 casos de sífilis congênita, o que representa uma taxa de incidência de 17,3 casos/mil nascidos vivos. Os casos se distribuem preponderantemente na zona central, norte suburbana e oeste da cidade, com elevada proporção de casos com baixa escolaridade e de cor da pele negra. Observou-se alta proporção de gestantes que tiveram diagnóstico tardio de sífilis e tratamento inadequado. No nível agregado, a variável mais relevante para a explicação dos problemas foi a baixa proporção de gestantes que frequentaram, no mínimo, sete consultas de assistência pré-natal. A análise permitiu a identificação de segmentos de populações marginalizadas, podendo direcionar de maneira efetiva a distribuição de recursos de saúde pública.

El objetivo de este estudio fue caracterizar los casos notificados de sífilis congénita, durante el período de 2011 a 2014, en el municipio de Río de Janeiro, analizar posibles asociaciones entre la morbilidad por sífilis congénita, y las condiciones de vida de las poblaciones residentes en los barrios de la ciudad. Los casos de sífilis congénita fueron caracterizados de acuerdo a variables biológicas, socioeconómicas y de utilización de servicios de salud. En el nivel agregado, se utilizó el árbol de regresión como técnica de análisis de datos, considerando la tasa de incidencia media (2011-2014) de sífilis congénita como variable dependiente, e indicadores relativos a la calidad habitacional, educación, renta, embarazo en la adolescencia, densidad de pobres, acceso a la asistencia prenatal y color de piel como variables independientes. Hubo un mapeo de la variable dependiente para la identificación de patrones espaciales. Se utilizaron datos del SINAN, SINASC e IBGE. Se notificaron 6.274 casos de sífilis congénita, lo que representa una tasa de incidencia de 17,3 casos/1.000 nacidos vivos. Los casos se distribuyen preponderantemente en la zona central, norte suburbana y oeste de la ciudad, con una elevada proporción de casos con baja escolaridad y con color de piel negro. Se observó una alta proporción de gestantes que tuvieron un diagnóstico tardío de sífilis y tratamiento inadecuado. En el nivel agregado, la variable más relevante para la explicación de los problemas fue la baja proporción de gestantes que frecuentaron, al menos, 7 consultas de asistencia prenatal. El análisis permitió la identificación de segmentos de poblaciones marginadas, pudiendo dirigir de manera efectiva la distribución de recursos de salud pública.

The study aimed to characterize notified cases of congenital syphilis from 2011 to 2014 in the city of Rio de Janeiro and to analyze possible associations between congenital syphilis and living conditions in the city’s neighborhoods. Cases of congenital syphilis were characterized according to biological and socioeconomic variables and health services use. At the aggregate level, regression tree technique was used for the data analysis, with mean incidence rate (2011-2014) of congenital syphilis as the dependent variable and housing quality, schooling, income, teenage pregnancy, poverty density, access to prenatal care, and skin color as independent variables. The dependent variable was mapped to identify spatial patterns. The SINAN, SINASC, and IBGE databases were used for notifiable diseases, live births, and census data, respectively. A total of 6,274 cases of congenital syphilis were reported, which represents an incidence rate of 17.3 cases/1,000 live births. Cases were distributed in the central, northern peripheral, and western zones of the city, with a high proportion of cases in infants of black mothers with low schooling. There was also a high proportion of pregnant women with late diagnosis of syphilis and inadequate treatment. At the aggregate level, the most relevant variable for explaining the problem was the low proportion of pregnant women with at least 7 prenatal visits. The analysis allowed the identification of marginalized population segments and can help direct public health resources more effectively.

O objetivo do trabalho foi apresentar uma proposta de diferenciação das Regiões de Saúde no Brasil, baseada no desenvolvimento humano, contribuindo para a identificação de espaços geográficos comparáveis para observação, análise e acompanhamento do desempenho dos sistemas regionalizados de saúde. Os valores das dimensões do Índice de Desenvolvimento Humano Municipal foram calculados para as Regiões de Saúde pela agregação dos dados dos municípios, ponderados pelo seu tamanho populacional. O agrupamento das Regiões de Saúde em 5 grupos, segundo combinações de longevidade, riqueza e escolaridade, foi determinado pelo método K-Médias. Metade das Regiões de Saúde brasileiras foi classificada em grupos do tipo 1 e 2 e a outra metade em grupos dos tipos 3 a 5. A tipologia apresentada oferece um modelo de agrupamento de Regiões de Saúde homogêneas, coerente com os pressupostos teóricos do PROADESS. A opção por indicadores e métodos de agregação bem estabelecidos tende a favorecer a sua compreensão e utilização pelos atores ligados à gestão do Sistema Único de Saúde (SUS).

Este trabajo presenta una propuesta para la diferenciación de las Regiones de Salud en Brasil, basado en el desarrollo humano, lo que contribuye a la identificación de áreas geográficas comparables para la observación, el análisis y el seguimiento del desempeño de los sistemas sanitarios regionalizados. Se calcularon los valores de las dimensiones del Índice de Desarrollo Humano Municipal para las Regiones de Salud, a partir de los datos municipales, ponderados por su tamaño poblacional. La clasificación de las Regiones de Salud en 5 grupos, de acuerdo a las combinaciones de longevidad, riqueza y educación, se determinó por el método K-medias. La mitad de las Regiones de Salud de Brasil fueron clasificadas como tipo 1 y grupo 2, y la otra mitad en grupos de dos tipos 3-5. La tipología presentada proporciona un modelo de agrupación de regiones sanitarias homogéneas, en consonancia con los supuestos teóricos de PROADESS. La elección de los indicadores y los métodos de agregación bien establecidos tienden a facilitar su comprensión y su utilización por los gestores del Sistema Único de Salud brasileño (SUS).

This article aimed to present a proposal for characterizing health regions in Brazil based on human development, contributing to the identification of comparable geographic areas for observation, analysis, and monitoring of performance in regionalized health systems. The dimensions of the Municipal Human Development Index were calculated for the health regions by aggregating data from municipalities, weighted by population size. The grouping of health regions in 5 groups, based on combinations of life expectancy, income, and schooling, was determined by the K-Means method. Approximately half of Brazil’s health regions were classified as type 1 and the other half as types 3 to 5. The typology provides a clustering model for homogeneous health regions, consistent with the theoretical assumptions of PROADESS. The choice of well-established indicators and aggregation methods tends to facilitate their comprehension and use by the actors involved in the administration of the Brazilian Unified National Health System (SUS).

A ocorrência de desastres muitas vezes é associada a processos naturais imprevisíveis. No entanto, a análise de grandes bases de dados permite mostrar tendências sazonais e de longo prazo, bem como padrões e áreas onde se concentram riscos. Neste trabalho é descrito o processo de aquisição e organização de dados sobre desastres, coletados pelos órgãos de defesa civil, e disponibilizados pelo Observatório Nacional de Clima e Saúde. As análises preliminares mostram a concentração de eventos desastres causados por chuvas intensas ao longo da costa brasileira, principalmente durante o verão. As secas apresentam maior duração e extensão, atingindo grande parte do sul e nordeste do país. Estes dados podem ser usados para analisar e monitorar o impacto de eventos climáticos extremos sobre a saúde, bem como seus determinantes de vulnerabilidade e clima.

The occurrence of disasters is often related to unforeseeable able natural processes. However, the analysis of major databases may highlight seasonal and long-term trends, as well as some spatial patterns where risks are concentrated. In this paper the process of acquiring and organizing climate-related disaster data collected by civil protection institutions and made available by the Brazilian Climate and Health Observatory is described. Preliminary analyses show the concentration of disasters caused by heavy rainfall events along the Brazilian coastline especially during the summer. Droughts have longer duration and extent, affecting large areas of the south and northeast regions of the country. These data can be used to analyze and monitor the impact of extreme climatic events on health, as well as identify the vulnerability and climate deteminants.