Embed Size (px)
Citation preview
“Mortalidade por Câncer de Colo de Útero no Municíp io do Rio de Janeiro, no período de 1999 a 2006”
por
Karina Cardoso Meira
Dissertação apresentada com vistas à obtenção do título de Mestre em Ciências na área de Saúde Pública.
Orientadora principal: Profª. Drª. Silvana Granado Nogueira da Gama Segundo orientador: Prof. Dr. Cosme Marcelo Furtado Passos da Silva
Rio de Janeiro, março de 2009.
2
Catalogação na fonte Instituto de Comunicação e Informação Científica e Tecnológica Biblioteca de Saúde Pública
M514 Meira, Karina Cardoso
Mortalidade por câncer de colo de útero no município do Rio de Janeiro, no período de 1999 a 2006. / Karina Cardoso Meira. Rio de Janeiro: s.n., 2009.
102 f., tab., graf., mapas
Orientador: Gama, Silvana Granado Nogueira da Silva, Cosme Marcelo Furtado Passos Dissertação (Mestrado) – Escola Nacional de Saúde Pública
Sergio Arouca, Rio de Janeiro, 2009
1. Neoplasias do Colo do Útero-mortalidade. 2. Neoplasias do Colo do Útero-prevenção & controle. 3. Indicadores de Morbi-Mortalidade. 4. Disparidades em Assistência à Saúde. 5. Modelos Lineares. I. Título.
CDD - 22.ed. – 616.994098153
3
Esta dissertação, intitulada
“Mortalidade por Câncer de Colo de Útero no Municíp io do Rio de Janeiro, no período de 1999 a 2006”
apresentada por
Karina Cardoso Meira
foi avaliada pela Banca Examinadora composta pelos seguintes membros:
Prof.ª Dr.ª Valéria Saraceni
Prof.ª Dr.ª Gina Torres Rego Monteiro
Prof.ª Dr.ª Silvana Granado Nogueira da Gama – Orientadora principal
Dissertação defendida em 27 de março de 2009.
4
DEDICATÓRIA
À minha mãe exemplo de honestidade, serenidade e superação.
i
AGRADECIMENTOS
Esta é uma parte difícil da dissertação, pois existe o medo de esquecer alguém
que foi importante em todo esse processo. E foi somente com a participação de todos
que consegui concluir esse trabalho. O sábio Guimarães Rosa dizia que ".... há sempre
um milagre acontecendo que não estamos vendo porque andamos desapercebidos das
coisas mais importantes da vida." Então ter convivido com alguns de vocês e conviver
ainda com outros é um milagre, pois o maior mistério dessa vida é que duas almas não
se encontram por acaso.
Agradeço profundamente a Deus por ter me dado força e serenidade para
percorrer esse caminho.
Á minha mãe e minhas irmãs Cátia e Andréia por me amarem de forma
incondicional e por perdoarem a minha ausência nos momentos de alegria e dificuldades
que passaram durante todos esses anos de distância.
Ao meu pai que me ensinou nos últimos dois anos que nunca é tarde para
recomeçar a traçar um novo caminho.
À minha avó Margarida e a minha tia Maura pelo apoio, carinho e pelas orações.
Agradeço aos meus professores do ensino fundamental Carlos Alberto e Sheila
por terem estimulados os meus sonhos.
Às senhoras Lídia e Seide, e o Senhor Hérculis pela confiança e ajuda durante
toda essa jornada.
À senhora Marina Rosa por me ensinar a amar os livros e a leitura, e até hoje
alimentar a minha alma com seus livros.
À Escola de Enfermagem da Universidade de São Paulo por me iniciar na
ciência e arte que é a enfermagem.
Ao Instituto Nacional de Câncer pelo conhecimento adquirido na assistência,
prevenção e pesquisa em oncologia.
Às professoras Drª Cibeli Andruciolli de Mattos Pimenta e a Drª Heloísa Helena
Ciqueto Peres por me iniciarem no mundo da pesquisa com todo cuidado e carinho.
Aos amigos do Centro Acadêmico XXXI de Outubro por me ensinarem a ver a
realidade do nosso país com outros olhos.
Aos amigos Audrey, Fabiana, Magno e Robson pelos maravilhosos momentos
que passamos juntos e pela amizade que permanece apesar da distância.
À amiga Aline Alves Ferreira por ter aberto as portas da sua família e da sua
vida para que eu fizesse parte. Obrigada pelos momentos de diversão, pelos trabalhos
ii
6
realizados em conjunto, pelas conversas sérias e por sua solidariedade durante a minha
internação. Sem a sua amizade a estada nessa cidade teria sido muito sem graça.
Às amigas Nana, Nara, Elizângela e Célia pelos momentos de descontração,
alegria e por me ensinarem a viver a vida com mais leveza.
À amiga de mestrado Marise por ter sido minha companheira na realização dos
trabalhos de disciplinas e por partilhar das minhas alegrias e tristezas.
Aos amigos Murilo, Júnior, Aline Leal, Gabriella, Michella pelos momentos de
partilha de sentimentos e sonhos durante esses dois anos.
Aos meus amigos do serviço noturno da Onco-hemato do Instituto Nacional de
Câncer, companheiros das madrugadas, Valeska, Deise, Valdimere, Gilma, Iracema,
Clarinda, Jorge, Vera, Mauro, Heloísa, Michelle, Jaciara, Thaís, Carla, Lúcia Helena,
Jeferson e Roberto: obrigada pelo apoio, amizade e por me aceitarem e me ensinarem
com tanta generosidade.
À amiga Arlene pelo carinho dos sorrisos de todas as manhãs, os quais me
deram forças em muitos momentos de desânimo.
Ao amigo-irmão Juliano pelo seu auxílio na construção do banco de dados e
aquisição das referências bibliográficas. E muito mais por me estimular a voar cada vez
mais alto sem perder a serenidade.
À amiga Brenda por estar presente em todas as etapas do desenvolvimento desse
trabalho, desde a realização do processo seletivo do mestrado até a sua conclusão. Sou
muito grata por ter me ensinado a viver com mais suavidade e por destacar as minhas
qualidades. Com certeza a sua amizade ajudou a “borboleta sair do casulo”.
Aos pacientes do Inca que tive a oportunidade de assistir, pois me ensinaram
muito mais do que cuidar do corpo, me ensinaram a cuidar da alma, o valor de um
sorriso, de um toque e a valorizar a vida do ser humano até o seu último suspiro.
Levarei cada um de vocês dentro do meu coração durante toda a minha vida. Obrigada
por me fazerem um ser humano melhor.
Aos meus orientadores Silvana Granado e Cosme Marcelo pelos ensinamentos e
paciência durante todo esse percurso.
iii
7
No princípio, antes que qualquer coisa existisse, Antes que houvesse o Universo,
O que havia era a Poesia. Deus era a Poesia. A Poesia era Deus.
Deus e a Poesia eram a mesma coisa. E Deus criou as estrelas para, com elas,
Escrever seus poemas nos céus...... Rubem Alves ( Prólogo do Evangelho de João, paráfrase)
iv
RESUMO Meira KC. Mortalidade por câncer de colo de útero no Município do Rio de Janeiro, no período de 1999 a 2006. Rio de Janeiro; 2009 [Dissertação de Mestrado] Escola Nacional de Saúde Pública/FIOCRUZ. Objetivo: Correlacionar a mortalidade por câncer de colo de útero nos 157 bairros do Município do Rio de Janeiro, no período de 1999-2006, com variáveis socioeconômicas e demográficas, além de descrever o perfil da mortalidade por câncer de útero no período. Metodologia: Foram utilizados os dados do sistema de Informação de Mortalidade (SIM/DATASUS) e da Secretaria de Saúde do Município do Rio de Janeiro (SMS/RJ), bem como as estimativas da população feitas pelo IBGE. As taxas de mortalidade foram padronizadas pelo método direto, utilizando como população padrão a população Mundial proposta por Segi. Testou-se a existência de correlação espacial dos dados através do cálculo do I de Moran e do C de Gery. Construíram-se mapas temáticos com as taxas de mortalidade média dos bairros e as variáveis socioeconômicas no programa CSPRO 3.3 com intervalos de mesma amplitude. O número de casos de óbitos por câncer de colo de útero nos bairros foi modelado utilizando-se a distribuição Poisson Inflacionada de Zero (ZIP), tendo como variáveis independentes: IDH, Proporção de negros e pardos, anos de estudo do chefe do domicílio, proporção de indivíduos com ensino superior, proporção de indivíduos com renda per capita menor que R$ 37,50, índice de gini, saneamento e proporção de analfabetos. No modelo univariado foram consideradas estatisticamente significativas as variáveis com valor de p≤0,20. Após a modelagem univariada testou-se a presença de colineariedade entre as variáveis através do Valor Inflacionário de Variação (VIF). Foram mantidas no modelo multivariado apenas as variáveis que apresentavam valor de VIF < 10. Permaneceram no modelo multivariado apenas as variáveis que apresentaram valor de p≤ 0,05. A comparação dos modelos foi realizada por meio do AIC (Critério de Informação de Akaike). Resultados: Observou-se altas taxas de mortalidade por câncer de colo de útero e corpo de útero no período, 50 óbitos/100000 mulheres maiores de 20 anos e 17 óbitos/100000 mulheres maiores de 20 anos respectivamente. Em ambos os casos verificou-se maiores taxas de mortalidade nas mulheres brancas, idosas e com baixo nível de escolaridade. As taxas médias de mortalidade por câncer de colo de útero variaram de 1,13/1000.000 mulheres no Jardim Guanabara a 42,93/1000.000 mulheres em Bonsucesso. Não se encontrou correlação espacial entre os dados I de Moran igual a -0, 036 e C de Gery 0,926. Verificou-se associação da mortalidade por câncer de colo de útero e as condições socioeconômicas dos bairros, pois as mulheres residentes nos bairros com maior proporção de negros e pardos apresentaram razão de taxas de mortalidade 2,01 vezes maior (IC 95% 1,44-2,75) do que as que residem nos bairros com baixa proporção de negros e pardos. Conclusão: A redução da desigualdade na incidência e mortalidade por câncer de colo de útero é um grande desafio para os profissionais e gestores de saúde para implementação de políticas de saúde. È necessário assumir o compromisso e a responsabilidade de oferecer tratamento diferente para àqueles grupos que estão inseridos de forma desigual, contemplando assim as suas necessidades e promovendo de forma efetiva o direito a equidade. Palavras-chave: Neoplasias Uterinas, Mortalidade, Indicadores de Morbi-Mortalidade. Disparidades em saúde.
v
9
ABSTRACT
Meira KC. The mortality for cervical cancer in Rio de Janeiro, from 1999 to 2006. Rio de Janeiro; 2009 [Master's dissertation] National School of Public Health/FIOCRUZ Objective: To correlate the mortality for cervical cancer in 157 districts in Rio de Janeiro, in the period of 1999-2006, with socioeconomic and demographic variables, and to describe the profile of the mortality for cervical cancer in this period. Methodology: It was used the data of Mortality Information System (Sistema de Informação de Mortalidade – SIM/DATASUS) and Municipal Health Secretariat of Rio de Janeiro (Secretaria Municipal de Saúde – SMS/RJ), besides the population estimates, by Brazilian Institute of Geography and Statistics (IBGE – Instituto Brasileiro de Geografia e Estatística). The mortality rates were standardized by direct method, using as standard population the world population proposed by Segi. It was possible to verify the existence of spatial correlation of data through the calculation I of Moran and C of Gery. Thematic maps were built with the average mortality rates of the districts and the socioeconomic variables in CSPRO 3.3 program, with intervals of the same amplitude. The number of deaths for cervical cancer in the districts were modeled using the Zero-Inflated Poisson (ZIP), having as independent variables: Human Development Index (HDI), proportion of blacks and browns, years of study of the chief of residence, proportion of individuals with higher education, proportion of individuals with per capita income lower than R$ 37,50, sanitation and proportion of illiterates. In the univariate model were considered statistically significant the variables with the value of p ≤ 0.20. After univariated modeling, it was tested the presence of colinearity between variables through the Inflationary Value of Variation (Valor Inflacionário de variação - VIF). The variables which presented the value of VIF < 10 were kept in the multivariate model. Only the variables which presented the value of p ≤ 0,05 were remained in the multivariate model. The comparison of the models was done using the AIC. Results: There was high mortality rates of cervical cancer and cancer of body of uterus in the period, 50 deaths/ 100000 women older than 20 years and 17 deaths/ 100000 women older than 20 years respectively. In both cases there was higher mortality rates in white women, elderly and low level of education. The average rates of mortality for cervical cancer ranged from 1.13 / 1000.000 women in the Jardim Guanabara to 42.93 /1000.000 women in Bonsucesso. There was no spatial correlation between the data I of Moran equal to -0, 036 and C of Gery 0,926. It was verified the association of the mortality for cervical cancer and the socioeconomic conditions of the districts, because the women who lived in the districts with higher proportion of blacks and browns presented mortality rates proportion 2,01 times higher (IC 95% 1,44-2,75) than those who lived in districts with lower proportion of blacks and browns. Conclusion: The reduction of inequality in the incidence and mortality for cervical cancer is challenge for health professionals and managers for implementation of health politics. It is necessary to take the commitment and responsibility to offer different treatment to those groups that are inserted unevenly, as a way to cover their needs and promote effectively the right to equity. Keywords: Uterine Neoplasms, Mortality, Morbi-mortality indicators, health disparities.
vi
ÍNDICE
1.INTRODUÇÃO........................................................................................................13 2. REVISÃO DE LITERATURA ........................................... 16Erro! Indicador não definido.
2.1. Panorama do câncer no Mundo e no Brasil. .................................................................. 17 2.2. Câncer do colo do útero ................................................................................................. 20
2.2.1 Carcinogênes e História Natural .............................................................................. 21 2.2.2 Prevenção Primária ...................................................................................................... 22
2.2.3 Prevenção Secundária .............................................................................................. 23 2.3 Disparidades na morbi-mortalidade por câncer. ............................................................. 25
3.Caracterização do ................................................................................................................ 29 Município do Rio de Janeiro .................................................................................................... 30
3.1 Características sócio-demográficas ............................................................................... 31 3.2 Condições de Saúde ........................................................................................................ 32
4. Bases teóricas ....................................................................................................................... 37 4.1 Análise espacial .............................................................................................................. 38 4.2 Modelos Lineares Generalizados ................................................................................... 40
4.2.1 Modelos de Poisson ................................................................................................. 46 5. OBJETIVOS ......................................................................................................................... 49
5.1. Objetivo geral ................................................................................................................ 50 5. 2. Objetivos específicos .................................................................................................... 50
6. METODOLOGIA ................................................................................................................. 51 6.1. Delineamento de estudo................................................................................................. 52 6.2. População de referência. ............................................................................................... 52 6.3. Fonte de dados e variáveis analisadas ........................................................................... 52 6.4 Critérios de inclusão ....................................................................................................... 52 6.5. Critérios de exclusão. .................................................................................................... 52
6.6. Variáveis a serem analisadas ............................................................................................. 53 6.7. Procedimento de Operacionalização ............................................................................. 53 6.8 Análise estatística ........................................................................................................... 54
6.8.1 Redistribuição dos óbitos ........................................................................................ 54 6.8.2 Cálculo de taxas ....................................................................................................... 54 6.8.3 Análise exploratória ................................................................................................. 54 6.8.4 Modelagem .............................................................................................................. 55
7. RESULTADOS ................................................................................................................... 58 8. DISCUSSÃO...............................................................................................................69 9.CONCLUSÃO ...................................................................................................................... 81 10.LIMITAÇÕES E CONTRIBUIÇÕES DO ESTUDO ......................................................... 83 11.REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................ 85 APÊNDICE.................................................................................................................95 ANEXOS....................................................................................................................98
7
11
LISTA DE QUADRO Quadros 4.1 Variáveis resposta e a distribuição pertencente á família exponencial na
forma canônica do componente aleatório dos modelos generalizados. ......................... 42
Quadros 4.2 Identificadores da família exponencial das distribuição Normal, Gama,
Normal Inversa, Binomial, Poisson e Binomial Negativa. ............................................. 42
Quadros 7.1 Estatísticas descritivas ( mínimo, média, máximo e desvio padrão) das
variáveis explicativas utilizadas na modelagem. ............................................................ 72
Quadros 7.2 Valor Inflacionado de Variação (VIF) das variáveis selecionadas para a
análise multivariada. ....................................................................................................... 76
8
12
LISTA DE TABELAS
Tabela 7.1 Distribuição etária dos casos de morte por câncer de útero, segundo faixa
etária, no Município do Rio de Janeiro, no período de 1999 a 2006. ............................. 56
Tabela 7.2 Distribuição dos óbitos, coeficiente de mortalidade (por 100000) em
mulheres com câncer de útero, segundo a faixa etária, Município do Rio de Janeiro,
1999 a 2006. ................................................................................................................... 57
Tabela 7.3 Distribuição dos casos de mortalidade por câncer de útero, no Município do
Rio de Janeiro, no período de 1999 a 2006, segundo raça. ............................................ 57
Tabela 7.4 Distribuição dos óbitos, coeficiente de mortalidade (por 100000) e razão de
taxas em mulheres casadas e sem companheiro (solteiras, viúvas e separadas), segundo
a causa básica, Município do Rio de Janeiro, 1999 a 2006. ................................ ...........63
Tabela 7.5 Distribuição dos óbitos, coeficientes de mortalidade (por 100000) com
câncer de útero, segundo nível de escolaridade, Rio de Janeiro, 1999 a 2006. ............ 58
Tabela 7.6 Taxa de mortalidade por câncer de colo de útero por 100000, padronizada
pela população Mundial proposta por Seige, segundo as regiões administrativas do
Município do Rio de Janeiro, no período de 1999 a 2006. ............................................. 68
Tabela 7.7 Resultados da análise univariada obtidos pelo modelo Poisson Negativo
Inflacionado de Zero (ZIP) ............................................................................................. 70
9
13
LISTA DE FIGURAS
Figura 3.1 Mapa do Município do Rio de Janeiro dividido pelas Regiões
Administrativas.....................................................................................................37
Figura 4.1 Diagrama de Espalhamento de Moran.............................................38
Figura 7.1. Distribuição espacial da taxa média de mortalidade padronizada, pela
população mundial proposta por Seige (1960), para o câncer de colo de útero, por
bairro, no Município do Rio de Janeiro, 1999 a
2006......................................................................................................................64
Figura 7.2 Distribuição espacial da esperança de vida ao nascer total (em anos), por
bairro, no Município do Rio de Janeiro, 2000.........................................................65
Figura 7.3. Distribuição da proporção de analfabetos, por bairro, Município do Rio de
Janeiro, 2000...........................................................................................................66
Figura 7.4. Distribuição espacial do percentual de indivíduos vivendo com renda per
capita menor que R$ 37,50, por bairro, no Município do Rio de Janeiro em 2000. ..67
Figura 7.5. Distribuição espacial da proporção de negros e pardos, por bairro, no
Município do Rio de Janeiro, 2000............................................................................68
Figura 7.6. Diagrama de espalhamento de Moran para os casos de mortalidade por
câncer de colo de útero no Município do Rio de Janeiro, no período de 1999 a
2006............................................................................................................................69
Figura 7.7 .Boxplot para a distribuição da variável expectativa de vida nos bairros do Município do Rio de Janeiro, em 2000...........................................................................................................................70 Figura 7.8. Boxplot para a distribuição das variáveis negpard, sanea, superior, anafalb, rendbaix, desiguald nos bairros do Município do Rio de Janeiro, em 2000............................................................................................................................72 Figura 7.9. Boxplot para a distribuição das variáveis IDH e índice de gini nos bairros do Município do Rio de Janeiro, em 2000............................................................................................................................72 Figura 7.10. Boxplot para a distribuição da variável anos de estudo do chefe de família nos bairros do Município do Rio de Janeiro, em 2000................................................................................73 Figura 7.11. Histograma da distribuição da freqüência do número de óbitos por câncer
de colo de útero nos bairros do Município do Rio de Janeiro, no período de 1999-
2006.............................................................................................................74
10
14
LISTA DE SIGLAS E ABREVIATURAS
AIC: Critério de Informação de Akaike
ANALFAB: proporção de indivíduos analfabetos
AP: Área Programática
ASCUS: células escamosas atípicas de significado indeterminado
CID-10: Código Internacional de Doenças 10a edição
C53: CID 10 câncer de colo de útero
C54: CID 10 câncer de corpo de útero
C55: CID 10 câncer de útero porção não especificada
CSPRO: Census and Survey Processing System
DESIGUALD: proporção dos 10% mais ricos e os 40% mais pobres
ENERGIA: proporção de domicílios com energia elétrica
EXPVIDA: esperança de vida ao nascer
ESTCHEF: anos de estudo do chefe do domicílio
HPV: Papiloma vírus humano
HSIL: Displasia de alto grau
IBGE: Instituto Brasileiro de Geografia e Estatística
IDH: índice de desenvolvimento humano
IPP: Instituto Pereira Passos
LSIL: lesão escamosa de baixo grau
NIC: Neoplasia intraepitelial cervical
NEGPARD: proporção de negros e pardos
OMS: Organização Mundial da Saúde
OR: Odds Ratio
PAISM: Programa de Atenção Integral à Saúde da Mulher
RA: Região administrativa
11
15
RENDBAIX: proporção de indivíduos que vivem com renda per capita de R$ 37,50
RR: Risco Relativo
RT: Razão de Taxas
SANEA: proporção de domicílios com saneamento básico
SMSRJ: Secretaria de Saúde do município do Rio do Janeiro
SIM: Sistema de Informação sobre Mortalidade
SUPERIOR: proporção de indivíduos com ensino superio
SUS: Sistema Único de Saúde
ZIP: Poisson Inflacionada de Zero
ZINB: Binomial Negativa Inflacionada de Zero
VIF: Fator Inflacionário de Variação
12
16
1. INTRODUÇÃO
13
17
O Brasil encontra-se em transição epidemiológica acelerada, passando do
predomínio das doenças infecto-parasitárias para as doenças crônico-degenerativas. Em
1930, as doenças infecto-parasitárias representavam 45,7% dos óbitos informados no
Brasil e, em 1999, foram responsáveis por apenas 5,9% das mortes com causas
definidas. No ano de 2005, as doenças cardiovasculares, as neoplasias, as causas
externas e o diabetes representaram 55,2% do total de óbitos, com importante
contribuição de neoplasias do colo uterino1-3.
A urbanização, a industrialização e o aumento da expectativa de vida foram os
principais fatores que contribuíram para o aumento da incidência das doenças crônicas
degenerativas, entre elas o câncer, pelo fato destes fatores aumentarem a exposição dos
seres humanos a agentes potencialmente cancerígenos1-3.
Observa-se nesta transição tanto os cânceres de maior prevalência em países
desenvolvidos como de pulmão, mama, próstata, cólon-reto quanto os cânceres
relacionados com à pobreza, tais como do colo do útero, pênis, estômago e cavidade
oral1-4.
O câncer do colo uterino é a quarta causa de morte por neoplasia entre as
mulheres em nosso meio e, em algumas regiões mais pobres do país, assume a segunda
posição. É o segundo tumor maligno mais freqüente nas mulheres brasileiras quando se
exclui o de pele não melanoma, sendo previsto um risco de 19 casos para cada 100.000
mulheres em 2008.
Segunda neoplasia mais comum entre mulheres ,no mundo as maiores taxas de
mortalidade dessa enfermidade são encontradas na América Latina e em países do
Caribe, África, Sudoeste da Ásia, enquanto as menores, na América do Norte, Austrália
e norte e nordeste da Europa5-7.
O câncer de colo de útero possui uma característica singular: tem disponível há
longo tempo um exame de rastreamento, o Papanicolaou, capaz de detectá-lo em fase
incipiente e curável com medidas relativamente simples. A redução nas taxas de
mortalidade por esta neoplasia, observada em países desenvolvidos desde a década de
60 é atribuída à introdução dessa prática8. A taxa de sobrevida em 5 anos para mulheres
diagnosticadas com carcinoma in situ é de aproximadamente 100%, contudo as
diagnosticadas em estadio IV têm uma taxa de sobrevida de 10%9.
14
18
Estudo desenvolvido nos Estados Unidos identificou que mais da metade das
mulheres com diagnóstico recente de câncer de colo de útero nunca realizaram o exame
preventivo ou o realizaram há muito tempo10.
Como na maior parte dos países da América Latina, no Brasil, o rastreamento
citológico do câncer de colo de útero foi introduzido no final dos anos 50 e início dos
60, porém limitado ao contexto da prática clínica e não como iniciativa de saúde
coletiva. A introdução do exame citólogico ocorreu em meados da década de 70,
ampliando-se em 1983 com a criação do PAISM (Programa de Assistência Integral à
Saúde da Mulher). Em 1988, o Ministério da Saúde passou a seguir a recomendação da
Organização Mundial de Saúde (OMS) para a realização do teste a cada três anos em
mulheres entre 25 e 60 anos de idade, após dois controles anuais consecutivos normais.
Em 1996, o Ministério da Saúde em parceria com o Instituto Nacional de Câncer
implantou o Programa “Viva Mulher” que envolvia cinco capitais brasileiras e um
estado, tendo como população-alvo mulheres na faixa etária de 35 a 49 anos. Em 1998,
esse programa foi estendido a todo o território brasileiro 5-7; 11-12.
Após a instalação do Programa Nacional de Combate ao Câncer de Colo
Uterino, a cobertura do preventivo vem aumentando Contudo a mesma continua baixa,
pois a OMS estabelece como necessária uma cobertura de 85% da população para
obtenção de impacto epidemiológico na freqüência e distribuição do câncer. E a
Pesquisa Mundial de Saúde realizada no Brasil em todas as regiões encontrou uma
cobertura na realização do exame preventivo nos últimos 3 anos de 65% 1,12.
As populações mais pobres apresentam taxas de mortalidade mais elevadas por
esta neoplasia, pois nestes grupos concentram-se as maiores barreiras de acesso à rede
de serviços para detecção e tratamento precoce da doença e suas lesões precursoras,
provenientes das dificuldades econômicas, insuficiência de serviços, além de questões
culturais 13-19.
15
19
2. REVISÃO DE LITERATURA
16
20
2.1. Panorama do câncer no Mundo e no Brasil.
Apesar dos avanços tecnológicos, a incidência e a mortalidade por câncer têm
aumentado nas últimas décadas. O câncer é responsável por 12,3% da mortalidade
mundial, representando maior porcentagem do que a mortalidade causada por
HIV/AIDS, tuberculose e malária juntas 20.
Segundo estimativas da OMS, em 2000 houve mais de 6 milhões de mortes por
câncer e 10,9 milhões de casos incidentes, além disso, houve 26 milhões de casos
prevalentes. A mesma instituição estima um aumento de 50% nas taxas de incidência
desta patologia para o ano de 2020, sendo que mais de um terço dos casos ocorrerão nos
países subdesenvolvidos e em desenvolvimento 20 .
Na América Latina observa-se menores taxas de mortalidade por cânceres
quando comparadas às taxas dos países da Europa Ocidental, Estados Unidos e Canadá.
Nas últimas décadas houve redução na taxa de mortalidade por câncer de pulmão,
estômago, útero e cânceres tabaco-relacionados. Entretanto houve um aumento na
mortalidade por câncer de pulmão e mama nas mulheres21. Os cânceres mais incidentes
nos homens são próstata, pulmão e estômago, e entre as mulheres de mama, colo do
útero e cólon e reto 20 .
No Brasil, a análise da mortalidade por região evidencia que as maiores taxas de
mortalidade são encontradas nas Regiões Sul e Sudeste. Contudo o estudo, que avaliou
a mortalidade por câncer no período de 1980 a 199522, evidenciou uma tendência de
crescimento da mortalidade nas regiões Centro-Oeste, Nordeste e Norte mais
ascendente do que a das regiões Sul e Sudeste e, segundo os autores, as regiões
brasileiras estão submetidas a fatores de risco diferentes devido à sua heterogeneidade
cultural, demográfica e socioeconômica. Também são diferentes nas diversas regiões o
acesso ao diagnóstico e a qualidade do tratamento oncológico22-23 .
De acordo com dados da Organização Mundial da Saúde (OMS) ocorrem no
mundo 270.000 mortes por câncer do colo do útero anualmente. Sendo que 40.000
mortes ocorrem em países desenvolvidos e 230.000 em países subdesenvolvidos ou em
desenvolvimento20.
17
21
A Europa apresenta tendências variadas na mortalidade por câncer do colo
uterino. As menores taxas da União Européia se encontram na Finlândia (0,5/100.000
mulheres) e Suíça (0,9/100.000 mulheres), e as maiores na Irlanda (3,4/100.000
mulheres) e Portugal (3,2/100.000)24.
Na Europa Ocidental observou-se substancial declínio da mortalidade exceto na
Irlanda que apresenta aumento das taxas desde a década de 80. As maiores taxas
concentram-se nos países do Leste Europeu. Na Bulgária e Romênia observa-se
crescimento desde a década de 80. Já na Hungria e Polônia ocorreu queda na taxa de
mortalidade25.
No continente americano as menores taxas de mortalidade do câncer do colo
uterino encontram-se nos Estados Unidos e Canadá e as maiores nos países da América
Latina e em alguns países do Caribe. Na década de 60 observou-se uma taxa de
mortalidade por câncer de colo do útero de 7,8/100.000 na República Domenicana,
26,4/100.000 na Venezuela e 10/100.000 nos EUA e Canadá 25.
Houve um declínio na taxa de mortalidade no período da década de 70 e 80 por
esta neoplasia nos países da América do Sul, Central e nos países do Caribe, com
exceção da República Domenicana e Equador. A Argentina apresentou uma queda na
mortalidade de 10%, o México de 23% e os EUA (Estados Unidos da América) e o
Canadá de 50% 25.
As estimativas de incidência de câncer no Brasil, para o ano de 2008 estimaram
um risco estimado de 19 casos de câncer de colo de útero para cada 100.000 mulheres,
sendo previstos 2.120 casos no estado do Rio de Janeiro e 860 casos no município do
Rio de Janeiro26. De acordo com dados do INCA, no país, houve um acréscimo de 23%
na taxa de mortalidade no período de 1979 a 1998. A variação anual da mortalidade por
câncer do colo do útero, no estado do Rio de Janeiro, no período de 1979-1985 foi de
1,01%, no período de 1986-1992 foi de 0,93% e de 1993-1999 foi de 2,64% 27.
Dados dos Registros Câncer de Base Populacional de indicam que as taxas de
incidência por câncer de colo de útero ajustadas pela população mundial, foi de
50,6/100.000 mulheres no Distrito Federal (1996-1998), 41,4/100.000 mulheres em
Goiânia (1996-2000), 34,7/100.000 mulheres em Belém (1996-1998), 26,2/100.000
mulheres em Recife (1995-1998), 23,6/100.000 mulheres em João Pessoa (1999-2000) e
20,8/100.000 em Natal (1998-1999) 4.
18
22
Não existem estudos que descrevam a tendência temporal da mortalidade por
câncer do colo do útero no Brasil como um todo, mas apenas em estados ou municípios
específicos tais como os municípios de São Paulo e Salvador, e os estados do Paraná e
Rio Grande do Sul, porém não é possível realizar comparações entre os resultados
destes, pois os mesmos utilizaram metodologias diferentes.
Os cânceres que acometem o útero requerem a especificação da topografia
acometida colo ou corpo, pois os mesmos apresentam diferenças histológicas,
epidemiológicas e etiológicas. Estimativas errôneas da mortalidade por cada uma
dessas topografias acontecem devido ao fato de ocorrer uma grande porcentagem de
registros de óbitos classificados como câncer de útero de porção não especificada. É
importante destacar que os erros de classificação de topografia do tumor indicam, alta
probabilidade de erro no diagnóstico, além de assistência médica insuficiente e
inadequada 28. Os estudos descritos a seguir não realizaram a redistribuição dos casos de
morte classificados com porção do útero não especificada, contudo consideraram a
mortalidade por câncer de colo de útero, corpo de útero e útero porção não especificada
nas suas análises.
No município de São Paulo, com as taxas de mortalidade entre 1980 e 1999
padronizadas pela população mundial proposta por Segi, observou-se um pequeno
decréscimo na mortalidade de 12,3/100.000 para 9,3/100.000. A mortalidade por câncer
de corpo do útero apresentou comportamento ascendente (0,5/100.000 para
0,9/100.000) e por câncer do útero sem especificação de localidade apresentou
movimentação descendente (4,6/100.000 para 2,4/100.000)8.
Em Salvador, a mortalidade padronizada ,pela população mundial proposta por
Segi, por câncer de colo de útero no período de 1979 a 1997 apresentou um decréscimo
de 50,6%, cujos valores variaram de 17,6/100.000 mulheres em 1979 para 8,7/100.000
em 199729.
O estado do Paraná apresentou um acréscimo na mortalidade de 1,67% no
período de 1980 a 2000, sendo que a maior parte das regionais de saúde apresentaram
tendências estacionárias. As regionais de Campo Mourão, Guarapuava e Ponta Grossa
foram às regiões com maior crescimento percentual na mortalidade durante o período
analisado, sendo as que apresentam as maiores disparidades socioeconômicas do
Estado30.
19
23
No estado do Rio Grande do Sul, houve um acréscimo de 19,6% na taxa de
mortalidade padronizada, pela população mundial proposta por Segi, no período de
1979 a 1998, variando de 3,2/100.000 para 9,7/100.000 31.
Os estudos de tendência de mortalidade por câncer são complexos, devendo-se
considerar fatores diversos. As tendências podem refletir diferenças de acesso e
qualidade dos serviços de saúde e, também, fatores de risco e proteção para a doença,
que podem sofrer alterações ao longo do tempo, sendo que tais efeitos podem atingir
diferentes grupos populacionais como menor ou maior intensidade 30.
No Brasil, houve uma melhora importante na qualidade das declarações da
população recenseada e aumento da cobertura de óbitos. Na década de 80, a precisão
das declarações das idades das Unidades da Federação Brasileira, em sua maioria,
passou do status de “pouco preciso” ou “moderado” para “preciso”. A cobertura dos
óbitos, em 1990, foi classificada como “boa” ou “satisfatória” para todos os estados do
Sul, Sudeste, Centro-Oeste e para os do Nordeste, exceto o Rio Grande do Norte. O
restante dos estados foram classificados como “regular” ou “insatisfatório”32. A
proporção de causas mal definidas nas estatísticas de mortalidade no Brasil diminuiu,
passando de 18,17% em 1990 a 15,42% em 2004. Essa diminuição foi notável nas
regiões Nordeste, Sul e Centro-Oeste2. Os fatos relacionados acima possibilitam a
construção de indicadores de mortalidade confiáveis que posteriormente serão
utilizados no planejamento das ações de saúde pública do país.
A taxa de mortalidade por câncer de colo de útero no estado do Rio de Janeiro
aumentou de 5,55 no período de 1979-1983 para 5,84 no período de 1995-1999. Vale
ressaltar que grande parte do aumento nas taxas de mortalidade pode dever-se a
melhoria da qualidade da informação da declaração de óbito e diminuição na taxa de
óbitos por câncer de útero de porção não especificada27.
2.2. Câncer do colo do útero
2.2.1 Carcinogênese e História Natural
O câncer de colo do útero tem como causa necessária para a sua ocorrência a
infecção pelo HPV transmitido por meio das relações sexuais. Este vírus ao infectar as
células do colo uterino promove desordens no epitélio e avança de forma gradual as
camadas do mesmo até atingir e romper a membrana basal e invadirem o tecido
conjuntivo abaixo do epitélio -carcinoma invasor33.
20
24
A prevalência da infecção pelo HPV começou a aumentar a partir da década de
60, coincidindo com o aumento da utilização de contraceptivos orais, diminuição da
utilização de métodos de barreira e o avanço tecnológico para a detecção do vírus34.
Semelhante ao que ocorre com outras infecções sexualmente transmissíveis, o
pico de incidência da infecção por HPV ocorre logo após o início da atividade sexual.
Estima-se que mais de 50% das jovens universitárias americanas são infectadas pelo
vírus 4 anos após a primeira relação sexual 35.
Estima-se, que a cada, ano mais de 6 milhões de pessoas são infectadas pelo
HPV genital nos Estados Unidos. E a prevalência pontual da infecção em estudos
variou de 27% a 46% das mulheres em idade reprodutiva36-38.
O HPV 16 é responsável por 50 a 60% dos casos de carcinoma invasor no
mundo, e o HPV 18 por 10 a 15%. É importante salientar que muitas infecções
causadas por tipos carcinogênicos do HPV são tipicamentes transitórias e tornam-se
indetectáveis dentro de 1 a 2 anos, ás vezes causando mudanças citológicas como
células escamosas atípicas de significado indeterminado -ASC-US e lesão escamosa de
baixo grau –LSIL 39-40.
Cerca de 60% das mulheres com lesão de baixo grau, NIC I- LSIL, apresentam
regressão espontânea, 30% apresentam lesão persistente, e das demais apenas 10%
evoluirão para displasia de alto grau, NIC III- HSIL, sendo a progressão para o câncer
menor do que 1% 41. Estudos têm demonstrado que o tabagismo, idade precoce da
atividade sexual, número de gestações e partos, número de parceiros e comportamento
sexual do parceiro são fatores que contribuem para a progressão de lesões precursoras e
do câncer42-44.
O intervalo entre a aquisição da infecção por HPV e a progressão maligna é
maior que 10 anos, portanto a doença é incomum antes dos 25 anos de idade. A sua
incidência começa aumentar a partir dos 25 anos e atinge o seu pico em mulheres na
faixa etária de 40-50 anos45.
2.2.2 Prevenção Primária
O desenvolvimento de vacinas para a prevenção do câncer de colo do útero foi
impulsionado por estudos que descreveram de forma clara a morfologia, virulência,
biologia molecular e história natural do vírus HPV. Conceitualmente podem ser
desenvolvidas vacinas profiláticas, para prevenir a infecção pelo HPV e curativas para
induzir a regressão da infecção estabelecida e de seqüelas46.
21
25
Atualmente estão disponíveis no mercado dois tipos de vacinas profiláticas a
bivalente e a tetravalente, ambas produzidas através da recombinação da proteína do
capsídeo viral L1, dentro de partículas, que se assemelham ao capsídeo viral. A injeção
dessas partículas estimulam uma resposta imunológica tipo-específica sustentada 47.
Espera-se que a prevenção primária da infecção pelo vírus HPV reduza a
incidência de doença genital HPV relacionada, incluindo cânceres de colo do útero, de
vagina, e de pênis. Acredita-se que haverá redução da incidência de lesão papilomatosas
na laringe de crianças e verrugas vaginais 46-47.
A Cervarix® (GlaxoSmithKline) protege contra o HPV tipo 16 e 18. A
tetravalente Gardasil® (Merck & Co., Inc.) também protege contra o vírus 16 e 18 ,
responsáveis por mais de 70% dos casos de câncer de colo de útero, e HPV 6 e 11
envolvidos em mais de 90% dos casos de verrugas genitais 46-48.
Estudos randomizados duplo-cego comprovaram 100% de eficácia dessas
vacinas em prevenir a infecção persistente pelos vírus 16 e 18 relacionados com as
lesões de alto grau (NIC II/NIC III), no período de seguimento de 4-5 anos, nas
mulheres que completaram o protocolo de seguimento49-53.
Estudo que avaliou a eficácia da vacina bivalente e encontraram uma eficácia
de 100% em prevenir infecção persistente, pelos tipos 16 e 18 do HPV ,e de 93% em
prevenir anormalidades citológicas. A população do estudo era composta por mulheres
na faixa-etária de 15-25 anos e o período de seguimento foi de 27 meses. O intervalo de
aplicação foi de 1 e 6 meses após a primeira dose50.
A vacina tetravalente apresentou eficácia de 100% na prevenção da infecção
persistente por HPV 16 e 18 51-53. A vacina promoveu uma imunidade tipo-específica
por um período superior a 5 anos, com eficácia de mais de 70% na prevenção da
neopalsia intraepitelial vulvar desencadeada pelo vírus HPV 16 e 18. Os estudos
realizaram a análise dos dados por intenção de tratamento o que diminui a possibilidade
de viés de seleção e confundimento52 .
Tanto a vacina bivalente quanto a tetravalente apresentaram-se seguras para a
sua utilização em grande número de indivíduos. Os efeitos adversos mais apresentados
pelos pacientes foram: dor, edema e eritema no local da aplicação; além de febre, dor de
cabeça e náusea. Foram identificados apenas dois casos de evento adverso grave como
broncoespasmo e gastroenterite 47
Os efeitos da vacinação na morbi-mortalidade por câncer de colo do útero
dependerão de políticas de saúde que visem ampla cobertura vacinal em mulheres das
diferentes raças/etnias e níveis socioeconômicos, uma vez que os grupos com
22
26
dificuldade de acesso aos serviços de saúde são os mais expostos aos fatores de risco
para o desenvolvimento desta neoplasia47.
O desenvolvimento de vacinas contra a infecção pelo vírus HPV foi um grande
avanço para a Saúde Pública. Entretanto devem-se considerar as suas limitações: a
vacina não protege contra todos os tipos carcinogênicos do HPV; não trata as lesões
prevalentes; o custo da vacina é elevado e a necessidade de 3 aplicações pode ser um
empecilho às populações que apresentam dificuldade de acesso aos serviços de saúde,
bem como, as populações migrantes 46-48.
2.2.3 Prevenção Secundária
A prevenção secundária consiste em técnicas de rastreamento que permitem a
detecção da doença precocemente. Entre os métodos para a detecção precoce do câncer
de colo uterino tem-se a citologia (Papanicolaou), citologia em meio líquido,
visualização do colo uterino após a aplicação de ácido acético, visualização após a
aplicação de lugol, e mais recentemente, testes para a detecção do DNA do HPV em
células epiteliais uterinas 11
A estratégia de rastreamento com maior sucesso na prevenção da
morbimortalidade desta neoplasia é o exame de Papanicolaou. A implementação desta
estratégia em alguns países promoveu redução nas taxas de incidência em 93% no
período de 3 anos 47 .O risco cumulativo do câncer do colo uterino é reduzido em 84%
para mulheres rastreadas a cada cinco anos e em 91% para mulheres que fazem o
preventivo a cada três anos. A realização anual do exame eleva a proteção em apenas
2% 47.
O sucesso desta técnica como uma intervenção de saúde publica deve-se à
oportunidade de detectar lesões precursoras antes que elas se tornem câncer. Além de
promover a detecção de câncer em estágios menos avançados, permitindo a utilização
de terapias menos invasivas 11,47.
A implementação de medidas de rastreamento promoveu expressiva redução na
morbimortalidade por câncer de colo de útero nos países desenvolvidos. Contudo, não
ocorreu o mesmo em países em desenvolvimento, pois um grande número de mulheres
nos grupos de maior risco para o desenvolvimento da doença não são cobertas pelo
exame.
Os principais motivos relacionados com a não realização do exame preventivo
na cidade de Campinas 5 são: a faixa etária entre 40-59 anos (23,7%), raça/etnicidade
23
27
negra e parda (36,3%) , não ver importância na realização do exame (43,5%), vergonha
(28,1%) e(13,7%) barreiras relacionadas aos serviços de saúde.
A falha na realização de práticas preventivas não é responsabilidade
exclusivamente individual, mas de uma complexa rede de relações interpessoais,
organizacionais e programáticas 23. Essa rede tem ligação com estratégias e técnicas
utilizadas pelos programas de prevenção de câncer e com aspectos relacionados aos
facilitadores e barreiras sociais, culturais, econômicas e políticas relacionadas ao
comportamento preventivo.
Estudo de revisão de literatura identificou que existem poucos estudos que
avaliem a cobertura do exame preventivo. A maioria concentra-se nas regiões Sul e
Sudeste do país e não há uma padronização com relação à amostragem e o perfil das
mulheres54.
Em São Paulo, a realização do Papanicolaou pelo menos uma vez na vida
passou de 68,9% em 1987 para 86,1% em 200023,55. Em Pelotas, a realização do
preventivo nos últimos três anos foi de 65% em 1992, 72,2% em 1999/2000 e 68,8% em
200256-59.
A Pesquisa Mundial de Saúde realizada em 2003 no Brasil identificou uma
cobertura nacional de 65% e verificou que o grau de cobertura do exame preventivo
varia de acordo com o tamanho das cidades. Os municípios com até de 50.000
habitantes apresentaram uma cobertura de 34,2% enquanto os com mais de 400.000
possuíam uma cobertura de 72,3%12.
Apesar do sistema de saúde ser universal o acesso aos serviços de saúde difere
por nível socioeconômico e local de residência, apresentando grande dificuldade as
mulheres que vivem em áreas rurais e cidades com poucos habitantes e de pequeno
tamanho12.
Um inquérito domiciliar, realizado pelo Ministério da Saúde/Instituto Nacional
de Câncer (2003)60 em 15 capitais brasileiras identificou uma cobertura de realização do
exame preventivo em pelo menos uma vez nos últimos três anos maior que 60% em
todas as regiões brasileiras. O município do Rio de Janeiro teve uma cobertura global de
83,5% e cobertura por faixa etária de 84,3% (25-34 anos), 85,7% (35-49 anos) e 78,2%
(50-59 anos). Ao avaliarem o local no qual as mulheres realizam os exames preventivos
observa-se que nas regiões Norte e Nordeste, o principal é a rede SUS (Sistema Único
de Saúde). Já nas regiões Centro-Oeste, Sudeste e Sul o principal local é a rede não
SUS. Tendo destaque a cidade do Rio de Janeiro na qual 68% das mulheres realizam o
mesmo em rede não SUS.
24
28
Todos esses estudos foram baseados no auto-relato das mulheres, as mesmas
tendem a superestimar a realização do exame e subestimar a época de realização do
exame, tornando o mais recente do que é 23.
É importante destacar que a cobertura e o acesso aos serviços de saúde devem
transcender os limites tradicionais de uma simples proporção numérica. Devem admitir
que existe uma relação dinâmica na qual intervêm, as necessidades e aspirações da
população, expressas pela demanda dos serviços e, pelos recursos disponíveis e suas
combinações tecnológicas e organizacionais que configuram a oferta satisfatória da
demanda. O grau de acesso real depende do tempo e distância que se leva para chegar
aos serviços de saúde e do custo para usufruir os mesmos 13,61.
2.3 Disparidades na morbi-mortalidade por câncer.
Verificam-se grandes disparidades nas taxas de incidência, mortalidade e
sobrevida por câncer nos diferentes grupos étnicos, sociais e raciais. E para entender
essa realidade, é necessário avaliar o contexto sociocultural e histórica na qual a mesma
ocorre 15-16.
A pobreza, cultura e a injustiça social são os principais fatores que contribuem
para as disparidades em saúde. Esses fatores interrelacionam-se e cada um deles muda
com o tempo e com as circunstâncias da sociedade 16.
A pobreza está associada com as disparidades de saúde mais do que qualquer
outro fator, pois se relaciona à falta de recursos, falta de informação, conhecimento
escasso, inadequadas condições de vida, maior exposição aos fatores de risco e acesso
prejudicado aos serviços de saúde. Freeman considera letal a combinação do câncer
com a pobreza 13,16.
A OMS (2003)20 demonstrou a relação entre mortalidade por câncer com fatores
socioeconômicos, raça e escolaridade. Nas regiões mais pobres ocorrem as maiores
taxas de incidência de cânceres relacionados à pobreza: câncer de boca, esôfago, pênis,
estômago e colo do útero. Além disso, observam-se maiores taxas de mortalidade em
populações com dificuldade de acesso aos serviços de saúde: negros, imigrantes e
populações rurais13,16 .
A escolaridade é uma importante variável que tem sido utilizada nos estudos
como uma aproximação para o acesso aos recursos sociais e econômicos, os quais
influenciam nas condições de saúde e no uso de serviços preventivos 62.
25
29
O estudo desenvolvido em mulheres latinas, que avaliou a realização de prática
de prevenção secundária para o câncer de colo de útero, verificou que as mulheres
latinas apresentam dificuldades para obtenção desse recurso de saúde devido aos
seguintes fatores: falta de acesso aos serviços de saúde, dificuldade em entender a
importância das medidas de prevenção e grandes distâncias para obtenção do cuidado de
saúde. Além disso, identificou que as mulheres mais velhas com baixa escolaridade
apresentam maior chance (OR 1, 47 IC 95 % 1, 08-2, 01) de nunca terem realizado o
exame durante a vida quando comparadas as mulheres mais jovens e com pelo menos 6
anos de escolaridade63.
A avaliação do impacto da escolaridade nas práticas de rastreamento para
câncer em populações idosas em cidades da América Latina e no Caribe identificou que
as mulheres com baixo nível de escolaridade apresentavam menores taxas de
rastreamento para câncer de colo útero (OR 1,06 IC 95% 1,05-1,08) e mama (OR 1,02
IC 95% 1,01-1,04), quando comparadas com as mulheres com alto nível de
escolaridade, exceto na cidade de Havana aonde as mulheres apresentam alto nível de
escolaridade quando comparadas com as mulheres das outras cidades avaliadas. Trata-
se de um caso singular, pois Cuba representa um exemplo no qual modestos
investimentos em infra-estrutura combinados com estratégias de saúde pública bem
desenvolvidas podem gerar cobertura universal e promover status de saúde comparáveis
aos países industrializados62.
E estudo desenvolvido na Espanha para avaliar a associação entre a
mortalidade por câncer e o nível educacional. A escolaridade mostrou-se como um fator
de proteção para vários tipos de câncer. As mulheres que não possuíam educação básica
apresentavam um risco de morrer por câncer de colo de útero 2,62 vezes maior quando
comparadas as mulheres com educação superior64.
A análise da associação entre mortalidade por câncer de colo de útero e fatores
socioeconômicos na Espanha no período de 1979-1997. Verificaram tendência crescente
da mortalidade durante esse período e as maiores taxas localizaram-se nas províncias
mais pobres. Naquele período a Espanha não dispunha de um programa de rastreamento
para a população feminina. As ações de combate ao câncer de colo de útero eram
regionalizadas e cobriam uma pequena parte da população18.
Desigualdades na sobrevida por câncer nos diferentes estratos socioeconômicos
estão associadas à iniqüidade no acesso ao tratamento de qualidade, bem como
diferenças nos estágios de diagnóstico da patologia 65.
26
30
Estudos realizados no Japão65 e por nos EUA66 verificaram que a sobrevida
diminuiu com a pobreza e aumentou com o nível de escolaridade. Essas diferenças entre
as áreas com baixo e alto nível socioeconômico permaneceram mesmo após o
ajustamento por idade e estágio do tumor.
As regiões do Japão com maior proporção de indivíduos desempregados (68,9%,
64,3% e 56,1% respectivamente p<0, 0001) apresentaram maior mortalidade. Também
identificaram diferenças entre os municípios com alto, médio e baixo nível de
escolaridade (65,1%, 62,2% e 56,1% respectivamente p<0, 0001) 65.
Nos EUA, a tendência de mortalidade por câncer de colo de útero, comparando
as áreas de menor nível socioeconômico e as áreas de maior nível socioeconômico,
apresentou um aumento de 1,62 em 1975 (IC 95% 1,49-1,75) para 1,83 em 2000 (IC
95% 1,66-2,00). Houve declínio na mortalidade de acordo com o aumento do nível de
escolaridade: alto nível de escolaridade 2,10% (IC 95% 1,88-2,33), médio 1,61% (IC
95% 1,35-1,87) e baixo 1,47% (IC 95% 1,16-1,7). A taxa de sobrevida aumentou com o
nível de escolaridade: alto nível de escolaridade 80,3% (IC 95% 77,2-82,2), médio
76,6% (IC 95% 73,5-79,6) e baixo 73,1% (IC 95% 70,2-76,0) 66.
As mulheres negras apresentaram um risco de morrer por câncer de colo de útero
1,30 quando comparadas às brancas (95% IC 1,14-1,48) Além disso, as negras tiveram
maior proporção de casos (43,8%) diagnosticados em estádios avançados quando
comparadas às brancas (34,8%)67.
As disparidades nas taxas de incidência por essa neoplasia também foram
observadas no estudo desenvolvido por Saslow47. Verificaram-se altas taxas de
incidência e mortalidade em mulheres negras e hispânicas quando comparadas às
brancas. As mulheres negras apresentaram 10,5 casos novos/100.000, as brancas
6,6/100.000 e as de outras raças 4,7/100.000 47.
A avaliação da sobrevida de mulheres com câncer invasivo de acordo com a
raça identificou que após o ajustamento por idade ao diagnóstico, histologia,
estadiamento e tipo de tratamento verificaram que as negras apresentam um risco de
mortalidade 19% maior quando comparadas às brancas (RR= 1,19, 95% 1,06-1,33). As
mulheres hispânicas tiveram um risco 26% menor de morrer quando comparadas às
negras (RR =0,79) 68.
Dimensionar as desigualdades sociais nas condições de saúde constitui o
primeiro passo para o enfrentamento das iniqüidades no campo da saúde69. A
mensuração das desigualdades é uma condição indispensável para a análise de seus
determinantes, obtenção de políticas de ação e para definição e distribuição social e
27
31
geográfica dos recursos e serviços de saúde visando atingir a igualdade das condições
de saúde da população70.
28
32
3.Caracterização do
Município do Rio de Janeiro
29
3.1 Características sócio-demográficas
O município do Rio de Janeiro apresenta uma população, estimada em 2005, de
6.094.182 habitantes distribuídos em 1.182,30 Km2, com densidade demográfica de
5.155 hab/ Km2. Está dividido em dez áreas de planejamento (AP) constituídas por 32
regiões administrativas (RA), as quais agregam 157 bairros. Esta divisão administrativa
foi criada com intuito de viabilizar a regionalização das ações e serviços de saúde 71.
A população é predominante de adultos observando-se aumento de idosos nos
últimos anos. Crianças e adolescentes representam 31,8% da população. A avaliação da
pirâmide etária da população evidencia a redução dos nascimentos na população, uma
população de jovens e adultos, com maior proporção de mulheres a partir da faixa etária
dos 20 aos 29 anos 72.
A expectativa de vida ao nascer, de acordo com o censo de 2000, é de 66,29 para
homens e 74,89 para mulheres. O IDH (índice de desenvolvimento humano) é 0,842,
ocupando na região metropolitana do Estado o segundo melhor índice ficando atrás
apenas da cidade de Niterói. A taxa de alfabetização é de 0,956 e a de freqüência
escolar de 0,886 71-72.
As áreas mais populosas concentram-se nas AP3. 3 (Área de Planejamento) que
correspondem as RA de Irajá, Madureira, Anchieta e Pavuna, e a AP3.1 que
compreende as regiões de Ramos, Penha, Ilha do Governador, Complexo do Alemão e
Maré. A área menos populosa é a AP1 que abriga o centro da cidade e áreas
adjacências. A área AP2. 1, que abrange a zona sul da cidade, é a que apresenta o maior
percentual de idosos e a área AP 5.3, que abrange a região de Santa Cruz, é a que
apresenta o menor percentual 71-72.
A atividade produtiva no Município está basicamente concentrada no comércio
(62%) e na prestação de serviços (14%). Segundo o IBGE, em 2000, havia uma taxa de
emprego de 47,2% na população de 10 anos ou mais, sendo que 60% destas eram
empregados e 7% trabalhadores domésticos 71-72.
A renda das pessoas empregadas concentra-se nas que recebem entre 2 a 3
salários mínimos, 18% do total. Agrupando-se as faixas salariais observa-se que 60%
recebe até 5 salários mínimos, 20% entre 5 a 10 salários, 9% entre 10 a 20 salários
mínimos e 7% acima de 20 salários mínimos. Esses percentuais demonstram forte
concentração de renda 71-72.
30
34
Figura retirada do SGP/MS Reorganizando o SUS no Município do Rio de
Janeiro.
Figura 3.1. Mapa do Município do Rio de Janeiro dividido pelas Regiões
Administrativas.
Apenas 13,37% do total de bairros apresentam renda per capita acima de 1000
reais que são: Gávea, Leblon, Jardim Guanabara, Lagoa, Ipanema, Flamengo, Humaitá,
Joá, Barra da Tijuca, Jardim Botânico, Copacabana, Leme, Botafogo, Urca, Maracanã,
Glória, Grajaú, Tijuca e Alto da Boa Vista. Vale destacar que esses bairros também
apresentam expectativa de vida superior a 70 anos e com IDH (índice de
desenvolvimento humano) superior a 0,90 71-72.
Os bairros com renda per capita abaixo de 1 salário mínimo são: Vigário Geral,
Colégio, Sepetiba, Cosmos, Caju, Paciência, Cidade de Deus, Barros Filho , Inhoíba,
Camorim, Santa Cruz, Jacarezinho, Manguinhos, Acari, Parque Colúmbia, Costa
Barros, Complexo do Alemão. A expectativa de vida destas localidades não superam
68 anos e o IDH é menor que 0,75 71-72.
3.2 Condições de Saúde
A análise das principais causas de morte no Município do Rio de janeiro
evidencia o predomínio das doenças crônico-degenerativas, pois 27,6% das mortes são
decorrentes do aparelho cárdio-circulatório, 17,3% neoplasias, 10% aparelho
31
35
respiratório, 12% causas externas e 10% causas mal definidas. Vale ressaltar que a
proporção de causas mal definidas é um indicador da qualidade das informações sobre
mortalidade. Se sua freqüência é elevada deduz-se que a mortalidade por outras causas
está subestimada 71-72.
Dentre a morte por neoplasias, o câncer de mama tem mortalidade de 25
mulheres por 100.000 mulheres, sendo maior que a taxa de mortalidade nacional que é
de 10 casos por 100.000 mulheres. Também foi o mais incidente no município com
taxas de 139,79 casos por 100.000 em 2003. O câncer de colo de útero apresentou uma
taxa de incidência de 94,15 para cada 100.000 mulheres em 2003 71-72 .
A mortalidade materna no período de 1998 a 2002 apresentou- se acima de 40
óbitos por 1000 nascidos vivos. São devidas às complicações da gravidez, parto e
puerpério. Taxas elevadas podem indicar um contexto caracterizado por baixo nível de
saúde da população e a sua ocorrência pode servir como um evento que indica a baixa
qualidade dos serviços prestados à população 71-72.
Com relação às causas de mortalidade evitáveis, que são prevenidas por
adequado controle da gravidez, parto e puerpério, o município apresenta altas taxas de
mortalidade infantil e materna quando comparado com países desenvolvidos. Esse dado
aponta para baixa qualidade da assistência à saúde materno-infantil. Neste contexto
observa-se 10% de recém nascidos com baixo peso, 8%, prematuridade 18,6% de mães
entre 10 e 19 anos e aproximadamente 50% de cesáreas 71-72.
Avaliando esse contexto de saúde o Fórum de Conselhos Municipais de Saúde
definiram os principais problemas de saúde do Município do Rio de Janeiro entre os
quais se destaca a deficiência na saúde materno-infantil, dificuldade para garantir o
atendimento de média e alta complexidade para a população, alta prevalência de
doenças crônico-degenerativas (hipertensão e diabetes), deficiência na assistência
hospitalar e política inadequada dos recursos humanos71-72.
Este Fórum destaca a grande disparidade na distribuição dos hospitais entre as
AP, pois há uma concentração destes na AP1 e escassez nas AP 3.3, AP4, AP5.1, AP
5.2 e AP 5.3. O tipo de internação por AP´s reflete a oferta de leitos em cada
especialidade. Há um predomínio de internações relacionadas à gravidez e às neoplasias
na AP1, transtornos mentais na AP 2.1 e 4 e aparelho circulatório na AP2.2 71-72.
Além disso, um aspecto fundamental na organização do sistema de saúde no
Município é a insuficiência da rede básica de saúde se for considerada a necessidade de
oferecer cobertura e resolutividade na atenção a toda população71-72.
32
36
4. Bases teóricas
33
4.1 Análise espacial
A análise espacial é o estudo quantitativo de fenômenos localizados no espaço.
Este tipo de análise tem como foco a análise ambiental, estudos ecológicos, delimitação
de áreas e análise de serviços de saúde. Em sua aplicação são utilizadas técnicas
matemáticas, estatísticas e computacionais para o tratamento das informações. E os
dados podem ser avaliados segundo o tipo de dado em: distribuição de pontos;
geoestatística; dados de área e deslocamento73-74.
Os principais conceitos estatísticos que definem a estrutura espacial dos dados
relacionam-se aos efeitos de 1a e de 2a ordem. Efeito de 1a ordem é o valor esperado,
isto é, a média do processo no espaço. Já o efeito de 2a ordem é a covariância entre as
áreas. Outros conceitos importantes são o de estacionariedade e isotropia 75-78 .
Um processo é considerado estacionário se os efeitos de 1a e de 2a ordem são
constantes em toda a região estudada, ou seja, não há tendência. Um processo é
isotrópico se a covariância depender somente da distância entre os pontos e não da
direção entre eles75-78.
A análise exploratória de dados espaciais em saúde é feita através de técnicas de
mapeamento com o objetivo de avaliar a presença de valores extremos. O uso de
diferentes pontos de corte permite a visualização de diferentes aspectos. Existem vários
pontos de corte (percentis e desvio padrão) a serem utilizados sendo que cada um deles
possibilita a visualização de aspectos diferentes 78.
A identificação da estrutura de correlação espacial é uma etapa da análise
exploratória. A finalidade deste procedimento é estimar a magnitude da autocorrelação
espacial entre as áreas. O Índice de Moran e o C de Gery são utilizados para tal análise e
caracterizam a dependência espacial mostrando como as variáveis estão no espaço, onde
são correlacionados os vizinhos de primeira ordem. O I de Moran e o C de Gery são
dados respectivamente por:
A) índice de Moran
( )( )
( )∑ −
∑ ∑
∑ ∑ −−=
== =
= =
n
1i
2i
n
1i
n
1jij
n
1i
n
1jjiij
yyw
yyyywn
I
B) C de Gery
34
38
( ) ( )
( )∑ −
∑ ∑
∑ ∑ −−=
== =
= =
n
1i
2i
n
1i
n
1jij
n
1i
n
1j
2jiij
yyw2
yyw1n
C
A interpretação do I de Moran é semelhante à interpretação de um coeficiente de
correlação não-espacial, ou seja, quanto mais próximo de 0 indica falta de associação
espacial e para valores próximos de 1 indica forte associação. Por outro lado, a
interpretação do C de Gery é o oposto, ou seja, quanto mais próximo de 1 há indícios de
que não existe associação espacial e quanto mais próximo de 0 mais forte é a associação
entre localidades vizinhas 80.
Uma maneira adicional de se visualizar a dependência espacial é dada pelo diagrama de
espalhamento de Moran, pois permite analisar o comportamento da variabilidade
espacial. O diagrama de espalhamento de Moran é um gráfico bidimensional, dividido
em quatro quadrantes, onde são plotados os valores normalizados do fenômeno numa
área com a média dos seus vizinhos, para todas as áreas (FIGURA 4.1). No primeiro
quadrante do diagrama de espalhamento de Moran são plotados os valores positivos e as
médias positivas e no segundo quadrante são plotados os valores negativos e as médias
negativas. Os pontos localizados no primeiro e segundo quadrantes possuem associação
espacial positiva, de tal forma que uma determinada área possui vizinhos com
comportamentos semelhantes aos dela. O terceiro quadrante possui valores positivos e
médias negativas, e o quarto quadrante possui valores negativos e médias positivas. Os
pontos localizados no terceiro e quarto quadrantes possuem associação espacial
negativa, de tal forma que uma determinada área possui vizinhos com comportamentos
diferentes dos dela 80-81.
Para estimar a variabilidade espacial dos dados de área, uma ferramenta básica é
a matriz de proximidade espacial, também chamada de matriz de vizinhança. Dado um
conjunto de n áreas {A1..., An}, constroi-se a matriz W(1) (n x n), onde cada um dos
elementos wij representa uma medida de proximidade entre Ai e Aj. Esta medida pode
ser calculada a partir dos seguintes critérios:Wij será igual a 1o centróide de Ai está a
uma determinada distância de Aj e será 0 caso contrário;
Wij será igual 1 se lij/ li, onde li é o comprimento da fronteira entre Ai e Aj e li é o
perímetro de Aj e será 0 caso o contrário.
Para mensurar a autocorrelação espacial do modelo, a variância pode ser
calculada por dois procedimentos: o método nonfree que usa a aleatorização para este
35
39
cálculo, sem assumir uma distribuição específica; e o método free que assume
normalidade, ou seja, que os dados são independentes e seguem uma distribuição
normal 78(Ferreira & Britto, 2006).
-3
-2
-1
0
1
2
3
-3 -2 -1 0 1 2 3
Número de eventos
Méd
ia d
o nú
mer
o de
eve
ntos
do
s vi
zinh
os
Figura 4.1. Diagrama de espalhamento de Moran.
4.2 Modelos Lineares Generalizados
O processo de modelagem consiste na busca de um modelo, o mais simples
possível, que descreva bem os dados observados. Durante esse processo considera-se,
na maioria dos casos, que o comportamento da variável resposta pode ser representado
por dois componentes: um componente sistemático e um aleatório 82-86. O componente
sistemático é estabelecido durante o planejamento do experimento, resultando em
modelos de regressão, de análise de variância e de análise de covariância. O
componente aleatório é estabelecido logo que são definidas as medidas a serem
realizadas.
Os modelos lineares generalizados apresentam, como uma das principais
características, a capacidade de unificar diversas técnicas estatísticas que, geralmente,
são estudadas separadamente. Este tipo de modelagem é utilizado, principalmente,
quando um ou mais pressupostos dos modelos de regressão linear clássicos não são
satisfeitos. Além disso, admiti-se que as variáveis respostas possuam distribuição
diferente da Normal e que sua média se expresse como diferentes funções de
covariáveis e de seus respectivos coeficientes 80.
Q4 Q1
Q3 Q2
36
40
O componente aleatório, o componente sistemático e a função de ligação são os
três componentes que caracterizam os modelos lineares generalizados.
Componente aleatórios variáveis resposta aleatórias (Y1,..., Yn) estatisticamente
independentes, que se consideram distribuídas de acordo com a mesma distribuição de
probabilidades membro da família exponencial na forma canônica (padrão), em que
a(Y)= Y, e dependem, cada uma delas, de um único parâmetro θi isto é:
( ) ( ) ( )[ ] ( )
φ+θ−θφ
=φθ ;ycbya
1exp,;yf iiii
ii
em que ( )⋅b e ( )⋅c são funções conhecidas, iθ é chamado de parâmetro
canônico. Além disso, ( ) ( )iii bYE θ′=µ= e ( ) ( ) ( )iii baYVar θ′′φ= , onde b′ e b′′
representam, respectivamente, a primeira e a segunda derivadas.
O Quadro (4.1) apresenta alguns tipos de distribuições pertencentes à família
exponencial na forma canônica segundo o tipo de variável resposta e o Quadro (4. 2),
os identificadores da família exponencial dessas distribuições.
No componente sistemático dos modelos lineares generalizados as variáveis
explicativas entram na forma de uma combinação linear de seus efeitos dando origem
ao preditor linear iη , que é um vetor de dimensão 1n× . Assim,
β′η = iXi
onde iX é a matriz de covariáveis e β o vetor de parâmetros desconhecidos a
serem estimados.
O terceiro componente dos modelos lineares generalizados é a função de
ligação. A função de ligação ( )⋅g é uma função conhecida e diferenciável, que tem o
objetivo de relacionar o componente aleatório ( )iµ e o componente sistemático ( )iη ,
ou seja, relaciona a média ao preditor linear, ou seja,
( ) β′=η=µ iii Xg
Quadro 4.1. Variáveis respostas e a distribuição pertencente á família exponencial na
forma canônica do componente aleatório dos modelos generalizados.
37
41
Tipo de variável
resposta
Distribuição pertencente à família
exponencial na forma canônica
Contínua
Distribuição Normal
Distribuição Gama
Distribuição Normal Inversa
Proporção Distribuição Binomial
Contagem Distribuição de Poisson
Distribuição Binomial Negativa
Quando a função de ligação escolhida é tal que ( ) iig θ=µ , ou seja, o preditor
linear modela diretamente o parâmetro canônico, a função de ligação é chamada de
função de ligação canônica. Assim, a função de ligação pode ser obtida, diretamente, da
distribuição de probabilidade na forma da família exponencial 80-83(Silva, 2006;
Dobson, 1983).
O ajuste de um modelo linear generalizado exige o estabelecimento pelo
pesquisador de uma estrutura de análise que possibilite identificar o modelo, estimar os
parâmetros, avaliar o seu ajuste e avaliar a sua adequação, com o intuito de que o
mesmo possa representar o mais próximo possível a realidade que procura retratar80
(Silva, 2006).
Na escolha das variáveis que serão, inicialmente, utilizadas no modelo, devem
ser consideradas somente aquelas que, de acordo com a avaliação dos especialistas,
possuem alguma ligação lógica com o problema em questão. Sendo assim, as variáveis
devem ser escolhidas de acordo com a sua relevância para estudo. Além disso, deve-se
tomar cuidado na inclusão de variáveis que apresentem autocorrelação serial ou
dependência entre si, para evitar problemas na hora de escolha do melhor modelo80
(Silva, 2006).
Para o ajuste de um modelo linear generalizado é necessário a determinação do
vetor (β̂ ) de estimativas dos parâmetros. Na determinação do vetor (β̂ ) de estimativas
dos parâmetros dos modelos lineares generalizados são utilizados os Estimadores de
Máxima Verossimilhança. Essas estimativas são obtidas através do método iterativo de
38
42
Newton-Raphson, ou do método de escore de Fisher ou do método de mínimos
quadrados ponderados 80-83.
Quadro 4.2 Identificadores da família exponencial das distribuição Normal, Gama,
Normal Inversa, Binomial, Poisson e Binomial Negativa.
Distribuição ( )φa θ ( )θb ( )φ;yc
Normal
( )2,N σµ 2σ µ
2
2θ ( )
πσ+
σ− 2
2
22ln
y
2
1
Gama
( )νµ,G 1−ν µ
− 1 ( )θ−− ln ( ) ( )νΓ−−νν lnylnyln
Normal Inversa
( )2,IG σµ 2σ 22
1
µ− ( ) 212θ−− ( )
σ+πσ−
y
1y2ln
2
12
32
Binomial
( )π,mB 1
π−π
1ln ( )θ+ e1lnm
y
mln
Poisson
( )µP 1 µln θe !yln−
Binomial Negativa
( )k,BinNegµ 1
+µµ
kln ( )θ−− e1lnk
( )( )
Γ+Γ
!yk
ykln
Após o ajuste do modelo é necessário avaliar a sua qualidade. O objetivo é
determinar quantos e quais termos são necessários para uma boa descrição dos dados.
Um número muito grande de variáveis explicativas, embora possa descrever muito bem
os dados, implica, também, em complexidade da interpretação. Por outro lado, um
número muito pequeno de variáveis explicativas pode não ser suficiente para descrever
bem os dados, embora possua fácil interpretação. Sendo assim, o que na realidade se
deseja é um modelo o mais parcimonioso possível 80.
O objetivo do processo de modelagem é estimar um modelo que apresente um
pequeno conjunto de parâmetros, de tal forma que a distância entre os valores
observados e os valores previstos esteja dentro de limites aceitáveis de erro80-83.
Considerando θ̂ e θ~ como estimativas do parâmetro canônico para os modelos
estimado e saturado, respectivamente, tem-se:
39
43
[ ]∑ θ+θ−θ−θ==
n
1iiiiii )ˆ(b)
~(b)ˆ~
(y2D
A função D é denominada como Deviance ou função desvio do modelo e
a razão φD
é denominada escala da função desvio, onde φ é o parâmetro de dispersão.
A função desvio (D) é uma medida de discrepância que utiliza o modelo saturado como
base de medida do ajuste do modelo estimado. Logo, é uma medida da distância dos
valores ajustados s'µ̂ em relação aos dados observados s'y , ou seja, do modelo
estimado em relação ao modelo saturado80-83.
A avaliação da qualidade do modelo é obtida a partir dos resultados obtidos para
a função desvio: grandes valores indicam uma inadequação do ajuste enquanto que,
valores menores nesta escala indicam melhoria na qualidade do ajuste. A questão
principal fica em decidir quais valores são pequenos e quais valores são grandes. A
distribuição da função desvio é desconhecida, entretanto, pode ser aproximado para uma
distribuição Qui-quadrado com n-p graus de liberdade, onde n é número de observações
e p é o número de parâmetros do modelo de interesse (modelo estimado). O teste
consiste em comparar o valor obtido na escala da função desvio com a coordenada da
função Qui-quadrado com n-p graus de liberdade, considerando um nível de
significância α pré-estabelecido. Assim, se 2pn
20 −χ>χ indica um ajuste ruim80-83.
Nos Modelos Lineares Generalizados, o teste de ajuste do mesmo também se dá
através da comparação entre um modelo completo e um modelo reduzido, porém,
devido à possibilidade de uso de qualquer distribuição da família exponencial,
permitindo, assim, a utilização de variáveis que não possuam distribuição normal ou
que não são ortogonais, a análise de variância torna-se inadequada para seleção do
melhor modelo. Nestes casos opta-se pela análise da função desvio (deviance) para a
seleção do modelo, que é uma generalização da análise de variância, que visa obter, a
partir de uma seqüência de modelos encaixados, ou seja, a partir de uma seqüência de
modelos onde cada modelo inclui mais termos que o modelo anterior, os efeitos de
fatores, de covariáveis e de suas possíveis interações 80-83.
Assim, para se testar a adequação do modelo, nos Modelos Lineares
Generalizados, utiliza-se a análise da função desvio, que consiste em verificar se
oln2W Λ−= é assintoticamente distribuída conforme uma Qui-quadrado com (p - q)
graus de liberdade ( 2qp~W −χ ).
40
44
Onde:
oΛ é a razão entre FL̂ e RL̂ que são, respectivamente, a máxima verossimilhança para
distribuição de Y no modelo com p variáveis explicativas incluídas e no modelo
reduzido com apenas q variáveis explicativas;
p e q representam o número de parâmetros do modelo completo e do modelo reduzido,
respectivamente. Assim, se 2;qpW α−χ≤ , pode-se considerar que há evidências, a um
nível α de significância, que o modelo proposto está bem ajustado aos dados.
Considerando SL̂ como a máxima verossimilhança do modelo saturado e dividindo FL̂
e RL̂ por SL̂ , tem-se:
−
−=
S
F
S
R
L̂
L̂ln
L̂
L̂ln2W
Assumindo que ( ) φ=φia na definição do modelo e denotando a escala da função
desvio dos modelos completo e reduzido por, respectivamente, φFD
e φRD
tem-se:
φ−
=)DD(
W FR
Quando φ não é conhecido, ele deve ser estimado por )pn(
D~ F
−=φ e então:
)pn(D
)qp()DD(W
F
FR
−−−
=
Se a hipótese nula (0H ) é verdadeira, o numerador e o denominador têm
distribuição aproximadamente Qui-quadrado com, respectivamente, (p - q) e (n - p)
graus de liberdade e as duas distribuições são independentes. Então, W tem distribuição
F com (p - q) e (n - p) graus de liberdade, uma vez que, uma razão de variáveis Qui-
quadrado tem aproximadamente uma distribuição F 80-83.
pn;qpF~W −−
Na comparação de modelos encaixados, K321 MMMM ⊃⊃⊃⊃ L , a
tabela de análise dos desvios é calculada a partir das funções desvio de cada modelo
considerado (D1, D2, ...), onde a função desvio D1 tem mais parâmetros que a função
41
45
desvio D2, a função desvio D2 tem mais parâmetros que a função desvio D3 e assim
sucessivamente. Então, são tomadas as diferenças sucessivas entre os modelos (D2 - D1,
D3 - D2, ....) e o teste consiste em verificar se essas diferenças entre os modelos são
significativas no ajuste ao conjunto de dados.
O processo de modelagem é uma aproximação da realidade que consiste,
basicamente, em representá-la de uma forma simplificada. Esse processo envolve
suposições a respeito da variável resposta e da sua relação com as variáveis explicativas.
Desta forma, a adequação do modelo, ou seja, a capacidade de identificar quais serão os
valores da variável resposta dada a ocorrência das variáveis explicativas, pode ser
verificada através da diferença entre os valores esperado e observado, e esta diferença é
denominada resíduo 80-83.
Os principais tipos de resíduos utilizados em modelos lineares generalizado
são: Resíduo Ordinário, Resíduo padronizado de Pearson, Resíduo da Função Desvio
Padronizado, Resíduo de Máxima Verossimilhança e Distância de Cook80-83.
4.2.1 Modelos de Poisson
O modelo de Poisson é utilizado para descrever dados de contagem. Os
principais pressupostos desse modelo são:
• as observações são independentes;
• o logaritmo das contagens varia linearmente com as covariáveis;
• o número de ocorrências tem média e variância iguais em cada nível das
covariáveis.
Assim,
( )ii Poisson~Y µ , para i = 1, ..., n
e sua função de probabilidade é dada por:
( ) L,2,1,0y,0,!y
e;yf ii
i
yi
iiii
=>µµ
=µµ−
No caso da distribuição de Poisson cujo modelo possui função de ligação
logarítmica costuma-se utilizar a correção 2
1yy ii += , pois se 0y i = , o processo não
42
46
pode ser iniciado, uma vez que o logaritmo natural não pode ser calculado para valores
menores ou iguais a zero. Assim, substitui-se y por y + c de tal forma que ( )[ ]cYgE +
seja o mais próximo possível de ( )µg .
Destaca-se que o uso da função de ligação logarítmica faz com que os valores
ajustados de iµ permaneçam no intervalo [0,∞[. Esse tipo de modelo é também
conhecido como modelo log-linear e a sua expressão é:
( ) kk110iii xxXln β++β+β=β′=η=µ L
Assim, a expressão para a variável resposta é dada por:
kk110 xxi ey β++β+β= L
O modelo de regressão clássico de Poisson para dados de contagem é
frequentemente de uso limitado por esse tipo de dado apresentar tipicamente
superdispersão e/ou um excesso de números zeros. Não considerar a superdispersão na
análise dos dados pode acarretar a estimação incorreta dos erros padrões (super ou
subestimando-os), ocasionando, assim, uma avaliação errônea da significância dos
parâmetros de regressão. As possíveis causas para os dados apresentarem
superdispersão são devidas ao excesso de contagens nulas (excessos de zeros) e/ou falta
de independência das observações.
Uma das maneiras de incorporar esta maior variabilidade dos dados em relação à
sua média é usar um modelo com distribuição Binomial Negativa, que também pertence
à família de modelos lineares generalizados 84-85. No entanto, desde Lambert (1992)86
existe um grande interesse em modelos que se preocupam em incorporar um segundo
componente, responsável pelos valores zeros. Os modelos Inflacionados de Zeros são
modelos mistos que combinam um ponto de massa em zero com uma distribuição de
contagem tal como Poisson, Geométrica ou Binomial Negativa. A distribuição mais
simples usada para esta modelagem é a de Poisson Inflacionada de Zeros (ZIP).
43
5. OBJETIVOS
44
5.1. Objetivo geral
• Correlacionar a mortalidade por câncer de útero nos 157 bairros do Município
do Rio de Janeiro, no período 1999-2006, com variáveis socioeconômicas e
demográficas.
5. 2. Objetivos específicos
• Descrever o perfil de mortalidade por câncer de útero nas mulheres residentes no
Município do Rio de Janeiro, no período de 1999 a 2006.
• Verificar a existência de padrão espacial na mortalidade por câncer de colo de
útero, nos 157 bairros do Município do Rio de Janeiro, no período de 1999 a
2006.
• Identificar os principais fatores socioeconômicos e demográficos relacionados
com a mortalidade por câncer de colo de útero nos bairros do Município do Rio
de Janeiro, no período de 1999 a 2006.
45
6. METODOLOGIA
46
6.1. Delineamento de estudo Trata-se de um estudo ecológico utilizando como unidade geográfica os bairros
do município do Rio de Janeiro.
6.2. População de referência.
A população de estudo consiste em óbitos por câncer de útero de mulheres
residentes no Município do Rio de Janeiro com idade igual ou superior a 20 anos, no
período de 1999 a 2006.
As faixas etárias utilizadas foram: 20-29, 30-39, 40-49, 50-59, 60-69 e 70 ou
mais
6.3. Fonte de dados e variáveis analisadas As informações de mortalidade referentes aos anos de 1999 a 2005 foram
extraídos do Sistema de Informação sobre Mortalidade (SIM) através do site
DATASUS: www.datasus.org.br (18/04/2008). Já as informações referentes ao ano de
2006 foram obtidas junto a Secretaria de Saúde do município do Rio de Janeiro (SMS-
RJ).
6.4 Critérios de inclusão
Foram incluídos os registros que apresentaram as seguintes características:
• CID-10 (Classificação Internacional de Doenças décima edição): C53 (câncer de
colo de útero), C54 (câncer de corpo de útero) e C55 (câncer de útero de porção
não especificada). Apresentaram como município de residência o município do
Rio de Janeiro.
6.5. Critérios de exclusão. Foram excluídos os registros que apresentaram as seguintes características:
• Os que não possuíam a informação do bairro de residência (foram excluídos 273
registros)
Dos registros do Sistema de Informação sobre Mortalidade e da Secretaria de
Saúde do Município do Rio de Janeiro foram extraídas as seguintes variáveis:
• Idade;
• Estado civil;
• Escolaridade;
• Raça/cor;
• Código do bairro de residência.
47
51
6.6. Variáveis a serem analisadas
As variáveis idade, estado civil, raça e escolaridade foram analisadas com o
objetivo de conhecer o perfil da mortalidade por câncer de útero nas mulheres do
Município do Rio de Janeiro.
As variáveis que representam o perfil socioeconômico e demográfico são do
censo de 2000 e foram obtidas junto ao Instituto Pereira Passos (IPP) e Instituto
Brasileiro de Geografia e Estatística (IBGE). A seleção das variáveis foi realizada com
base em estudos que analisaram a incidência e a mortalidade por câncer de colo de útero
e disparidades socioeconômicas e demográficas18,66-68. Abaixo seguem as variáveis que
foram utilizadas na construção dos modelos
• expectativa de vida;
• índice de gini;
• IDH de cada bairro;
• saneamento nos bairros*;
• proporção de indivíduos com curso superior;
• taxa de analfabetismo nos bairros;
• percentual de pessoas vivendo com renda per capita menor que
R$ 37,75;
• proporção entre os 10% mais ricos e os 40% mais pobres;
• percentual de pessoas que possuem energia elétrica;
• proporção de negros e pardos;
• anos de estudos do chefe do domicílio.
*A variável saneamento foi construída a partir das variáveis “Forma de
abastecimento de água” e “Escoadouro do banheiro ou sanitário”, do Censo
Demográfico 2000, do IBGE. Foram considerados com saneamento básico os
domicílios que responderam que a forma de abastecimento de água era a rede geral e
cujo escoadouro do banheiro ou sanitário era rede geral de esgoto ou pluvial ou então
fossa séptica 80.
6.7. Procedimento de Operacionalização
Os arquivos do SIM de extensão dbc foram transformados em dbf e expandidos
por meio do programa tabwin versão 3.2. Após esta etapa selecionou-se apenas os
registros referentes ao município do Rio de Janeiro como residência e como causa
básica de óbito os códigos da CID-10 referentes ao câncer de colo de útero, corpo de
48
52
útero e útero porção não especificada. O banco de dados resultante do procedimento
descrito foi transferido para o programa estatístico R versão 2.7.2 no qual realizou-se
toda a análise estatística.
Foram identificadas e delimitadas todas as regiões administrativas (RA) do
Município do Rio de Janeiro e seus respectivos bairros. O arquivo digitalizado com o
mapa desagregado foi solicitado ao Laboratório de Geoprocessamento-
DIS/CICT/FIOCRUZ, cuja base de dados é o IBGE. Os mapas foram construídos com
intervalo de mesma amplitude utilizando-se o programa CSPRO 3.3 (Census and
Survey Processing System).
6.8 Análise estatística
6.8.1 Redistribuição dos óbitos
Esta correção consiste no ajustamento do número de óbitos por câncer de colo de
útero e corpo de útero, redistribuindo os registros previamente classificados como
porção do útero não especificada em cada uma dessas duas categorias, de acordo com
proporção de óbitos por faixa etária em cada uma das mesmas 28,87. A finalidade dessa
correção é evitar erros nas estimativas de mortalidade por câncer de colo de útero e
corpo de útero, pois a utilização da informação dos atestados de óbito pode subestimar a
mortalidade por câncer de colo de útero dando a falsa impressão da melhoria na
assistência à saúde das mulheres.
Estudo no estado de São Paulo para avaliar a tendência de mortalidade por
câncer de colo de útero. Realizaram a tendência de mortalidade por câncer de colo de
útero sem considerar os óbitos classificados como porção de útero não especificada,
também realizaram a redistribuição desses óbitos para câncer de colo de útero e corpo
de útero de maneira incompleta. Finalmente a redistribuíram de maneira completa os
óbitos por câncer de colo de útero e corpo de útero de acordo com a proporção de
registros certificados originalmente para cada uma das categorias por causa, ano e faixa
etária. Concluíram que a redistribuição completa dos óbitos classificados como porção
do útero não especificada é uma ferramenta que nos aproxima da realidade da
mortalidade por câncer de colo de útero e corpo de útero 28.
Desta maneira realizou-se a redistribuição dos óbitos classificados
originalmente como câncer de útero porção não especificada para os óbitos por câncer
de colo de útero e corpo de útero de acordo com a proporção de registros certificados
originalmente para cada uma das categorias por causa, ano e faixa etária. Vale destacar
49
53
que os registros de óbitos também foram redistribuídos nas Regiões Administrativas e
bairros seguindo as mesmas condições citadas acima 28,87.
6.8.2 Cálculo de taxas
Os dados de população, para o cálculo dos coeficientes, foram obtidos no site do
DATASUS www.datasus.org.br (18/04/2008). As populações para o primeiro de julho
dos anos inter-censitários foram estimadas pelo IBGE.
As taxas de mortalidade foram calculadas anualmente, dividindo-se o número
de óbitos (câncer de colo de útero e corpo de útero) pela população do meio do ano e
multiplicando-se o resultado por 100.000. Também foram calculadas as taxas de
mortalidade padronizadas pelo método direto, utilizando como população padrão a
população Mundial proposta por Segi (ANEXO A ) de 1960 88.
As taxas das tabelas 7.2 a 7.5 foram calculadas somando-se o número de casos
anualmente de acordo com as seguintes características respectivamente: faixa etária,
raça-cor, estado civil e escolaridade; dividindo pela população sobre risco referente ao
censo de 2000 e multiplicando-se por 100.000.
6.8.3 Análise exploratória
É uma forma de analisar os dados que utiliza várias técnicas, em sua maioria
gráfica, com a finalidade de maximizar a percepção, descobrir estruturas, extrair
variáveis relevantes, detectar os pontos extremos – outlier 73.
Para realizar a análise exploratória foram utilizadas ferramentas como boxplots,
histogramas e estatísticas descritivas: máximo, mínimo, média e desvio padrão.
6.8.4 Modelagem
A análise espacial das propriedades de primeira ordem baseou-se na Média
Móvel Espacial. Foi criada a matriz de vizinhanças para utilização nas análises espaciais
e adotou-se como critério de vizinhança a conectividade entre áreas. Assim, se o bairro j
era vizinho (adjacente) do bairro i, o mesmo recebeu valor 1 na matriz de vizinhanças,
caso contrário recebeu valor 0. A matriz de vizinhanças foi normalizada, ou seja, a soma
dos pesos de cada uma das linhas é igual a um. Para analisar as propriedades de segunda
50
54
ordem que estão relacionadas à dependência espacial, foram utilizados o I de Moran, o
C de Gery e o diagrama de espalhamento de Moran. Na avaliação dos coeficientes de
correlação espacial, I de Moran e C de Gery, foi utilizado o teste de independência
espacial com um nível de significância de 5%.
Os resultados do I de Moran e do C de Gery indicaram inexistência de
correlação espacial. Desta maneira, verificou-se a associação da mortalidade por câncer
de colo de útero nos bairros do Município do Rio de Janeiro com as variáveis
socioeconômicas e demográficas através dos modelos lineares generalizados.
Inicialmente cada variável foi testada nos modelos univariados e aquelas com
significância inferior ou igual a 20% (p≤0,20) foram selecionadas para inclusão nos
modelos multivariados. Apenas as variáveis que se mantiveram significativas ao nível
de 5% permaneceram no modelo multivariado final.
Para a comparação dos modelos foram utilizadas as análises das estimativas dos
coeficientes de regressão, dos desvios-padrão e Critério de Informação de Akaike
(AIC). Uma vez que não é usual fazer análise de resíduos para os modelos Inflacionados
de Zeros, não se utilizou esta técnica para a comparação de modelos89.
6.9 Aspectos éticos
Neste trabalho foram utilizados bancos de dados secundários, onde não há
identificação dos pacientes. Esta pesquisa foi aprovada pelo Comitê de Ética em
Pesquisa da Escola Nacional de Saúde Pública (ENSP/FIOCRUZ) em 17 de abril de
2008 (ANEXO B).
51
7. RESULTADOS
52
7.1 Perfil da mortalidade por câncer de útero no Município do Rio de Janeiro,
1999 a 2006.
No período 1999-2006, ocorreram 2752 óbitos em mulheres residentes no
município do Rio de Janeiro por câncer de útero, sendo que 56,5% foram por câncer de
colo de útero (Tabela 7.1), 20,0% por câncer de corpo de útero e 23,5% por câncer de
útero porção não especificado. Observa-se aumento progressivo na proporção de óbitos
por câncer de útero porção não especificada a partir da faixa etária dos 50-59 anos e
70,0 % desta classificação concentraram-se nas faixas etárias de 60-69 anos e 70 anos e
mais.
Tabela 7. 1 Distribuição etária dos casos de morte por câncer de útero, segundo faixa
etária, no município do Rio de Janeiro, no período de 1999 a 2006.
Causa Básica Faixa Etária (%)
<30 30-39 40-49 50-59 60-69 70 ou + Total
Câncer de colo de útero
38 (97,4)
163 (91,6)
351 (85,6)
337 (66,3)
319 (50,6)
347 (35,9)
1555 (56,5)
Câncer de corpo de
útero
0 (0,00)
1 (0,6)
11 (2,7)
59 (11,6)
161 (25,5)
318 (32,9)
550 (19,9)
Câncer de útero porção
não especificada
1 (2,6)
14 (7,9)
68 (16,6)
112 (22,0)
150 (23,8)
302 (31,2)
647 (23,5)
Total 39
(100,0) 178
(100,0) 430
(100,0) 508
(100,0) 630
(100,0) 967
(100,0) 2752
(100,0) Fonte: SIM-DataSUS e SMS-RJ
Após a redistribuição dos óbitos observou-se um aumento de 15,7% no número
de óbitos por câncer de colo de útero e 7,4% câncer de corpo de útero. Após esse
procedimento obteve-se uma taxa de mortalidade por câncer de colo de útero,
padronizada pela população mundial (Segi, 1960), no período de 1999-2006 de 50,0
casos/100.000 mulheres e de 17,2/100.000 para câncer de corpo de útero. Antes da
redistribuição verificou-se uma mortalidade por câncer de colo de útero foi
39,5/100.000, 12,6/100.000 de corpo de útero e 15,1/100.000 de porção de útero não
especificada.
A mortalidade por câncer de corpo de útero (Tabela 7.2) apresentou-se mais
elevada na faixa etária de 70 anos e mais. Essa patologia raramente acomete mulheres
53
57
com menos de 35 anos e está relacionada ao aumento da expectativa de vida das
populações, obesidade, hipertensão, menor paridade, mudança de estilo de vida,
sedentarismo, modernização e estresse 90.
Tabela 7. 2. Distribuição dos óbitos, taxa de mortalidade (por 100000) em mulheres
com câncer de útero, segundo a faixa etária, município do Rio de Janeiro, 1999 a 2006.
Faixa
Etária
Câncer de colo de útero
N (1988)
Câncer de corpo de
útero N (764)
N TM N TM
20-29 39 1,7 0 0
30-39 177 7,9 1 0,04
40-49 417 18,6 13 0,6
50-59 432 19,3 76 3,4
60-69 419 18,7 211 9,4
70 ou mais 504 22,5 463 20,7
Observa-se que as mulheres brancas (Tabela 7.3) apresentam maiores taxas de
mortalidade tanto para câncer de colo de útero quanto para câncer de corpo de útero. A
Razão de taxas entre brancas e preto-pardas de mortalidade para câncer de colo de útero
é 1,21 e 1,66 vezes maior para câncer de corpo de útero.
Tabela 7. 3. Distribuição dos casos de mortalidade por câncer de útero, no município do
Rio de Janeiro, no período de 1999 a 2006, segundo raça.
Raça/cor Câncer de colo de
útero
Câncer de corpo de
útero
N **TM N **TM
Branca 1081 48,3 469 20,9
Preta -Parda 890 39,7 282 12,6
Amarela 6 0,3 4 0,2
* 20 registros foram excluídos, pois apresentavam a cor da pele ignorada sendo que 11 correspondiam ao câncer de colo de útero e 9 ao de corpo de útero.
** TM= taxa de mortalidade por 100.000 mulheres
Analisando a situação conjugal verificam-se maiores taxas de mortalidade
(Tabela 7.4) em mulheres que vivem sem companheiro (solteiras, viúvas e separadas),
tanto para câncer de colo de útero (67,47%) como para câncer de corpo de útero
(72,50%). Vale destacar que a análise desagregada indica maior risco de mortalidade
54
58
por câncer de colo de útero nas mulheres solteiras quando comparadas as mulheres
casadas, separadas e viúvas. E mortalidade por câncer de corpo de útero maior nas
mulheres viúvas.
Tabela 7. 4. Distribuição dos óbitos, coeficiente de mortalidade (por 100000) e razão de
taxas em mulheres casadas e sem companheiro (solteiras, viúvas e separadas), segundo
a causa básica, município do Rio de Janeiro, 1999 a 2006.
Variável Sem
Companheiro
Com
Companheiro
RT*
N TM N TM
Câncer de colo
de útero
1317 58,8 661 26,3
2,2
Câncer de corpo
de útero
596 26,6 168 7,6 3,5
* 10 referentes ao câncer de colo de útero que não possuíam a informação foram excluídos RT= CM mulheres sem companheiro/CM de mulheres com companheiro
Em relação ao nível de escolaridade (Tabela 7.5) houve maior taxa de
mortalidade por câncer de colo de útero nas mulheres com até 3 anos de estudo e
menor mortalidade nas mulheres com 12 anos. Já o câncer de corpo de útero apresentou
maior mortalidade nas mulheres com mais de 12 anos de escolaridade e menor nas
mulheres com até três anos de estudo.
55
59
Tabela 7. 5. Distribuição dos óbitos, coeficientes de mortalidade (por 100000) com
câncer de útero, segundo nível de escolaridade, Rio de Janeiro, 1999 a 2006.
*342 registros foram excluídos por apresentarem a informação sobre escolaridade ignorada, sendo que 244 foram referentes aos registros de óbitos por câncer de colo de útero e 100 aos registros de óbito por corpo de útero. ** TM= Taxa de mortalidade por 100.000 mulheres.
7.2 Análise espacial da mortalidade por câncer de colo de útero no Município do
Rio de Janeiro, no período de 1999 a 2006 .
Verificaram-se taxas de mortalidade acima da taxa do município do Rio de
Janeiro (50/100.000 mulheres) nas seguintes regiões Administrativas: XXXIV Cidade
de Deus, X Ramos, II Centro, VII São Cristóvão, XXII Anchieta, III Rio Comprido,
XXV Pavuna, XIX Santa Cruz, XXXI Vigário Geral, XXVII Rocinha, XVII Bangu,
XVIII Campo Grande, XVI Jacarepaguá, XIV Irajá, XXVIII Jacarezinho, I Região
Portuária e IV Botafogo. E as menores taxas em XII Inhaúma, XXIII Santa Tereza, VI
Lagoa, XXX Maré e V Copacabana (Tabela 7.6).
Na figura a seguir (Figura 7.1) observa-se as taxas de mortalidade média por
câncer de colo de útero nos bairros do município do Rio de Janeiro, no período de 1999
a 2006. Vale destacar que os bairros de Humaitá, Urca, Jardim Botânico, São Francisco
Xavier, Rocha, Engenho Leal, Ribeira, Zumbi, Praia da Bandeira, Moneró, Parque
Escolaridade Câncer de colo de
útero
Câncer de corpo de
útero
N
TM**
N
TM**
Nenhuma
338
15,09
94
4,20
1-3 anos
436
19,46
149
6,65
4-7anos
605
27,01
224
10,00
8-11 anos
238
10,62
100
4,46
12 ou mais
127
5,67
97
4,33
56
60
Colúmbia, Joá, Camorim e Deodoro não apresentaram óbito por câncer de colo de útero
no período.
As maiores taxas médias de mortalidade foram encontradas nos bairros de
Bonsucesso (42,93/100.000), Parque Anchieta (37,99/100.000), Mangueira
(25,59/100.000), Jacaré (23,76/100.000), Galeão (20,94/100.000), Pedra de Guaratiba
(18,16/100.000), Costa Barros (17,51/100.000), Barra de Guaratiba (17,19/100.000),
Catumbi (17,15/100.000), Alto da Boa Vista (16,61/100.000), Vaz Lobo
(15,65/100.000) e Cidade de Deus (15,24/100.000) (Figura 7.1).
Foram utilizados alguns indicadores socioeconômicos e demográficos para
verificar a existência associação entre a mortalidade por câncer de colo de útero e essas
variáveis. Os indicadores utilizados foram expectativa de vida, proporção de preto-
pardos, percentual de adultos analfabetos e distribuição do percentual de pessoas
vivendo com renda per capita menor que R$ 37,75(valor de renda que indica que o
indivíduo está abaixo da linha de pobreza).
Observa-se os maiores índices de expectativa de vida nos bairros do Jardim
Guanabara (80,47), Gávea (80,45), Leblon (79,47), Ipanema (78,68) e Botafogo e Urca
(78,25). Os menores estão nos bairros do Complexo do Alemão (64,79), Acari (63,93),
Vista Alegre (62,81) e Irajá (62,81). A análise descritiva sugere uma correlação
positiva entre os bairros em relação à maior nível socioeconômico e a esperança de vida
(Figura 7.2).
Os bairros que apresentaram maior proporção de analfabetos foram Grumari
(42%), Vargem Pequena (27%), Complexo do Alemão (27%), Acari (024), Maré (23%),
Manguinhos (23%), Guaratiba (23%) e Costa Barros (22%). E menor proporção de
analfabetismo encontra-se em Campo dos Afonsos (7%), Joá (7%), Leme (7%),
Botafogo (7%), Jardim Botânico (7%), Flamengo e Lagoa (5%). Verifica-se uma
correlação negativa entre o nível socioeconômico e o percentual de analfabetismo
(Figura 7.3).
57
61
Tabela 7. 6. Taxa de mortalidade por câncer de colo de útero por 100.000, padronizada
pela população Mundial proposta por Segi (1960), segundo as regiões administrativas
do município do Rio de Janeiro, no período de 1999 a 2006.
Região Administrativa Taxa de mortalidade
XXXIV Cidade de Deus 121,96 X Ramos 103,30 II- Centro 100,46
VII São Cristóvão 96,54 IV Botafogo 85,77
XXII Anchieta 80,50 III Rio Comprido 74,13
XXV Pavuna 73,57 XIX Santa Cruz 73,27
XXXI Vigário Geral 69,43 XXVII Rocinha 66,97
XVII Bangu 65,85 XVIII Campo Grande 57,84
XVI Jacarepaguá 55,50 XIV Irajá 52,67
XXVIII Jacarezinho 52,66 XXXIII Realengo 51,87
I Região Portuária 50,41 XV Madureira 43,84
XX Ilha do Governador 42,37 XIII Méier 38,29
XXVI Guaratiba 35,76 IX Vila Isabel 35,37
XXIV Barra da Tijuca 32,70 VIII Tijuca 29,83 XI Penha 29,60
XXIV Complexo do Alemão 29,57 XII Inhaúma 24,67
XXIII Santa Tereza 21,12 VI Lagoa 20,69
XXX Maré 12,45 V Copacabana 3,33
Fonte: SIM-DATASUS/SMSRJ
Nota: Os dados referentes à Região Administrativa de Paquetá não foram incluídos por apresentarem
apenas um caso no período e por faltarem alguns indicadores socioeconômicos e demográficos.
58
62
Fonte: Sistema de Informação de Mortalidade (SIM/DATASUS) e Secretaria de Saúde do Município do Rio de Janeiro (SMS/RJ). Figura 7.1. Distribuição espacial da taxa média de mortalidade padronizada, pela população mundial proposta por Seige (1960), para o câncer de colo de útero, por bairro, no município do Rio de Janeiro, 1999 a 2006.
Fonte: Instituto Pereira Passos (IPP), 2000.
59
63
Figura 7.2 Distribuição espacial da esperança de vida ao nascer total (em anos), por bairro, no município do Rio de
Janeiro, 2000.
Fonte: Instituto Pereira Passos ( IPP), 2000. Figura 7.3. Distribuição da proporção de analfabetos, por bairro, município do Rio de Janeiro, 2000.
Com relação à proporção de indivíduos vivendo com renda per capita menor que
R$ 37,50 (Figura 7.4) verifica-se maior percentual na Rocinha (17%), Catumbi (16%),
Vargem Grande (15%), Vargem Pequena (15%), Sepetiba, Manguinhos, Complexo do
Alemão (13%). Os menores em Ipanema (2%), Copacabana (2%), Grajaú (2%),
Flamengo (2%), Leblon (1%), Maracanã (1%), Urca (1%), Gávea.
60
64
Fonte: Instituto Pereira Passos (IPP), 2000. Figura 7.4. Distribuição espacial do percentual de indivíduos vivendo com renda per capita menor que R$ 37,50, por
bairro, no município do Rio de Janeiro em 2000.
Verifica-se maior proporção de preto/pardos nos bairros mais pobres da cidade.
Os bairros com maior proporção de preto/pardos foram Camorim (83%), Cidade de
Deus (63%), Costa Barros (63%), Inhoaíba (61%), Deodoro (59%), Vigário Geral
(59%), Santa Cruz (58%), Cosmos (57%), Complexo do Alemão (56%), Anchieta e
Maré (55%). E os com menor proporção são Laranjeiras (11%), Leblon (10%), Gávea
(8%), Urca (8%), Barra da Tijuca (7%), Humaitá (7%) e Lagoa (5%) (Figura 7.5).
Fonte: Instituto Brasileiro de Geografia e Estatística (IBGE), censo de 2000 Figura 7.5. Distribuição espacial da proporção de negros e pardos, por bairro, no município do Rio de Janeiro, 2000.
7.2.1 Avaliando a presença de correlação espacial da mortalidade por câncer de
colo de útero, no Município do Rio de Janeiro, no período de 1999-2006.
Após análise exploratória para verificar a estrutura de autocorrelação espacial
realizou-se o cálculo do I de Moran e do C de Gery, ambos com matriz de vizinhança
por conectividade de áreas, para o total de eventos no período de 1999-2006. Seus
resultados foram respectivamente -0,036 e 0,926. Os testes de independência espacial
61
65
para o I de Moran e o C de Gery demonstraram não haver correlação espacial entre os
dados, uma vez que a hipótese nula (H0), ou seja, a hipótese de completa aleatoriedade
espacial, não foi rejeitada, resultando, respectivamente, nos seguintes valores
probabilísticos: p=0, 747 e p=0, 266.
A baixa correlação espacial pode ser visualizada pelo diagrama de espalhamento
de Moran (Figura 7.6), que apresentou a maioria dos pontos localizados no segundo e
quarto quadrantes, confirmando assim, os resultados encontrados nos testes de
independência espacial.
0 20 40 60 80 100
010
2030
40
Número de casos de morte por Ca colo de útero
Méd
ia do nú
mero de
mortes po
r Ca de
colo de
útero d
os vizinho
s
9
15
20
24
115
116
125
126
140
Figura 7.6. Diagrama de espalhamento de Moran para os casos de mortalidade por
câncer de colo de útero no Município do Rio de Janeiro, no período de 1999 a 2006.
7.3 Modelagem dos Dados
A análise exploratória das variáveis explicativas realizada com base no Quadro
(7.1) e nas Figuras (7.7 -7.10) mostrou, haver pouca variabilidade entre os bairros para
as variáveis energia e IDH. Estas variáveis apresentaram amplitude total (distância entre
o maior e menor valor observados) de 0,01 e 0, 26, além de desvio padrão de 0, 0007 e
0,07, respectivamente, indicando assim, haver pouca variabilidade nas suas respostas.
62
66
Sendo assim, para o processo de modelagem descartou-se a variável energia e manteve-
se a variável IDH por ter grande importância na caracterização das disparidades
socioeconômicas.
Quadros 7.1. Estatísticas descritivas (mínimo, média, máximo e desvio padrão) das
variáveis explicativas utilizadas na modelagem.
Variável Mínimo Média Máximo Desvio
padrão
expvida 62,81 72,06 80,47 3,97 Gini 0,40 0,50 0,74 0,05 estchef 3,88 7,81 13,89 2,18 IDH 0,71 0,84 0,97 0,07 sanea 0,23 0,92 1,00 0,12 superior 0,01 0,23 0,77 0,77 analfab 0,05 0,13 0,42 0,05 rendbaix 0,01 0,05 0,17 0,03 desiguald 0,07 0,14 0,63 0,07
energia 0,99 1,00 1,00 0,0007 negpard 0,05 0,40 0,83 0,14
6570
7580
expectativa de vida
Figura 7.7. Boxplot para a distribuição da variável expectativa de vida nos bairros do município do Rio de Janeiro, em 2000.
63
67
negpard sanea superior anafalb rendbaix desiguald
0.0
0.2
0.4
0.6
0.8
1.0
Variáveis
Pro
porç
ão
Figura 7.8. Boxplot para a distribuição das variáveis Proporção de negros e pardos (negpard), Saneamento (sanea), Proporção de indivíduos com nível de escolaridade superior (superior), Proporção de indivíduos analfabetos (anafalb), Proporção de indivíduos com renda per capita menor que R$ 37,50 (rendbaix), Proporção dos 10% mais ricos e os 40% mais pobres (desiguald) nos bairros do município do Rio de Janeiro, em 2000.
idh gini
0.4
0.5
0.6
0.7
0.8
0.9
Variáveis
Índi
ce
Figura 7.9. Boxplot para a distribuição das variáveis IDH e índice de gini nos bairros do município do Rio de Janeiro, em 2000.
64
68
46
810
1214
anos de estudo do chefe da família
Figura 7.10. Boxplot para a distribuição da variável anos de estudo chefe da família nos bairros do município do Rio de Janeiro, em 2000.
Como nesse estudo a variável resposta é uma contagem de eventos, a princípio
os dados seguem uma Distribuição de Poisson. Contudo, para iniciar o processo de
modelagem, primeiramente foi analisada a variável resposta para identificar se
realmente a mesma se distribui segundo uma Poisson. Foi utilizado o Índice de Fisher
para superdispersão para identificar a adequação dos dados a um Modelo de Poisson.
Foi verificado que os óbitos por câncer de colo de útero apresentam
superdispersão (valor do teste de Fisher= 2700.239, média=11.98 e variância
=208.7158) e, portanto, a contagem, de cada um desses tipos de eventos, não deveria ser
modelada segundo uma Distribuição de Poisson. Neste cenário a Distribuição Binomial
negativa poderia ter sido utilizada, uma vez que ela é indicada para dados de contagem e
não pressupõem que a sua média seja igual à variância. Contudo os dados possuíam
excesso de zero, pois 14 dos 157 bairros não apresentaram óbitos por câncer de colo de
útero no período do estudo (Figura 7.11). Desta maneira, utilizou-se a distribuição de
probabilidade Poisson inflacionada de zero (ZIP) que corrige o efeito da superdispersão
e do excesso de zeros.
65
69
Número de óbitos por câncer de colo de útero
Frequ
ência
0 20 40 60 80 100
05
1015
2025
30
Figura 7.11. Histograma da distribuição da freqüência do número de óbitos por
câncer de colo de útero nos bairros do Município do Rio de Janeiro, no período de
1999-2006.
O processo de modelagem iniciou-se com a avaliação da contribuição individual
de cada uma das seguintes variáveis para o modelo e aquelas com significância igual ou
inferior a 20% foram mantidas no modelo multivariado (Tabela 7.7).
As variáveis saneamento (sanea), índice de gini (gini), proporção de indivíduos
com renda per capita menor que R$ 37,50 (rendbaix) e proporção de indivíduos
analafabetos (anafalb) não foram utilizadas na modelagem multivariada, pois o valor de
p foi maior que 0,20. Antes da construção dos modelos multivariados avaliou-se a
presença de colineariedade entre as variáveis explicativas através da análise do fator
inflacionário de variação (VIF). Verificou-se a presença de colinearidade, pois o valor
de (VIF≥10) (Quadro 7.2), sendo assim, retirou-se as variáveis com alta correlação.
Vale destacar que a exclusão das variáveis foi baseada no significado epidemiológico da
mesma para o fenômeno em estudo e também na escolha das que apresentavam maior
significância estatística. As variáveis índice de desenvolvimento humano (IDH), anos
de estudo chefe de família (estchef) e proporção de indivíduos com ensino superior
(superior) apresentam colineariedade, desta maneira, procedemos a retirada das
variáveis uma a uma, obtendo-se dois conjuntos de variáveis, os quais foram utilizados
nos processos de modelagem .O primeiro conjunto de variáveis foi constituído pelas
variáveis: índice de desenvolvimento humano (IDH), esperança de vida ao nascer
66
70
(expvida), proporção entre os 10% mais ricos e os 40% mais pobres (desiguald),
proporção de negros e pardos (negpard). Já o segundo pelas variáveis esperança de vida
ao nascer (expvida), proporção de indivíduos com ensino (superior), proporção de
negros e pardos (negpard) e proporção entre os 10% mais ricos e os 40% mais pobres
(desiguald).
Quadros 7.2. Valor Inflacionado de Variação (VIF) das variáveis selecionadas para a
análise multivariada.
Realizou-se a modelagem com os dois grupos de variáveis separadamente, sendo
utilizado o procedimento forward para a construção dos modelos. Permaneceram no
modelo final apenas as variáveis com valor de p≤ 0,05. Após essa etapa comparou-se
através do valor do AIC os modelos finais gerados nos dois grupos de variáveis: na
modelagem com o primeiro grupo de variáveis o modelo final é o que contem apenas a
variável proporção de negros e pardos (negpard) (Apêndice 1) e com o segundo grupo
foi o que contem as variáveis esperança de vida ao nascer (expvida) e índice de
desenvolvimento humano (IDH) (Apêndice 2) . Verificou-se que o modelo que melhor
se ajusta aos dados é o modelo que contem a variável proporção de pretos e pardos
(negpard), pois esse modelo apresentou o menor valor de AIC quando comparado ao
modelo com as variáveis: esperança de vida ao nascer (expvida) e índice de
desenvolvimento humano (IDH).
As mulheres residentes nos bairros com maior proporção negros e pardos
apresentaram uma razão de taxas de mortalidade de câncer de colo de útero de 2,01 (IC
95% 1,44-2,75) maior do que as que residem em bairros com menor proporção negros e
pardos.
Variáveis VIF
IDH 14,58
Expvida 5,25
Estchef 12,53
Superior 9,35
Negpard 4,72
Desiguald 1,29
67
71
Tabela 7. 7. Resultados da análise univariada obtidos pelo modelo Poisson Negativo
Inflacionado de Zero (ZIP)
Variáveis Valor de Beta p-valor
Índice de desenvolvimento humano
(IDH)
-1,51
<0,00000001
Expectativa de vida (expvida)
-0,02
0,00302
Saneamento (sanea)
0,108
0,970
Índice de Gini
-0,539
0,341
Anos de estudo Chefe da família
(estchef)
-0,058
<0,00000001
Proporção dos 10% mais ricos e os 40%
mais pobres (desiguald)
-1,070
0,0421
Proporção de pessoas com renda per
capita menor que R$ 37,50 (rendbaix)
0,770
0,263
Proporção de pessoas analfabetas
(analfab)
0,491
0,306
Proporção de negors e pardos
(negpard)
0,698
<0,00000001
Proporção de pessoas com nível superior
(Superior)
-0,985
<0,00000001
Quadro 7.3. Correlação entre a variável proporção de negros e pardos (negpard) e
as variáveis socioeconômicas.
Variáveis Coeficiente de correlação
de Pearson
IDH -0,81
estchef -0,67
superior -0,83
expvida -0,67
sanea -0,36
anafalb 0,73
68
72
8 DISCUSSÃO
69
73
8.1 Perfil de mortalidade por câncer de colo de útero no Município do Rio de Janeiro, no período de 1999 a 2006.
No período considerado, do total de óbitos que ocorreram por câncer de útero na
população estudada, mais da metade foram por câncer de colo de útero havendo
distribuição equitativa entre câncer de corpo de útero e útero porção não especificada.
Observou-se aumento progressivo na proporção de óbitos por câncer de útero porção
não especificado a partir da faixa etária dos 50-59 anos e maior proporção desta
classificação concentraram-se nas faixas etárias de 60-69 anos e 70 anos e mais
(Tabela7. 1). Esses achados concordam com a literatura que evidenciam aumento de
registros de óbito por causa não especificada em mulheres mais velhas devido à
investigação menos extensiva da causa da mortalidade nessa faixa etária 9,91-93.
Ocorreu um aumento na taxa de mortalidade por câncer de colo de útero a partir
da faixa etária dos 40-49 anos, sendo que as faixas etárias dos 60-70 anos ou mais
concentram a maioria dos óbitos por essa neoplasia no período (Tabela 7.1). Mulheres
idosas têm menor probabilidade de ter realizado o exame preventivo nos últimos três
anos quando comparada as mais jovens. A taxa de cobertura do exame preventivo varia
com a idade sendo observadas altas taxas em mulheres na idade reprodutiva quando
comparadas as mulheres mais velhas. Desta maneira as mais jovens são diagnosticadas
em estádios iniciais da doença e apresentam maior sobrevida 5,54 e 62.
A mortalidade por câncer de corpo de útero (Tabela 7.1) apresentou maiores
taxas na faixa etária de 70 anos e mais. Essa patologia raramente acomete mulheres
menores de 35 anos e esta relacionada ao aumento da expectativa de vida das
populações, obesidade, hipertensão, menor paridade, mudança de estilo de vida,
sedentarismo, modernização e estresse 28,87.
As taxas de mortalidade descritas a seguir não foram calculadas redistribuindo
os óbitos por câncer de útero porção especificada nas demais neoplasias do útero.
Contudo os mesmos avaliaram a mortalidade por cada uma dessas classificações, na sua
análise.
A taxa de mortalidade encontrada no município do Rio de Janeiro no período
por câncer de colo de útero de 50,0 casos/100.000 mulheres e de 17,2 casos /100.000
mulheres para câncer de corpo de útero (Tabela 7.2). A taxa de mortalidade observada
no Município do Rio de Janeiro foi muito elevada quando comparada com a de outras
localidades do país. No Rio Grande do Sul (1979-1998) a taxa foi 9,75 casos /100.000
70
74
mulheres, Salvador (1980-1997) 8,75 casos/100.000 mulheres, São Paulo (1980-1999)
5,5 casos /100.000 mulheres e a taxa nacional (1979-2000) que é de 11/100.000 1,8,29 e 31.
Esses dados evidenciam a ineficiência e a ineficácia dos programas de
prevenção, sendo necessária à promoção de ações que considerem as dificuldades de
acesso à informação sobre os fatores de risco, diagnóstico e tratamento precoce. Haja
vista a baixa cobertura do exame preventivo na população brasileira comparada aos
85% proposto pela OMS, conforme nos indica os 65% de cobertura encontrados na
Pesquisa Mundial de Saúde12 . Nas últimas décadas houve um aumento na cobertura
desse exame, contudo as taxas de mortalidade por esta neoplasia continuam altas
quando comparamos as taxas dos países desenvolvidos 54.
A não participação em programas de rastreamento é um fenômeno multifatorial
que envolve fatores pessoais como a falta de tempo, vergonha, ansiedade, conhecimento
inadequado e falta de percepção de risco; fatores culturais como questões de gênero,
idade e crenças religiosas, além de fatores organizacionais como falta de acesso aos
serviços de saúde, pobreza e isolamento geográfico 23, 47 e 54 .
As mulheres brancas apresentaram maiores taxas de mortalidade tanto para
câncer de colo de útero quanto para câncer de corpo de útero e a razão de taxas entre
brancas e preta-pardas de mortalidade para câncer de colo de útero é 1,21 e 1,66 vezes
maior para câncer de corpo de útero (Tabela 7.3).
Esses dados vão de encontro com a maioria dos estudos sobre o tema, foram
observados maiores taxas de mortalidade de câncer de colo de útero em mulheres negras
(RT 1,6) em Recife 94. Do mesmo modo de Farley (2007)90 encontrou uma mortalidade
por câncer de endométrio 80% maior em mulheres negras quando comparadas às
brancas, apesar destas possuírem uma taxa de incidência 33% maior.
Dois estudos evidenciaram que as mulheres negras apresentam maior risco de
mortalidade quando comparadas às mulheres brancas. O primeiro indica um risco de
morrer por câncer de colo de útero 1,30 quando comparadas às brancas (95% IC 1,14-
1,48). Além disso, as negras tiveram maior proporção de casos diagnosticados em
estádios avançados (43,8%) quando comparadas às brancas (34,8%). No segundo as
mulheres negras também apresentam um risco de mortalidade (RR= 1,19, IC 95% 1,06-
1,33) maior mesmo após o ajustamento por idade ao diagnóstico, histologia,
estadiamento e tipo de tratamento67-68.
Os estudos que avaliam as desigualdades na mortalidade por câncer de colo de
útero apresentam resultados discordantes. Há outros estudos que indicam que as
diferenças na sobrevida e no tipo de tratamento recebido pode ser reduzida ou eliminada
71
75
quando há o ajustamento para características sociodemográficas e severidade da doença 90, 95.
A discordância no resultado desses estudos e os resultados do presente trabalho
sugerem que a variável raça/cor é uma aproximação de outros fatores tais como
diferenças no estilo de vida, nas condutas de saúde e acesso aos cuidados de saúde. Essa
afirmativa é evidenciada pelo fato do efeito da raça ser significativamente reduzido ou
eliminado depois do controle desses fatores 90,95-96.
Vale destacar que a classificação da cor/raça da DO (Declaração de óbito) é
realizada pelo profissional que a emite. Isto pode ter contribuído para o branqueamento
dos indivíduos. Um estudo realizado para avaliar a consistência entre a cor/raça
autoclassificada e determinada por entrevistador evidenciou que indivíduos que se
classificaram como pretos e pardos tiveram 1,4 e 1,5 vezes mais chance de serem
classificados como brancos do que como pretos e pardos, respectivamente 97.
Analisando a situação conjugal verificaram-se maiores taxas de mortalidade em
mulheres que vivem sem companheiro (solteiras, viúvas e separadas), tanto para câncer
de colo de útero (58,81 óbitos/100.000 mulheres) como para câncer de corpo de útero
(26,61 óbitos/100.000 mulheres) e a análise desagregada indicou maior risco de
mortalidade por câncer de colo de útero nas mulheres solteiras quando comparadas às
mulheres casadas, separadas e viúvas e mortalidade por câncer de corpo de útero maior
nas mulheres viúvas (Tabela 7.4).
O estado civil tem sido identificado um importante fator social associado à
mortalidade. Estudos desenvolvidos por Ikeda et al (2007)98, Osborne et al (2005)99 e
Heminki & Li (2003)100 têm evidenciado que o risco de mortalidade é maior para
solteiros, viúvos, e divorciados quando comparados aos casados.
O estudo desenvolvido 98 evidenciou um risco aumentado de mortalidade para
os solteiros, viúvos e divorciados em relação à mortalidade geral (RR 1,91 IC 95%
1,51-2,42) e doenças cardiovasculares (RR 3,05 IC 95% 2,03- 4,60). Com relação ao
câncer o risco de mortalidade foi maior apenas para os viúvos (RR 1,27 IC 95% 1,07-
1,51). Também identificou que os não casados apresentam maior consumo de álcool e
tabaco, além de maior percepção de stress, história de diabetes e hipertensão arterial.
As mulheres solteiras apresentavam maior chance (OR 1,25 IC 95% 1,14-1,37)
de mortalidade por câncer de mama mesmo após o controle pelas variáveis: raça, idade,
escolaridade, renda e estádio da doença. Vale destacar que as mulheres não casadas
também tiveram maior chance de serem diagnosticadas em estádios avançados da
doença (OR 1,17 IC 95% 1,12-1,23) após o controle das variáveis citadas acima99.
72
76
Maior risco para câncer de pulmão (RR 1,45 IC 95% 1,32- 1,59), trato aero-
digestivo (RR 1,57 IC 95% 1,29-1,89) e câncer de colo de útero (RR 2,69 IC 95% 2,40-
2,90) foi encontrado em mulheres divorciadas100. Mulheres não casadas têm 2 vezes
maior risco ( IC 95% 1,3-3,0) para o desenvolvimento da infecção pelo vírus HPV
quando comparadas as mulheres casadas 101. Esses achados corroboram os dados da
literatura que indicam que indivíduos divorciados apresentam maior risco para cânceres
relacionados ao consumo de álcool, tabaco e hábitos sexuais.
A diferença no risco de mortalidade entre casados e não casados pode ser
explicada pelo fato dos indivíduos casados apresentarem condutas de saúde mais
positivas do que os solteiros, viúvos e divorciados, tais como maior presença nos
exames de rastreamento, dieta equilibrada, exercícios, menor consumo de tabaco e
álcool. Além disso, os casados possuem uma rede de suporte social maior, a qual inclui
suporte estrutural, informacional, instrumental e emocional 98-99.
Em relação ao nível de escolaridade houve maior proporção (42,6%) de óbitos
por câncer de colo de útero nas mulheres com até 3 anos de escolaridade e menor
proporção de óbitos (7,3%) nas mulheres com 12 anos. Já o câncer de corpo de útero
apresentou-se em maior proporção (33,7%) nas mulheres com 4-7 anos de escolaridade
e menor proporção (16,5%) nas mulheres com nenhuma escolaridade (Tabela 7.5).
Esses achados corroboram achados da literatura que têm demonstrado a relação
entre o nível de escolaridade e o estágio da doença ao diagnóstico, tempo e tipo de
tratamento recebido e o nível de suporte psicológico 62-66.
Em geral, as populações com baixo nível de escolaridade têm menos recursos
econômicos, desta maneira as barreiras econômicas são um importante fator para
explicar as disparidades de acesso aos serviços de saúde observadas nessas populações 62,102-103.
Além disso, o nível educacional influencia o “health literacy” que é a
capacidade que os indivíduos apresentam de obter, processar e entender as informações
de saúde e tomar decisões apropriadas sobre a sua saúde. Baixo nível de “health
literacy” tem sido associado com insuficiente conhecimento sobre a doença, reduzida
procura por exames de rastreamento, diagnósticos tardios e inadequadas condutas de
saúde para diversos agravos 62,104-05.
8.2 Análise espacial da mortalidade por câncer de colo de útero no Município do
Rio de Janeiro, no período de 1999 a 2006 e correlação da mortalidade com
variáveis socioeconômicas e demográficas.
73
77
As figuras 7.1 a 7.5 sugerem a associação entre a mortalidade por câncer de colo
de útero e as condições de socioeconômicas e demográficas dos bairros, pois verifica-se
maior taxa média de mortalidade por essa neoplasia nos bairros mais pobres da cidade.
As populações mais pobres apresentam taxas de mortalidade mais elevadas por
neoplasia de útero, por maior dificuldade de acesso à rede de serviços para a detecção e
tratamento precoce da doença, provenientes das condições econômicas, culturais e de
nível de escolaridade, assim como ser da cor preta ou parda ter sido associada à maior
risco (19% a 30%) de morte por câncer de colo de útero e maior proporção de casos
diagnosticados em estádios avançados 15, 62-68, 90 .
Verificou-se que as mulheres que residiam em bairros com maior proporção de
negros e pardos tiveram maior risco de mortalidade por câncer de colo de útero, no
período de 1999 a 2006, do que as que residiam em bairros com menor de proporção de
negros e pardos. Esse resultado sugere haver associação entre as condições
socioeconômicas dos bairros do Município do Rio de Janeiro e a mortalidade por câncer
de colo de útero. Sabendo que os bairros como maior proporção de negros e pardos
apresentam maior proporção de indivíduos analfabetos, menor esperança de vida, menor
IDH, menor proporção de indivíduos com ensino superior, e chefes de família com os
menores anos de escolaridade. Esse achado vai ao encontro de estudos que têm
evidenciado a associação da mortalidade por essa neoplasia e as condições
socioeconômicas e demográficas do lugar aonde as mulheres residiam viviam65-66, 106.
As mulheres que residiam em municípios com alta taxa de desemprego
apresentaram maior probabilidade de serem diagnosticadas com câncer de colo de útero
localmente avançado do que as que viviam em regiões com baixa taxa de desemprego
(61,0% x 51,6% p<0,0001). Além disso, os municípios com maiores taxas de
desemprego apresentaram menor sobrevida cumulativa em 5 anos quando comparados
com os de baixa e média proporção, 50,9%, 68,9% e 64,3%, respectivamente, p<0,0001.
As diferenças na sobrevida entre as localidades permaneceram mesmo após o
ajustamento por idade, estadiamento do tumor, histologia do tumor e tratamento.
Indicando a importância das características socioeconômicas do espaço geográfico nas
condições de saúde da população65.
Os mesmos resultados foram encontrados por Singh et al (2004)66 que
identificaram declínio na mortalidade por câncer de colo de útero nos EUA no período
de 1975-2000. Contudo a taxa de incidência nas regiões com altas taxas de pobreza foi
pelo menos um terço maior do que nas com melhores condições socioeconômicas. Vale
74
78
destacar que as mulheres que moravam nas regiões com piores condições
socioeconômicas tiveram 20% (IC 95% 10-40%) maior probabilidade de serem
diagnosticadas em estádios avançados. A sobrevida acumulada em 5 anos para as
mulheres diagnosticadas com câncer de colo de útero avançado foi 79,1% ( IC 95%
78,0%-80,2%), 75,6%(IC 95% 73,9%-77,2%) e 72,6% (IC 95% 70,9%-74,3%), em
localidades com baixas, médias e altas taxas de pobreza , respectivamente.
Verificou-se ficou alta probalbilidade de nunca terem realizado rastreamento
para câncer de mama, colo de útero e cólon e reto nos indivíduos que moram em regiões
com altas taxas de pobreza106. Além disso, a exposição aos fatores de risco, tais como,
infecção pelo HPV, paridade, tabagismo, e alimentação variam de acordo com o nível
socioeconômico 66-106. Outro fator muito importante que tem contribuído na disparidade
nas taxas de incidência e mortalidade por câncer é a presença de comorbidades como
hipertensão arterial, diabetes, problemas cardiovasculares, obesidade entre outros nos
indivíduos que vivem nas regiões mais pobres107.
O grande desafio é diminuir as disparidades na incidência e na mortalidade
por câncer. A principal estratégia é o aumento da cobertura dos programas de
rastreamento e melhorar o acesso aos centros de tratamento de oncologia 16-107. E as
regiões geográficas com maiores taxas de mortalidade por câncer precisam ser
delimitadas e devem receber ações prioritárias para que sejam eliminadas barreiras
que impeçam os pacientes de receberem diagnóstico e tratamento em tempo
oportuno.
75
79
9.CONCLUSÃO
76
O câncer de colo de útero é uma doença com um ótimo prognóstico quando
diagnosticada em estádios iniciais. A mesma possui a muitos anos de um exame de
rastreamento, a citologia oncótica, que reduziu a mortalidade por essa doença nos países
desenvolvidos quando implementada de maneira sistemática através de programas de
controle do câncer de colo de útero.
Em nosso país não foi observado o mesmo, apesar da implementação de
programas para o controle do câncer de colo de útero a partir da implantação do PAISM
(Programa de Atenção Integral à Saúde da Mulher). Para promover a redução na
morbimortalidade por essa patologia é necessária a implantação e/ou implementação de
programas efetivos, eficazes e permanentes nos serviços de saúde.
Neste estudo identificou-se uma taxa de mortalidade por câncer de colo de útero
de 50/100.000 mulheres, indicando a ineficiência e ineficácia das políticas públicas de
saúde em prevenirem as mortes por esta neoplasia no município do Rio de Janeiro.
Os resultados desse estudo indicam a associação entre a mortalidade por câncer
de colo de útero e as condições socioeconômicas dos bairros, pois as mulheres
residentes nos bairros com maior proporção de negros e pardos apresentaram uma razão
de taxas de mortalidade 2,01 vezes maior. Esses bairros apresentam as piores condições
socioeconômicas, do município do Rio de Janeiro, maior proporção de indivíduos
analfabetos, menor esperança de vida, menor IDH, menor proporção de indivíduos com
ensino superior, e chefes de família com os menores anos de escolaridade.
A redução da desigualdade na incidência e mortalidade por câncer de colo de
útero é um grande desafio para as políticas de saúde. É necessário que os gestores de
saúde assumam o compromisso e a responsabilidade de oferecer tratamento diferente
àqueles grupos inseridos de forma desigual, contemplando assim as suas necessidades e
promovendo de forma efetiva o direito à igualdade 108.
Neste cenário são necessárias ações de saúde que priorizem as populações
residentes nos bairros de maior proporção de pretos-pardos, as mulheres na faixa etária
entre 50-70 anos e que tenham até 3 anos de escolaridade, pois foram as populações
que apresentaram maior risco de mortalidade por câncer de colo de útero no período.
As ações de saúde precisam difundir informações acerca da doença e de seus riscos,
bem como as medidas preventivas e de diagnóstico precoce, que basicamente, se
relacionam à incorporação de hábitos de vida, tais como a realização do exame
preventivo.
77
81
10. CONTRIBUIÇÕES E LIMITAÇÕES DO TRABALHO
78
82
Contribuições do estudo
• Permitiu a mensuração da magnitude da mortalidade por câncer de
colo de útero e corpo de útero no Município do Rio de Janeiro;
• Possibilitou identificar os bairros do Município com maiores taxas
de mortalidade;
• Demonstrou a associação entre as condições socioeconômicas dos
bairros e a mortalidade por câncer de colo de útero; e
• O estudo inovou ao analisar a mortalidade por câncer de colo de
útero tendo como unidade de análise os bairros do município do
Rio de Janeiro.
Limitações do estudo
• A indisponibilidade de informação sobre a cobertura do exame
preventivo nos bairros, que poderia ter sido utilizada como variável
independente na modelagem;
• As variáveis socioeconômicas e demográficas utilizadas são do
censo de 2000; e
• Período de análise reduzido (1999-2006) o que pode ter
influenciado no excesso de zeros encontrados nos bairros, tendo em
vista que a mortalidade por câncer é um evento raro.
79
11.REFERÊNCIAS BIBLIOGRÁFICAS
80
1-Instituto Nacional de Câncer. Ações de enfermagem para o controle do câncer: uma
proposta de integração ensino-serviço. Rio de Janeiro (Brasil): INCA;2001.
2- Risi JB; Nogueira, R.B. As condições de saúde no Brasil. In:Finkelman J, editor.
Caminhos da saúde pública no Brasil. Rio de Janeiro. Ed. Fiocruz; 2002:109-233.
3- Instituto Nacional de Câncer. Estimativas 2006: Incidência de Câncer no Brasil. Rio de
Janeiro (Brasil): INCA; 2005.
4- Instituto Nacional de Câncer. Câncer no Brasil dados do Registro de Câncer de Base
Populacional. Rio de Janeiro ( Brasil); 2002.
5- Amorim VMSL, Barros MBA, César CLG, Carandina L, Goldbaum M. Fatores
relacionados à não realização do exame Papanicolauo: um estudo de base populacional no
Município de Campinas, São Paulo, Brasil. Cad Saude Publica. 2006; 22(1):2329-2338.
6- Leal, E.A.S .Lesões precursoras do câncer de colo de útero em mulheres adolescentes e
adultas jovens do município de Rio Branco- Acre. Rev Bras Ginecol Obstet.2003;.25(2)
:81-86.
7- Brenna SMF, Hardy E, Zeferino LC, Namura I.Conhecimentos, atitude e prática do
exame Papanicolaou em mulheres com câncer de colo de útero. Cad Saúde Publica.
2001;17(4):909-914.
8- Fonseca, L.A.M; Ramacciotti, A.S; ELUf Neto, J. Tendência de mortalidade do útero no
Município de São Paulo entre 1980 e 1999.Cad Saúde Publica. 2004;20(11): 136-142.
9- Taplin SH, Ichikawa L, Yood MU, Manos MM, Geiger AM, Weinmann S, Gilbert J,
Mouchawar J, Altaras R, Beverly RK, Casso D, Westbrook EO, Bischoff K, Zapka JG,
Barlow WE.Cervical cancer in women with comprehensive health care acess: attributable
factors in screening process. J Natl Cancer Inst.2005; 97(9): 675-83.
10- Kiney W, SUNG HY, Kearney KA, Geiger AM. Missed cervical cancer (ICC).
Gynecologic Oncology.1998;71(3): 428-30.
11- Zeferino, L.C; Derchin, F. Cervical cancer in the developing world. Best Practice and
Research Clinical Obstetric and Gynecol.2006;20(3): 339-354.
12- Leal, MDO .C; Gama, S.G; FRIAS, P . Health lifestyle and acess to periodic health
exams among Brazilian women.Cad Saude Publica. 2005; 21 (Sup78-S88).
13- FReeman H.P. Cancer and Poverty: A doublé tragedy. CA Cancer Journal Clinicians.
1989;39(1):261-262.
14-Freeman, H.P. Cancer in the socioeconomically disadvantaged. CA Cancer Journal
Clinicians. 1989; 39(1): 266-288.
81
85
15- Ward E, Jemal A, Cokkinides, V . Cancer disparities by race/ ethnicity and
socioeconomic status. CA Cancer Journal Clinicians.2004; 54 (1):78-93.
16-Freeman, H.P.Poverty, Culture and Social Injustice: Determinants of Cancer Disparities.
CA Cancer Journal Clinicians. 2004;.54(1): 72-77.
17- Samelson,E.J; SPEERS, M.A; Ferguson, R; Bennett C. Racial differences in cervical
cancer mortality in Chicago. American Journal Public Health.1994;.84(1):1007-9.
18-Suarez-Varela,M.M; Jiménez-López; Llópis-González,A. Socieconomic factors and
cervical cancer mortality in Spain during the period 1989-1997. Archives of gynecology
and obstetrics. 2004;269 (1): 99-103.
19- Bradley, C.J;Given, C.W; Roberts ,C. Health care disparities and cervical cancer.
American Journal of Public Health. 2004; 94(1): 2098- 103.
20- World Health Organization. Global Action Against Cancer. 1 ed, p-24, 2003.
21- Bosseti C, Levi F, Ferlay J, Lucchini F, Negri E, La Vecchia C. Trends in cancer
mortality in the Americas, 1970-2000. Annals of Oncology.2005;16(1): 489-511.
22- Wünsch Filho, V; Moncau, J.E. Mortalidade por câncer no Brasil de 1980-1995:
padrões regionais e tendências temporais. Revista da Associação Médica Brasileira.
v.48,n.3,p.250-7, 2002.
23- Pinho,A.A; Junior, I.F. Prevenção do câncer de colo de útero: um modelo teórico para
analisar o acesso e a utilização do teste Papanicolauo. Rev. Bras. Saude Mater. Infant.2003;
3(1):95-112.
24- LEVI, F, Boffetta P, Lucchini F, Negri E, La Vecchia C. Cervical Cancer mortality in
young women in Europe : patterny and trends. Eur J Cancer. 2000;36(1): 2266-2271.
25- BOCCIOLONE, L; LA VECCHIA, C; LUCCHINI, F. Trends in uterine mortality in
the Americas 1955-1988. Gynecol Oncol. 1993;51(1): 335-344.
26- Instituto Nacional de Câncer. Estimativas 2008: Incidência de Câncer no Brasil. Rio de
Janeiro (Brasil): INCA; 2007.
27- Instituto Nacional de Câncer. Atlas da mortalidade por câncer de 1979-1999. Rio de
Janeiro (Brasil): INCA;2002.
28- Antunes JLF, Wünsch-Filho V. The effect of performing corrections on reported uterine
cancer mortality data in the city of São Paulo. Braz Med Biol Res.2006 ;39(8): 1091-1099.
29-Derossi, A.S et al. Evolução da mortalidade e anos potenciais de vida perdidos por
câncer cérvico-uterino em Salvador (BA),1979-1997. Rev Braz Cancerol.2001;47(2):.163-
70.
82
86
30- Müller,E.V. Tendência da Mortalidade por câncer de colo de útero no Estado do Paraná
de 1980-2000. [dissertação]. Santa Catarina (SC) Universidade do Oeste de Santa
Catarina;2001.
31- Kalakun, L; Bozzetti, M.C. Evalution of uterine cervical cancer mortality from 1979 to
1998 in the State of Rio Grande do Sul, Brazil.Cad Saúde Publica, Rio de Janeiro,
21(1):299-309, 2005.
32- Paes, N. A.; Albuquerque, M. E. E. Avaliação da qualidade dos dados populacionais e
cobertura dos registros de óbitos para as regiões brasileiras. Rev Saude Publica.1999; 33
(1):33-43.
33- Koss LG, Campbell C. Citologia ginecológica e suas bases anátomo-clínicas. Ed
Manole. São Paulo, 1997.
34- Pham, T.H, Mauvais G, Vergoignan C, De Coninck J, Cachon R, Feron G. Human
papillomavirus infection among women in South and North Vietnam. Int Journ of Cancer.
2003;104 (1):213–220.
35- Schiffman, M; Philip, M.D; Castle, E. Human Papillomavirus. Epidemiology and
Public Health. Arch Pathol Lab Med. 2003.127(3) :930–934.
36- HO, G.Y et al. Natural history of cervicovaginal papillomavirus infection in young
women. N Engl J Med. 1998;338(1):423–428.
37- Kulasingam SL, Huges JP, Kiviat NB. Evaluation of humam papillomavirus testing in
primary screening for abnormalities: comparasionn of sensivity, specificity, and frequency
of referral. JAMA. 2002 .288 (1) :1749-1757.
38- Bauer, H.M .Genital human papillomavirus infection in female university students as
determined by a PCR-based method. JAMA. 1991;265(1): 472–477.
39- Nobbenhuis MA, Walboomers JM, Helmerhost TJ, et al. Relation of humam
papillomavirus status cervical lesions and consequences for cervical-cancer screening: a
prospective study. Lancet 1999; 354(1): 20-25.
40- Wright, T.C JR; Schiffman, M. Adding a test for human papillomavirus DNA to
cervical-cancer screening. N Engl J Med. 2003.348(1):489–490.
41- Póten, J; Adami, H; Bertröm ,R. Strategies for global controlo f cervical cancer. Int
Journ Cancer. 1999;60(1): 1-26.
42- Sood AK. Cigarrete smoking and cervical cancer: meta-analysis of recent studies. AM J
Prev Med.1991; 7(4): 208 213.
43- Plummer M, Herrero R, Franceschi S, Meijer Cj, Snijders P, Bosch FX, de San Jose S
et al. Multi-center Cervical Cancer Study Group. Smoking and cervical cancer: pooled
83
87
analysis of the IARC multi-centric case-control study. Cancer Causes Control. 2003;14(9):
805-14.
44- Appleby P, Beral V, Berrington GA, Colin D, Franceschi S, Goodill A. Carcinoma of
the cervix and tobacco smoking: collaborative reanalysis o f individual data on 13.541
women with carcinoma of the cervix and 23, 017 women without carcinoma the cervix and
23017 women without carcinoma of the cervix from 23 epidemiological studies. Int J
Cancer. 2006;118(6): 1481-95.
45- Schiffman, M; Philip, M.D; Castle, E. Human Papillomavirus. Epidemiology and
Public Health. 2003;127(1) :930–934.
46- Kim, S.W; Yang, J.S. Human Papillomavirus Type 16 E5 Protein as a Therapeutic
Target. Yonsei Medicine Journal. 2006; 47(1): 1-14.
47- SASLOW D, Castle PE, Cox JT, Davey DD, Einstein MH, Ferris DG, et al. American
Cancer Society Guideline for Human Papillomavirus (HPV) Vaccine Use to Prevent
Cervical Cancer and Its Precursors. CA Cancer Journal Clinicians. 2007;57(1):.7-28.
48- Mahdavi, A.L.I; Monk, B.J. Vaccines against human papilomavirus and cervical
câncer: promisses and challenges. The oncologist. 2006;10(1):528-538.
49- Koutsky, L.A Hildesheim A, Galloway DA, Wheeler CM, Winer RL, Ho J, Kiviat NB.
Acontrolled trial of a human papillomavirus type 16 vaccine. N Engl J Med.
2002;347(1):1645–51.
50- Harper, D.M. Efficacy of a bivalent L1 virus-like particle vaccine in prevention of
infection with human papillomavirus types 16 and 18 in young women: a randomized
controlled tr ial. Lancet.2004;364.(1):1757–65.
51- Joura, E.A, Kjaer SK, Wheeler CM, Sigurdsson K, Iversen OE, Hernandez-Avila M,
Perez G et al. Efficacy of a quadrivalent prophylactic human papillomavirus (types 6, 11,
16, and 18) L1 virus-like-particle vaccine against high-grade vulval and vaginal lesions: a
combined analysis of three randomised clinical trials.Lancet. v.369, n.9574, p.1693-
702,2007.
52-Villa, L.L; Costa, R.L; Petta, C.A; Andrade, R.P High sustained efficacy of a
prophylactic quadrivalent human papillomavirus types 6/11/16/18. L1 virus-like particle
vaccine through 5 years of follow-up. Br. J. Câncer.2006;.4(11):459-66.
53-Giuliano,A.R,Lazcano-Ponce E, Villa LL, Flores R, Salmeron J, Lee JH, Papenfuss MR,
Abrahamsen M, Jolles E, Nielson CM, Baggio ML, Silva R, Quiterio M. et al. Impact of
baseline covariates on the immunogenicity of quadrivalent (types 6, 11, 16, and 18) human
papillomavirus virus-like-particle vaccine. Jour Infect Disease. 2003; 196(8):1153-62.
84
88
54- Martins, L.F.L; Thuler, L.C; Valente, J.G. Cobertura do exame de Papanicolauo no
Brasil e seus fatores determinantes: uma revisão da literatura. Rev Bras Ginecol Obstet.
2005;27(8):485-492.
55- Nascimento, C.M; Eluf-Neto, J;Rego, R.A. Pap test coverage in São Paulo municipality
and characteristics of the women tested. Bull Pan Am Health Organ. 1997;2(2):302-312.
56- Costa J.S.D; D’elia,P.B; Manzolli,P; Morreira, M.R. Cobertura do exame
citopatológico na cidade de Pelotas, Brasil. Rev Panam Salud Publica.1996; 3(1):301-15.
58- Dias-da-Costa, J.S; Olinto, M.T.A; Gigante, D.P .Cobertura do exame citopatológico na
cidade de Pelotas, Rio Grande do Sul, Brasil. Cad Saude Publica. 2003;19(1):191-7.
59- Quadros, C.A.T; Victora, C.G; Dias-da-Costa, J.S. Coverage and focus of a cervical
cancer prevention program in Southern Brazil. Rev Panam Salud Publica. 2004; 16(1):.223-
32.
60- Instituto Nacional de Câncer. Inquérito domiciliar sobre comportamentos de risco e
morbidade referida de doenças e agravos não transmissíveis. Rio de Janeiro ( Brasil):
INCA; 2003.
61- Unglert, C.V.S; Rosenburg, C.P;,Junqueira,C.B. Acesso aos serviços de saúde uma
abordagem de geografia em saúde pública. Rev Saude Publica São Paulo. 1987;21(5):439-
46.
62- Reyes- Ortiz CA, Camacho ME, Amador LF, VELEZ LF .The impact of education and
literacy levels on cancer screening among older latin american and carebbean adults.
Cancer Causes Control. 2005;14(4):388-395.
63- Buki LP, Jamison J, Anderson CJ, Cuadra AM. Differences in predictors of cervical
and breast cancer screening by screening need uninsures latina women.Cancer .2003;110
(7): 1578-1585.
64- FERNANDEZ,E; BORREL, C. Cancer Mortality by educational level in the city of
Barcelona. Br Journ Cancer.1999;79(3):684-689.
65- Ueda K, Ichiro K, Tsuhumra H. Cervical and corpus cancer survival disparities by
socioeconomic status in a metropolitan área Japan. Cancer. 2006; 97(4):283-291.
66- SINGH GK, MILLER BA, HANKEY BF, EDWARDS BK, Persistent área
socioeconomic disparities in U.S incidence of cervical cancer, mortality, stage, and
survival, 1975-2000. Cancer.2004;101(5):1051-1057.
67- HOWELL EA; CHEN YC; CONCATO, J. Differences in Cervical Cancer Mortality
Among Black and White Women. The American College of Obstetric Gynecology.
1999;94(1):509 –15.
85
89
68- Patel, D.A .A population –based study of racial and ethnic differences in survival
among women with invasive cervical cancer: Analysis of surveillance , epidemiology, and
end results data. Gynecol Oncology. 2005;97(1):550-58.
69- Soares VMN. Desigualdade na saúde reprodutiva nas mulheres no Paraná. Rev. bras.
epidemiol. 2007;10(3): 293-309.
70- Schneider MC, Castillo-Salgado C, Bacallao J, Loyola E, Mujica OJ, Vidaurre M et al.
Métodos de medición de las desigualdades de salud. Rev Panam Salud Publica.2002; 12(6):
398-414.
71-Secretaria de Gestão Participativa. Quarto Seminário da Região Metropolitana I: Fórum
dos Conselhos Municipais de Saúde do Rio de Janeiro da Região Metropolitana I, 2005.
Série D. Reuniões e Conferências. Rio de Janeiro (Brasil): Secretaria de Gestão
Participativa;2005.
72- CENTRO DE INFORMAÇÕES E DADOS DO ESTADO DO RIO DE JANEIRO
(CIDE). Anuário estatístico do Rio de Janeiro. Rio de Janeiro: SECPLAN, 2002.
73- Souza MC. Modelos de Regressão Ecológica: Uma aplicação em Doenças Isquêmicas
do Coração-Rio de Janeiro-1991.[dissertação]. Rio de Janeiro (RJ): Escola Nacional de
Saúde Pública; 2000.
74- Rojas, L.I; Barcellos, C; Peitter,P.C. Utilização de mapas no campo da epidemiologia
no Brasil: Reflexões sobre trabalhos apresentados no IV Congresso Brasileiro de
Epidemiologia. Informe Epidemiológico do SUS, 8(2): 25-35, 1999.
75- Carvalho, M.S. Aplicação de Métodos de análise especial na caracterização de areas de
risco á saúde. 1997. (tese). Rio de Janeiro (RJ): Universidade Federal do Rio de Janeiro;
1997.
76- Câmara,G; Monteiro, A.M.V. Geocomputation techniques for spatila analysis: are they
relevant to health data? Cad Saude Pública.2001;17(5):1059-81.
77- Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. (Org). Análise Espacial de
Dados Geográficos. Brasília, EMBRAPA, 2004.
78- FERREIRA, J.M.O, BRITTO, F.B. Análise espacial da incidência de câncer do colo de
útero no Município do Rio de Janeiro no período de 1995 a 1998. [TCC]. Rio de Janeiro
(RJ): Escola Nacional de Ciências Estatística ;2006.
79- Carvalho MS, Câmara G, CRUZ OG, Correa V. Análise de dados pontuais. In.
Embrapa Cerrados. Análise espacial de dados geográficos. 2004
80- SILVA CMFP. Modelagem dos acidentes com vítima no Município do Rio de Janeiro.
[tese ]. Rio de Janeiro (Rio de Janeiro): COPPE/UFRJ;2006
86
90
81- Krzanowski, W. J., 1998, An Introduction to Statistical Modelling. 1 ed.
London,Edward Arnold.
82- Kotz, S., Johnson, N. L., 1983, Encyclopedia of Statistical Sciences. Vol. 3, 1 ed.New
York, John Wiley & Sons.
83- Dobson, A. J., 1983, An Introduction to Statistical Modelling. 1 ed. New
York,Chapman and Hall.
84- Nelder JA, Wedderburn RWM. Generalized Linear Models. Journal of the Royal
Statistical, Society A, 135, 370–384, 1972.
85- McCullagh P, Nelder JA. Generalized Linear Models. Chapman & Hall, London, 2nd
Edition, 1989.
86- Lambert, D. Zero-inflated Poisson regression, with an application to defects in
manufacturing. Technometrics 1992. 34:1–14.
87- LoOs AH, Bray F, Mccarron P, Weiderpass E, Hakama M, Parkim DM. Sheep and
goats: separating cervix and corpus uteri from imprecisely coded uterine cancer deaths, for
studies of geographical and temporal variations in mortality. Eur J Câncer. 2004; 40(1):
2794-2803.
88- Latorre MRO. Câncer em Goiânia: análise da incidência e da mortalidade no período de
1988 a 1997.[ tese de livre-docência]. São Paulo (SP) : Universidade de São Paulo,2001.
89- Zeileis, A.; Kleiber, C; Jackman, S. Regression Models for Count Data in R.
Wirtschafts Universitat Research Report Series. Report 53, April 2007
90- Farley J, Risinger JI, Rose GS, Maxwell LG.Racial disparities in black with
gynecologic cancers. Cancer. 2007; 110(2): 234-243.
91- Newmann SJ, Garner EO.Social inequities along the cervical cancer continuum: a
structured review. Cancer Causes Control.2005;16(1):63-70.
92- Ferrante JM, Gonçalves EC, Roetzheim RG, Pal N, Woodardl.Clinical and
demographic predictors of late-stage cervical cancer. Arch of Family Medicine.2005;9,
(5): 439-45.
93- Bazargan M, Bazargan SH, FAROOQ M, Baker RS. Correlates of cervical cancer
screening among underserved Hispanic and African –American women. Prev Med
2007;39(3):465-73.
94- Santos MS, Guimarrães MJB, Araújo TVB. Desigualdades raciais na mortalidade de
mulheres no Recife, 2001 a 2003. Saud Soc. 2007;16(2) :87-102.
95- Coker, A.L Du XL, Fang S, Eggleston KS.Socioeconomic status and cervical cancer
survival among older women:Findings from the SEER–Medicare linked data cohort.
Gynecol Oncology. 2006; 102(1):278–284.
87
91
96- Parham GP, Hicks ML. Race as a factor in the outcome of patients with cervical:lift the
veil, to find, the wounder spirit. Gynecol Oncol. 1998;71(2):149-158.
97- Bastos JL, Peres MA, Peres KG, Dumith SC, Gigantem DP. Diferenças socioeconômica
entre autoclassificação e heteroclassificação decor/raça. Rev Saúde Pública.2008
;42(2):324-342.
98- Ikeda AI, Hiroyasu ISO, Hideaki Toyoshima, Yoshihisa Fujino,TetsuyaMizoue. Marital
status and mortality among Japanese men and women: the Japan Collaborative Cohort
Study. BMC Public Health.2007;7(73): 1-7.
99- Osborne C, Glenn VO, Xianglin D, Peek MK, Goodwin JS. The influence of marital
status on the stage at diagnosis, treatment, and survival of older women with breast cancer.
Breast Cancer Research and Treatment.2005;93(1):1-4.
100- Hemminki K, Xinjun L.Lifestyle and Cancer: Effect of Widowhood and Divorce.
Cancer Epidemiol Biomarkers Prev.2003;12(1):899–904.
101- Kahn JA, Lan D, Kahn RS. Sociodemographic factors associated with high-risk
human papillomavirus infection. Obstet Gynecol.2007; 110(1): 87-95.
102- Hussain SK, Lenner P, Sundquist J, Heiminki K. Influence of education level on
cancer survival in Sweden. Ann Oncol. 2007;19(1): 156-162.
103- Gansler T, Henley SJ, Stein K, Nehl EJ, Smigal C, Slaughter. Sociodemographic
determinants of cancer treatment health literacy. Cancer. 2005; 106(3)653-660.
104- Weiss BD, Hart G, Mcgee DL, D’ Estelle S. Health status of illiterate adults: relation
between literacy and health status among persons with low literacy skills. J Am Board Fam
Pract. 1992;5(3):257-64.
105- Baker DW, Parker RM, Williams, MV, Clark WS, Nurss J. The relationship of patient
reading ability to self-report health and use services. Am J Public Health. 1998;7(6) :1027-
30.
106- SChootman M, Jeffe D B, Baker EA, Walker MS. Effect of area poverty rate on
cancer screening acroos US communities. J Epidemiol Community Health.2006; 60(1):
202-207.
107- Menvielle G, Kunst A. Social inequalities in cancer incidence and cancer survival:
lessons from Danish studies. Eur Journ of Cancer.2008;44(1):1933-37.
108- LOPES F. Para além das desigualdades raciais em saúde. Cad Saúde
Publica.2005;21(5):1595-1601.
88
92
APÊNDICE
89
93
Apêndice 1 Modelo final do primeiro conjunto de variáveis (IDH,expvida, desiguald, negpard).
1) Modelo que gerou o modelo final
Call:
zeroinfl(formula = totger ~ expvida + NEGPARD + offset(log(popfem)), data =
dados1, dist = "poisson", link = "logit")
Count model coefficients (poisson with log link):
Estimate Std. Error z value Pr(>|z|)
(Intercept) 8.59868 0.77692 -11.068 < 2e-16 ***
expvida 0.01071 0.00957 1.119 0.263024
NEGPARD1.02421 0.27374 3.742 0.000183 ***
Number of iterations in BFGS optimization: 9
Log-likelihood: -651.3 on 6 Df 2) Modelo final Call: zeroinfl(formula = totger ~ NEGPARD + offset(log(popfem)), data = dados1, dist = "poisson", link = "logit") Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(>|z|) (Intercept) -7.69498 0.07276 -105.753 < 2e-16 *** NEGPARD 0.69873 0.16500 4.235 2.29e-05 *** Number of iterations in BFGS optimization: 36 Log-likelihood: -648.2 on 4 Df
90
94
Apêndice 2 Modelo final do segundo conjunto de variáveis (expvida,superior, negpard e desiguald). 1) Modelo que gerou o modelo final Call: zeroinfl(formula = totger ~ expvida + idh + desiguald + offset(log(popfem)), data = dados1, dist = "poisson", link = "logit") Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(>|z|) (Intercept) 7.12140 0.47787 -14.902 < 2e-16 *** expvida 0.03886 0.01475 2.635 0.00842 ** idh -3.60386 0.89429 -4.030 5.58e-05 *** desiguald -0.52160 0.53101 -0.982 0.32596 Number of iterations in BFGS optimization: 86 Log-likelihood: -642.4 on 8 Df 2) Modelo final Call: zeroinfl(formula = totger ~ expvida + idh + offset(log(popfem)), data = dados1, dist = "poisson", link = "logit") Count model coefficients (poisson with log link): Estimate Std. Error z value Pr(>|z|) (Intercept) 7.20931 0.46619 -15.464 < 2e-16 *** expvida 0.04117 0.01442 2.856 0.00430 ** idh -3.78016 0.86541 -4.368 1.25e-05 *** Number of iterations in BFGS optimization: 79 Log-likelihood: -642.7 on 6 Df
91
95
Anexo
92
96
Anexo A- População Mundial Proposta por Segi 1960.
Faixa etária
População Mundial
%
0-4 12000
12,0
5-9 10000
10,0
10-14 9000
9,0
15-19 9000
9,0
20-29 16000
16,0
30-39 12000
12,0
40-49 12000
12,0
50-59 9000
9,0
60-69 7000
7,0
70 ou + 4000
4,0
Total 100.000
100,0
93
97
ANEXO B. Aprovação do Comitê de Ética em Pesquisa da Escola Nacional de Saúde Pública- Sérgio Arouca (ENSP/FIOCRUZ).
94
ANEXO C: Mapa do Rio de Janeiro e seus bairros.
95
