GeoSchisto: Geoprocessamento e Esquistossomose › referata › arq › _2011 › 04_Ricardo › GEOSCHISTO.pdfA prevalência da esquistossomose foi estimada tanto a nível global

GeoSchisto: Geoprocessamento e Esquistossomose

Ricardo J.P.S. Guimarã[email protected]

Corina C. Freitas (INPE) - Luciano V. Dutra (INPE) - Omar S. Carvalho (CPqRR) – Sandra C. Drummond (SESMG) – Ronaldo S. Amaral (MS)

http://www.dpi.inpe.br/geoschisto

O presente trabalho é parte dos resultados oriundos da cooperação institucional

entre o Centro de Pesquisas René Rachou (CPqRR-Fiocruz), o Instituto

Nacional de Pesquisas Espaciais (INPE), a Universidade Federal de Minas

Gerais (UFMG), a Secretaria de Vigilância em Saúde/Ministério da Saúde

(SVS/MS) e a Secretaria de Estado de Saúde de Minas Gerais (SES/MG).

Esta colaboração foi com suporte do CNPq e da FAPEMIG nos projetos:

1. “Desenvolvimento de um sistema de informações para o estudo,

planejamento e controle da esquistossomose no Estado de Minas Gerais”

(processo: 1775/03) e

2. “Desenvolvimento de metodologias e ferramentas de geoprocessamento na

análise espacial e distribuição da esquistossomose no Estado de Minas

Gerais” (processo: 893/05).


2


3


5


Carvalho et al. 2008

Biomphalaria glabrata

B. straminea

B. tenagophila

6


7

Geoprocessamento X Esquistossomose


8

Cross et al. (1984) - Filipinas


9

África – Ásia


10

Brasil: PE, BA, MG, SP


11

Desenvolver metodologias utilizando ferramentas de geoprocessamento para a

caracterização da distribuição espacial da esquistossomose mansoni, visando a

construção de cenários representativos de áreas potenciais para a ocorrência da

doença usando variáveis obtidas por sensoriamento remoto, meteorológicas,

socioeconômicas e ambientais. Objetiva-se também inferir sobre a presença das

espécies de Biomphalaria (B. glabrata, B. tenagophila e/ou B. straminea),

hospedeiros intermediários do S. mansoni, no Estado de Minas Gerais.


12

Área de estudo


13

PCE – SISLoc (80092/MG) e SISPCE (+6,7 milhões)


14

- Índice de Positividade (localidades)

- Prevalência (municípios)

casos positivos( ) *100

população estudadaPv ou Ip


15

- Distribuição espacial dos caramujos Biomphalaria.

Etapas do trabalho de campo


16


17


18

Mobilização da população


19

- Montagem do laboratório

- Transporte dos equipamentos


20

- Recepção das amostras

- Entrega do material

- Coleta das amostras


21

Exames parasitológicos:

- Kato-Katz

- Gradiente Salínico


22

Armazenamento:

- Amostras

- Lâminas


23

Armazenamento:

- Caramujos


24

Tratamento da população

Ensinando a população


25

Coleta de dados


26

Visualização

dos dados


27

Dificuldades


28


29


30

- Variáveis meteorológicas (CPTEC)

- Variáveis socioeconômicas

- Variáveis ambientais

- Variáveis de sensoriamento remoto


31

- Variáveis meteorológicas

- Variáveis socioeconômicas (SNIU – IBGE)




32



- Variáveis ambientais (CPRM, IBGE, ...)


Geologia


33




- Variáveis de sensoriamento remoto (NASA)


34


35


36


37


38

Nova Tiúma

São Lourenço da Mata

PE

A estimativa kernel é uma técnica estatística, de interpolação, não paramétrica, que

produz uma superfície contínua (aglomerado) de densidade calculada em todas as

localizações, para a identificação visual de “áreas quentes” (hotspot), sem alterar as

suas características locais

http://www.dpi.inpe.br/gilberto/livro/analise/cap2-eventos.pdf


39


40

0 dias 180 dias 360dias


41


42


43

pontos


44


45

1

2

3


46

Mapa da distribuição das esp. Estimadas Mapa de incerteza


47

Distribuição espacial dos caramujos

Bacia Rio São Francisco

Distribuição espacial dos caramujos

Bacia Rio Paraíba do Sul

SESMG - 6 municípios SESMG-JF/UFJF- 8 mun


48

Como a krigeagem é muito afetada pela quantidade e pela distribuição espacial dos

dados de entrada, isto pode explicar as diferenças encontradas nas duas bacias.

- Bacia do Rio São Francisco, distribuição, cerca de 50% municípios, acerto de 100%;

- Bacia do Rio Paraíba do Sul, distribuição, cerca de 32% municípios, acerto de 67%;

Bacia do Rio São Francisco apresenta uma média geral de incerteza de 0,232 e

Bacia do Rio Paraíba do Sul com média geral de incerteza de 0,332 (43,1%).

Os resultados obtidos mostram que o mapa de risco obtido da krigagem pode ser

usado como uma ferramenta auxiliar para a formulação adequada de estratégias de

saúde pública e orientar o trabalho de campo, considerando os locais com maior

probabilidade de ocorrência das espécies de Biomphalaria.


49


50


51

Uso do algoritmo Skater do software TerraView 3.1.3;

Divisão do Estado de Minas Gerais em quatro regiões;

Utilização dos polígonos que representam a divisão política dos municípios de

Minas Gerais, juntamente com oito variáveis selecionadas por demonstrarem maior

relação com a transmissão da doença;

As variáveis utilizadas para fazer a regionalização foram: mapa de geologia

(áreas calcárias), índice hidrológico (porcentagem de água no município - obtido do

Mapa de Drenagem), espécies de Biomphalaria, índice de necessidade de saúde

(INS), modelo digital de elevação (MDE), vegetação (modelo de mistura),

precipitação acumulada e média da temperatura.


52

Mapa de Regionalização


53


54


55


56


57


58

12


59

Log


60


61

Modelo 1 (global-município) - foram utilizadas 51 variáveis;

Modelo 2 (regional-município) - foram utilizadas 51 variáveis;

Modelo 3 (global-localidade) - foram utilizadas 93 variáveis;

Modelo 4 (regional-localidade) - foram utilizadas 93 variáveis.


62






63






64


65

( 7,18 0,49 0,36 5,83 0,01 )ˆ 1v iBG TN EVI WPPv ePresença ou ausência de B. glabrata (BG), temperatura mínima do verão (TNv),

índice de vegetação do inverno (EVIi) e porcentagem de casas com água de poço

ou nascente (WP).

R2 = 0,39


66

(0,92 0,28 0,29 ) 2

1ˆ 1 0,97

WN EPv Re

(0,86 0,12 8,3 * 0,22 * ) 2

2ˆ 1 0,60i iPC BG NDVI BG QTAPv Re

(12,1 0,002 0,68 0,82 2,61 ) 2

3ˆ 1 0,63v vMDE TN TX INSPv Re

00( 3,93 0,004 6,45 0,07 ) 2

4ˆ 1 0,76

MDE IDHE CPv Re


67

Presença ou ausência de B. glabrata (BG), precipitação do verão (PCv), temperatura

mínima do verão (TNv), índice de vegetação do inverno (EVIi) e domicílios com

banheiro ou sanitário ligado via fossa séptica (V31).

R2 = 0,1831( 7,34 0,51 0,004 0,37 0,0003 0,004 )1v v iBG PC TN EVI V

Ip e


68

25(14,04 0,05 0,01 1,15 ) 2

1 1 0,35i vPC V TIp Re

25 261( 11,63 0,68 0,59 0,0004 0,03 0,005 ) 2

2 1 0,21v iBG TN EVI V VIp Re

33 283(0,16 0,39 0,0002 0,015 0,002 ) 2

3 1 0,38vBG NDVI V VIp Re

254 272( 3,54 0,0001 0,006 0,16 0,27 0,0006 0,003 ) 2

4 1 0,22v v vEVI PC TN QTA V VIp Re


69

Resumo – resultados dos modelos

Modelo nRMSE RMSEa nMSPR MSPRa Modelo nRMSE RMSE nMSPR MSPR

Glo

bal

mu

nic

ípio

M1 - R1 8 4,003 3 5,272

Glo

bal

locali

dad

e

M3 - R1 104 8,078 66 3,421

M1 - R2 49 5,186 38 3,899 M3 - R2 428 12,369 262 11,741

M1 - R3 44 7,498 61 7,968 M3 - R3 220 10,042 338 10,048

M1 - R4 22 5,974 30 9,743 M3 - R4 100 6,164 72 8,282

M1 123 6,185 132 7,478 M3 852 10,739 738 10,145

Reg

ion

al

mu

nic

ípio M2 - R1 8 0,843 3 1,301

Reg

ion

al

locali

dad

e M4 - R1 104 7,576 66 3,376

M2 - R2 49 4,732 38 3,780 M4 - R2 428 11,553 262 11,577

M2 - R3 44 4,444 61 5,110 M4 - R3 220 9,044 338 9,538

M2 - R4 22 3,883 30 7,744 M4 - R4 100 6,123 72 8,291

M2 123 4,327 132 5,463 M 4 852 9,979 738 9,848

RMSE (Erro Médio Quadrático), MSPR (Erro Médio Quadrático da Predição).


70

Modelo nRMSE RMSEa nMSPR MSPRa Modelo nRMSE RMSE nMSPR MSPR

Glo

bal

mu

nic

ípio

M1 - R1 8 4,003 3 5,272

Glo

bal

locali

dad

e

M3 - R1 104 8,078 66 3,421

M1 - R2 49 5,186 38 3,899 M3 - R2 428 12,369 262 11,741

M1 - R3 44 7,498 61 7,968 M3 - R3 220 10,042 338 10,048

M1 - R4 22 5,974 30 9,743 M3 - R4 100 6,164 72 8,282

M1 123 6,185 132 7,478 M3 852 10,739 738 10,145

Reg

ion

al

mu

nic

ípio M2 - R1 8 0,843 3 1,301

Reg

ion

al

locali

dad

e M4 - R1 104 7,576 66 3,376

M2 - R2 49 4,732 38 3,780 M4 - R2 428 11,553 262 11,577

M2 - R3 44 4,444 61 5,110 M4 - R3 220 9,044 338 9,538

M2 - R4 22 3,883 30 7,744 M4 - R4 100 6,123 72 8,291

M2 123 4,327 132 5,463 M 4 852 9,979 738 9,848

RMSE (Erro Médio Quadrático), MSPR (Erro Médio Quadrático da Predição).

Resumo – resultados dos modelos


71

A prevalência da esquistossomose foi estimada tanto a nível global como regional,

mostrando que a presença de B. glabrata, saneamento básico, índice de vegetação

e temperatura são as variáveis mais importantes, estando presente em ambos os

níveis. Resultado semelhante foi obtido por Bavia et al. (2001).

Resultados dos modelos de regressão mostram que a regionalização melhora a

estimativa da doença em MG. O modelo global apresentou R2 = 0,39 e regional R2

entre 0,60 e 0,97. Resultado semelhante foi obtido por Martins-Bede et al. (2009).

O melhor modelo validado pelo MSPR foi o modelo 2 (Regional por município).

A utilização das variáveis ambientais melhora o modelo quando comparados com as

variáveis socioeconômicas com R2 = 0,32 (Freitas et al. 2006) e variáveis derivadas

de sensores remotos com R2 = 0,36 (Guimarães et al. 2006).

Outro fato importante é que as variáveis selecionadas nos modelos por município

apresentam concordância com as variáveis apresentadas nos modelos por

localidades.


72


73

Modelo 2 RMSE Pvmedia %erro

Reg

ion

al

mu

nic

ípio

R1 0,843 7,768 10,852

R2 4,732 10,706 44,201

R3 4,444 14,089 31,538

R4 3,883 16,682 23,276

M2 4,327 12,794 33,824

- Aglomerados 1 e 2 são os mesmos apresentados

no kernel situados, respectivamente, nas

mesorregiões Norte de Minas e Vale do

Jequitinhonha, Mucuri e Rio Doce;

- Aglomerados 3 e 4 situados, respectivamente,

nas mesorregiões Metropolitana de Belo Horizonte

e Sul/Sudoeste de Minas

IM - dados de prevalência

IM - dados do modelo M2


74

O interpolador de médias é uma técnica que pode indicar possíveis locais de

transmissão da esquistossomose e essa técnica mostrou que, além da região

endêmica que foi estimada pelo melhor modelo de regressão obtido, a

mesorregião Sul/Sudeste representa uma possível área de risco de transmissão

da esquistossomose tanto pelo B. glabrata como pelo B. tenagophila.


75

1. Os resultados obtidos demonstram que o SIG é uma ferramenta útil no controle e

estudo da esquistossomose. Além disso, a utilização conjunta do SIG e técnicas

estatísticas permitiram estimar a distribuição das espécies de Biomphalaria e a

prevalência/índice de positividade da esquistossomose.

2. A estimativa por localidade não apresentou uma melhora nos modelos como era

esperado. Isso pode ter sido ocasionado pela utilização de imagens de baixa

resolução (MODIS - 250 m); falta de coordenadas dos locais de captura/estudo

malacológico; pela utilização de variáveis socioeconômicas dos setores censitários,

que muitas vezes apresentaram várias localidades em um mesmo setor; e também,

por causa da não homogeneidade das datas (anos) quando foram realizados os

exames parasitológicos nas localidades utilizadas nesse trabalho com o período das

variáveis depositadas no Banco de Dados do GeoSchisto.


76


77

SISLOC

MALARIACHAGAS

ESQUISTOSSOMOSELEISHMANIOSE

PESTE

FILARIOSE ONCOCERCOSEFEBRE AMARELA

E DENGUE

http://www9.who.int/tropical_diseases/databases/imagelib.pl?imageid=9901510




Recomenda-se usar a metodologia desta Tese em alguns municípios (pequenas

áreas) utilizando variáveis do mesmo período dos exames parasitológicos, bem

como, a utilização de imagens de alta resolução e dados georreferenciados de

bionfalárias.

Recomenda-se utilizar as imagens MODIS ou de outro sensor como o CBERS de

datas e locais diferentes para verificar se existe também uma alta correlação entre

as imagens-fração e os índices de vegetação e a esquistossomose.

Condicionados à existência de fundos adequados, um levantamento malacológico é

recomendado para melhor avaliação da metodologia.

Também, é recomendado o uso de GPS em todos os trabalhos de campo a serem

realizados pelo PCE.


78


79

- CNPq (300927/92-4; 309922/03-8; 380203/04-9; 384571/10-7, 300679/11-4);

- Fapemig (EDP 1775/03; CRA 0070/04);

- NIH-Fogarty (5D43TW007012);

- Secretaria de Estado de Saúde de MG, SVS/MS, INPE, UFJF, UFMG e CPqRR.

FIM


Documents

GeoSchisto: Geoprocessamento e Esquistossomose › referata › arq › _2011 › 04_Ricardo › GEOSCHISTO.pdfA prevalência da esquistossomose foi estimada tanto a nível global