DOS DADOS AOS MAPAS: REVELANDO DESIGUALDADES SOCIAIS NA MORTALIDADE POR CÂNCER DE MAMA NO BRASIL

LÍVIA FARIA FERRETE

Apresentador(es): LÍVIA FARIA FERRETE

Orientador(es): LETICIA MARTINS RAPOSO


Área temática: SAÚDE COLETIVA

Modalidade de apresentação: SESSÃO DE PÔSTER

Bolsa: IC/UNIRIO


Resumo

O câncer de mama (CM) é uma das principais causas de mortalidade feminina no mundo e constitui um relevante problema de saúde pública. No Brasil, sua mortalidade reflete desigualdades estruturais relacionadas tanto ao acesso aos serviços de saúde quanto a determinantes sociais, econômicos e territoriais. Assim, compreender sua distribuição espacial e os fatores associados é essencial para orientar políticas de saúde mais equitativas no âmbito da saúde coletiva. Este estudo teve como objetivo analisar a variação espacial da mortalidade por CM na população feminina brasileira, no período de 2015 a 2019, considerando um conjunto de determinantes sociais e de saúde e utilizando metodologias capazes de captar relações complexas e não lineares. Foi conduzido um estudo ecológico com dados do SIM/DATASUS e estimativas populacionais do IBGE. Selecionaram-se óbitos femininos por câncer de mama (CID-10: C50), organizados em faixas etárias padronizadas. As taxas, ajustadas por idade a partir do Censo de 2010, foram calculadas por 100.000 habitantes e agregadas às Regiões Geográficas Imediatas (RGI). Indicadores socioeconômicos e de saúde em nível municipal, ponderados pela população, foram incorporados como variáveis contextuais. Para a análise multivariada, aplicaram-se técnicas de seleção de variáveis baseadas na correlação de Spearman (|ρ|≥0,80), e no Fator de Inflação da Variância (VIF) (VIF>5), a fim de reduzir redundâncias e multicolinearidade. A modelagem estatística e espacial foi conduzida por meio de algoritmos de Random Forest e Random Forest Geográfico, tanto em escala nacional quanto regional, o que possibilitou identificar os preditores mais relevantes em nível agregado e local. Os resultados revelaram marcantes desigualdades regionais na mortalidade por câncer de mama. As maiores taxas ajustadas (13,6–21,6/100.000) concentraram-se nas regiões Sul e Sudeste, seguidas por valores intermediários em áreas do Centro-Oeste e Nordeste, enquanto as menores taxas (0–8,38/100.000) predominaram no Norte. Nacionalmente, domicílios chefiados por mulheres e PIB per capita foram os principais preditores, mas houve variações regionais: densidade demográfica e cobertura da Estratégia Saúde da Família (ESF) no Centro-Oeste; escolaridade e PIB per capita no Nordeste; enfermeiros e densidade demográfica no Norte; e, no Sudeste e Sul, novamente domicílios chefiados por mulheres e escolaridade, além da presença de médicos especialistas. Quando avaliada a importância das variáveis em cada RGI, observou-se que escolaridade e densidade demográfica tiveram maior peso no Norte e Nordeste, enquanto domicílios chefiados por mulheres se destacaram no Sudeste e Sul. Em síntese, os achados reforçam que a mortalidade por CM no Brasil é fortemente condicionada por determinantes sociais e pela oferta desigual de serviços de saúde, configurando um fenômeno que espelha a heterogeneidade socioeconômica e territorial do país.

Bibliografia

Dong, W; Bensken, W; Kim, U; Rose, J; Fan, Q; Schiltz, N; Berger, N; Koroukian, S. Variation in and Factors Associated With US County-Level Cancer Mortality, 2008-2019. JAMA Network Open, v. 5, n. 9, e2230925. Set. 2022. DOI: 10.1001/jamanetworkopen.2022.30925 Georganos, S; Grippa, T; Gadiaga, A; Linard, C; Lennert, M; Vanhuysse, S; Mboga, N; Wolff, E; Kalogirou, S. Geographical random forests: a spatial extension of the random forest algorithm to address spatial heterogeneity in remote sensing and population modelling. Geocarto International, v. 36, n. 2, p. 121-136. Jun. 2019. DOI: 10.1080/10106049.2019.1595177 Oliveira, N; Cancela, M; Martins, L; Souza, D. Spatial distribution of advanced stage diagnosis and mortality of breast cancer: Socioeconomic and health service offer inequalities in Brazil. PLOS One, v. 16, n. 2, p. e0246333. Feb. 2021. DOI: 10.1371/journal.pone.0246333

Palavras-chave

Câncer de mama Epidemiologia do câncer Aprendizado de máquina Análise exploratória Análise espacial Random Forest
Baixar Material Suplementar (PDF)
Voltar