Multivariate analysis of schistosomiasis in the state of Minas Gerais: principal component analysis

Main Article Content

José de Paula Silva
Salvador Boccaletti Ramos
Monica de Andrade

Abstract

Introduction: Schistosomiasis mansoni is a neglected disease in Brazil, therefore, related to poverty and lack of sanitary conditions. Occurs in the coastal region of the northeast and spreads inland from the state of Bahia, reaching Minas Gerais. Objective: To group, through component analysis, the main variables related to schistosomiasis in factors that may explain data variance. Methods: Reports of schistosomiasis between the years 2007 to 2014 were evaluated, considering averages per 100 thousand inhabitants. The variables: education, health, economy, infrastructure and sanitation, population, altimetry and Human Development Index (HDI), were obtained from Atlas Brazil; the schistosomiasis notification data were obtained from the injury and notification information system (SINAN). Statistical analysis was based on the analysis of main components, aiming to identify the key factors that contribute most significantly to data variance. Results: Considering the proposed criteria, three factors explained more than 76% of the variance, the first one related to the following variables: illiteracy rate at 18 years of age or more, no elementary education, child mortality, extremely poor, vulnerable to poverty, inadequate sanitary sewage and rural population. The second was related to the sanitary sewage variable and the third factor to the altitude variable. Conclusion: The variables associated with factors, especially those based on the social determinants of health; show a strong relation with the occurrence of schistosomiasis. The contribution of the study reminds us of the possibility of grouping variables into factors that behave synergistically and favor the incidence of parasitosis.

Downloads

Download data is not yet available.

Article Details

How to Cite
Silva, J. de P., Ramos, S. B., & Andrade, M. de. (2018). Multivariate analysis of schistosomiasis in the state of Minas Gerais: principal component analysis. ABCS Health Sciences, 43(2). https://doi.org/10.7322/abcshs.v43i2.995
Section
Original Articles
Author Biography

José de Paula Silva, Universidade do Estado de Minas Gerais - Belo Horizonte (MG)

Possui graduação em Farmacia pela Universidade Federal de Alfenas (1985), graduação em Licenciatura em Ciências pela Faculdade de Filosofia de Passos (1991), graduação em Bioquímica pela Universidade Federal de Alfenas (1986), mestrado em Farmacologia pela Universidade Federal de Alfenas (1999), Mestrado em Química Biológica e Doutorado em Promoção de Saúde pela Universidade Cruzeiro do Sul. Atua como Professor na Universidade do Estado de Minas Gerais, nas áreas de Parasitologia, Fisiologia e Farmacologia, nos cursos de Enfermagem, Biomedicina, Nutrição e Medicina. Atualmente é o diretor do Núcleo de Ciências Biomédicas e Saúde, que englobam os cursos de saúde da unidade de Passos. è professor de Parasitologia e Farmacologia do Curso de Medicina da UEMG, Atua na área de Pesquisa em Estudos Ecológicos com aplicação de modelos espaciais, incluindo a analise exploratória de dados espaciais de doenças negligenciadas e de notificação compulsória.

 

References

1. Lindoso JAL, Lindoso AABP. Neglected tropical diseases in Brazil. Rev Inst Med Trop. 2009; 51(5):247-53. http://dx.doi.org/10.1590/S0036-46652009000500003

2. Carvalho OS, Coelho PMZ, Lenzi HL. Schistosoma mansoni & Esquistossomose: uma visão multidisciplinar. FIOCRUZ, 2008.

3. Brasil. Ministério da Saúde. Vigilância da Esquistossomose Mansoni: diretrizes técnicas. 4ed. Brasília: Ministério da Saúde, 2014.

4. Saucha CVV, Silva JAM, Amorim LB. Condições de saneamento básico em áreas hiperendêmicas para esquistossomose no estado de Pernambuco em 2012. Epidemiol Serv Saúde. 2015;24(3):497-506. http://dx.doi.org/10.5123/S1679-49742015000300015

5. Person FRSK. On lines and planes of closest fit to system of points in space. Phil Mag J Sci. 1901;2(11):559-72. http://dx.doi.org/10.1080/14786440109462720

6. James G, Witten D, Hastie T, Tibshirani R. An introduction to statistical learning: with Applications in R. London: Springer; 2013.

7. Departamento de Ciência e Tecnologia, Secretaria de Ciência, Tecnologia e Insumos Estratégicos, Ministério da Saúde. Doenças negligenciadas: estratégias do Ministério da Saúde. Rev Saúde Pública. 2010;44(1):200-2. http://dx.doi.org/10.1590/S0034-89102010000100023

8. Sundsvall DD. Promoção da saúde e ambientes favoráveis à saúde. III Conferência Internacional de promoção da saúde. Disponível em: http://bvsms.saude.gov.br/bvs/publicacoes/declaracao_sundsvall.pdf. Acesso em: 12 jul. 2017.

9. Instituto Brasileiro de Geografia e Estatística (IBGE). Minas Gerais. Disponível em: http://www.ibge.gov.br/estadosat/perfil.php?sigla=mg. Acesso em: 12 jul. 2017

10. Sistema de Informação de Agravos de Notificação (SIAN). Doenças e agravos. Disponível em: http://portalsinan.saude.gov.br/. Acesso em: 12 jul. 2017.

11. Instituto Brasileiro de Geografia e Estatística (IBGE). Cadastro nacional de localidades. Disponível em: http://geoftp.ibge.gov.br/Organizacao/Localidades. Acesso em: 12 jul. 2017.

12. Jolliffe IT. Principal component analysis. 2nd ed. New York: Springer; 2002.

13. Kaiser HF. The application of electronic computers to factor analysis. Educat Psychol Measur. 1960;20(1):141-51.

14. Hair Jr JF, Black WC, Babin BJ, Anderson RE, Tatham RL. Análise multivariada de dados. Porto Alegre: Bookman, 2009.

15. Ladis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1977;33(1):159-74. http://dx.doi.org/10.2307/2529310

16. World Health Organization (WHO). Working to overcome the global impact of neglected tropical diseases: first WHO report on neglected tropical diseases. Geneva: WHO, 2010.

17. Cattell RB. The Scree Test for the number of factors. Multivariate Behav Res. 1966;1(2):245-76. http://dx.doi.org/10.1207/s15327906mbr0102_10

18. Ponce-Terashima R, Koskey AM, Reis MG, McLellan SL, Blanton RE. Sources and distribution of surface water fecal contamination and prevalence of schistosomiasis in a Brazilian village. PLoS Negl Trop Dis. 2014;8(10):e3186. https://doi.org/10.1371/journal.pntd.0003186

19. Assaré RK, Lai YS, Yapi A, Tian-Bi YN, Ouattara M, Yao PK, et al. The spatial distribution of Schistosoma mansoni infection in four regions of western Côte d’Ivoire. Geospat Health. 2015;10(1):345. https://dx.doi.org/10.4081/gh.2015.345

20. Gomes ECS, Mesquita MCS, Rehn VNC, Nascimento WRC, Loyo R, Barbosa CS. Transmissão urbana da esquistossomose: novo cenário epidemiológico na Zona da Mata de Pernambuco. Rev Bras Epidemiol. 2016;19(4):822-34. http://dx.doi.org/10.1590/1980-5497201600040012

21. Barreto MS, Gomes ECS, Barbosa CS. Turismo de risco em áreas vulneráveis para a transmissão da esquistossomose mansônica no Brasil. Cad Saúde Pública. 2016;32(3):e00190815.http://dx.doi.org/10.1590/0102-311X00190815

22. Silva JP, Andrade M. Perfil epidemiológico da esquistossomose mansônica em Minas Gerais. Investigação. 2016;15(6).

23. Fonseca F, Freitas C, Dutra L, Guimarães R, Carvalho O. Spatial modeling of the schistosomiasis mansoni in Minas Gerais State, Brazil using spatial regression. Acta Trop. 2014;133:56-63. http://dx.doi.org/10.1016/j.actatropica.2014.01.015

24. Anjos MP, Leonardi FA, Tavares Júnior JB, Ferreira L. Planejamento urbano: o mapeamento do saneamento básico na margem esquerda do Ribeirão Pitanga ou Furnas, nos municípios de Bueno Brandão e Ouro Fino, Minas Gerais-Brasil. SBGFA Ferramenta Leitura. 2017;1:133-45. https://doi.org/10.20396/sbgfa.v1i2017.1784