Os grandes sistemas de informação em saúde devem ser prin- cipalmente, instrumento de antecipação aos eventos33, por meio do monito-
ramento da saúde da população34 e devem ter igual importância para detec- ção precoce de surtos de doenças35. Neste sentido, foram desenvolvidos e implantados diversos sistemas de informação para detecção oportuna de e- pidemias de malária, principalmente em países africanos. Conforme relatos de Russel32, estudo realizado por Gill, em 1927, obteve algum sucesso ao usar quatro recursos para prever epidemias de malária no Punjab: 1) fator chuva, do qual os índices eram as chuvas de julho a agosto, medidas em 192 estações; 2) fator índice esplênico foi obtido por meio de mensurações de baços, efetuadas em 286 comunidades representativas, nos cinco anos anteriores; 3) fator econômico representado pelo preço médio dos cereais em grãos, durante os dois anos precedentes; 4) fator epidêmico potencial, cujo indicador foi o coeficiente de variabilidade de mortalidade por febres di- versas. Para Gill, o segundo e o terceiro fatores mediam o estado de imuni- dade da comunidade; o primeiro fator seria supostamente um indicador de transmissão e o quarto fator possibilitava aferir a vulnerabilidade de um dis- trito às manifestações epidêmicas. Em seu trabalho, Gill não considerou a densidade anofélica. Outra limitação do estudo é que muitos dados podiam ser obtidos vários meses antes do início das chuvas, porém, os dados relati- vos às chuvas só eram conseguidos uma ou duas semanas antes da onda epidêmica cujo início se podia prever naturalmente.
No sistema para detecção precoce e controle da malária no norte da Tailândia, desenvolvido por Cullen36, foram empregados os seguin- tes métodos de análises: a) Média mensal (diagrama de controle segundo a distribuição normal) – considerando-se a variação mensal na transmissão. Foram calculadas as médias mensais e respectivos desvios-padrão (DP),
19
para cada ano base e os dados foram plotados num gráfico mostrando-se a média mensal de casos + 2 DP; b) Média total – foi calculada a média men- sal de todos os meses dos anos base, plotando-se a média e média + 2 DP; c) Média móvel – Analisaram-se os dados usando a média móvel para janela de três meses, objetivando o alisamento da curva. d) Média acumulada – Médias mensais foram adicionadas cumulativamente e calculados os res- pectivos desvios-padrão. Dos quatros métodos testados por Cullen, somente o da média mensal apresentou características positivas, que possibilitaram seu emprego na rotina dos serviços de saúde. Os demais métodos (média total, média móvel e média acumulada) foram descartados por apresentarem baixa sensibilidade.
As condições climáticas e ambientais e as características da fauna anofélica foram discutidas por Hay e Colaboradores37, ao analisarem o
processo de transmissão da malária, em duas áreas distintas do Kênia: Wajir e Kericho. Eles utilizaram dois métodos: sensoriamento remoto e análise de densidade spectral (ADS). O sensoriamento remoto apresentou problemas ao recuperar informações espaço-temporais, captadas por satélite, e tam- bém não foi suficiente para predizer os casos de malária com base nas in- formações climáticas. No modelo ADS, retirou-se a tendência de uma série temporal de casos de malária para 60 meses. Assim a variância da série foi mostrada em eventos com ciclo anual e eventos com ciclos superiores a um ano, de forma que possíveis picos da doença fossem graficamente observa- dos. Este modelo não apresentou vantagens para aplicação na rotina nos serviços de saúde.
A detecção precoce de epidemias de malária, a partir da previ- são da sazonalidade climática, baseada no sistema de trocas de temperatu- ra entre oceano-terra-atmosfera foi descrita por Thomson & Connor38. Os autores consideraram o volume de chuva e os anos de seca em cada esta- ção e acreditavam que esses fatores eram determinantes para dinâmica po- pulacional do mosquito e do parasito, pois influenciavam o número de cria- douros e o tempo de sobrevivência do vetor, como também, as taxas de de- senvolvimento do parasito e do mosquito. Outros fatores foram estudados,
20
como o monitoramento de indicadores no espaço e no tempo, a vulnerabili- dade e o risco de transmissão. Concluiu-se que o sistema de alerta precoce para malária pode prover ações que irão alterar positivamente o curso do evento, embora não sejam suficientes para gerar avisos oportunos do incre- mento dos fatores de risco da doença.
Utilizando registros hospitalares de malária e dados ambientais dos anos 1980 e 1990, Hay e Colaboradores39, definiram padrões para de- tecção de epidemias de malária nas localidades de Kilgoris, Kisii e Tabaka, no Kênia. Foram selecionados registros de casos clínicos de três hospitais aplicando-se detalhes de georreferenciamento de um deles, para interpola- ção de dados mensais de temperatura (oC) e de chuvas (mm). Foram testa- dos três métodos: a distribuição por quartis, recomendada pela Organização Mundial de Saúde (OMS); a distribuição normal, proposta por Cullen e Cola- boradores36; e o Cusum modificado, aplicado pelo Centers for Disease Con-
trol and Prevention (CDC), de Atlanta-EUA. Os anos epidêmicos não foram
excluídos para não aumentar a probabilidade de detecção de epidemias. Pe- lo método recomendado pela WHO, pôde-se concluir que 41,7% (Kilgoris), 31,5% (Kisii) e 42,8% (Tabaka) dos meses foram epidêmicos no período da vigilância. O método Cullen mostrou que em menos da metade desses me- ses foram epidêmicos: 14,4%, 10,2% e 12,8%, respectivamente. O Cusum indicou menos ainda, 9,4%, 5,6% e 10,6%, respectivamente. Todas as técni- cas identificaram dois anos epidêmicos em Kilgoris, porém, somente o mé- todo de Cullen detectou dois anos epidêmicos em Kisii e Tabaka.
A comparação entre diferentes algoritmos de alerta para epi- demias de malária foi realizada por Taklehaimanot e colaboradores40.Eles coletaram o número de casos da doença registrados em 10 distritos da Ethi- ópia, no período de 1990 a 2000. Quatro tipos de algoritmos foram compa- rados: percentil semanal, média semanal com desvio padrão (simples, média móvel e logaritmo do número de casos), proporção de lâminas positivas, e declínio dos casos semanais na escala logarítmica. Para comparar diferen- tes tipos de alerta em uma única escala, uma curva foi plotada para cada ti- po de alerta, mostrando o potencial de prevenção de casos versus o número
21
de alertas disparados em 10 anos. Em cada algoritmo um alerta era dispara- do se o limiar definido fosse excedido por duas semanas consecutivas. Se outro alerta fosse disparado dentro de seis meses, este era ignorado, sob a alegação de que se intervindo depois do primeiro alerta, outras epidemias seriam prevenidas nos próximos seis meses. O número de alertas dispara- dos e os percentuais de casos prováveis prevenidos (CPP), obtidos para ca- da nível de limiar variaram nos 10 distritos. Todos os algoritmos de alerta preveniram potencialmente um grande número de casos. O algoritmo base- ado no percentil foi considerado melhor que outros algoritmos, pois preveniu um maior percentual de CPP: entre 10% a 20% do maior desempenho al- cançado para um determinado número de alertas disparados.
Além de outros métodos estatísticos para detecção oportuna de epidemias, a OMS também recomenda o uso do 3º quartil na detecção de epidemias de malária, de acordo com manuais publicados em 200141 e
200442. No Brasil, um estudo concluiu que o método do 3º quartil é o mais
apropriado para detecção oportuna de epidemias de malária na AB43 no sen-
tido de fortalecer a vigilância da doença.