OBJETIVO: Avaliar o efeito da sazonalidade climática na ocorrência de sintomas respiratórios em uma cidade de clima tropical no Brasil. MÉTODOS: Estudo de corte transversal relacionando dados de indivíduos que procuraram assistência médica em uma Unidade Básica de Saúde na cidade de Goiânia (GO) com dados meteorológicos coletados diariamente. No intervalo de um ano, todos os pacientes que preenchiam os critérios de inclusão foram entrevistados em 44 dias distintos (11 em cada estação) escolhidos aleatoriamente. ANOVA foi usada para a comparação das médias das variáveis dependentes por estação. Correlação foi conduzida entre as variáveis dependentes e cada variável meteorológica. Os efeitos das variáveis meteorológicas foram analisados com um modelo de AutoRegressive Moving Average with eXogenous input (ARMAX, média móvel autorregressiva com entrada exógena). RESULTADOS: Dos 3.354 participantes, 494 (14,6%) apresentavam sintomas respiratórios. A variação de temperatura não foi suficiente para provocar mudanças no número de indivíduos com sintomas respiratórios; porém, houve aumento desse número com baixos níveis de umidade no inverno, com diferença estatisticamente significativa entre as estações (p < 0,01). Foi observado que a média da umidade relativa mínima dos três dias que antecederam as observações correlacionou-se negativamente com o número de indivíduos com sintomas respiratórios (p = 0,04), e um modelo ARMAX incluindo a mesma variável apresentou um coeficiente estatisticamente significativo (p < 0,0001). CONCLUSÕES: Nesta amostra, o número de indivíduos com sintomas respiratórios aumentou significativamente com a redução da umidade relativa do ar, e esse aumento pôde ser previsto a partir de dados meteorológicos.

OBJECTIVE: To evaluate the effect that seasonality has on the occurrence of respiratory symptoms in a Brazilian city with a tropical climate. METHODS: This was a cross-sectional study, in which data related to subjects who sought outpatient treatment at a primary health care clinic in the city of Goiânia, Brazil, were correlated with daily meteorological data. Over a one-year period, all the patients who met the inclusion criteria were interviewed on 44 distinct, randomly selected days (11 days per season). We used ANOVA in order to compare the means of the dependent variables by season. Correlations were drawn between each dependent variable and each meteorological variable. The effects of the meteorological variables were analyzed with an AutoRegressive Moving Average with eXogenous input (ARMAX) model. RESULTS: Of the 3,354 participants, 494 (14.6%) had respiratory symptoms. Although temperature variation alone had no effect on the number of individuals with respiratory symptoms, the low levels of humidity during winter resulted in a statistically significant difference among the seasons (p < 0.01). The mean minimum relative humidity on the three days prior to the interviews correlated negatively with the number of subjects with respiratory symptoms (p = 0.04). An ARMAX model including the same variable showed a statistically significant coefficient (p < 0.0001). CONCLUSIONS: In this sample, the number of subjects with respiratory symptoms increased significantly when the relative humidity dropped, and this increase could be predicted using meteorological data.