SciELO - Scientific Electronic Library Online

 
vol.21Implementation of clinical guidelines: a knowledge translation challengeReply to comment on the article “HIV/AIDS Mortality in Brazil, 2000-2015: Are there reasons for concern? author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Revista Brasileira de Epidemiologia

Print version ISSN 1415-790XOn-line version ISSN 1980-5497

Rev. bras. epidemiol. vol.21  São Paulo  2018  Epub Dec 03, 2018

http://dx.doi.org/10.1590/1980-549720180020 

CARTA AO EDITOR

Impacto da autocorrelação na análise temporal dos coeficientes de mortalidade pelo HIV no Brasil

Leandro Pereira GarciaI 

Jefferson Luiz TraebertI 

IUniversidade do Sul de Santa Catarina - Palhoça (SC), Brasil.

Prezado editor,

Muito interessante a proposta do artigo “Mortalidade por HIV/Aids no Brasil, 2000-2015: motivos para preocupação?”,1 comparando as tendências do coeficiente de mortalidade do vírus da imunodeficiência humana (HIV) no Brasil com base nos dados extraídos de duas fontes importantes: boletins epidemiológicos do Ministério da Saúde e Global Burden of Disease (GBD) 2015.

Apesar da relevância do tema e da proposta, uma questão metodológica merece consideração. No estudo, Guimarães et al.1 utilizaram regressões lineares simples para a análise das tendências e estimaram a magnitude das mudanças por meio da razão entre os coeficientes angulares produzidos por esses métodos. A questão é que a presença frequente de autocorrelação em séries temporais pode fazer da regressão linear simples um método pouco adequado para esse tipo de avaliação. Isso porque a autocorrelação pode superestimar as métricas de ajuste do modelo explicativo, fazendo com que sua interpretação seja inadequada.2 Por exemplo, um modelo produzido por regressão linear simples poderia indicar a existência de tendência de aumento ou de queda em uma série temporal, em situações nas quais essas inferências não poderiam ser feitas. Os modelos lineares generalizados são uma alternativa nos casos em que há autocorrelação, sendo o mais utilizado o de Prais-Winsten.2

Ao analisarmos a presença de autocorrelação nos mesmos dados usados por Guimarães et al.,1 extraídos dos boletins epidemiológicos do Ministério da Saúde,3,4,5, mediante o teste de Durbin-Watson, observamos a presença de autocorrelação nos dados do Brasil, das regiões Sul e Sudeste e nas séries de mais seis estados. Infelizmente, a análise dos dados do GBD 2015 não pôde ser realizada, pois tais dados foram retirados da plataforma em virtude da publicação do GBD 2016.

Por isso, procedemos à regressão de Prais-Winsten nessas séries, para analisar a diferença de resultados produzida pelos dois métodos. Conforme proposto por Antunes e Cardoso,2 fizemos a transformação logarítmica do coeficiente de mortalidade, visando à redução da heterogeneidade de variância dos resíduos na regressão. Os coeficientes angulares e os erros padrão estimados foram empregados para o cálculo da variação percentual anual (VPA), que permite determinar a presença de tendência de aumento e de diminuição ou a indeterminação da tendência, de forma intuitiva. Assim, valores positivos indicam o aumento percentual médio anual, e valores negativos, a diminuição, desde que o intervalo de confiança não contenha o zero. Se isso ocorrer, não se pode determinar a tendência da série por esse método.2

Os resultados (Tabela 1) apontam uma VPA do coeficiente de mortalidade para o Brasil em torno de -2%. Entre as regiões, a Sudeste apresenta tendência de diminuição, e Norte e Nordeste, tendência de aumento. Não se puderam determinar as tendências nas regiões Centro-Oeste e Sul, diferentemente do que havia sido encontrado por Guimarães et al.1

Tabela 1. Variação percentual anual do coeficiente de mortalidade pelo vírus da imunodeficiência humana (HIV) no Brasil, regiões e estados, 2000-2015. 

Localização Variação IC95% Máx. IC95% Mín. Tendência
BRASIL -02,12 -01,13 -03,10 Diminuição
Sul -00,19 01,62 -01,96 Indeterminada
Paraná 01,23 03,30 -00,79 Indeterminada
Santa Catarina -02,55 -00,34 -04,72 Diminuição
Rio Grande do Sul 00,74 03,79 -02,20 Indeterminada
Sudeste -07,08 -05,30 -08,83 Diminuição
Minas Gerais -04,35 -03,24 -05,44 Diminuição
Espírito Santo 04,35 06,98 01,78 Aumento
Rio de Janeiro -01,98 00,92 -04,81 Indeterminada
São Paulo -11,14 -10,05 -12,21 Diminuição
Norte 15,14 17,73 12,60 Aumento
Rondônia 06,35 09,37 03,41 Aumento
Acre -06,65 05,63 -17,51 Indeterminada
Amazonas 16,71 21,76 11,86 Aumento
Roraima 02,05 10,53 -05,76 Indeterminada
Pará 17,33 19,91 14,80 Aumento
Amapá 25,08 59,13 -01,67 Indeterminada
Tocantins 13,38 18,22 08,74 Aumento
Nordeste 08,06 08,83 07,30 Aumento
Maranhão 17,84 20,27 15,45 Aumento
Piauí 14,05 16,64 11,51 Aumento
Ceará 05,49 08,69 02,39 Aumento
Rio Grande do Norte 12,98 24,90 02,19 Aumento
Paraíba 08,68 13,62 03,95 Aumento
Pernambuco 04,09 05,69 02,50 Aumento
Alagoas 17,03 24,56 09,95 Aumento
Sergipe 11,30 16,36 06,45 Aumento
Bahia 05,62 06,52 04,72 Aumento
Centro-Oeste -00,13 01,17 -01,42 Indeterminada
Mato Grosso do Sul -00,45 02,99 -03,80 Indeterminada
Mato Grosso 02,86 06,72 -00,86 Indeterminada
Goiás 02,12 04,38 -00,07 Indeterminada
Distrito Federal -06,10 -03,06 -09,04 Diminuição

IC95%: intervalo de confiança de 95%.

Entre os 26 estados e o Distrito Federal, Guimarães et al.1 haviam descrito tendências de redução do coeficiente de mortalidade em seis estados, com a maior redução em São Paulo e a menor em Goiás.1 Os demais estados não apresentaram redução ou mostraram aumento no coeficiente, sendo o caso mais expressivo o do Amapá.

Os resultados da VPA, porém, indicam redução em apenas quatro estados, sendo em São Paulo o mais proeminente e em Santa Catarina o menos. Em 14 estados, a tendência foi de aumento, sendo o mais acentuado no Maranhão e o menos em Pernambuco. Por fim, não foi possível determinar as tendências para Goiás e Amapá, nem para outros sete estados.

Assim, conforme citado anteriormente, a utilização de regressões lineares simples pode fazer com que tendências indeterminadas em séries temporais com autocorrelação sejam interpretadas inadequadamente como tendências de aumento ou de diminuição. O emprego de métodos que ajustem a autocorrelação em análises temporais possibilita maior poder de interpretação e intervenção sobre os fenômenos de saúde.

REFERÊNCIAS

1. Guimarães MDC, Carneiro M, Abreu DMX de, França EB. Mortalidade por HIV/Aids no Brasil, 2000-2015: motivos para preocupação? Rev Bras Epidemiol. 2017; 20(Supl. 1): 182-90. http://dx.doi.org/10.1590/1980-5497201700050015Links ]

2. Antunes JLF, Cardoso MRA. Uso da análise de séries temporais em estudos epidemiológicos. Epidemiol Serv Saúde. 2015; 24(3): 565-76. http://dx.doi.org/10.5123/S1679-49742015000300024Links ]

3. Brasil. Boletim Epidemiológico HIV/AIDS - 2012. Brasília; 2012. [ Links ]

4. Brasil. Boletim Epidemiológico HIV/AIDS - 2015. Brasília; 2015. [ Links ]

5 Brasil. Boletim Epidemiológico HIV/AIDS - 2016. Brasília; 2016. [ Links ]

Recebido: 26 de Setembro de 2017; Aceito: 06 de Abril de 2018

Creative Commons License Este é um artigo publicado em acesso aberto sob uma licença Creative Commons