Programa - Comunicação Coordenada - CC3.1 - Tuberculose: Desafios e perspectivas

Objetivo: Analisar o perfil sociodemográfico e clínico-epidemiológico dos casos de tuberculose drogarresistente no município do Rio de Janeiro. Método: Estudo descritivo de série histórica com dados de notificações do SITETB entre 2015 e 2022. Foram analisados os tipos de resistência (primária e adquirida) segundo as variáveis sexo, raça/cor, escolaridade e faixa etária, além de forma clínica, padrão de resistência e situação de encerramento. O teste do qui-quadrado de Pearson foi utilizado para identificar as variáveis significativamente associadas ao tipo de resistência (p<0,05). Resultados: Foram notificados no período 1.113 casos novos, sendo 63,3% por resistência primária. A frequência de resistência primária e adquirida foi maior no sexo masculino, na raça/cor parda e na faixa de 20 a 39 anos. Entre crianças e jovens (0 a 19 anos) as frequências foram 9,9% e 4,9%, respectivamente. Em relação à escolaridade, ambos os tipos foram mais frequentes em indivíduos com menos de 8 anos de estudo. Houve predomínio de casos pulmonares em ambos os tipos de resistência (93,9% e 94,6%,), e de casos multirresistentes ou extensivamente resistentes (MDR/XDR) (71,8% e 74,8%). Quanto ao encerramento, observou-se frequências de sucesso terapêutico de 67,8% e 56,6%, com preocupante percentual de perda de seguimento (13,9% e 27,5%, respectivamente). Somente as variáveis sexo e forma clínica não estiveram associadas ao tipo de resistência. Conclusões: Aspectos sociodemográficos e clínico-epidemiológico devem ser considerados no aprimoramento da vigilância e na proposição de ações de controle.

Objetivo: Analisar os fatores clínicos-epidemiológicos associados aos casos de TBDR que tiveram desfechos desfavoráveis no tratamento do município do Rio de Janeiro. Método: Estudo analítico baseado em casos notificados no SITETB entre 2015 e 2022, residentes no município do Rio de Janeiro. Foram calculadas as razões de chance e intervalos de confiança considerando situações desfavoráveis de encerramento do tratamento (interrupção, falência e óbito) segundo variáveis clínico-epidemiológicas (sexo, raça/cor, escolaridade, faixa etária, tipo de resistência, comorbidades e quantidade de tratamentos anteriores). Resultados: Tiveram maiores chances de interrupção do tratamento pessoas do sexo masculino, da raça/cor preta, com menos de 8 anos de estudo, com resistência adquirida, histórico de mais de um tratamento anterior, além de tabagistas, usuários de drogas ilícitas, uso abusivo de álcool, pessoas que desenvolveram Aids e com resistência múltipla ou extensiva. Entre diabéticos, a chance de interrupção do tratamento foi significativamente menor quando comparados aos não diabéticos. Em relação à falência terapêutica, chances significativamente maiores foram observadas entre casos com resistência múltipla ou extensiva e casos com histórico de tratamentos anteriores. Já em relação a chance de óbito, foram observadas maiores chances entre aqueles com menor escolaridade, em faixas etárias mais idosas, uso abusivo de álcool, tabagistas e entre pessoas que desenvolveram Aids. Conclusões: Os achados revelam um perfil de maior vulnerabilidade entre casos que apresentam desfechos desfavoráveis no tratamento de TBDR, em especial, na situação de interrupção de tratamento. Aspectos sociodemográficos e clínico-epidemiológicos devem ser considerados no aprimoramento dos esquemas de tratamento de TBDR.

Objetivo: Descrever a tendência temporal da coinfecção TB/HIV e gerar previsões, explorando desde modelos estatísticos clássicos até técnicas de aprendizado de máquina.
Métodos: estudo ecológico de série temporal, aplicando modelagem preditiva, realizado em Mato Grosso, localizado na Região Centro-Oeste do Brasil. Foram utilizados casos de coinfecção TB/HIV notificados entre 2012 e 2023. A incidência foi calculada e estratificada para homens, mulheres e população geral. Modelos tradicionais como Exponential Smoothing and Autoregressive Integrated Moving Average (ARIMA) foram inicialmente aplicados, fornecendo uma base para a compreensão da tendência temporal geral e da presença de sazonalidade. Posteriormente, modelos de aprendizado de máquina, incluindo Support Vector Regression (SVR), Extreme Gradient Boosting (XGBoost) e Redes Neurais Profundas, como Long Short-Term Memory (LSTM) e Convolutional Neural Networks (CNN), foram testados para encontrar o melhor modelo e capturar a dinâmica complexa da coinfecção TB/HIV e as não linearidades inerentes aos dados. A avaliação de desempenho foi baseada em métricas de erro como MSE, MAE e sMAPE. Resultados: os modelos de aprendizagem profunda, especialmente LSTM bidirecional e CNN combinados com LSTM, superaram significativamente os métodos estatísticos clássicos, demonstrando a eficácia dessas técnicas para modelar séries temporais da coinfecção TB/HIV fornecendo, consequentemente, modelos de previsão mais precisos. Conclusões: apesar da aplicabilidade dos modelos estatísticos clássicos, os modelos de aprendizagem profunda mostraram superioridade na captura de padrões complexos nos dados. A comparação entre os modelos destaca a influência das características dos dados sobre a eficácia preditiva dos modelos. A escolha do modelo adequado deve considerar não apenas o desempenho teórico dos modelos, mas também a natureza específica dos dados.

Objetivos: Estimar o impacto da pandemia de covid-19 na detecção de pessoas com tuberculose nas Unidades da Federação (UF).

Métodos: Estudo ecológico com análise de série temporal que utilizou dados secundários de casos novos de tuberculose notificados no Sistema de Informação de Agravos de Notificação (Sinan) entre 2001 e 2022. Foram realizadas duas análises temporais, uma interrompida e uma preditiva. Para a análise da série temporal interrompida utilizamos modelo de regressão segmentada, enquanto para predição de casos nos anos de 2020 a 2022, modelo ARIMA. Para as duas análises, os dados foram agregados por UF de residência.

Resultados: Em 2020 houve redução de 11,5% no registro de casos de tuberculose comparado a 2019 . Na série temporal interrompida, 11 UFs apresentaram redução dos casos em 2020, variando negativamente de 7% a 19%. Referente a inclinação da curva, 13 UFs registraram um aumento gradual no número de casos em 2021 e 2022. Considerando o modelo de predição ARIMA, e stimou-se que 8.646 casos em 2020 e 4.745 em 2021, não foram identificados. Em 2022, todas as UFs notificaram o número de casos esperados pelo modelo preditivo, superando em 3.609 casos o valor estimado nacionalmente.

Conclusões: O Brasil enfrentou impactos significativos e distribuídos geograficamente heterogêneos na detecção da TB devido à pandemia da covid-19. Atualmente, o país está em um período de recuperação dos progressos anteriormente alcançados. É essencial fortalecer a rede de colaboração entre as diferentes esferas governamentais para retomar as ações em locais com maiores dificuldades estruturais e econômicas.