Search

RESUMO Neste trabalho objetivou-se avaliar os efeitos das variações sazonais do clima na ocorrência de internações por doenças respiratórias por Influenza e Pneumonia (PI) na população idosa da Região Metropolitana de João Pessoa (RMJP) no Estado da Paraíba. Para isso, foram usados modelos lineares generalizados a partir da regressão linear de Poisson para relacionar a variável dependente configurada como os registros de internações por causas associadas à influenza e as variáveis independentes (precipitação pluvial, temperatura média do ar e umidade relativa do ar), para análise das relações instituídas pela modelagem foi aplicado o teste de variância ANOVA com nível de significância de 0,05 de probabilidade para determinar que variáveis independentes eram mais significativas na modelagem. Também foram analisados os resíduos gerados pelo ajuste dos modelos no intuito de identificar a distribuição que melhor se ajustasse aos dados. Toda análise estática foi realizada no software R. De forma geral verificou-se que os maiores picos de internações por PI ocorrem no outono e inverno. Portanto, esses resultados sugerem uma associação entre o frio e as internações por PI. A modelagem estatística se apresentou satisfatória para análise dos casos de internações por PI, no entanto, é necessário o aprofundamento dessas análises temporais, visto que o problema de internações é multicausal e não, necessariamente, consequência somente de alterações climáticas. ABSTRACT This work aimed to evaluate the effects of seasonal climatic variations in the incidence of respiratory diseases by influenza (PI) in the elderly population in the region of metropolitan João Pessoa in the state of Paraíba. Generalized linear models from the linear Poisson regression to relate the dependent variable set to the records of hospitalizations for causes associated with influenza and the independent variables (rainfall, average air temperature and relative humidity) to analyze the relations established by modeling has been used. Aditionally,was applied ANOVA variance test with a significance level of 0.05 of probability to determine which independent variables is more significant. Also the residual generated by adjusting the models in order to identify the distribution that best fitted the data were analyzed. All static analysis was performed using R software. In general is possible to identify that the highest peaks of hospitalizations for PI occur in autumn and winter. Therefore, these results suggest an association between cold and hospitalizations for IP. Statistical modeling performed satisfactory for analysis of the cases of hospitalizations for IP. However, the deepening of these temporal analysis is necessary because health depends not only on environmental factors.