Priscila Pagung de Aquino Lapa1

Taizi Honorato1
Brbara Reis-Santos1
Carolina Maia Martins Sales1
Ethel Leonor Noia Maciel1
Adelmo Incio Bertolde1

Infant Mortality at Esprito

Santo state: an analysis by
Fully Bayesian models

ABSTRACT| Introduction: The infant

mortality may be considered a strong social
indicator of population life quality as may be
inversely associated with social determinants
in health. Objective: To present Fully
Bayesian regression models to detect patterns
of variation through mapping the risk of
infant mortality in Espirito Santo state
in 2010, and correlate with socioeconomic
covariates. Methods: It is an ecological study
with emphasis on spatial analysis where were
evaluated the factors probably associated to
infant mortality (proportion of mothers under
20 years, proportion of mothers with income up
to half basic pay and proportion of coverage
of sewage) in Espirito Santo state in 2010.
The data were showed with spatial effect and
covariates by the WinBugs program (Version
1.4) and R (Version 2.12).Results: From
the analysis of different models it was found
that the model that uses the spatial structure
and adds the covariates income and sewage
shows the better performance by DIC (Deviance
Information Criterion) criterion. Through
mapping risk estimated by fully Bayesian
method was possible to realize a considerable
gain on interpretation of infant death risk
of Esprito Santo municipalities with this
modeling.Conclusion: The methodological
model adopted provides better visualization of
infant mortality risk, overcoming inequalities
distributions, allowing better assess the
relationships between spatial factors and infant
mortality rates by neighborhood.

|Mortalidade Infantil no estado

Esprito Santo: uma anlise via
modelos Completamente Bayesianos
RESUMO| Introduo: A mortalidade infantil pode ser considerada um forte indicador social da qualidade de vida da populao, j que, pode ser inversamente associada aos determinantes sociais em sade. Objetivo: Apresentar
modelos de regresso Completamente Bayesianos para a deteco de padres
de variao, por meio de mapeamento do risco da mortalidade infantil no estado do Esprito Santo no ano 2010 e, correlacionar com covariveis socioeconmicas. Mtodos: Trata-se de um estudo ecolgico com enfoque na anlise
espacial onde foram avaliados fatores que provavelmente esto associados
mortalidade infantil (proporo de parturientes menores de 20 anos, proporo
de parturientes com renda at meio salrio mnimo e proporo de cobertura de
esgotamento sanitrio), no Esprito Santo, em 2010. Os dados foram apresentados com efeito espacial e covariveis, pelo programa WinBugs (Verso 1.4) e R
(Verso 2.12). Resultados: A partir das anlises dos diferentes modelos, averiguou-se que o modelo que utiliza a estrutura espacial e que agrega a covarivel
renda e esgotamento sanitrio apresenta o melhor desempenho, pelo critrio
DIC (Deviance Information Criterion). Por meio do mapeamento dos riscos
estimados pelo mtodo Completamente Bayesiano, foi possvel perceber um
ganho considervel na interpretao do risco de bito infantil nos municpios
do Esprito Santo, ao utilizar essa modelagem. Concluso: O modelo metodolgico adotado permite uma melhor visualizao do risco de mortalidade
infantil superando as desigualdades das distribuies, permitindo melhor avaliar
as relaes entre fatores espaciais e a taxa de mortalidade infantil por bairro.
Palavras-chave| Epidemiologia Espacial; Mortalidade Infantil, Modelo Completamente Bayesiano e Determinantes Sociais em Sade.

Keywords| Spatial Epidemiology; Infant

Mortality, Fully Bayesian Model and Social
Determinants in Health.

Universidade Federal do Esprito Santo, Vitria/ES, Brasil.

Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014 |99

Mortalidade Infantil no estado Esprito Santo: uma anlise via modelos Completamente Bayesianos | Lapa et al.

INTRODUO|

MTODOS|

A taxa de mortalidade infantil (TMI), um dos mais simples

indicadores de sade, utilizada para estimar o risco de
morte dos nascidos vivos durante o primeiro ano de vida.
De maneira geral a TMI reflete o desenvolvimento socioeconmico e infraestrutura ambiental, bem como o acesso
e a qualidade dos recursos disponveis para a ateno
sade materna e populao infantil1.

Trata-se de um estudo ecolgico com enfoque na anlise

espacial e nos possveis determinantes da taxa de mortalidade infantil dos 78 municpios do estado do Esprito Santo. Os dados utilizados so oriundos dos sistemas SIM (Sistema de Informao sobre Mortalidade) e SINASC (Sistema de Informaes sobre Nascidos Vivos) do DATASUS
(Departamento de Informtica do SUS/Brasil).

No Brasil este indicador historicamente utilizado para

estimar as condies de vida da populao, devido maior
facilidade de acesso aos dados, havendo, assim, uma maior
conscientizao acerca da situao de sade da criana2.

As variveis utilizadas no estudo foram nmero de nascidos

vivos, nmero de bitos no primeiro ano de vida, proporo
de parturientes menores de 20 anos, proporo de parturientes com renda at meio salrio mnimo e proporo de
cobertura de esgotamento sanitrio. A seleo desses indicadores foi realizada com base em reviso de literatura7, 8, 9, 10.

A Organizao das Naes Unidas (ONU) estabeleceu no

ano 2000 Objetivos para o Desenvolvimento do Milnio
que, entre eles, prev a reduo da mortalidade infantil em
75% at o ano de 2015 com base nos ndices de 19903.
Globalmente a TMI tem diminudo de uma taxa estimada de 61 mortes por 1000 nascidos vivos em 1990 para
40 mortes por 1000 nascidos vivos em 2010. No Brasil, a
TMI no ano de 1990 foi de 47 por 1000 nascidos vivos e
em 2010 de 15 mortes por 1000 nascidos vivos. Contudo
os desfechos de sade para crianas pobres so piores do
que para crianas no-pobres, sendo a TMI inversamente
relacionada com condies socioeconmica2,4.
A dependncia, fsica e mental, das crianas as torna mais
suscetveis s iniquidades que levam a acentuadas diferenas em termos de mortalidade e morbidade5. Iniquidades
em sade dizem respeito s desigualdades evitveis dentro
e entre as sociedades. Assim as condies sociais e econmicas e seus efeitos na populao determinam o risco de
adoecimento e as aes a serem tomadas para prevenir o
adoecimento ou tratar a doena quando ela ocorre6.

Anlise estatstica
O mtodo clssico mais usual para a estimao do risco de
um determinado evento denominado de taxa bruta ti, defini-se da seguinte forma: ti=(ni/Ni )1000, onde ni o total
de bitos no municpio i e Ni a populao de nascidos
vivos no municpio i por 1000 nascidos vivos.
Um problema associado a essa taxa ocorre quando o evento
de interesse raro em localidades com populao pequena,
devido alta instabilidade ao estimar o risco de ocorrncia do
evento. Outra situao acontece quando no ocorre nenhum
evento, consequentemente, o risco estimado zero, o que nem
sempre real no contexto de dados epidemiolgicos11.
Com intuito de estimar o risco da mortalidade infantil associado a fatores de influncia, sero avaliados os 8 modelos
de regresso a seguir:

Os determinantes sociais de sade so as circunstncias

em que as pessoas nascem, crescem, vivem, trabalham e
envelhecem, bem como os sistemas organizados para lidar com a doena. Essas circunstncias, por sua vez, so
moldadas por um conjunto mais amplo que envolve economia, sociedade e polticas6.
Assim o objetivo do estudo consiste em apresentar modelos de regresso Completamente Bayesiano na deteco de
padres de variao, por meio de mapeamento do risco da
mortalidade infantil no estado do Esprito Santo no ano
2010 e correlacionar com covariveis socioeconmicas.

100| Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014

(1) Efeito espacial, sem covarivel;

(2) Efeito espacial, com idade materna;
(3) Efeito espacial, com renda;
(4) Efeito espacial, com esgotamento;
(5) Efeito espacial, com idade materna e renda;
(6) Efeito espacial, com idade materna e esgotamento;

Mortalidade Infantil no estado Esprito Santo: uma anlise via modelos Completamente Bayesianos | Lapa et al.

(7) Efeito espacial, com renda e esgotamento;

(8) Efeito espacial, com idade materna, renda e esgotamento.
A anlise de regresso utilizando o modelo Completamente
Bayesiano aplicada para mensurar o efeito espacial conjuntamente com as covariveis analisadas. Nessa modelagem, supe-se que o nmero de bitos infantis observado em cada municpio possui uma distribuio binomial,
porm pode ser aproximado pela distribuio Poisson12.
Pode-se definir (Yi) como o nmero de bitos observados
referente a cada municpio i,
Yi ~ Poisson(i),
sendo i=Eii, onde i o risco relativo de bito infantil na
rea i, e Ei a quantidade esperada de bito infantil em cada
municpio ou rea em estudo, dado por:
Ei= nir, sendo r a razo entre o total de bitos e total de nascidos vivos no estado do ES no ano de 2010, supondo que o risco seja constante em cada rea e igual ao risco geral da regio.
O modelo hierrquico apresentado por Bernadinelli e
Montonolli tem como ideia central o uso de informaes
das reas vizinhas com intuito de diminuir o efeito aleatrio
no associado ao risco13. Ao levar em considerao a correlao espacial entre reas subjacentes, o risco inerente
mortalidade infantil mais suave, com menor variabilidade,
mais concentrado e informativo.
O primeiro nvel hierrquico do modelo apresentado por:
Yi|Ei ~ Poisson(i),
Os componentes utilizados na estimao do logaritmo do
risco i dada por:
log(i)= 0+Xip+ui+bi, onde 0 o parmetro intercepto
e ={1,...,p} um vetor de parmetros que representa o
efeito de cada uma das p covariveis com efeito em log(i);
Xip um vetor de covariveis; ui e bi so vetores de efeito
aleatrios. Aps estimar os componentes do logaritmo de
i, aplica-se a funo exponencial a fim de se obter a estimao do risco i.
No segundo nvel hierrquico do modelo, so atribudas as
distribuies a priori de cada um dos componentes do mo-

delo: 0, , ui e bi. Para todos os modelos analisados, a distribuio a priori de 0 dada por: 0~Normal(0.01,0.001), e
para cada um dos elementos de ={1,...,k} a distribuio
dada por 0~Nornal(0,k). O componente ui representa o
efeito aleatrio espacial, e sua distribuio a priori estabelecida da seguinte forma: ui ~ Normal(0,u). Ambos k e u
so desconhecidos e denominados hiperparmetros, pois
so parmetros da distribuio a priori, e se constituem no
terceiro nvel hierrquico, onde esto as distribuies das
hiperprioris. Para ambos foi utilizada a distribuio a priori
Gamma(0.5,0.0005), que equivale ao uso de uma distribuio a priori pouco informativa e, portanto, que exerce pouca
influncia sobre as inferncias. A componente bi considera
o efeito da estrutura espacial e agrega a informao da vizinhana (dos municpios vizinhos), que neste caso a estrutura definida para a matriz de vizinhana utilizada binria,
na qual assume o valor 1 quando as reas so vizinhas e 0
caso contrrio. A distribuio dada a componente bi faz uso
de um modelo CAR (Condicional Auto-Regressivo) normal. A mdia dada pela mdia aritmtica dos efeitos dos
seus vizinhos, e a varincia inversamente proporcional
quantidade de reas vizinhas.
Por meio da distribuio a posteriori de so obtidas as
estimativas dos de risco, resultante dos variados modelos
apresentados e de suas prioris. Devido a complexidade do
modelo, a distribuio a posteriori encontrada pelo mtodo de simulao estocstica chamada de MCMC (Marchov
Chain Monte), em que so encontrados os valores mais facilmente do que calcular analiticamente. O programa utilizado para a modelagem Completamente Bayesiana, pelo
mtodo MCMC, o WinBugs (Win Bayesian inference Using
Gibbs Sampling; Verso 1.4) e para mapeamento dos riscos
o programa utilizado o R (Verso 2.12), ambos os programas utilizados neste trabalho so livres.
A distribuio a posteriori conjunta uma distribuio de
probabilidade dos parmetros presentes no modelo e das
estimativas de cada um dos parmetros. O intervalo de credibilidade de cada parmetro do modelo de suma importncia para avaliar a associao das covariveis e a taxa de
mortalidade infantil.
A convergncia das cadeias foi averiguada pelo mtodo de
Gelman e Rubin14. O critrio de escolha do modelo utilizado o DIC (Deviance Information Criterion). Esse um dos
critrios pode ser usado quando se modelam dados atravs
de MCMC, sendo que o modelo que apresentou o menor
DIC o que melhor se ajustou aos dados15.

Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014 |101

Mortalidade Infantil no estado Esprito Santo: uma anlise via modelos Completamente Bayesianos | Lapa et al.

RESULTADOS|

do DIC.

O nmero de nascidos vivos no Esprito Santo por municpio em 2010 variou de 61 a 6.953. Enquanto que o nmero
de bitos por municpio variou de 0 a 82. A modelagem utilizada neste trabalho a Completamente Bayesiana. Foram
realizadas 200 mil simulaes para cada modelo, sendo que
as 50 mil simulaes iniciais foram descartadas (burn-in). A
convergncia foi verificada por meio do diagrama de Gelman-Rubin, observando as trajetrias das cadeias, com diferentes valores iniciais. A Tabela 1 mostra os modelos ajustados considerando o efeito espacial e os respectivos valores

Ao utilizar o critrio do DIC o modelo que ajusta melhor

aos dados o que inclui o efeito espacial com a covarivel
renda e esgotamento. O modelo selecionado que representa o risco de bito infantil dado por:
log(i) = 1, 49 + 2, 29(renda) + 0.82(esgotamento)
+ ui+ bi
Dessa forma verificamos que as covariveis renda e esgotamento apontam como fatores de influncia inerente ao ris-

Tabela 1: Mortalidade Infantil no Estado do Esprito Santo - Modelos de regresso para identificao de fatores relacionados a TMI e seus respectivos
valores de DIC para o ano de 2010
Modelo

DIC

Sem covarivel

317,913

Efeito espacial, com idade materna

312,189

Efeito espacial, com renda

318,896

Efeito espacial, com esgotamento

318,141

Efeito espacial, com idade materna e renda

312,984

Efeito espacial, com idade materna e esgotamento

310,743

Efeito espacial, com renda e esgotamento

310,067

Efeito espacial, com idade materna, renda e esgotamento

311,629

TMI: Taxa de Mortalidade Infantil

DIC: Deviance Information Criterion
Figura 1: Mapas da Taxa de Mortalidade Infantil (TMI) do Estado do
Esprito Santo no ano de 2010 - (a) Mapa da TMI Bruta; e (b) Mapa
TMI a partir das estimativas do modelo Completamente Bayesiano com efeito
espacial e covariveis renda e esgotamento.

co da mortalidade infantil no Esprito Santo, pelo mtodo

Completamente Bayesiano.
A TMI ajustada pelo modelo para o estado do Esprito
Santo no ano de 2010 foi de 11 bitos por 1000 nascidos
vivos. Na modelagem Completamente Bayesiana, foram
avaliadas as possveis influncias das covariveis, alm do
efeito espacial, como pode ser visto no mapeamento dos
riscos (Figura 1). Por outro lado, o mapa da taxa bruta no
considera as dependncias dos municpios vizinhos nem
agregam informaes de outros fatores que possivelmente
esto associados ao risco de bito infantil.
Dessa forma, a partir da taxa bruta pode-se observar que alguns municpios, por no apresentarem nenhum bito infantil, obtiveram risco igual zero. So eles: Atilio Vivacqua, Brejetuba, Conceio do Castelo, Governador Lindenberg, Ibirau,
Iconha, Ponto Belo, Santa Leopoldina, So Roque do Cana,
e Vila Pavo. Contudo, com a taxa ajustada este fato foi corrigido e nenhum municpio apresentou risco igual a zero.

102| Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014

Mortalidade Infantil no estado Esprito Santo: uma anlise via modelos Completamente Bayesianos | Lapa et al.

DISCUSSO|

CONCLUSO|

A sugesto de que as covariveis renda e esgotamento em

conjunto contribuam para a estimao da taxa de mortalidade infantil concordam com a possvel correlao entre
fatores scio-demogrficos e ambientais presentes nos estudos ecolgicos bem como com a influncia das iniquidades em sade neste indicador16.

Foram avaliados oito modelos de regresso espacial Completamente Bayesianos utilizados para estimar o risco da mortalidade infantil no Esprito Santo em 2010. O mtodo utilizado baseado nas simulaes MCMC, que possibilita estimar
o risco de bitos e os parmetros do modelo e o critrio de
seleo utilizado foi baseado no DIC. O modelo selecionado
considerou o efeito espacial com a renda e o esgotamento.
Em sntese, na modelagem Completamente Bayesiana foi
possvel verificar o efeito da influncia das covariveis relacionadas aos determinantes sociais de sade, bem como
da estrutura espacial, contrapondo o mtodo da taxa bruta
em que no agrega essa informao. Mediante os resultados
encontrados, sugere analisar posteriormente o efeito dos parmetros por municpio, podendo assim observar quais municpios so mais influenciados pelas covariveis analisadas.

Kato et al., utilizando o mesmo modelo completamente

Bayesiano para a deteco de padres de variao do risco
de mortalidade infantil no Rio Grande do Sul, encontrou
sua correlao com a covarivel escolaridade17.
Esses achados permitem direcionar as intervenes, coordenadas e intersetoriais, sobre os diversos nveis dos determinantes sociais da sade para a diminuio das iniquidades relacionadas estratificao social e a consequente
melhora dos indicadores relacionados18.
A TMI para o ano de 2010, estimada pelo modelo Completamente Bayesiano, para o Esprito Santo foi de 11
mortes por 1000 nascidos vivos sendo classificada como
baixa, de acordo com critrios do Ministrio da Sade (>
20 mortes por 1000 nascidos vivos)19.
A integrao dos Sistemas de Informaes Geogrficas
(SIG) na rea da sade tem sido uma ferramenta muito
til, que vem ganhando destaque, devido ao uso de mapas
para a representao espacial de eventos20.
A partir dos mapas h uma percepo visual da diminuio dos contrastes entre as taxas de municpios vizinhos
decorrente do ajuste pelo modelo. Assim, as reas de risco
aumentado podem ser identificadas com maior propriedade para melhor o planejamento de aes de interveno e
direcionamento de recursos.
A impossibilidade de controle das covariveis individuais,
inerente anlise ecolgica, uma limitao que deve ser
considerada bem como a distribuio dos dados por reas
administrativas que podem diminuir a resoluo espacial.
Contudo, superando tais limitaes, o modelo metodolgico
adotado permite uma melhor visualizao do risco de mortalidade infantil superando as desigualdades das distribuies.

REFERNCIAS|
1. Rede Interagencial de Informaes para a Sade RIPSA . Taxa de mortalidade infantil c.1 2009. [Acesso em:
2012 Abr 20]. Disponvel em: http://www.ripsa.org.br/
fichasIDB.
2. Victora CG, Aquino EM, Do Carmo L M, Monteiro
C.A, Barros FC, Szwarcwald C.L. Maternal and child health
in Brazil: Progress and challenges, 2011; The Lancet, 377
(9780): 1863-1876.
3. Portal da Sade - Ministrio da Sade. [Acesso em:
2012 Abr 22]. Disponvel em: http://portal.saude.gov.
br/portal/saude/profissional/visualizar_texto.cfm?idtxt=32484&janela=1.
4. World Health Organization. Global Health Observatory.
Neonatal and infant. [Acesso em: 2012 Abr 22]. Disponvel em: http://www.who.int/gho/child_health/mortality/
neonatal_infant_text/en/index.html.
5. Barros FC, Victora CG, Scherpbier R, Gwatkin D. Socioeconomic inequities in the health and nutrition of children in low/middle income countries. Rev. Sade Pblica
[serial on the Internet]. 2010 Feb [cited 2012 Apr 26] ;
44(1): 1-16.

Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014 |103

Mortalidade Infantil no estado Esprito Santo: uma anlise via modelos Completamente Bayesianos | Lapa et al.

6. World Health Organization. Commission on Social Determinants of Health. Final Report. Geneva; 2010. [Acesso
em 2012 Abr 22]. Disponvel em: http://www.who.int/social_determinants/thecommission/finalreport/en/.
7. Moraes NOL, Barros MBA. Fatores de risco para mortalidade neonatal e ps-neonatal na Regio Centro-Oeste
do Brasil: linkage entre bancos de dados de nascidos vivos
e bitos infantis. Cad. de Sade Pbl., 2000; 16: 477-485.
8. Leite IC, Machado CJ, Lima LC, Rodrigues RN. Fatores
associados mortalidade infantil no Brasil, 2006, com enfoque na idade materna. Cad. Sade Colet., 2010; 18: 392403.
9. Brando M, Fru CM, Geib LTC, Nunes ML. Determinantes sociais e biolgicos da mortalidade infantil em coorte de base populacional em Passo Fundo, Rio Grande do
Sul. Cinc. Sade Colet., 2010; 15: 363-370.
10. Gomes MHR, Souza J, Teixeira JC. Anlise da associao entre saneamento e sade nos estados brasileiros
- estudo comparativo entre 2001 e 2006. Eng. Sanit. Ambient., 2011; 16: 197-204.
11. Marshall RJ. Mapping disease and mortality rates using
empirical Bayes estimators. Appl Stat 1991; 40: 28-294.

de variao de risco relativo de mortalidade infantil no Rio

Grande do Sul, Brasil. Cad. de Sade Pbl., 2009; 25(7):
1501-1510.
18. BUSS PM, Pellegrini FA. A sade e seus determinantes
sociais. Physis, Rio de Janeiro, 2007; 17(1): 77-93.
19. BRASIL. Ministrio da Sade. Portaria n 493 de 10 de
maro de 2006. Aprova a Relao de Indicadores da Ateno Bsica - 2006. Dirio Oficial da Unio 2006; 13 mar.
20. Carvalho MS, Santos RS. Anlise de dados espaciais em
sade pblica: mtodos, problemas, perspectivas. Cad. de
Sade Pbl., 2005; 5: 1361-78.
Correspondncia para/Reprint request to:
Adelmo Incio Bertolde
Campus Universitrio - Depto. de Estatstica da UFES - Centro
de Cincias Exatas
Av. Fernando Ferrari, 514
Goiabeiras - Vitria - ES
Cep.: 29075-910.
E-mail: adelmoib@gmail.com
Recebido em: 24-5-2013
Aceito em: 22-7-2013

12. Richardson S, Thomson A, Best NG, Elliott P. Interpreting posterior relative risk estimates in disease mapping
studies. Environ Health Perspect, 2004; 112: 1016-25.
13. Bernadinelli L, Montonolli C. Empirical Bayes versus
fully Bayesian analysis of geographical variation in disease
risk. Stat Med 1992; 11: 983-1007.
14. Gelman A, Rubin D. Inference from Iterative Simulation using Multiple Sequences. Statistical Science. (1992a );
7: 457-511.
15. Spiegelhalter DJ, Best NG, Carlin BP, Linde A. Bayesian measures of model complexity and fit. J R Stat Soc
Series B Stat Methodol 2002; 64: 583-639.
16. Susser M. The logic in ecological: II. The logic of design. Am J Public Health 1994; 84: 830-5.
17. Kato SK, Vieira DM, Fachel Jandyra MG. Utilizao da
modelagem inteiramente bayesiana na deteco de padres

104| Rev. Bras. Pesq. Sade, Vitria, 16(1): 99-104, jan-mar, 2014