Validade dos indicadores epidemiológicos utilizados para avaliar de forma indireta a magnitude da hanseníase

Abstract

A estimativa do número de casos de hanseníase que permanecem sem diagnóstico na comunidade é uma questâo fundamental para o planejamento das atividades de controle dessa doença. Com afinalidade de obter uma fórmula matemática simples para estimar esse número, em áreas de nível endêmico médio ou baixo, analisamos o potencial preditivo de três indicadores de fàcil obtenção - o grau de incapacidade no momento do diagnóstico, a proporção de casos novos por forma clínica e a proporção de casos novos menores de 15 anos. Para tanto, foram estudados os 4142 casos de hanseníase diagnosticados no Estado do Rio Grande do Sul, Brasil, entre 01/01/1970 e 30/04/1991. Das 24 regiões geográficas em que se subdivide o Estado, 11 estavam classificadas como sendo de baixa endemicidade e 13 como sendo de nível endêmico médio. Nem a proporção de casos novos por forma clínica, nem a proporção de casos novos menores de 15 anos mostraram associação forte ou estatisticamente significante ,quando os dados foram analisados pos meio de regressão linear múltipla ponderada, numa abordagem ecológica em que cada região geográfica foi utilizada como unidade amostrai. Esse achado sugere que as duas proporções não são úteis para estimar a prevalência oculta em áreas de baixa ou média endemicidade. Dos 4142 casos estudados, 3291 (79,5%) haviam sido avaliados quanto ao seu grau de incapacidade fisica ( GI) por ocasião do diagnóstico e tinham registrada em sua ficha a informação dada pelo paciente sobre o tempo decorrido entre o início dos sintomas e o momento em que a doença foi identificada pelo médico (atraso no diagnóstico). O tempo médio de atraso no diagnóstico observado foi de 1,51 anos para os casos com GI = zero, de 2,14 anos para os com GI = 1, de 4,46 anos para os com GI = 2 e de 9,64 anos para os casos com GI = 3. O atraso no diagnóstico mostrou associação forte e estatisticamente significante com a presença de deformidades (GI = 2 ou 3) por ocasião do diagnóstico, quando os dados foram avaliados por meio de um modelo de análise multivariável por regressão logística. Tendo em vista esse achado, evidênciando que quanto maior for a proporção de casos com deformidades, maior será o atraso médio no diagnóstico e, conseqüentemente, maior será a proporção de doentes que permanecem sem diagnóstico na população, as duas variáveis foram incluídas numa fórmula simplificada para calcular a prevalência oculta estimada (POE) da hanseníase, a qual agrupa os casos em apenas dois estratos de grau de incapacidade e tem a seguinte expressão matemática :POE = [(CN-GI 0/1) X 2,0 + (CN-GI 2/3) X 5,0] PCNA x PCP, onde: CN-GI 0/1 =número médio anual de casos novos com grau de incapacidade zero ou 1 ; CN-GI 2/3 =número médio anual de casos novos com grau de incapacidade 2 ou 3; PCNA = proporção de casos novos com grau de incapacidade avaliado ; PCP = proporção da população coberta pelo programa de controle da hanseníase; os multiplicadores 2,0 e 5,0 correspondem, respectivamente, ao tempo médio aproximado, em anos, do atraso no diagnóstico nos casos sem deformidades (grau de incapacidade = zero ou 1) e nos casos com deformidades (grau de incapacidade 2 ou 3). A prevalência oculta do Estado do Rio Grande do Sul foi estimada, por meio dessa fórmula simplificada, em cerca de 529 casos. Além do atraso no diagnóstico, outras variáveis, corno forma clínica, grupo etário, sexo e modo de detecção, mostraram-se significantemente associadas ao risco de apresentar deformidades no momento do diagnóstico. Ademais disso, o modelo de regressão logística encontrou dois fatores modificadores de efeito estatisticamente significantes : atraso no diagnóstico vs. forma clínica e atraso no diagnóstico vs. grupo etário. Em função desses achados, uma fórmula mais complexa, agrupando os casos em 16 estratos definidos pela forma clínica, pelo grupo etário e pelo grau de incapacidade, foi aplicada para o cálculo da POE . Segundo essa fórmula mais complexa, a prevalência oculta estimada do Rio Grande do Sul seria de aproximadamente 502 casos, resultado que difere em apenas cerca de 5% do obtido com o modelo simplificado, sugerindo que esse modelo mais simples pode ser útil para um cálculo rápido da prevalência oculta, com finalidades operacionais.

Public health planning for the management and prevention of Hansen's disease requires estimation ofthe number ofundetected cases ofthe disease in a community. In order to derive a simple approach to estimate that number in areas of low and median endemic levei, we analyzed the predictive potential of three readily obtainable measures - degree of disability at diagnosis, proportion of new cases with a given clinicai form of the disease:o and proportion of new cases under 15 years of age- in a database of 4142 patients with Hansen's disease diagnosed in Rio Grande do Sul State, Brazil, between January 1, 1970 and April 30, 1991. Ofthe 24 geographic regions o f the State, we classified 11 as having low and 13 as having median endemic leveis Neither proportion of cases with a given clinicai form, nor proportion of cases under 15 years of age was associated with disease incidence, when data were anaiyzed trough weighted linear multiple regression, using each geographic region as a sample unit, in an ecologic approach. This finding suggest that these two proportions are not usefui in estimating hidden prevalence in areas o f Iow and median endemic leveis. Ofthe 4142 cases detected, 3291 (79,5%) had their degree of disability evaluated at time of diagnosis and had recorded information permitting caicuiating time delay in diagnosis. The mean delay was 1. 51 years for grade zero o f disability, 2.14 years for grade 1, 4. 46 years for grade 2 and 9. 64 years for grade 3. Delay in diagnosis demonstrated an important, graded and highly statistically significant association with degree of disability at detection in multivariable logistic regression modelling. Thus, we propose a simplified modei to calculate estimated hidden prevalence (EHP), utilizing two collapsed strata of disability grade, as expressed by the following formula: EHP= [(NDC-dg 0/1) X 2.0 + (NDC-dg 2/3) X 5.0] CDE x PPC ,where: NDC-dg 0/1 = mean annual number o f newly detected cases, grade O or 1 of disability; NDC-dg 2/3 = mean annual number o f newly detected cases, grade 2 o r 3 o f disability; CDE = proportion o f newly detected cases with disability evaluated at time o f diagnosis; PCP = proportion o f the population covered by the control program; the values 2.0 and 5.0 correspond to an approximation of the mean time, in years, of diagnosis delay in each respective stratum of disability grade. Applying this model to Rio Grande do Sul data, we estimate a hidden prevalence of 529 cases. In logistic regression modeling, other variables, such as clinicai form, age group, sex and mode of detection were also independent risk factors for presenting disabilities at diagnosis. In addition two factors - clinicai form and age group - significantly modify the association between delay and disabilities. More complex modeling to estimate hidden prevalence, taking into account these interactions, produced an EHP of 502 cases. As this result differs by only about 5% from that of the simpli:fied model, we suggest that the simplified formula can be used as a means of rapid diagnosis o f the hidden prevalence o f Hansen' s disease.