Spatial clusters of diabetes: individual and neighborhood characteristics in the elsa-brasil cohort study

Abstract

Este estudo identificou aglomerados espaciais de diabetes mellitus tipo 2 entre participantes do Estudo Longitudinal de Saúde do Adulto no Brasil (ELSA-Brasil) em duas cidades e verificou características socioeconômicas ambientais individuais e de vizinhança associadas aos aglomerados espaciais. Se trata de um estudo transversal com 4.335 participantes. Diabetes mellitus tipo 2 foi definido com base em glicemia de jejum ≥126mg/dL (7,0mmol/L); teste oral de tolerância à glicose ≥ 200mg/dL (11,1mmol/L); hemoglobina glicada ≥ 6,5% (48mmol/L); uso de drogas antidiabéticas; ou pelo autodiagnóstico médico de diabetes mellitus tipo 2. Ascaracterísticas socioeconômicas do bairro foram obtidas a partir do censo brasileiro de 2011. A análise dos dados espaciais foi realizada pelo método SaTScan para detectar os aglomerados espaciais. Os modelos de regressão logística foram ajustados para estimar a magnitude das associações. Um total de 336 e 343 participantes apresentaram diabetes mellitus tipo 2 em Belo Horizonte, Minas Gerais (13,5%) e Salvador, Bahia (18,5%), respectivamente. Foram identificadas duas áreas de aglomerados com alta probabilidade de diabetes mellitus tipo 2 em Belo Horizonte e Salvador. Em ambas as cidades, os participantes residentes nos aglomerados com alta taxa de diabetes mellitus tipo 2 tinham maior probabilidade de relatar cor de pele parda ou preta, baixa escolaridade e ocupação de trabalho manual; essas áreas também foram consideradas de baixa renda. Por outro lado, os participantes do aglomerado com baixa taxa de diabetes mellitus tipo 2 de Salvador tinham menor probabilidade de serem negros e maior probabilidade de terem diploma universitário, além de morarem em áreas de alta renda. Características socioeconômicas individuais e de vizinhança mais vulneráveis estavam associadas à residência em aglomerados de maior ocorrência de diabetes mellitus tipo 2, enquanto o oposto foi observado para perfis contextuais melhores.