Síndrome congênita pelo Zika vírus: uma abordagem multianálises da prematuridade, baixo peso ao nascer e mortalidade no Brasil

Abstract

A propagação do Zika vírus (ZIKV) nos últimos anos acarretou uma situação epidemiológica alarmante, visto a associação da infecção com complicações neonatais e infantis como, microcefalia, síndromes neurológicas e malformações congênitas. O presente estudo se propõe a realizar uma abordagem multianálises da Síndrome Congênita pelo Zika vírus (SCZ) e sua associação com baixo peso ao nascer, prematuridade e mortalidade. Trata-se de abordagem multianálises com dados secundários anonimizados oriundos do Registro de Eventos em Saúde Pública – Microcefalia (RESP- Microcefalia), entre os anos de 2015 a 2021, no Brasil. Foram incluídas técnicas supervisionadas de aprendizado de máquina com algoritmos de classificação conduzidas na linguagem Python (artigo original 1), análises espaciais conduzidas nos programas QGIS e GEODA (artigo original 2) e análises de sobrevivência conduzidas no software R (artigo original 3). O artigo original 1 teve como objetivo o desenvolvimento de um modelo de classificação e predição dos casos de SCZ em crianças brasileiras. Trata-se de um estudo retrospectivo com 14.573 casos suspeitos de SCZ. O modelo preditivo foi desenvolvido usando o algoritmo XGBoost para os casos confirmados de SCZ, descartados e em investigação. Ao final, utilizamos o SHAP para facilitar a compreensão e visualização das interações entre as variáveis incluídas no modelo. O artigo original 2 teve como objetivo verificar a existência de associação espacial utilizando análises espaciais, por meio do Local Indicators of Spatial Association (LISA), da SCZ com os desfechos de baixo peso ao nascer e prematuridade. Trata-se de um estudo retrospectivo ecológico com 1.834 casos confirmados de SCZ. O artigo original 3 teve como objetivo investigar os fatores associados à mortalidade de crianças brasileiras com SCZ. Trata-se de um estudo retrospectivo de base nacional com 1.735 casos confirmados de SCZ. Para avaliar os preditores independentes de mortalidade foram estimados Hazard ratio (HRs) e seus respectivos IC95% pelos modelos de riscos proporcionais de Cox, ajustado pelo tipo e gravidade das alterações congênitas. Todas análises foram realizadas com nível de significância fixado em 5%. O resultado da abordagem multianálises permitiu ampliar e qualificar as informações sobre à SCZ no Brasil, país mais afetado pela epidemia, sobre diferentes perspectivas. Ao utilizar o aprendizado de máquina desenvolvemos um modelo XGBoost com alta capacidade preditiva e capaz de auxiliar a vigilância no processo de investigação, rastreio e gerenciamento dos casos. Nas análises espaciais verificamos a associação local da SCZ e os desfechos de baixo peso ao nascer e a prematuridade, contribuindo na perspectiva da nutrição e das vulnerabilidades regionais, ressaltando o aspecto social da epidemia de microcefalia que atingiu desproporcionalmente a região Nordeste e de sobremaneira em crianças com risco nutricional. Ainda na perspectiva nutricional e de mortalidade, a análise de sobrevivência, avançou na verificação do aumento do risco de morte em crianças com SCZ e com baixo peso ao nascer. Em conclusão, nossos achados reforçam a importância da atitude de vigilância da SCZ, com intervenções em tempo oportuno, que considerem os determinantes sociais do processo saúde-doença do Zika e da Síndrome Congênita pelo Zika vírus, e do cuidado integral desde o pré-natal até os primeiros mil dias de vida. Palavras-chave: Zika vírus. Infecções por arbovírus. Síndrome Congênita de Zika. Análise de sobrevida. Análise espacial. Aprendizado de máquina.

The spread of the Zika virus (ZIKV) in recent years has led to an alarming epidemiological situation, given the association of the infection with neonatal and infant complications such as microcephaly, neurological syndromes, and congenital malformations. The present study aims to perform a multianalysis approach of Congenital Zika Virus Syndrome (CZS) and its association with low birth weight, prematurity, and mortality. It involves multianalysis approach with anonymized secondary data from the Public Health Events Registry - Microcephaly (RESP- Microcefalia), between the years 2015 to 2021, in Brazil. Supervised machine learning techniques with classification algorithms conducted in Python language (original article 1), spatial analyses conducted in QGIS and GEODA programs (original article 2), and survival analyses conducted in R software (original article 3) were included. The original article 1 aimed to develop a classification and prediction model for CZS cases in Brazilian children. It was a retrospective study with 14,573 suspected CZS cases. The predictive model was developed using the XGBoost algorithm for confirmed, discarded, and under investigation CZS cases. Finally, SHAP was used to facilitate understanding and visualization of the interactions between the variables included in the model. The original article 2 aimed to verify the existence of spatial association using spatial analyses, through the Local Indicators of Spatial Association (LISA), of CZS with the outcomes of low birth weight and prematurity. It was a retrospective ecological study with 1,834 confirmed CZS cases. The original article 3 aimed to investigate the factors associated with mortality in Brazilian children with CZS. It was a nationwide retrospective study with 1,735 confirmed CZS cases. To assess the independent predictors of mortality, Hazard ratios (HRs) and their respective 95% CIs were estimated by Cox proportional hazards models, adjusted for the type and severity of congenital abnormalities. All analyses were performed with a significance level set at 5%. The result of the multianalysis approach allowed for the expansion and qualification of information about CZS in Brazil, the country most affected by the epidemic, from different perspectives. By using machine learning, we developed an XGBoost model with high predictive capacity capable of assisting surveillance in the investigation, screening, and management process of cases. In the spatial analyses, we verified the local association of CZS with the outcomes of low birth weight and prematurity, contributing to the perspective of nutrition and regional vulnerabilities, highlighting the social aspect of the microcephaly epidemic that disproportionately affected the Northeast region, particularly in children at nutritional risk. Still from a nutritional and mortality perspective, the survival analysis advanced in verifying the increased risk of death in children with CZS and low birth weight. In conclusion, our findings reinforce the importance of vigilance towards CZS, with timely interventions that consider the social determinants of the Zika health-disease process and Congenital Zika Virus Syndrome, as well as comprehensive care from prenatal to the first thousand days of life. Keywords: Zika virus. Arbovirus infections. Congenital Zika Syndrome. Survival analysis. Spatial analysis. Machine learning.