Spatial clusters of diabetes: individual and neighborhood characteristics in the ELSA-Brasil cohort study / Aglomerados espaciais de diabetes: características individuais e de vizinhança no estudo longitudinal ELSA-Brasil / Grupos espaciales de diabetes: características individuales y vecinales en el estudio longitudinal ELSA-Brasil

ABSTRACT

This study identified spatial clusters of type 2 diabetes mellitus among participants of the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil) residing in two cities and verified individual and neighborhood socioeconomic environmental characteristics associated with the spatial clusters. A cross-sectional study was conducted with 4,335 participants. Type 2 diabetes mellitus was defined as fasting blood glucose ≥ 126mg/dL (7.0mmol/L), oral glucose tolerance test ≥ 200mg/dL (11.1mmol/L), or glycated hemoglobin ≥ 6.5% (48mmol/L); by antidiabetic drug use; or by the self-reported medical diagnosis of type 2 diabetes mellitus. Neighborhood socioeconomic characteristics were obtained from the 2011 Brazilian census. A spatial data analysis was conducted with the SaTScan method to detect spatial clusters. Logistic regression models were fitted to estimate the magnitude of associations. In total, 336 and 343 participants had type 2 diabetes mellitus in Belo Horizonte, Minas Gerais State (13.5%) and Salvador, Bahia State (18.5%), respectively. Two cluster areas showing a high chance of type 2 diabetes mellitus were identified in Belo Horizonte and Salvador. In both cities, participants living in the high type 2 diabetes mellitus cluster area were more likely to be mixed-race or black and have a low schooling level and manual work; these were also considered low-income areas. On the other hand, participants in the low type 2 diabetes mellitus cluster area of Salvador were less likely to be black and have low schooling level (university degree) and live in a low-income area. More vulnerable individual and neighborhood socioeconomic characteristics were associated with living in clusters of higher type 2 diabetes mellitus occurrence , whereas better contextual profiles were associated with clusters of lower prevalence.

RESUMO

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. As características 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.

RESUMEN

Este estudio identificó grupos espaciales de diabetes mellitus tipo 2 entre los participantes del Estudio Longitudinal de Salud del Adulto en Brasil (ELSA-Brasil) en dos ciudades y verificó las características socioeconómicas ambientales individuales y de vecindario asociadas con los grupos espaciales. Se trata de un estudio transversal con 4.335 participantes. La diabetes mellitus tipo 2 se definió en base a glucosa en ayunas ≥ 126mg/dL (7,0mmol/L); prueba de tolerancia oral a la glucosa ≥ 200mg/dL (11,1mmol/L); hemoglobina glicosilada ≥ 6,5% (48mmol/L); uso de medicamentos antidiabéticos; o por autodiagnóstico médico de diabetes mellitus tipo 2. Las características socioeconómicas del barrio se obtuvieron a partir del censo brasileño de 2011. El análisis de datos espaciales se realizó utilizando el método SaTScan para detectar grupos espaciales. Los modelos de regresión logística se ajustaron para estimar la magnitud de las asociaciones. Un total de 336 y 343 participantes presentaron diabetes mellitus tipo 2 en Belo Horizonte, Minas Gerais (13,5%) y Salvador, Bahia (18,5%), respectivamente. Se identificaron dos áreas de grupos con alta probabilidad de diabetes mellitus tipo 2 en Belo Horizonte y Salvador. En ambas ciudades, los participantes que residían en las áreas del grupo con una alta tasa de diabetes mellitus tipo 2 tenían más probabilidades de informar el color de piel pardo o negro, la baja educación y la ocupación del trabajo manual; estas áreas también se consideraron de bajos ingresos. Por el contrario, los participantes en el área del grupo con baja tasa de diabetes mellitus tipo 2 de Salvador tenían menos probabilidades de ser negros y más probabilidades de tener un título universitario, además de vivir en áreas de altos ingresos. Las características socioeconómicas individuales y de vecindario más vulnerables se asociaron con la residencia en grupos de mayor incidencia de diabetes mellitus tipo 2, mientras que se observó lo contrario para mejores perfiles contextuales.