Este estudo avaliou três técnicas de análise espacial para detectar aglomerados intra-urbanos de casos de pneumonias na infância: método de Kernel, técnica de hierarquia de vizinhos próximos e estatística espacial scan. Setecentos e vinte e quatro casos de pneumonia confirmados radiologicamente foram identificados entre maio de 2000 a agosto de 2001, por vigilância prospectiva implementada em Goiânia, Goiás, Brasil. Todos os casos foram georreferenciados em mapa digital. A incidência anual de pneumonia foi de 566 casos/100 mil crianças. Utilizando-se análise descritiva tradicional obteve-se uma distribuição em mosaico das taxas de incidência de pneumonia, enquanto a utilização de métodos espaciais mostrou uma distribuição não aleatória dos casos. A estatística espacial scan identificou duas áreas de alto risco para ocorrência de pneumonia, incluindo um aglomerado primário (RR = 2,1; p < 0,01) e um aglomerado secundário (RR = 1,3; p = 0,01). Os dados utilizados neste estudo mostram como o sistema de informação geográfica e a análise espacial podem ser aplicados para a identificação de áreas alvo de pneumonia para intervenções em saúde pública.

This study examined the spatial distribution of childhood community-acquired pneumonia detected through prospective surveillance in Goiânia, Brazil. Three spatial analysis techniques were applied to detect intra-urban geographic aggregation of pneumonia cases: Kernel method, nearest neighbor hierarchical technique, and spatial scan statistic. A total of 724 pneumonia cases confirmed by chest radiography were identified from May 2000 to August 2001. All cases were geocoded on a digital map. The annual pneumonia risk rate was estimated at 566 cases/100,000 children. Analysis using traditional descriptive epidemiology showed a mosaic distribution of pneumonia rates, while GIS methodologies showed a non-random pattern with hot spots of pneumonia. Cluster analysis by spatial scan statistic identified two high-risk areas for pneumonia occurrence, including one most likely cluster (RR = 2.1; p < 0.01) and one secondary cluster (RR = 1.3; p = 0.01). The data used for the study are in line with recent WHO-led efforts to improve and standardize pediatric pneumonia surveillance in developing countries and show how GIS and spatial analysis can be applied to discriminate target areas of pneumonia for public heath intervention.