Skip to main content
PMC home page
Revista Paulista de Pediatria logoLink to Revista Paulista de Pediatria
. 2016 Jan-Mar;34(1):18–23. doi: 10.1016/j.rppede.2015.12.005
View full-text in Portuguese

Fine particulate matter estimated by mathematical model and hospitalizations for pneumonia and asthma in children

Ana Cristina Gobbo César a, Luiz Fernando Costa Nascimento b,*, Katia Cristina Cota Mantovani b, Luciana Cristina Pompeo Vieira b
PMCID: PMC4795717  PMID: 26522821

Abstract

Objective:

To estimate the association between exposure to fine particulate matter with an aerodynamic diameter <2.5 microns (PM2.5) and hospitalizations for pneumonia and asthma in children.

Methods:

An ecological study of time series was performed, with daily indicators of hospitalization for pneumonia and asthma in children up to 10 years of age, living in Taubaté (SP) and estimated concentrations of PM2.5, between August 2011 and July 2012. A generalized additive model of Poisson regression was used to estimate the relative risk, with lag zero up to five days after exposure; the single pollutant model was adjusted by the apparent temperature, as defined from the temperature and relative air humidity, seasonality and weekday.

Results:

The values of the relative risks for hospitalization for pneumonia and asthma were significant for lag 0 (RR=1.051, 95%CI; 1.016 to 1.088); lag 2 (RR=1.066, 95%CI: 1.023 to 1.113); lag 3 (RR=1.053, 95%CI: 1.015 to 1.092); lag 4 (RR=1.043, 95%CI: 1.004 to 1.088) and lag 5 (RR=1.061, 95%CI: 1.018 to 1.106). The increase of 5mcg/m3 in PM2.5 contributes to increase the relative risk for hospitalization from 20.3 to 38.4 percentage points; however, the reduction of 5µg/m3 in PM2.5 concentration results in 38 fewer hospital admissions.

Conclusions:

Exposure to PM2.5 was associated with hospitalizations for pneumonia and asthma in children younger than 10 years of age, showing the role of fine particulate matter in child health and providing subsidies for the implementation of preventive measures to decrease these outcomes.

KEYWORDS: Asthma, Pneumonia, Air pollutants, Particulate matter, Child health, Mathematical models

Introduction

Air pollution has been associated with increased risk of death, chronic diseases and particularly respiratory diseases in children.1 - 4 This finding may be explained by the respiratory system immaturity, as lung development is progressive and continuous until the age of 10,5 as well as due to the increased emission of pollutants into the atmosphere.6 , 7

A study carried out in 20 cities located in two different regions of California (USA), suggested that the level of exposure to fine particulate matter <2.5 microns of aerodynamic diameter (PM2.5) in children between 1 and 9 years is associated with increased number of hospitalizations caused by acute respiratory infections such as pneumonia and asthma.8

Data from the Ministry of Health reported more than 570,000 admissions in 2011 related to children up to 10 years of age, which generated costs of more than 400 million reais in Brazil. In the state of São Paulo, there were approximately 100,000 hospitalizations generating costs of about 85 million reais.9

Pneumonia and asthma are multifactorial diseases. The risk factors most commonly associated with their occurrence are low birth weight, the presence of smokers at home, lack of breastfeeding and exposure to air pollutants.4 , 7 , 10 , 11 Specifically in cases of asthma, vehicular traffic, particularly heavy vehicles, seems to be important.3

Among air pollutants, those generated by biomass burning, as well as by mobile sources involved with hospitalizations for respiratory diseases in children, we highlight the importance of PM10 and, among this matter, the fraction with PM2.5. This fraction, called fine particulate matter, has a diameter ranging between 0.1µm and 2.5µm (PM2.5) and represents between 60% and 70% of the total particulate matter.12 The use of logistic regression identified the association between exposure to PM2.5 and the increased risk of hospitalization for childhood bronchiolitis (OR=1.09; 95%CI: 1.04–1.14) in a study carried out in California.13

Fine particulate matter is directly emitted by the combustion of coal, oil, gas and wood. It is also secondarily formed from gaseous precursors. It primarily consists of sulphates, nitrates, chloride, ammonia compounds, elemental and organic carbon, as well as metals. It can remain in the atmosphere for long periods and travel long distances and reach the deepest portions of the respiratory tract.14

The particulate pollutants with larger diameters are retained in the upper airways, while those with smaller diameters reach the alveoli.5 In the lungs, these particles are phagocytosed by alveolar macrophages and removed through the action of cilia and the lymphatic system.15 However, the high levels of oxidants and pro-oxidants contained in the particulates can cause the formation of free radicals, trigger an inflammatory response with release of inflammatory mediators and cells and induce a subclinical inflammation of the respiratory system.16

In the case of PM10, its quantification is usually carried out through state environmental agencies monitoring stations; on the other hand, PM2.5 has few monitoring stations in the state of São Paulo (SP). However, studies using estimated concentrations of some air pollutants, among them PM2.5, provided by the mathematical model Chemical Coupled Aerosol and Tracer Transport Model to the Brazilian Developments on the Regional Atmospheric Modeling System (CCATT-BRAMS), have been used to evaluate the effects of air pollutant exposure.17 , 18 The use of estimated data becomes an option, in cases of cities where there are no monitoring stations for some or any pollutants.11 , 19

The objective of this study was to evaluate the role of PM2.5, estimated by a mathematical model, in hospitalizations for pneumonia and asthma in children up to 10 years of age, living in the city of Taubaté (SP), which has no monitoring station for this type of pollutant.

Method

This was an ecological study of time series with daily indicators of hospitalization for respiratory diseases (International Classification of Diseases, ICD 10: J12.0–J18.9, J45.0, J45.1, J45.8, J45.9 and J46) in children up to 10 years of age and residents in Taubaté (SP), from August 1, 2011 to July 31, 2012. These data were obtained from the Department of Information and Informatics of the Unified Health System9 (DATASUS), in addition to the mean value of each admission for these diseases. We also calculated the estimated daily means of carbon monoxide (CO in ppb), nitrogen oxides (NOx in µg/m3) and fine particulate matter (PM2.5 in µg/m3), and a maximum of 8h for the ozone (O3 in µg/m3) obtained from the CCATT-BRAMS system.17

The temperature and humidity data were provided by the Weather Forecast and Climate Study Center of the National Institute of Space Research (Centro de Previsão do Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais – CPTEC-INPE) and, from these data, the apparent temperature was calculated, which is a function of temperature and humidity. The apparent temperature considers the physiological experience of combined exposure of humidity and temperature, and allows a more effective evaluation of the response of these variables on the individual's health.20

Variables related to apparent temperature, seasonality and calendar effects (day of the week) were included to fit the model.

Taubaté is located in Vale do Paraíba, 120km from the state capital, at coordinates 22°45′S and 45°30′W, with a population of 300,000 inhabitants in a territory of just over 625km2. It has an important industrial park with automotive and steel industries.21 The city is crossed by Via Dutra, a highway that connects the two largest cities in Brazil and has a fleet of approximately 200,000 automotive vehicles.21

Pearson's correlation coefficient test was used to evaluate the possible correlations between hospitalizations and the estimated levels of PM2.5. As the effects of exposure to environmental pollutants can lead to hospitalization on the same day or on subsequent days, the effects on the respiratory system were investigated on the day of admission (lag 0), and also on the subsequent 5 days (lags 1–5). The generalized additive model of Poisson regression was used because the outcome is a discrete quantitative variable. The hospitalization risk results refer to exposure to PM2.5 adjusted for apparent temperature, seasonality and weekday. The Statistica v7 program was used for the statistical analysis.

The estimated effects are the relative risks (RRs) corresponding to the increase of 5µg/m3 of PM2.5. To interpret the results, the RRs were converted into of percentage hospitalization risk increase (HRI). We applied the expression HRI=[exp(β*Δpol)−1]*100, where β is the coefficient obtained from Poisson regression and Δpol is the variation, in µg/m3, to be added in the concentration of the analyzed pollutant.4 This increase allows calculating the population-attributable fraction, that is, how many hospitalizations occurred as a result of this increase. The costs of hospitalization due to this increase in concentrations of the fine particulate matter were calculated. The 5% significance level was used in all analyses.

This study was approved by the Research Ethics Committee of Universidade de Taubaté (Opinion N. 068/12).

Results

During the study period, there were 140 hospitalizations for pneumonia and asthma in children up to 10 years of age, living in Taubaté (SP). The mean number of daily admissions was 0.4±0.7, with a minimum of 0 and a maximum of 4. The estimated mean daily concentration of PM2.5 was 13.2±5.7µg/m3 and the minimum and maximum values were, respectively, 0.40–41.30µg/m3, with the values exceeding the limit of 25µg/m3 established by the State Decree N. 59113/13,22 on 8 days of the assessed period. The mean daily apparent temperature was 20.4±4.0°C. The descriptive analysis of the independent variables (pollutants and apparent temperature) is shown in Table 1.

Table 1. Descriptive analysis of air pollutants and apparent temperature (°C). Taubaté, São Paulo, 2011–2012.

Mean (standard deviation) Minimum–maximum
Carbon monoxide (ppb) 119.1 (39.3) 33.3–281.3
Ozone (µg/m3) 36.4 (16.2) 10.5–98.0
Nitrogen oxides (µg/m3) 2.1 (1.7) 0.2–15.8
Particulate matter <2.5 microns of aerodynamic diameter (µg/m3) 15.4 (3.8) 11.5–41.3
Apparent temperature 20.7 (3.8) 7.2–36.4
Open in a new tab

Table 2 shows the Pearson correlation between the study variables. The hospitalizations for pneumonia and asthma were positively correlated (p<0.05) with the PM2.5, seasonality and apparent temperature (p<0.01). The apparent temperature was positively correlated with the PM2.5 and seasonality (p<0.05). This justifies the use of such measures as adjusting variables in the model.

Table 2. Pearson's correlation matrix between the variables hospitalizations, particulate matter <2.5 microns of aerodynamic diameter, apparent temperature (°C), seasonality and weekday. Taubaté, São Paulo, 2011–2012.

Variables Hospitalizations Particulate matter <2.5 microns of aerodynamic diameter Apparent temperature (°C) Seasonality Weekday
Hospitalizations 1
Particulate matter <2.5 microns of aerodynamic diameter 0.21 b 1
Apparent temperature (°C) 0.11 a 0.52 b 1
Seasonality 0.28 b 0.34 b 0.32 b 1
Weekday −0.05 0.054 −0.04 −0.01 1
Open in a new tab
a

Significant correlation for p <0.01.

b

Significant correlation for p <0.05.

As for Poisson regression, the analysis with the single-pollutant model (PM2.5) adjusted by the apparent temperature, seasonality and weekday, Table 3 shows the coefficients and their respective standard errors. The effects of the pollutant on children's health were quantified by RR, which expresses the probability of an individual to develop a disease related to exposure to a risk factor.

Table 3. Values of the coefficients and standard errors for the exposure to particulate matter <2.5 microns of aerodynamic diameter, single-pollutant model adjusted for apparent temperature, seasonality and weekday, according to lags (lag) 0–5 days. Taubaté, São Paulo, 2011–2012.

Lag (days) Coefficients (standard error)
Lag 0 0.04982 (0.01755)
Lag 1 0.03527 (0.02129)
Lag 2 0.06449 (0.02154)
Lag 3 0.05177 (0.01871)
Lag 4 0.04434 (0.02056)
Lag 5 0.05940 (0.02100)
Open in a new tab

The values in bold indicate p <0.05.

The RR and their respective confidence intervals (CIs), which were significant, according to the exposure to PM2.5 and hospitalization, refer to lag 0 (RR=1.051; 95%CI 1.016–1.088); lag 2 (RR=1.066; 95%CI 1.023–1.113); lag 3 (RR=1.053; 95%CI 1.015–1.092); lag 4 (RR=1.043; 95%CI 1.004–1.088) and lag 5 (RR=1.061; 95%CI 1.018–1.106). The RRs and corresponding 95%CIs for all lags are shown in Fig. 1.

Figure 1. Percentage increases of the relative risks and corresponding 95% confidence intervals for all lags after an increment of 5µg/m3 in PM2.5 concentrations. Taubaté, Brazil, 2011–2012.

Figure 1

Open in a new tab

The increase in RRs with the increment of 5µg/m3 in PM2.5 concentrations imply in increases between 20.3 and 38.4 percentage points in hospitalization risks. Fig. 2 shows the daily PM2.5 concentrations during the study period.

Figure 2. Daily values, in µg/m3, of the particulate matter <2.5 microns of aerodynamic diameter pollutant concentrations. Taubaté, Brazil, 2011–2012.

Figure 2

Open in a new tab

Discussion

This study used data on pollutants estimated by the CCATT-BRAMS system, which considers the atmospheric dynamics and demonstrated a positive association between exposure to PM2.5 and hospitalizations for pneumonia and asthma in children living in the city of Taubaté (SP).

The CCATT-BRAMS system is a mathematical model that comprehends South America and considers the emission and transport of different gases and aerosol particles, obtained by satellites, and generates daily estimates for different pollutants.17 The model provides PM2.5 measurements every 3h over a grid of cells with 30km×30km. Daily arithmetic means of PM2.5 concentrations were calculated based on the means of the set of cells that comprise the territory area of the assessed municipality.

The use of data estimated by this system, which has been validated by Ignotti et al.,10 Cesar et al.11 and Silva et al.,19 is advantageous when applied to cities where there are no pollution monitoring stations, as is the case of Taubaté. This allows the decrease in research costs and optimizes the process of analyzing the effects of air pollution on health. However, the fact that CCATT-BRAMS measures are estimated at an altitude of 40m, and not in regions closer to the ground, where the concentrations can be different, may represent a limitation of this study.11

During the study period, it was observed that hospitalizations for pneumonia and asthma in children aged up to 10 years showed a significant positive association with PM2.5, both on the exposure day (lag 0) and from the second to the fifth day of the exposure (lags 2–5), suggesting an acute effect to exposure. The acute effects manifest after a short time between exposure and the effects, which can be hours or days.2

Epidemiological studies show that exposure to gaseous pollutants and particulate matter is associated with a higher incidence of lower respiratory symptoms such as cough, dyspnea and wheezing, especially in children.2

In Taubaté (SP), the main source of air pollutants is the burning of fossil fuels by the vehicle fleet of the municipality, which has the highest number of vehicles per inhabitant (64.5 vehicles/100 inhabitants)21 when compared to the other cities located in Vale do Paraíba (SP). Another important contribution is brought on by the fleet that goes through Presidente Dutra interstate highway, consisting mainly of buses and heavy trucks. The study of recent data from the city of São José dos Campos (SP) showed that there was a decrease in hospitalizations for pneumonia in children with the reduction of SO2 and PM10 concentrations, but there was an association between exposure to carbon monoxide (CO) and ozone (O3) and hospitalizations. This suggests that the effects of control measures implemented in the period were neutralized by the increase in the vehicle fleet.23

In urban areas, exposure to air pollutants is characterized by long periods and low levels of pollutants,3 unlike air pollution originating from wildfires, of which main characteristic is the well-defined seasonality and high levels mainly of particulate matter.19 The burning of biomass, as shown by the results of Piracicaba (SP) and the Amazon region, has an important role in pollutant concentrations.7 , 10 , 11

Studies in Brazil show the influence of PM10 in the genesis of hospitalizations for respiratory diseases in children.3 , 4 , 24 However, the fine (PM2.5) particulate is scarcely studied, as it is not quantified by the environmental agency stations; recently, national studies were published demonstrating the role of this fraction in the genesis of hospital admissions for respiratory diseases.10 , 11 , 19 In Taubaté, the RRs of hospitalizations for pneumonia and asthma ranged between 4.1% and 6.3%. Although low, the risks were higher than those found in Piracicaba (SP).11 In Taubaté, an increase of 5µg/m3 in PM2.5 concentrations implies in significant increases in the risk of hospitalization, between 20.3 and 38.4 percentage points.

The findings of this study agree with those of other national articles7 , 10 , 11 and the results of Hertz-Picciotto et al.,25 who pointed out the role of this pollutant in hospitalizations for lower respiratory tract infections in preschool children in the Czech Republic. Karr et al.,13 using conditional logistic regression, showed that exposure to PM2.5 was associated with increased risk of hospitalization for childhood bronchiolitis (OR=1.09; 95%CI: 1.04–1.14). The aforementioned national studies used data estimated by models and the studies by Hertz-Picciotto et al.25 and Karr et al.13 used data collected by monitoring stations. The potential mechanisms by which PM2.5 can lead to respiratory diseases are numerous, including oxidative stress, structural damage, efficient transport of pathogens and immune system alterations, possibly correlated with carbon organic compounds.26

Another important point to be highlighted is the increased hospital costs due to hospitalizations for respiratory diseases associated with exposure to fine particulate matter.27 In this study, it was estimated that the reduction in 5µg/m3 in PM2.5 concentration in the atmosphere could contribute to the decrease in 38 pediatric hospitalizations for pneumonia and asthma in Taubaté, within the period of one year, which would result in savings of R$ 84,000 for the Brazilian Unified Health System (SUS).

This study has limitations, some of which are inherent to ecological studies; the fact of working with secondary data, even those from official sources commonly used for studies on this subject, allows the possibility of diagnosis coding errors, in addition to the fact that these data do not provide information about comorbidities, smoking in the home (passive smoking) and parental education, among other associated factors. This source has the basic accounting purpose and the provided data on hospital admissions are restricted to the users of the Unified Health System, excluding information on children treated through health insurance companies or in private clinics. Another limitation of this study may lie in the fact the CCATT-BRAMS measures are estimated at an altitude of 40m, and not in areas closer to the ground, where concentrations can be different; furthermore, it was assumed that the concentrations were homogeneous and that children were equally exposed to air pollutants, especially to the fine particulate, considerations that could represent another possible limitation.

Despite the strong biological plausibility, our results cannot allow us to presume that there are causal associations. Further investigations are needed on the roles of other pollutants, such as O3, PM10, CO, NO2 and metals, which have been associated with a diversity of respiratory diagnoses.

Therefore, exposure to PM2.5 was associated with hospitalizations for pneumonia and asthma in children younger than 10 years of age in a medium-sized city. This information corroborates the findings from other studies and demonstrates the important role of fine particulate in children's health, in addition to providing subsidies for the implementation of preventive measures to reduce these outcomes.

Footnotes

Funding

The study received no funding.

References

  • 1.Schwartz J. Air pollution and children's health. Pediatrics. 2004;113:1037–1043. [PubMed] [Google Scholar]
  • 2.Arbex MA, Santos UP, Martins LC, Saldiva PH, Pereira LA, Braga AL. A poluição do ar e o sistema respiratório. J Bras Pneumol. 2012;38:643–655. doi: 10.1590/s1806-37132012000500015. [DOI] [PubMed] [Google Scholar]
  • 3.Amâncio CT, Nascimento LF. Asma e poluentes ambientais: um estudo de séries temporais. Rev Assoc Med Bras. 2012;58:302–307. [PubMed] [Google Scholar]
  • 4.Negrisoli J, Nascimento LF. Atmospheric pollutants and hospital admissions due to pneumonia in children. Rev Paul Pediatr. 2013;31:501–506. doi: 10.1590/S0103-05822013000400013. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 5.Passos SD, Gazeta RE, Felgueiras AP, Beneli PC, Coelho MdeS. Do pollution and climate influence respiratory tract infections in children? Rev Assoc Med Bras. 2014;60:276–283. doi: 10.1590/1806-9282.60.03.018. [DOI] [PubMed] [Google Scholar]
  • 6.Jasinski R, Pereira LA, Braga AL. Poluição atmosférica e internações hospitalares por doenças respiratórias em crianças e adolescentes em Cubatão, São Paulo, Brasil, entre 1997 e 2004. Cad Saude Publica. 2011;27:2242–2252. doi: 10.1590/s0102-311x2011001100017. [DOI] [PubMed] [Google Scholar]
  • 7.Andrade VS, Filho, Artaxo P, Hacon S, Carmo CN, Cirino G. Aerossóis de queimadas e doenças respiratórias em crianças, Manaus, Brasil. Rev Saude Publica. 2013;47:239–247. doi: 10.1590/S0034-8910.2013047004011. [DOI] [PubMed] [Google Scholar]
  • 8.Yap PS, Gilbreath S, Garcia C, Jareen N, Goodrich B. The influence of socioeconomic markers on the association between fine particulate matter and hospital admissions for respiratory conditions among children. Am J Public Health. 2013;103:695–702. doi: 10.2105/AJPH.2012.300945. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 9.Brasil. Ministério da Saúde . DATASUS. Departamento de Informática do SUS; [07.04.14]. página na Internet. Available in http://tabnet.datasus.gov.br/cgi/deftohtm.exe?sih/cnv/nruf.def. [Google Scholar]
  • 10.Ignotti E, Valente JG, Longo KM, Freitas SR, Hacon SD, Artaxo Netto P. Impactos na saúde humana de partículas emitidas por queimadas na Amazônia brasileira. Rev Saude Publica. 2010;44:121–130. doi: 10.1590/s0034-89102010000100013. [DOI] [PubMed] [Google Scholar]
  • 11.Cesar AC, Nascimento LF, Carvalho JA., Jr. Associação entre exposição ao material particulado e internações por doenças respiratórias em crianças. Rev Saude Publica. 2013;47:1209–1212. doi: 10.1590/S0034-8910.2013047004713. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 12.Donaldson K, Stone V, Clouter A, Renwick L, MacNee W. Ultrafine particles. Occup Environ Med. 2001;58:211–216. doi: 10.1136/oem.58.3.211. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 13.Karr C, Lumley T, Schreuder A, et al. Effects of subchronic and chronic exposure to ambient air pollutants on infant bronchiolitis. Am J Epidemiol. 2007;165:553–560. doi: 10.1093/aje/kwk032. [DOI] [PubMed] [Google Scholar]
  • 14.Thurston GD. Outdoor air pollution: sources, atmospheric transport, and human health effects. Int Encyclop Public Health. 2008;70:0–1, 2. [Google Scholar]
  • 15.Cançado JE, Saldiva PH, Pereira LA, et al. The Impact of sugar cane-burning emissions on the respiratory system of children and the elderly. Environ Health Perspect. 2006;114:725–729. doi: 10.1289/ehp.8485. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 16.World Health Organization . Air Quality Guidelines. Global update 2005. Particulate matter, ozone, nitrogen dioxide and sulfur dioxide. Copenhagen: WHO; 2005. [PubMed] [Google Scholar]
  • 17.Freitas SR, Longo KM, Dias MA, et al. The coupled aerosol and tracer transport model to the Brazilian developments on the regional atmospheric modeling system (CATT-BRAMS). Part 1: model description and evaluation. Atmos Chem Phys. 2007;5:8525–8569. [Google Scholar]
  • 18.Longo KM, Freitas SR, Setzer A, Prins E, Artaxo P, Andreae MO. The coupled aerosol and tracer transport model to the Brazilian developments on the regional atmospheric modeling system (CATT-BRAMS), PART 2: model sensitivity to the biomass burning inventories. Atmos Chem Phys Discuss. 2007:8571–8596. [Google Scholar]
  • 19.Silva AM, Mattos IE, Ignotti E, Hacon SS. Material particulado originário de queimadas e doenças respiratórias. Rev Saude Publica. 2013;47:345–352. doi: 10.1590/S0034-8910.2013047004410. [DOI] [PubMed] [Google Scholar]
  • 20.Barnett AG, Tong S, Clements AC. What measure of temperature is the best predictor of mortality. Environ Res. 2010;110:604–611. doi: 10.1016/j.envres.2010.05.006. [DOI] [PubMed] [Google Scholar]
  • 21.Brasil. Instituto Brasileiro de Geografia e Estatística IBGE Cidades@. [02.01.15]. página na Internet. Available in http://www.cidades.ibge.gov.br/xtras/perfil.php?lang=&codmun=355410&search=sao-paulo|taubate.
  • 22.São Paulo [02.02.15];Decreto Nº 59.113. 2013 Apr 23; página na Internet. Available in http://www.mma.gov.br/port/conama/processos/C1CB3034/DECRETO_SAO_PAULO_59113_2013.pdf.
  • 23.Tuan TS, Venâncio TS, Nascimento LFC. Air pollutants and hospitalization due to pneumonia among children. An ecological time series study. São Paulo Med. J. 2015;133:408–413. doi: 10.1590/1516-3180.2014.00122601. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 24.Nardocci AC, Freitas CU, Ponce de Leon AC, Junger WL, Gouveia NC. Poluição do ar e doenças respiratórias e cardiovasculares: estudo de séries temporais em Cubatão, São Paulo, Brasil. Cad Saude Publica. 2013;29:1867–1876. doi: 10.1590/0102-311x00150012. [DOI] [PubMed] [Google Scholar]
  • 25.Hertz-Picciotto I, Baker RJ, Yap PS, et al. Early childhood lower respiratory illness and air pollution. Environ Health Perspect. 2007;115:1510–1518. doi: 10.1289/ehp.9617. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 26.Kleinman MT, Sioutas C, Chang MC, Boere AJ, Cassee FR. Ambient fine and coarse particle suppression of alveolar macrophage functions. Toxicol Lett. 2003;137:151–158. doi: 10.1016/s0378-4274(02)00398-3. [DOI] [PubMed] [Google Scholar]
  • 27.Sheffield P, Roy A, Wong K, Trasande L. Fine particulate matter pollution linked to respiratory illness in infants and increased hospital costs. Health Affairs. 2011;30:1–8. doi: 10.1377/hlthaff.2010.1279. [DOI] [PMC free article] [PubMed] [Google Scholar]
Rev Paul Pediatr. 2016 Jan-Mar;34(1):18–23. [Article in Portuguese]

Material particulado fino estimado por modelo matemático e internações por pneumonia e asma em crianças

Ana Cristina Gobbo César a, Luiz Fernando Costa Nascimento b,*, Katia Cristina Cota Mantovani b, Luciana Cristina Pompeo Vieira b

Resumo

Objetivo:

Estimar a associação entre exposição ao material particulado fino com diâmetro aerodinâmico inferior a 2,5 micra (PM2.5) e as internações por pneumonia e asma em crianças.

Métodos:

Estudo ecológico de séries temporais com indicadores diários de internação por pneumonia e asma, em crianças com até 10 anos, residentes em Taubaté (SP), e concentrações estimadas de PM2.5, entre agosto de 2011 e julho de 2012. Modelo aditivo generalizado de regressão de Poisson foi usado para estimar o risco relativo, com defasagem de zero até cinco dias após a exposição; o modelo unipoluente foi ajustado pela temperatura aparente, medida definida a partir da temperatura e umidade relativa do ar, sazonalidade e dia da semana.

Resultados:

Os valores dos riscos relativos para internações por pneumonia e asma foram significativos para lag 0 (RR=1,051; IC95% 1,016-1,088); lag 2 (RR=1,066; IC95% 1,023-1,113); lag 3 (RR=1,053; IC95% 1,015-1,092); lag 4 (RR=1,043; IC95% 1,004-1,088) e no lag 5 (RR=1,061; IC95% 1,018-1,106). O incremento de 5mcg/m3 de PM2.5 contribui para aumento no risco relativo para internações entre 20,3 a 38,4 pontos percentuais; no entanto, a diminuição de 5µg/m3 na concentração do PM2.5 resulta em menos 38 internações.

Conclusões:

A exposição ao PM2.5 esteve associada às internações por pneumonia e asma em crianças menores de 10 anos, mostrou o papel do material particulado fino na saúde da criança e forneceu subsídios para implantação de medidas preventivas para diminuírem esses desfechos.

PALAVRAS-CHAVE: Asma, Pneumonia, Poluentes do ar, Material particulado, Saúde da criança, Modelos matemáticos

Introdução

A poluição do ar tem sido associada ao aumento no risco de morte, doenças crônicas e, principalmente, doenças respiratórias em crianças.1 - 4 Tal achado pode ser explicado pela imaturidade do sistema respiratório, pois o desenvolvimento dos pulmões é progressivo e contínuo até os 10 anos,5 assim como pelo aumento da emissão de poluentes na atmosfera.6 , 7

Estudo feito em 20 cidades localizadas em duas diferentes regiões da Califórnia (EUA) sugeriu que o nível de exposição ao material particulado fino com menos de 2,5 micra de diâmetro aerodinâmico (PM2.5) em crianças entre um e nove anos está associado ao aumento de hospitalizações causadas por infecções respiratórias aguda, como a pneumonia e a asma.8

Dados do Ministério da Saúde relatam mais de 570 mil internações em 2011 referentes a crianças com até 10 anos, que geraram uma despesa de mais de 400 milhões de reais no Brasil. No estado de São Paulo foram cerca de 100 mil internações com despesa de cerca de 85 milhões de reais.9

A pneumonia e a asma são doenças de caráter multifatorial. Os fatores de risco mais comumente associados à sua ocorrência são o baixo peso ao nascer, a presença de fumantes na residência, a falta de aleitamento materno e a exposição a poluentes do ar.4 , 7 , 10 , 11 Especificamente nos casos de asma, o tráfego veicular, particularmente de veículos pesados, parece ser importante.3

Dentre os poluentes do ar, tanto os gerados por queima de biomassa como os gerados por fontes móveis, implicados com as internações por doenças respiratórias em crianças, se destaca o material particulado com menos de 10 micra de diâmetro aerodinâmico e, dentre esse material, a fração com menos de 2,5 micra de diâmetro aerodinâmico. Essa fração, chamada de particulado fino, tem um diâmetro que varia entre 0,1µm e 2,5µm (PM2.5) e representa entre 60% e 70% do total do material particulado.12 Com o uso da regressão logística identificou-se a associação entre a exposição ao PM2.5 e o aumento do risco de internação por bronquiolite infantil (OR=1,09; IC95% 1,04-1,14) em um estudo feito na Califórnia.13

O material particulado fino é diretamente emitido pela combustão de carvão, óleo, gasolina e madeira. É também formado secundariamente de precursores gasosos. É composto principalmente por sulfatos, nitratos, cloreto, compostos de amônia e carbono orgânico e elementar além de metais. Pode permanecer muito tempo na atmosfera e percorrer longas distâncias e atingir porções mais profundas do trato respiratório.14

Os poluentes particulados com maior diâmetro são retidos nas vias aéreas superiores, enquanto os de menor diâmetro chegam até os alvéolos.5 Nos pulmões, essas partículas são fagocitadas pelos macrófagos alveolares e removidas pela ação dos cílios e do sistema linfático.15 Entretanto, as altas concentrações de oxidantes e pró-oxidantes contidos nos materiais particulados podem provocar a formação de radicais livres, iniciar uma resposta inflamatória com a liberação de células e mediadores inflamatórios, provocar uma inflamação subclínica do sistema respiratório.16

No caso do PM10, sua quantificação costuma ser feita por estações de monitoramento de agências ambientais estaduais; por outro lado, o PM2.5 conta com poucas estações medidoras no Estado de São Paulo. Entretanto, estudos que usaram concentrações estimadas de alguns poluentes do ar, dentre eles, o PM2.5, disponibilizadas pelo modelo matemático Chemical Coupled Aerosol and Tracer Transport Model to the Brazilian Developments on the Regional Atmospheric Modeling System (CCATT-BRAMS) têm sido usados na avaliação dos efeitos da exposição aos poluentes do ar.17 , 18 O uso de dados estimados torna-se uma opção, no caso de cidades onde não há estações medidoras de certos ou quaisquer poluentes.11 , 19

O objetivo deste estudo foi avaliar o papel do PM2.5 estimado por modelo matemático, nas internações por pneumonia e asma em crianças com até 10 anos, residentes em Taubaté (SP), que não tem estação medidora desse tipo de poluente.

Método

Estudo ecológico de séries temporais com indicadores diários de internação por doenças respiratórias (CID 10: J12.0 a J18.9; J45.0; J45.1; J45.8; J45.9 e J46), em crianças com até 10 anos e residentes em Taubaté (SP), de 1° de agosto de 2011 a 31 de julho de 2012. Esses dados foram obtidos do Departamento de Informações e Informática do Sistema Único de Saúde9 (Datasus), além do valor médio de cada internação por essas doenças. Também foram calculadas as médias diárias estimadas de monóxido de carbono (CO em ppb), óxidos de nitrogênio (NOx em µg/m3) e material particulado fino (PM2.5 em µg/m3) e o máximo de oito horas para o ozônio (O3 em µg/m3) obtidos do sistema CCATT-BRAMS.17

Os dados de temperatura e umidade foram fornecidos pelo Centro de Previsão do Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais (Cptec-Inpe) e, a partir deles, foi calculada a temperatura aparente, que é função da temperatura e umidade. A temperatura aparente considera a experiência fisiológica da exposição combinada da umidade e temperatura e permite avaliar com maior eficiência a resposta dessas variáveis sobre a saúde do indivíduo.20

Variáveis relacionadas a temperatura aparente, sazonalidade e efeitos de calendário (dia da semana) foram incluídas para ajustar o modelo.

Taubaté fica no Vale do Paraíba paulista, a 120 km da capital do estado, nas coordenadas 22° 45′ S e 45° 30′ W, com uma população de 300 mil habitantes, num território com pouco mais de 625 km2. Conta com um importante parque industrial com indústrias automobilística e siderúrgica.21 É cortada pela Via Dutra, que liga as duas maiores cidades do Brasil e recebe uma frota de aproximadamente 200 mil veículos.21

Para avaliar as possíveis correlações entre as internações e os níveis estimados de PM2.5 usou-se o teste coeficiente de correlação de Pearson. Como os efeitos da exposição aos poluentes ambientais podem acarretar internação no mesmo dia ou em dias posteriores, foram investigados os efeitos no aparelho respiratório no dia da internação (lag 0) e também nos cinco dias subsequentes (lag 1 a lag 5). Usou-se o modelo aditivo generalizado de regressão de Poisson, pois o desfecho é uma variável quantitativa discreta. Os resultados do risco de internação se referem à exposição ao PM2.5 ajustado por temperatura aparente, sazonalidade e dia da semana. Usou-se o programa Statistica v7 para as análises.

Os efeitos estimados são os riscos relativos (RR), correspondentes ao incremento de 5 µg/m3 de PM2.5. Para interpretar os resultados, os RR foram convertidos para aumentos percentuais do risco de internação (ARI). Foi aplicada a expressão ARI = [exp (β*Δpol)-1]*100, βo coeficiente obtido da regressão de Poisson e Δpol a variação, em µg/m3, a ser acrescentada na concentração do poluente em análise.4 Esse aumento permite calcular a fração atribuível populacional, isto é, quantas internações ocorreram em decorrência desse aumento. Foram calculados os gastos com internações em função desse aumento nas concentrações do material particulado fino. O nível de significância de 5% foi adotado em todas as análises.

O presente trabalho foi aprovado pelo Comitê de Ética em Pesquisa da Universidade de Taubaté (Parecer n° 068/12).

Resultados

No período avaliado, ocorreram 140 internações por pneumonia e asma em crianças até 10 anos, residentes em Taubaté (SP). A média diária de internações foi de 0,4±0,7, com um mínimo de zero e um máximo de quatro. A concentração média diária estimada de PM2.5 foi de 13,2±5,7µg/m3 e os valores mínimo e máximo foram, respectivamente, 0,40-41,30µg/m3; ultrapassaram o limite de 25µg/m3 estabelecido pelo Decreto Estadual n° 59113/13,22 em oito dias do período avaliado. A média diária da temperatura aparente foi 20,4±4,0 °C. A análise descritiva das variáveis independentes (poluentes e temperatura aparente) encontra-se na tabela 1.

Tabela 1. Análise descritiva dos poluentes do ar e temperatura aparente (TA°C). Taubaté, SP, 2011‐2012.

Média (dp) Mínimo‐máximo
CO (ppb) 119,1 (39,3) 33,3–281,3
O3 (µg/m3) 36,4 (16,2) 10,5–98,0
Nox (µg/m3) 2,1 (1,7) 0,2–15,8
PM2,5 (µg/m3) 15,4 (3,8) 11,5–41,3
TA 20,7 (3,8) 7,2–36,4
Open in a new tab

A tabela 2 apresenta a correlação de Pearson entre as variáveis do estudo. As internações por pneumonia e asma apresentaram correlação positiva (p<0,05) com o PM2.5, sazonalidade e temperatura aparente (p<0,01). A temperatura aparente apresentou correlação positiva com o material particulado e sazonalidade (p<0,05). Isso justifica o uso de tais medidas como variáveis de ajuste no modelo.

Tabela 2. Matriz de correlação de Pearson entre as variáveis internações, PM2.5, temperatura aparente (TA°C), sazonalidade (SZ) e dia da semana (DS). Taubaté, SP, 2011‐2012 .

Variáveis Internações PM2.5 TA°C SZ DS
Internações 1
PM2.5 0,21 b 1
TA°C 0,11 a 0,52 b 1
SZ 0,28 b 0,34 b 0,32 b 1
DS −0,05 0,054 −0,04 −0,01 1
Open in a new tab
a

Correlação significativa para p <0,01.

b

Correlação significativa para p <0,05.

Quanto à regressão de Poisson, a análise com o modelo unipoluente (PM2.5) ajustado pela temperatura aparente, sazonalidade e dia da semana, os coeficientes e respectivos erros padrão obtidos estão apresentados na tabela 3. Os efeitos do poluente sobre a saúde das crianças foram quantificados por meio do risco relativo (RR), que expressa a probabilidade de um indivíduo desenvolver uma doença relativa à exposição a um fator de risco.

Tabela 3. Valores dos coeficientes e respectivos erros padrão para a exposição ao PM2.5, modelo unipoluente ajustado pela temperatura aparente, sazonalidade e dia da semana, segundo defasagens ( lag ) de 0 a 5 dias. Taubaté, SP, 2011‐2012 .

Defasagem (dias) Coeficientes (erro padrão)
Lag 0 0,04982 (0,01755)
Lag 1 0,03527 (0,02129)
Lag 2 0,06449 (0,02154)
Lag 3 0,05177 (0,01871)
Lag 4 0,04434 (0,02056)
Lag 5 0,05940 (0,02100)
Open in a new tab

Os valores em negrito apontam p <0,05.

Os RR e respectivos intervalos de confiança de 95% que se mostraram significativos, segundo a exposição ao PM2.5 e internação, se referem ao lag 0 (RR=1,051; IC95% 1,016-1,088); lag 2 (RR=1,066; IC95% 1,023-1,113); lag 3 (RR=1,053; IC95% 1,015-1,092); lag 4 (RR=1,043; IC95% 1,004-1,088) e lag 5 (RR=1,061; IC95% 1,018-1,106). Os riscos relativos e correspondentes intervalos de confiança de 95% para todos os lags estão apresentados na figura 1.

Figura 1. Aumentos percentuais dos riscos relativos e correspondentes intervalos de confiança de 95% para todos os lags após incremento de 5µg/m3 nas concentrações de PM2.5. Taubaté, SP, 2011-2012.

Figura 1

Open in a new tab

Os aumentos nos riscos relativos com o incremento de 5µg/m3 nas concentrações de PM2.5 implicam aumentos entre 20,3 a 38,4 pontos percentuais nos riscos de internação. Na figura 2 são observadas as concentrações diárias do PM2.5 durante o período de estudo.

Figura 2. Valores diários, em µg/m3, das concentrações do poluente PM2.5. Taubaté, SP, 2011-2012.

Figura 2

Open in a new tab

Discussão

Este estudo usou dados de poluentes estimados pelo sistema CCATT-BRAMS, o qual considera a dinâmica atmosférica, e demonstrou a associação positiva entre a exposição ao PM2.5 e as internações por pneumonia e asma em crianças residentes em Taubaté (SP).

O sistema CCATT-BRAMS é um modelo matemático que abrange a América do Sul e considera a emissão e o transporte de diferentes gases e partículas de aerossóis, obtidos por satélites, e gera estimativas diárias para diferentes poluentes.17 O modelo fornece medições de PM2.5 a cada três horas sobre uma grade de células com 30×30 km2. Médias aritméticas diárias de concentrações do PM2.5 foram calculadas com base nas médias do conjunto de células que compõem a área territorial do município sob investigação.

O uso dos dados estimados por esse sistema, validados por Ignotti et al.,10 Cesar et al.11 e Silva et al.,19 é vantajoso ao ser aplicado em cidades em que não há estações medidoras de poluentes, como é o caso de Taubaté. Isso permite baratear os custos de pesquisa e agilizar o processo de análise dos efeitos da poluição atmosférica na saúde. Contudo, o fato de as medidas do CCATT-BRAMS serem estimadas numa altitude de 40m, e não em regiões mais próximas do solo, em que as concentrações podem ser diferentes, pode representar uma limitação deste estudo.11

Durante o período de estudo, observou-se que as internações por pneumonia e asma em crianças até 10 anos apresentaram associação positiva e significativa com o PM2.5, tanto no dia da exposição (lag 0) quanto do segundo até o quinto dia da exposição (lag 2 a 5), o que sugere uma ação aguda à exposição. Os efeitos agudos se manifestam após um curto tempo entre a exposição e os efeitos, que pode ser de horas ou dias.2

Estudos epidemiológicos evidenciam que a exposição a poluentes gasosos e material particulado está associada a maior incidência de sintomas das vias aéreas inferiores, como tosse, dispneia e sibilância, especialmente em crianças.2

Em Taubaté (SP), a fonte principal dos poluentes é a queima de combustíveis fósseis pela frota veicular do município que apresenta o maior número de veículos por habitantes (64,5 veículos/100 habitantes)21 em comparação com as demais cidades localizadas no Vale do Paraíba (SP). Outra importante contribuição é dada pela frota que trafega pela rodovia interestadual Presidente Dutra, composta principalmente por ônibus e veículos pesados de carga. Estudo feito com dados recentes de São José dos Campos (SP) mostrou que houve uma diminuição das internações por pneumonias em crianças com a diminuição das concentrações de SO2 e PM10, mas houve associação entre exposição ao monóxido de carbono (CO) e ozônio (O3) e as internações. Isso sugere que os efeitos de medidas de controle adotadas no período foram neutralizados pelo aumento da frota de veículos.23

Nos centros urbanos, a exposição aos poluentes atmosféricos é caracterizada por longos períodos e baixos níveis de poluentes,3 diferentemente da poluição do ar originária de queimadas, que tem como principal característica a sazonalidade bem definida e elevados níveis principalmente de material particulado.19 A queima de biomassa, como mostram os resultados de Piracicaba (SP) e da região amazônica, tem o papel relevante nas concentrações dos poluentes.7 , 10 , 11

Estudos feitos no Brasil mostram a influência do material particulado com menos de 10 micra de diâmetro aerodinâmico (PM10) na gênese de internações por doenças respiratórias em crianças.3 , 4 , 24 No entanto, o particulado fino PM2.5 é pouco estudado pelo fato de as estações das agências ambientais não o quantificarem; recentemente, foram publicados artigos nacionais que mostraram o papel dessa fração na gênese das internações por doenças respiratórias.10 , 11 , 19 Em Taubaté, os riscos relativos para internações por pneumonias e asma variaram entre 4,1% e 6,3%. Mesmo de pequena monta, foram maiores do que os encontrados em Piracicaba (SP).11 Em Taubaté, o incremento de 5 µg/m3 nas concentrações do PM2.5 implica aumentos consideráveis no risco de internação, entre 20,3 e 38,4 pontos percentuais.

Os achados deste estudo concordam com os de outros artigos nacionais7 , 10 , 11 e com os resultados de Hertz-Picciotto et al.,25 que apontaram o papel desse poluente nas internações por doenças do trato respiratório inferior em pré-escolares da República Checa. Karr et al.,13 com o uso da regressão logística condicional, mostraram que exposições ao PM2.5 estiveram associadas ao aumento do risco para hospitalização por bronquiolite infantil (OR=1,09; IC95%: 1,04-1,14). Os estudos nacionais citados usaram dados estimados por modelos e os de Hertz-Picciotto et al.25 e de Karr et al.13 usaram dados coletados por estações medidoras. Os mecanismos potenciais pelos quais o PM2.5 pode levar a doenças respiratórias são numerosos, incluindo estresse oxidativo, dano estrutural, transporte eficiente de micróbios patogênicos e alteração no sistema imunológico, possivelmente correlacionados com compostos orgânicos com carbono.26

Outro ponto importante a ser destacado é o aumento dos custos hospitalares pelas internações por doenças respiratórias associadas à exposição ao material particulado fino.27 Neste estudo, estimou-se que a diminuição em 5µg/m3 na concentração de PM2.5 na atmosfera poderia contribuir para a redução em 38 internações pediátricas por pneumonia e asma de Taubaté, nesse período de um ano, e gerar a economia de R$ 84 mil para o Sistema Único de Saúde (SUS).

Este estudo apresenta limitações, algumas próprias dos estudos ecológicos; o fato de se trabalhar com dados secundários, mesmo de fonte oficial comumente usada para estudos sobre esse tema, permite supor erros na codificação dos diagnósticos, além de esses dados não informarem sobre comorbidades, tabagismo na residência (fumante passivo) e escolaridade parental, entre outros fatores associados. Essa fonte tem a finalidade básica contábil e os dados fornecidos sobre as internações se restringem aos usuários do Sistema Único de Saúde, excluem informações sobre crianças atendidas por planos de saúde ou de forma particular. Outra limitação deste estudo pode residir no fato de as medidas do CCATT-BRAMS serem estimadas numa altitude de 40m, e não em regiões mais próximas do solo, onde as concentrações podem ser diferentes; além disso, assumiu-se que as concentrações eram homogêneas e que as crianças se expuseram igualmente aos poluentes do ar, em especial ao particulado fino, considerações que podem representar outra possível limitação.

Apesar da forte plausibilidade biológica, os nossos resultados não permitem presumir que existam associações causais. São necessárias investigações mais aprofundadas dos papéis de outros poluentes, como O3, PM10, CO, NO2 e metais, que têm sido associados com uma variedade de diagnósticos respiratórios.

Dessa forma, a exposição ao material particulado com menos de 2,5 micra de diâmetro aerodinâmico esteve associada às internações por pneumonia e asma em crianças menores de 10 anos, em uma cidade de porte médio. Essas informações corroboram os achados em outros estudos e mostram o papel importante do particulado fino na saúde da criança, além de fornecer subsídios para implantação de medidas preventivas para diminuir esses desfechos.

Footnotes

Financiamento

O estudo não recebeu financiamento.

Articles from Revista Paulista de Pediatria are provided here courtesy of Sociedade De Pediatria De Sao Paulo

RESOURCES