0014/2025 - DISTRIBUIÇÃO ESPACIAL DAS NOTIFICAÇÕES DE ERROS DE IMUNIZAÇÃO NO ESTADO DE MINAS GERAIS SPATIAL DISTRIBUTION OF IMMUNIZATION ERROR NOTIFICATIONS IN THE STATE OF MINAS GERAIS
A vacinação é uma intervenção essencial, embora sujeita a erros, o que torna fundamental a notificação desses casos para garantir a segurança durante o processo de imunização. O objetivo foi identificar aglomerados espaciais de notificações de erro de imunização no estado de Minas Gerais e fatores associados. Trata-se de um estudo ecológico conduzido com base nas recomendações do STROBE nos 853 municípios de Minas Gerais, a partir das notificações de erros de imunização no período de 2015 a 2019. Realizou-se estatística de varredura para identificar agrupamentos espaciais e modelo generalizado para fatores associados. A análise espacial revelou aglomerados com baixa notificação de erro de imunização, em todas as macrorregiões do Estado. Identificou-se uma associação positiva entre a notificação de erro de imunização e a população menor de um ano, com Risco Relativo de 1,004 (IC95% = 1,002 a 1,006). Assim, um aumento de cinco crianças menores de um ano em um município mineiro, está associado a 1,84% (aproximadamente 2%) mais chance de ser notificado de um erro de imunização. Este estudo poderá subsidiar medidas prioritárias para estratégias adaptadas a cada macrorregião, garantindo vigilância mais eficiente e pontual nessas localidades.
Palavras-chave:
Erros de Medicação; Imunização; Segurança do Paciente; Análise espacial, Eventos Adverso
Abstract:
Vaccination is an essential intervention, although subject to errors, which makes it essential to report these cases to ensure safety during the immunization process. The objective was to identify spatial clusters of immunization error notifications in the state of Minas Gerais and associated factors. This is an ecological study based on the STROBE recommendations in the 853 municipalities of Minas Gerais, based on immunization error notifications2015 to 2019. Scan statistics were used to identify spatial clusters and a generalized model for associated factors. The spatial analysis revealed clusters with low immunization error notification in all of the state's macro-regions. A positive association was found between the notification of immunization errors and the population under one year old, with a Relative Risk of 1.004 (95%CI = 1.002 to 1.006). Thus, an increase of five children under the age of one in a municipality in Minas Gerais is associated with a 1.84% (approximately 2%) greater chance of being notified of an immunization error. This study could support priority measures for strategies adapted to each macro-region, ensuring more efficient and timely surveillance in these locations.
Introdução
A vacinação desempenha um papel essencial e constitui uma das medidas mais eficazes na prevenção de doenças imunopreveníveis1, porém não está isenta de erros2. Erros são inevitáveis devido à natureza humana3. Nesse sentido, a notificação de erros de imunização emerge como um elemento fundamental para garantir a segurança durante o processo de vacinação4,5.
O Programa Nacional de Imunizações (PNI), desde 1991, investe na criação de um Sistema Nacional de Vigilância dos Eventos Adversos Pós-Vacinação, reconhecendo a possibilidade de erros de imunização e eventos associados à vacinação ou imunização (ESAVI)6 Esse sistema permite a notificação, investigação e monitoramento de condutas padronizadas diante de ocorrências6.
Globalmente, os profissionais de saúde têm a obrigação de notificar ESAVI e erros, e a maioria concorda que essa prática é fundamental para aumentar a segurança dos pacientes7. Entretanto, o receio de punição pode levar à subnotificação desses eventos8.
Uma revisão integrativa identificou que na maioria dos estudos incluídos (87,5%), os profissionais participantes reconheceram a subnotificação de eventos ou erros como uma realidade nos serviços de saúde onde trabalhavam. A notificação desempenha um papel crucial na avaliação da cultura de segurança do paciente no sistema de saúde, sendo uma ferramenta essencial para promover o monitoramento contínuo da segurança e qualidade da assistência prestada7.
Nos últimos anos, com os avanços tecnológicos e metodológicos, a análise espacial tem ganhado destaque em estudos epidemiológicos. Essa abordagem permite identificar padrões espaciais em diversas situações, incluindo aspectos de saúde e epidemiologia9,10. As técnicas de georreferenciamento utilizadas nesses estudos integram dados socioeconômicos, ambientais e estruturais da saúde ao componente geográfico, estabelecendo relações de verossimilhança entre locais. Dessa forma, esses dados possibilitam o planejamento de estratégias de promoção e intervenção direcionadas para a mesma esfera geográfica7,11.
Considerando a relevância da notificação do erro de imunização e o papel fundamental da análise espacial na identificação de padrões geográficos, o presente estudo buscou responder à seguinte questão: qual o padrão espacial das notificações de erros de imunização em Minas Gerais?
Este estudo teve como objetivo identificar aglomerados espaciais de notificações de erro de imunização no estado de Minas Gerais e fatores associados.
Método
Tipo de Estudo
Trata-se de um estudo ecológico conduzido com base nas recomendações do STROBE (Strengthening the Reporting of Observational Studies in Epidemiology)12.
Cenário do Estudo
O estudo foi realizado no estado de Minas Gerais, o segundo estado mais populoso do Brasil. Com população estimada de 20.539.989 milhões de habitantes, possui um grau de urbanização de 85,29% e uma área estimada de 586.528,293 km2. Seu território é dividido em 14 macrorregiões: Sul (3101), Centro Sul (3102), Centro (3103), Jequitinhonha (3104), Oeste (3105), Leste (3106), Sudeste (3107), Norte (3108), Noroeste (3109), Leste do Sul (3110), Nordeste (3111), Triângulo do Sul (3112), Triângulo do Norte (3113) e Vale do Aço (3114) (Figura 1), que contempla o universo de 853 municípios, unidades territoriais de análises do presente estudo13,14.
Figura 1 – Macrorregiões do estado de Minas Gerais, Brasil, 2022.
Origem dos dados
No estado de Minas Gerais, entre 2015 a 2019, foram administradas 57.289.277 doses de vacinas (pni.datasus.gov.br, acessado em 19/06/2023) e foram analisadas as notificações de erros de imunização registradas neste mesmo período no Sistema de Informações de Eventos Adversos Pós-vacinação do Programa Nacional de Imunizações (SI-EAPV), gerando um quantitativo de 3.643 notificações.
A variável desfecho foi a notificação de erro de imunização. Diante de um erro de imunização, é responsabilidade do profissional contribuir com os sistemas nacionais de notificação. Essa notificação não apenas identifica problemas e riscos, mas também orienta estratégias para garantir a segurança e qualidade da assistência6,8. No entanto, é importante reconhecer que a subnotificação é uma realidade frequente, resultando na ausência de notificação de muitos erros ocorridos9,15.
Para identificar os fatores associados à notificação de erro de imunização, foram selecionadas variáveis explicativas, provenientes das bases do Cadastro Nacional dos Estabelecimentos de Saúde do Brasil (CNES)16,17 e Fundação João Pinheiro13, 18. (Quadro 1).
Quadro 1. Descrição das variáveis de exposição consideradas para o estudo, 2023.
Tratamento e análise de dados
Os dados das notificações de erros de imunização foram inicialmente armazenados no software Microsoft Excel (2016) para verificar sua consistência e qualidade. A técnica de análise espacial, chamada estatística de varredura proposto por Kulldorff e Nagarwalla (1995)19, foi utilizada para identificar e avaliar clusters dessas notificações. No estudo, a janela de análise foi definida como circular, com raio limitado a 50% da população alvo de vacinados em Minas Gerais, permitindo alta flexibilidade na localização e no tamanho dos aglomerados. Foi empregando um modelo de probabilidade discreto de Poisson processado pelo software SaTScan 9.620, com uma análise significativa baseada em 999 simulações de Monte Carlo.
A análise de clusters considerou o risco relativo (RR) para comparar a probabilidade de notificações em diferentes áreas, com valores RR maiores que 1 indicando maior chance de notificações. Além disso, a análise espacial Moran Bivariado foi realizada para identificar determinantes espaciais relacionados às notificações, utilizando o software Geoda 1.1221 para calcular a autorrelação espacial e a correlação espacial entre municípios adjacentes.
Para identificar fatores associados às notificações foram aplicados modelos GAMLSS (Generalized Additive Models for Location, Scale, and Shape)22 com a distribuição Yule que é adequada para variáveis dependentes do tipo contagem, similar a Poisson, mas com características específicas, como super dispersão e assimetria. A escolha da distribuição Yule foi baseada no ajuste observado aos dados, considerando que modelos mais comuns, como Poisson ou Binomial Negativa, não capturaram adequadamente as características dos dados. Os modelos GAMLSS foram desenvolvidos para lidar com uma variedade maior de distribuições de probabilidade para os dados, permitindo que não apenas a média (localização) mas também a dispersão (escala) e a forma da distribuição (por exemplo, assimetria e curtose) sejam modeladas como funções de covariáveis22,23.
Todas as variáveis utilizadas no Moran Bivariado foram consideradas no modelo de regressão GAMLSS. O critério adotado para o modelo explicativo foi o menor valor do Critério de Informação de Akaike (AIC), utilizando a técnica stepwise de seleção de variáveis para inclusão no modelo estatístico final. O AIC é uma métrica importante para avaliar a qualidade do modelo estatístico, sendo que, quanto menor seu valor, melhor o modelo. Vale destacar que nem todas as variáveis apresentadas no Quadro 1 foram incluídas, pois o processo de seleção e eliminação de variáveis visou alcançar o menor valor de AIC possível, resultando na inclusão apenas da variável 'população menor de um ano (Tabela 2)24. A adequação do modelo foi verificada por gráficos Quantil-Quantil (QQplot), utilizando o programa R versão 4.1.1. Destaca-se que os coeficientes de regressão do modelo foram exponenciados gerando valores de RR e seus respectivos Intervalos de confiança de 95% (IC95%). Mapas coropléticos foram elaborados com os resultados das análises, utilizando a base cartográfica de Minas Gerais disponível no site do IBGE e processada pelo software ArcGIS 10.825.
O estudo integra o projeto "Avaliação dos erros de imunização e proposta de intervenção", aprovado pelo Comitê de Ética em 2020 (Parecer nº 3.817.007).
Resultados
Na análise de varredura espacial, as macrorregiões do estado foram classificadas em áreas com alta e baixa ocorrência de erros de imunização (EI) entre os 853 municípios. A figura 2, revela uma distribuição heterogênea de aglomerados com baixa notificação de EI, chamadas de áreas frias, em todas as macrorregiões. Notou-se um extenso aglomerado de baixa ocorrência na região Noroeste, enquanto pequenas áreas com alta ocorrência, denominadas áreas quentes, surgem de forma pontual, formando "ilhas” ao redor de várias áreas frias, abrangendo as macrorregiões Noroeste, Norte, Centro, Triângulo do Sul e Triângulo do Norte.
Figura 2. Áreas de Clusters das notificações de erro de imunização, nas macrorregiões de Minas Gerais, Brasil, 2015-2019.
Ao analisar a correlação espacial para notificação dos erros de imunização, quando aplicado o índice I de Moran Global Bivariado, verificou-se a correlação espacial com fatores socioeconômicos e de oferta de serviço dos municípios mineiros (Tabela 1).
As variáveis: população menor de um ano, terceira dose da vacina DTPw+HB+Hib porcentagem de cobertura da ESF e da Atenção Básica apresentaram correlação espacial positiva. Por outro lado, o IDHM e o número de enfermeiros por habitante apresentaram correlação espacial inversa.
Tabela 1 – Fatores socioeconômicos e de oferta de serviços de saúde correlacionais espacialmente às notificações de erro de imunização, Minas Gerais, Brasil 2015-2019.
Considerando o modelo de regressão GAMLSS, identificou-se uma associação positiva entre a notificação de erro de imunização e a população menor de um ano dos municípios. O RR 1,004 (IC95% 1,002 a 1,006) indica que, à medida que o número de crianças menores de um ano aumenta nos municípios de Minas Gerais, as notificações de erros de imunização também tendem a aumentar. Nesse sentido, considerando o RR reportado a partir do modelo de regressão, um aumento de cinco vezes no número de menores de um ano em um determinado município do estado, resulta em 1,84% mais risco de ser notificado um erro de imunização.
Tabela 2 – Fator associado à notificação de erro de imunização, Minas Gerais, Brasil (2015- 2019).
Considerando o teste de Kolmogorov-Smirnov e o Q-Q plot, é possível confirmar que o modelo final cumpre os pressupostos de análise relacionados aos resíduos, seguindo uma distribuição normal, com média zero e variância constante.
Discussão
Os resultados revelaram um comportamento heterogêneo de aglomerados puramente espaciais com baixa taxa de notificações de EI, distribuídos em todas as macrorregiões de Minas Gerais. Os aglomerados com baixa taxa de notificações não necessariamente estão indicando que não há ocorrência de EI, e sim a possibilidade de estar ocorrendo uma subnotificação dos mesmos.
O erro humano pode ser conduzido por meio das abordagens pessoal ou sistêmica3. Esse tipo de abordagem pessoal, no EI, pode levar a subnotificação do mesmo, entendida como a carência de registro ou notificação oficial de casos que de fato aconteceram, resultando em uma subestimação dos números reais de incidência ou prevalência da doença e/ou evento26.
Notadamente no âmbito da saúde, é comum observar a predominância da abordagem pessoal, tanto na investigação quanto na tomada de decisões diante de falhas27. Nesse enfoque, a responsabilidade pelo erro é colocada quase sempre na pessoa que o cometeu e as medidas corretivas, frequentemente, se traduzem em ações disciplinares negativas, como demissão, remanejamento de setor e processo administrativo28,29.
Mesmo sendo um assunto relevante, a literatura aponta para uma subnotificação de erros de imunização muitas vezes não mensurada nos serviços de saúde9,15,30,31.
Estudo realizado em Minas Gerais, com o objetivo de investigar a subnotificação de EI a partir dos registros de vacinação da caderneta de crianças, identificou que todos os erros identificados foram subnotificados pelos serviços de saúde dos municípios participantes9. Nos Estados Unidos, um estudo estima-se uma subnotificação anual de erros variando entre 50% e 60%32.
Ao estabelecer uma atmosfera não punitiva, a abordagem aprofundada dos sistemas e processos subjacentes ganha destaque, sem se concentrar exclusivamente no indivíduo12. Essa abordagem não apenas fortalece a responsabilidade coletiva, mas também contribui para uma abordagem mais abrangente na identificação e correção de questões sistêmicas11,12, o que é mais evidente em ambientes que trabalham com uma cultura de segurança positiva, onde o erro relatado é visto como oportunidade de crescimento e aprimoramento, o que promove uma cultura de aprendizado e melhoria contínua em toda a organização, aumentando assim a probabilidade de notificação de erros12,26.
A notificação do EI desempenha um papel crucial para a gestão reconhecer que existem oportunidades para a ocorrência de falhas, proporcionando uma base sólida para a análise e implementação de mudanças estratégicas e sistemáticas8. Ela é percebida como parte fundamental para a segurança do paciente, pelo seu poder de minimizar os danos causados e fortalecer o aprendizado dos profissionais5.
Os resultados da análise de varredura chama atenção para a presença de aglomerados em algumas regiões com altas taxas de notificações de EI. Entretanto, observou-se que na mesma região há também aglomerados identificados com baixas taxas de notificações. Essa constatação pressupõe que possam existir municípios silenciosos em todo o estado.
A distribuição heterogênea das baixas taxas de notificações de EI nas macrorregiões do estado de Minas Gerais, apontada por este estudo, pode estar associada às disparidades regionais nos investimentos no setor da saúde, como recursos humanos, recursos tecnológicos, estruturais27, de insumos, segurança do profissional15 dentre outras. Essas discrepâncias, por conseguinte, podem influenciar diretamente na qualidade da assistência prestada28.
Nesse sentido, uma pesquisa realizada em Gana aponta que os investimentos na saúde estão relacionados à segurança do paciente em qualquer nível de atenção, sendo um fator relevante para que ocorra a notificação de um evento11.
Minas Gerais, com sua vasta extensão territorial, possui regiões com diferentes níveis de desenvolvimento socioeconômico29. As macrorregiões Centro, Triângulo do Norte, Noroeste e Norte registraram as maiores taxas de notificação de EI. Embora a maioria dessas regiões tenha indicadores socioeconômicos mais elevados, a região Norte destaca-se por seus baixos indicadores, como menor renda média per capita e maior vulnerabilidade social, o que a coloca em desvantagem em comparação com outras áreas do Estado29,30.
Estudo realizado no Brasil que avaliou as notificações de eventos supostamente atribuíveis a vacinação ou imunização (ESAVI), também constatou distribuição heterogênea das notificações, com maiores incidências em regiões com desenvolvimento considerado alto, como as regiões Sul e Sudeste31.
Pressupõe-se que outros fatores contextuais estão relacionados à notificação como, a falta da triagem vacinal, a deficiência da educação continuada dos profissionais, ausência de supervisão de enfermagem, sobrecarga de trabalho, desmotivação, lentidão dos sistemas de notificações e desconhecimento da importância de preencher a ficha de notificação5,30,31.
Todos os fatores associados às notificações de erro de imunização apontados neste estudo mostraram correlação espacial, contudo, na análise de regressão, foi confirmada apenas a variável população menor de um ano.
Estudos nacionais e internacionais observaram maior prevalência de erro em crianças menores de um ano9,36,37. Esse fato pode ser decorrente da maior exposição vacinal a que esse grupo etário está exposto, considerando que a maioria das vacinas que compõem o calendário é indicada para crianças menores de um ano17, outro fator que pode estar relacionado é a diversidade de vacinas que essa faixa etária recebe e a similaridade entre elas38, além da inquietação desse público no momento da administração da vacina, pouca habilidade de alguns profissionais e maior frequência desse público nas unidades de saúde, o que oportuniza a ocorrência do erro39.
O uso de dados secundários apresenta limitações intrínsecas a natureza de coleta das informações, o que impossibilita o controle do mesmo por parte do presente estudo para garantir a acurácia desejada. Além disso, a subnotificação do erro de imunização pode levar a uma subestimação da verdadeira incidência em determinadas regiões, distanciando os resultados da realidade do evento estudado.
Apesar das limitações inerentes, este estudo apresenta uma valiosa originalidade ao abordar uma realidade enfrentada pelos sistemas de saúde e pela enfermagem, que é a questão da notificação/subnotificação. A utilização da análise espacial nesta temática confere uma abordagem inovadora, proporcionando insights importantes para o planejamento de intervenções futuras mais assertivas. A consideração das localidades, fundamentada na análise espacial, amplia a capacidade de resposta eficaz diante dos desafios relacionados aos erros de imunização, contribuindo assim para aprimorar a qualidade da assistência prestada.
Conclusão
Minas Gerais apresenta uma variação significativa nas notificações de erros de imunização, com áreas mostrando baixas taxas de notificação. A população menor de um ano está associada a essas taxas.
Para enfrentar esse problema, são necessárias ações para aumentar a conscientização sobre a importância de notificar erros de imunização. Essas notificações fornecem dados valiosos para os gestores de saúde, permitindo a criação de estratégias de prevenção e promovendo a segurança do paciente.
Os resultados sugerem a implementação de estratégias adaptadas às necessidades específicas de cada macrorregião para melhorar a vigilância.
Referências
1- Morais LE da S, Da Silva WF, Saraiva AK de M, Ferreira RJML, Morais LG da S, De Oliveira JM et al. Educação permanente em saúde para técnicas de enfermagem sobre sala de imunização. Contribuciones a las ciencias sociales 2024; 17(2): e5299.
2- Lima E, Almeida A, Kfouri R. Vacinas para COVID-19: perspectivas e desafios. Residência Pediátrica 2020; 10(2). doi:10.25060/residpediatr-2020.v10n2-04.
3- Reason J. Human error: models and management. BMJ 2000; 320: 768–770.
4- Forte ECN, Pires DEP de, Padilha MI, Martins MMFP da S. Nursing errors: A study of the current literature. Texto & Contexto - Enfermagem 2017; 26(2). doi:10.1590/010407072017001400016.
5- Santos LCB dos, Silva HS da, Borja-Oliveira CR, Chubaci RYS, Gutierrez BAO. Eventos adversos pós-vacinação em idosos no Estado de São Paulo, Brasil, de 2015 a 2017. Cad Saude Publica 2021; 37(4). doi:10.1590/0102-311x00084820.
6- Brasil. Ministério da Saúde. Manual de Vigilância Epidemiológica de Eventos Adversos Pós-vacinação. 3 ed. Secretaria de Vigilância em Saúde. Departamento de Vigilância das Doenças Transmissíveis: Brasília, 2020www.saude.gov.br/bvs.
7- Abuosi AA, Poku CA, Attafuah PYA, Anaba EA, Abor PA, Setordji A et al. Safety culture and adverse event reporting in Ghanaian healthcare facilities: Implications for patient safety. PLoS One 2022; 17(10):e0275606.
8- Afaya A, Konlan KD, Kim Do H. Improving patient safety through identifying barriers to reporting medication administration errors among nurses: an integrative review. BMC Health Serv Res 2021; 21(1):1156.
9- Barboza TC, Guimarães RA, Gimenes FRE, Silva AEB de C. Retrospective study of immunization errors reported in an online Information System. Rev Lat Am Enfermagem 2020; 28. doi:10.1590/1518-8345.3343.3303.
10- Nuckols JR, Ward MH, Jarup L. Using Geographic Information Systems for Exposure Assessment in Environmental Epidemiology Studies. Environ Health Perspect 2004; 112(9): 1007–1015.
11- Mukai A de O, Nascimento LFC, Alves K de SC. Análise espacial das internações por pneumonia na região do Vale do Paraíba (SP). Jornal Brasileiro de Pneumologia 2009;35: 753–758.
12- Von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007 Oct 20;370(9596):1453-7. doi: 10.1016/S0140-6736(07)61602-X. PMID: 18064739
13- Instituto Brasileiro de Geografia e Estatística (IBGE). Cidades e Estados. 2022a.
14- Alves M de FT, Carvalho DS de, Albuquerque GSC de. Motivos para a não notificação de incidentes de segurança do paciente por profissionais de saúde: revisão integrativa. Cien Saude Colet 2019; 24(8):2895-2908.
15- Oliveira SH, Silva BS, Carvalho LMR, Gontijo TL, Pinto IC, Guimarães EA de A et al. Prevalence and underreporting of immunization errors in childhood vaccination: results of a household survey. Revista da Escola de Enfermagem da USP 2023; 57. doi:10.1590/1980-220x-reeusp-2023-0253en.
16- Mukai A de O, Nascimento LFC, Alves K de SC. Análise espacial das internações por pneumonia na região do Vale do Paraíba (SP). Jornal Brasileiro de Pneumologia 2009;35: 753–758.
17- Brasil. Ministério da Saúde. Instrução Normativa do Calendário Nacional de Vacinação. Secretária de Vigilância em Saúde, Editora do Ministério da Saúde, Brasília, 2024.https://www.gov.br/aids/pt-br/central-de conteudo/publicacoes/2023/protocolo-clinico-e-.
18- Minas Gerais. Secretária do Estado de Minas Gerais. Superintendências Regionais de Saúde (SRS) e Gerências Regionais de Saúde (GRS). Minas Gerais. 2021a.
19- Kulldorff M, Nagarwalla N. Spatial disease clusters: Detection and inference. Stat Med 1995; 14(8): 799–810.
20- Kulldorff, M. Spatial disease clusters: Detection and inference. Statistics in Medicine, v. 13, p. 1-12, 1994.
21- Anselin, L, Syabri, I, Kho, Y. Geoda: an introduction to spatial data analysis. In: Handbook of applied spatial analysis: Software tools, methods and applications. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. p. 73-89.
22- Stasinopoulos, D, M; Rigby, R, A. Generalized additive models for location scale and shape (GAMLSS) in R. Journal of Statistical Software, v. 23, p. 1-46, 2008.
23- Rigby, R. A; Stasinopoulos, D. M. Generalized additive models for location, scale and shape. Journal of the Royal Statistical Society Series C: Applied Statistics, v. 54, n. 3, p. 507- 554, 2005.
24- Hilbe JM. Practical guide to logistic regression. Flórida: CRC Press; 2018.
25- Desktop, E. S. R. I ArcGIS. Release 10.8. 1. Environmental Systems Research Institute: Redlands, CA, USA, 2020.
26- Brasil. Guia de Vigilância em Saúde. 1st ed. Secretaria de vigilância em saúde: brasília, 2017www.saude.gov.br.
27- Souza VS de, Inoue KC, Costa MAR, Oliveira JLC de, Marcon SS, Matsuda LM. Nursing errors in the medication process: television electronic media analysis. Escola Anna Nery 2018; 22(2). doi:10.1590/2177-9465-ean-2017-0306.
28- Morrudo Garcia EDQ, De Figueiredo PP, Da Silveira RS, Tomaschewski Barlem JG, De Oliveira SG, Ramos FC. Errors in medicinal therapy and the consequences for nursing / Erros na terapia medicamentosa e as consequências para a enfermagem. Revista de Pesquisa: Cuidado é Fundamental Online 2019; 11(1): 88.
29- De França Morais NL, Costa Santos JF. Análise da dimensão espacial da pobreza em Minas Gerais. Revista de Economia do Centro-Oeste 2019; 5(2): 38–54.
30- Lopes B de A, Cañedo MC, Torres NL, Lopes TIB, Gaíva MAM. A cultura de segurança do paciente na perspectiva da equipe de enfermagem. Cogitare Enfermagem 2023; 28. doi:10.1590/ce.v28i0.86111.
31- Monteiro SAMG, Takano OA, Waldman EA. Avaliação do sistema brasileiro de vigilância de eventos adversos pós-vacinação. Revista Brasileira de Epidemiologia 2011; 14: 361–371.
32- Silva AEB de C, Reis AMM, Miasso AI, Santos JO, Cassiani SHDB. Adverse drug events in a sentinel hospital in the State of Goiás, Brazil. Rev Lat Am Enfermagem 2011; 19: 378–386.
33- Lee YH, Harris RC, Oh HW, Oh Y, Vargas-Zambrano JC, Choe YJ. Vaccine-Related Errors in Reconstitution in South Korea: A National Physicians’ and Nurses’ Survey. Vaccines (Basel) 2021; 9(2): 117.
34- Donnini DA, Silva CMB, Gusmão JD, Matozinhos FP, Silva RB, Amaral GG et al. Incidência de erros de imunização em Minas Gerais: estudo transversal, 2015-2019. Epidemiologia e Serviços de Saúde 2022; 31(3). doi:10.1590/s223796222022000300008.
35- Samad F, Burton SJ, Kwan D, Porter N, Smetzer J, Cohen MR et al. Strategies to Reduce Errors Associated with 2-Component Vaccines. Pharmaceut Med 2021; 35(1):1–9.
36- Martins JRT, Alexandre BGP, Oliveira VC de, Viegas SM da F. Permanent education in the vaccination room: what is the reality? Rev Bras Enferm 2018; 71: 668–676.
37- Capponi RL, Cunha CB de S, Paz N dos S. Avaliação das notificações de erros programáticos na administração de imunobiológicos em Porto Alegre - RS, 2019. Revista Eletrônica Acervo Saúde 2020; 12: e4838.
38- Rodgers L, Shaw L, Strikas R, Hibbs B, Wolicki J, Cardemil C V. et al. Frequency and Cost of Vaccinations Administered Outside Minimum and Maximum Recommended Ages—2014 Data From 6 Sentinel Sites of Immunization Information Systems. J Pediatr 2018; 193: 164–171.
39- Braga, PCV, Silva, AEBC, Mochizuki LB, Lima JC, Sousa MRG. et al. Incidência de eventos adversos pós-vacinação em crianças incidence of post-vaccination adverse events in children incidencia de eventos adversos post-vacunación en ninos artigo original. Rev enferm UFPE on line 2017; 11(10): 4126.
Outros idiomas:
SPATIAL DISTRIBUTION OF IMMUNIZATION ERROR NOTIFICATIONS IN THE STATE OF MINAS GERAIS
Resumo (abstract):
Vaccination is an essential intervention, although subject to errors, which makes it essential to report these cases to ensure safety during the immunization process. The objective was to identify spatial clusters of immunization error notifications in the state of Minas Gerais and associated factors. This is an ecological study based on the STROBE recommendations in the 853 municipalities of Minas Gerais, based on immunization error notifications2015 to 2019. Scan statistics were used to identify spatial clusters and a generalized model for associated factors. The spatial analysis revealed clusters with low immunization error notification in all of the state's macro-regions. A positive association was found between the notification of immunization errors and the population under one year old, with a Relative Risk of 1.004 (95%CI = 1.002 to 1.006). Thus, an increase of five children under the age of one in a municipality in Minas Gerais is associated with a 1.84% (approximately 2%) greater chance of being notified of an immunization error. This study could support priority measures for strategies adapted to each macro-region, ensuring more efficient and timely surveillance in these locations.
DISTRIBUIÇÃO ESPACIAL DAS NOTIFICAÇÕES DE ERROS DE IMUNIZAÇÃO NO ESTADO DE MINAS GERAIS
SPATIAL DISTRIBUTION OF IMMUNIZATION ERROR NOTIFICATION IN MINAS GERAIS STATE
DISTRIBUCIÓN ESPACIAL DE LAS NOTIFICACIONES DE ERRORES DE INMUNIZACIÓN EN EL ESTADO DE MINAS GERAIS
1Wiara Viana Ferreira, Universidade Federal de São João del-Rei, e-mail: wiaravianaenf@gmail.com, ORCID: 0000-0003-3524-135X
2Luiz Henrique Arroyo, Escola de Enfermagem de Ribeirão Preto da Universidade de São Paulo, e-mail: luiz.arroyo@hotmail.com, ORCID: 0000-0003-3302-0502
3Rillary Carvalho dos Santos, Universidade Federal de São João del-Rei, e-mail:
rillarycarvalho24@outlook.com, ORCID: 0009-0008-5955-8005
4Thayane Ingrid Xavier de Andrade, Universidade Federal de São João del-Rei, e-mail: thatha.red@gmail.com, ORCID: 0000-0002-6561-7509
5Eliete Albano de Azevedo Guimarães, Universidade Federal de São João del-Rei, e-mail: elietealbano@ufsj.edu.br, ORCID: 0000-0001-9236-8643
6Valéria Conceição de Oliveira, Universidade Federal de São João del-Rei, e-mail: valeriaoliveira@ufsj.edu.br, ORCID: 000-0003-2606-9754
RESUMO
A vacinação é uma intervenção essencial, embora sujeita a erros, o que torna fundamental a notificação desses casos para garantir a segurança durante o processo de imunização. O objetivo foi identificar aglomerados espaciais de notificações de erro de imunização no estado de Minas Gerais e fatores associados. Trata-se de um estudo ecológico conduzido com base nas recomendações do STROBE nos 853 municípios de Minas Gerais, a partir das notificações de erros de imunização no período de 2015 a 2019. Realizou-se estatística de varredura para identificar agrupamentos espaciais e modelo generalizado para fatores associados. A análise espacial revelou aglomerados com baixa notificação de erro de imunização, em todas as macrorregiões do Estado. Identificou-se uma associação positiva entre a notificação de erro de imunização e a população menor de um ano, com Risco Relativo de 1,004 (IC95% = 1,002 a 1,006). Assim, um aumento de cinco crianças menores de um ano em um município mineiro, está associado a 1,84% (aproximadamente 2%) mais chance de ser notificado de um erro de imunização. Este estudo poderá subsidiar medidas prioritárias para estratégias adaptadas a cada macrorregião, garantindo vigilância mais eficiente e pontual nessas localidades.
Palavras-chave: Erros de Medicação; Imunização; Segurança do Paciente; Análise espacial, Eventos Adverso
ABSTRACT
Vaccination is an essential intervention, although subject to errors, which makes it essential to report these cases to ensure safety during the immunization process. The objective was to identify spatial clusters of immunization error notifications and associated factors in Minas Gerais State. This is an ecological study based on the STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) recommendations in the 853 municipalities of Minas Gerais, considering the immunization error notifications from 2015 to 2019. Scan statistics were utilized to identify spatial clusters and a generalized model for associated factors. The spatial analysis revealed clusters with low immunization error notification in all of the state\'s macroregions. A positive association was found between the notification of immunization errors and the population under one year old, with a Relative Risk of 1.004 (95%CI = 1.002 to 1.006). Thus, an increase of five children under the age of one in a municipality in Minas Gerais was associated with a 1.84% (approximately 2%) greater chance of being notified as an immunization error. This study could support priority measures for strategies adapted to each macroregion, ensuring more efficient, timely surveillance in these locations.
Keywords: Medication Errors; Immunization; Patient Safety; Spatial Analysis, Adverse Events.
RESUMEN
La vacunación es una intervención esencial, aunque sujeta a errores, lo que hace imprescindible la notificación de estos casos para garantizar la seguridad durante el proceso de inmunización. El objetivo fue identificar clusters espaciales de notificación de errores de inmunización en el estado de Minas Gerais y factores asociados. Se trata de un estudio ecológico basado en las recomendaciones STROBE en los 853 municipios de Minas Gerais, a partir de las notificaciones de errores de inmunización de 2015 a 2019. Se utilizaron estadísticas de exploración para identificar clústeres espaciales y un modelo generalizado para los factores asociados. El análisis espacial reveló clústeres con baja notificación de errores de inmunización en todas las macrorregiones del estado. Se identificó una asociación positiva entre la notificación de errores de inmunización y la población menor de un año, con un Riesgo Relativo de 1,004 (IC 95% = 1,002 a 1,006). Así, un aumento de cinco niños menores de un año en un municipio de Minas Gerais se asocia con una probabilidad 1,84% (aproximadamente 2%) mayor de ser notificado de un error de inmunización. Este estudio podría subsidiar medidas prioritarias para estrategias adaptadas a cada macrorregión, garantizando una vigilancia más eficiente y oportuna en estas localidades.
Palabras clave: Errores de Medicación; Inmunización; Seguridad del Paciente; Análisis Espacial, Eventos Adversos
Introduction
Vaccination plays an essential role and is one of the most effective measures in the prevention of immunopreventable disease1, but is not free of errors2. Errors are inevitable due to human nature3. In this sense, the notification of immunization errors emerges as a fundamental element to ensure safety during the vaccination process4,5.
Since 1991, the National Immunization Program (PNI) has invested in the creation of a National Surveillance System of Adverse Post-Vaccination Events, recognizing the possibility of immunization errors and events associated with vaccination or immunization (ESAVI) 6 This system allows notification, investigation and monitoring of conduct patterns in the face of such occurrences6.
Globally, health professionals have an obligation to notify ESAVI of errors, and most agree this practice is critical to increasing patient safety7. However, fear of punishment can lead to undernotification of these events8.
An integrative review found that in most of the studies included (87.5%), the professionals participating recognized the undernotification of events or errors as a reality in the health services where they worked. Notification plays a crucial role in assessing patient safety culture in the health system, it being an essential tool to promote continuous monitoring of safety and quality of care provided7.
In recent years, with technological and methodological advances, spatial analysis has gained prominence in epidemiological studies. This approach allows identification of spatial patterns in various situations, including health and epidemiological aspects9,10. Georeferencing techniques utilized in these studies integrate socioeconomic, environmental and structural health data with the geographic component, establishing the likelihood of relationships between locations. Thus, these data enable the planning of promotion and intervention strategies directed to the same geographic sphere7,11.
Considering the importance of immunization error, notification and the fundamental role of spatial analysis in the identification of geographic patterns, this study sought to answer the following question: What is the spatial pattern of immunization error notification in Minas Gerais?
This study aimed to identify spatial clusters of immunization error notifications and associated factors in Minas Gerais State .
Method
Type of study
This is an ecological study conducted based on STROBE\'s recommendations12.
Study Scenario
The study was conducted in Minas Gerais State, the second most populous state in Brazil. With an estimated population of 20,539,989, it has an urbanization level of 85.29% and an estimated area of 586,528,293 km2. Its territory is divided into 14 macroregions: Sul (3101), Centro Sul (3102), Centro (3103), Jequitinhonha (3104), Oeste (3105), Leste (3106), Sudeste (3107), Norte (3108), Noroeste (3109), Leste do Sul (3110), Nordeste (3111), Triângulo do Sul (3112), Triângulo do Norte (3113) and Vale do Aço (3114) (Figure 1), covering 853 municipalities, the territorial units of analysis in this study13,14.
Figure 1
Data Origin
In Minas Gerais State, between 2015 and 2019, 57,289,277 vaccine doses (PNI.datasus.gov.br, accessed 19/06/2023) were administered, and the immunization error notifications recorded in this same period were analyzed in the Adverse Post-vaccination Event Information System of the National Immunization Program (SI-EAPV), generating a total of 3,643 notifications.
The outcome variable was the immunization error notification. Encountering an immunization error, it is the professional\'s responsibility to contribute to the national notification systems. This notification not only identifies problems and risks, but also guides strategies to ensure the safety and quality of care6,8. However, it is important to recognize that undernotification is a frequent reality, resulting in the absence of notification of many errors9,15.
To identify the factors associated with immunization error notification, explanatory variables were selected from the databases of the National Register of Health Establishments in Brazil (CNES)16,17 and the João Pinheiro Foundation13,18 (Chart 1).
Chart 1
Data processing and analysis
Immunization error notification data were initially stored in Microsoft Excel (2016) to verify their consistency and quality. The spatial analysis technique, called scan statistics proposed by Kulldorff and Nagarwalla (1995)19, was utilized to identify and evaluate clusters of these notifications. This study defined the analysis window as circular, with a radius limited to 50% of the target population vaccinated in Minas Gerais, allowing high flexibility in the location and size of the clusters. A discreet Poisson probability model was employed, processed by Satscan 9.620 software, with analysis of significance based on 999 Monte Carlo simulations.
Cluster analysis considered relative risk (RR) to compare the probability of notifications in different areas, with RR values greater than 1, indicating a greater chance of notification. Besides this, Moran Bivariate Spatial Analysis was performed to identify notifications related to spatial determinants utilizing Geoda 1.1221 software to calculate spatial self-relation and spatial correlation between adjacent municipalities.
To identify factors associated with notifications, GAMLSS (Generalized Additive Models for Location, Scale, and Shape) models were applied with a Yule distribution suitable for dependent variables of the countable type, similar to Poisson, but with specific characteristics such as super dispersion and asymmetry. The choice of Yule distribution was based on the data adjustment observed, considering that more common models, such as Poisson or Negative Binomial, did not properly capture the data characteristics. GAMLSS models were developed to deal with a larger variety of probability distributions for the data, allowing not only the mean (location), but also dispersion (scale) and distribution shape (e.g. asymmetry and kurtosis) to be modeled as covariable functions22,23.
All variables utilized in the Moran Bivariate were considered in the GAMLSS regression model. The criterion adopted for the explanatory model was the lowest value of the Akaike Information Criterion (AIC), utilizing the Stepwise variable selection technique for inclusion in the final statistical model. The AIC is an important metric for evaluating the quality of the statistical model, where the lower the value, the better the model. It is noteworthy that not all the variables presented in Chart 1 were included, as the process of selection and elimination of variables was aimed at reaching the lowest possible AIC value, resulting in the inclusion of the variable, population under one year (Table 2)24. The adequacy of the model was verified by Quantil-Quantil (QQplot) graphs, utilizing the R program version 4.1.1. It is noteworthy that the model\'s regression coefficients exponentially generated RR values and their respective 95% confidence intervals (IC95%). Coroplethic maps were devised with the results of the analyses, utilizing the Minas Gerais cartographic base available on the IBGE website, and processed by ArcGIS 10.825 software.
The study is part of the project, "Evaluation of Immunization Errors and Intervention Proposal", approved by the Ethics Committee in 2020 (Opinion No. 3,817.007).
Results
In the spatial scan analysis, the State’s macroregions were classified in areas with occurrence of high and low immunization errors (IE) among the 853 municipalities. Figure 2 reveals a heterogeneous distribution of low notification clusters, called cold areas in all the macroregions. Notably, there was an extensive low occurrence cluster in the Northwest region, while small areas with high occurrence, called hot areas, occasionally appeared, forming "islands" around various cold areas, spanning across the macroregions, Noroeste, Norte, Centro, and Triângulos do Sul e do Norte.
Figure 2
Analyzing the spatial correlation for immunization error notification, when index I of the Moran Global Bivariate was applied, the spatial correlation with socioeconomic factors and health service supply of the Minas Gerais municipalities was found (Table 1).
The variables: Population under one year, third dose of the DTPW+HB+Hib+HIB vaccine for coverage of the ESF and Basic| Care presented positive spatial correlation. On the other hand, the IDHM and the number of nurses per inhabitant showed inverse spatial correlation.
Table 1
Considering the GAMLSS regression model, a positive association between the notification of immunization error and the population under one year in the municipalities was identified. RR 1.004 (CI95% 1.002 to 1.006) indicated that, as the number of children under one year increased in the Minas Gerais municipalities, immunization error notifications also tended to increase. In this sense, considering the RR reported from the regression model, an increase of five times in the number of those aged less than one year in a particular municipality of the state resulted in 1.84% more risk of an immunization error.
Table 2
Considering the Kolmogorov-Smirnov test and the Q-Q plot, it is possible to confirm that the final model fulfills the presumptions of the analysis related to the residues, following a normal distribution, with a zero mean and constant variance.
Discussion
The results revealed heterogeneous behavior of purely spatial clusters with a low rate of IE notifications, distributed across all Minas Gerais macroregions. Clusters with low notification rates did not necessarily indicate that there was no occurrence of IE, but rather the possibility of undernotification of them.
Human error can be committed through personal or systemic approaches3. This type of personal approach to IE can lead to undernotification, understood as a lack of official registration or notification of cases that actually happened, resulting in underestimation of the real incidence figures or prevalence of a disease and/or event26.
Notably, in the health area, it is common to observe a predominance of a personal approach, both in investigation and in decision-making in the face of failure27. In this approach, the responsibility for error is almost always placed on the person who made it, and corrective measures often translate into negative disciplinary action, such as dismissal, sector reorganization administrative processes28,29.
Even though it is an important issue, the literature points out undernotification of immunization errors that are often not measured by the health services9,15,30,31.
A study conducted in Minas Gerais with the objective of investigating the IE undernotification found in children\'s vaccination record booklets, identified that all the errors were undernotified by the health services in the municipalities that participated9. In the USA, a study estimated that the annual error undernotification ranged from 50% to 60% 32.
By establishing a non-punitive atmosphere, the in-depth approach to underlying systems and processes is highlighted without concentrating exclusively on the individual12. This approach not only strengthens collective responsibility, but also contributes to a more comprehensive approach to the identification and correction of systemic issues11,12, which is most evident in environments that work with a positive safety culture, where the reported error is viewed as an opportunity for growth and improvement, which, in turn, promotes a culture of learning and continuous improvement throughout the organization, thus increasing the likelihood of error notification12,26.
IE notification plays a crucial role for the administration to recognize that there is scope for failure, providing a solid basis for analysis and implementation of strategic, systematic changes8. It is perceived as a fundamental part of the patient\'s safety due to its power to minimize damage and strengthen the learning of the professionals5.
The results of scan analysis draw attention to the presence of clusters in some regions with high rates of IE notification. However, it was observed that in the same region there were also clusters with low notification rates. This finding presupposes that there may be silent municipalities throughout the state.
The heterogeneous distribution of the low IE notification rates in macroregions of Minas Gerais, pointed out by this study, may be associated with regional disparities in investment in the health sector, such as human, technological and structural resources27, inputs, staff safety 15, among others. Consequently these discrepancies can directly influence the quality of care provided28.
In this sense, a survey conducted in Ghana points out that investments in health are related to patient safety at any level of care, this being an important factor for notifying an event11.
Minas Gerais, with its vast territorial extension, has regions with different levels of socioeconomic development29. The Centro, Norte, Noroeste and Triângulo do Norte macroregions recorded the highest IE notification rates. Although most of these regions have higher socioeconomi mean per capita income and higher social vulnerability, which puts it at a disadvantage in comparison with other areas of the state29,30.
A study conducted in Brazil that evaluated the notifications of events allegedly attributable to vaccination or immunization (ESAVI), also found heterogeneous distribution of notifications with higher incidences in regions with development regarded as high, such as the Sul and Sudeste regions31.
It is presumed that other contextual factors are related to notification, such as a lack of vaccination screening, deficiencies in the continuous education of professionals, absence of nursing supervision, work overload, demotivation, slow notification systems, and ignorance of the importance of filling out error notification forms5,30,31.
All the factors associated with immunization error notifications pointed out in this study presented spatial correlation. However, in regression analysis, only the population under one year of age was confirmed.
National and international studies have observed a higher prevalence of error in children aged under one year9,36.37. This fact may be due to this age group’s greater vaccination exposure, considering that most vaccines that make up the calendar are indicated for children of this age17. Another factor that may be related is the diversity of vaccines that this age group receives, and the similarity among them38, in addition to the concern of this public at the time of the administration of the vaccine, the low level ability of some professionals, and greater user frequency in health facilities, which provide opportunities for occurrence of such errors39.
The utilization of secondary data presents intrinsic limitations to the nature of information collection, which made it impossible to control them in this study to ensure the desired accuracy. In addition, immunization error undernotification can lead to underestimation of the true incidence in certain regions, thereby distancing the results from the reality of the event under study.
Despite the inherent limitations, this study presents valuable originality in addressing a reality faced by health systems and, specifically, nursing, which is the issue of notification/undernotification. The utilization of spatial analysis on this theme confers an innovative approach, providing important insights for planning future, more assertive intervention. The consideration of the localities, based on spatial analysis, broadens effective response capacity in the face of challenges related to immunization errors, thus contributing to improvement of the quality of care provided.
Conclusion
Minas Gerais presents significant variation in immunization error notifications, with areas showing low notification rates. The population under one year is associated with these rates.
To face this problem, action is needed to increase awareness of the importance of notifying immunization errors. These notifications provide valuable data to health administrators, allowing creation of prevention strategies and promotion of patient safety.
The results suggest implementation of strategies adapted to the specific needs of each macroregion in order to improve surveillance.
References
1- Morais LE da S, Da Silva WF, Saraiva AK de M, Ferreira RJML, Morais LG da S, De Oliveira JM et al. Educação permanente em saúde para técnicas de enfermagem sobre sala de imunização. Contribuciones a las ciencias sociales 2024; 17(2): e5299.
2- Lima E, Almeida A, Kfouri R. Vacinas para COVID-19: perspectivas e desafios. Residência Pediátrica 2020; 10(2). doi:10.25060/residpediatr-2020.v10n2-04.
3- Reason J. Human error: models and management. BMJ 2000; 320: 768–770.
4- Forte ECN, Pires DEP de, Padilha MI, Martins MMFP da S. Nursing errors: A study of the current literature. Texto & Contexto - Enfermagem 2017; 26(2). doi:10.1590/010407072017001400016.
5- Santos LCB dos, Silva HS da, Borja-Oliveira CR, Chubaci RYS, Gutierrez BAO. Eventos adversos pós-vacinação em idosos no Estado de São Paulo, Brasil, de 2015 a 2017. Cad Saude Publica 2021; 37(4). doi:10.1590/0102-311x00084820.
6- Brasil. Ministério da Saúde. Manual de Vigilância Epidemiológica de Eventos Adversos Pós-vacinação. 3 ed. Secretaria de Vigilância em Saúde. Departamento de Vigilância das Doenças Transmissíveis: Brasília, 2020www.saude.gov.br/bvs.
7- Abuosi AA, Poku CA, Attafuah PYA, Anaba EA, Abor PA, Setordji A et al. Safety culture and adverse event reporting in Ghanaian healthcare facilities: Implications for patient safety. PLoS One 2022; 17(10):e0275606.
8- Afaya A, Konlan KD, Kim Do H. Improving patient safety through identifying barriers to reporting medication administration errors among nurses: an integrative review. BMC Health Serv Res 2021; 21(1):1156.
9- Barboza TC, Guimarães RA, Gimenes FRE, Silva AEB de C. Retrospective study of immunization errors reported in an online Information System. Rev Lat Am Enfermagem 2020; 28. doi:10.1590/1518-8345.3343.3303.
10- Nuckols JR, Ward MH, Jarup L. Using Geographic Information Systems for Exposure Assessment in Environmental Epidemiology Studies. Environ Health Perspect 2004; 112(9): 1007–1015.
11- Mukai A de O, Nascimento LFC, Alves K de SC. Análise espacial das internações por pneumonia na região do Vale do Paraíba (SP). Jornal Brasileiro de Pneumologia 2009;35: 753–758.
12- Von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007 Oct 20;370(9596):1453-7. doi: 10.1016/S0140-6736(07)61602-X. PMID: 18064739
13- Instituto Brasileiro de Geografia e Estatística (IBGE). Cidades e Estados. 2022a.
14- Alves M de FT, Carvalho DS de, Albuquerque GSC de. Motivos para a não notificação de incidentes de segurança do paciente por profissionais de saúde: revisão integrativa. Cien Saude Colet 2019; 24(8):2895-2908.
15- Oliveira SH, Silva BS, Carvalho LMR, Gontijo TL, Pinto IC, Guimarães EA de A et al. Prevalence and underreporting of immunization errors in childhood vaccination: results of a household survey. Revista da Escola de Enfermagem da USP 2023; 57. doi:10.1590/1980-220x-reeusp-2023-0253en.
16- Mukai A de O, Nascimento LFC, Alves K de SC. Análise espacial das internações por pneumonia na região do Vale do Paraíba (SP). Jornal Brasileiro de Pneumologia 2009;35: 753–758.
17- Brasil. Ministério da Saúde. Instrução Normativa do Calendário Nacional de Vacinação. Secretária de Vigilância em Saúde, Editora do Ministério da Saúde, Brasília, 2024.https://www.gov.br/aids/pt-br/central-de conteudo/publicacoes/2023/protocolo-clinico-e-.
18- Minas Gerais. Secretária do Estado de Minas Gerais. Superintendências Regionais de Saúde (SRS) e Gerências Regionais de Saúde (GRS). Minas Gerais. 2021a.
19- Kulldorff M, Nagarwalla N. Spatial disease clusters: Detection and inference. Stat Med 1995; 14(8): 799–810.
20- Kulldorff, M. Spatial disease clusters: Detection and inference. Statistics in Medicine, v. 13, p. 1-12, 1994.
21- Anselin, L, Syabri, I, Kho, Y. Geoda: an introduction to spatial data analysis. In: Handbook of applied spatial analysis: Software tools, methods and applications. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. p. 73-89.
22- Stasinopoulos, D, M; Rigby, R, A. Generalized additive models for location scale and shape (GAMLSS) in R. Journal of Statistical Software, v. 23, p. 1-46, 2008.
23- Rigby, R. A; Stasinopoulos, D. M. Generalized additive models for location, scale and shape. Journal of the Royal Statistical Society Series C: Applied Statistics, v. 54, n. 3, p. 507- 554, 2005.
24- Hilbe JM. Practical guide to logistic regression. Flórida: CRC Press; 2018.
25- Desktop, E. S. R. I ArcGIS. Release 10.8. 1. Environmental Systems Research Institute: Redlands, CA, USA, 2020.
26- Brasil. Guia de Vigilância em Saúde. 1st ed. Secretaria de vigilância em saúde: brasília, 2017www.saude.gov.br.
27- Souza VS de, Inoue KC, Costa MAR, Oliveira JLC de, Marcon SS, Matsuda LM. Nursing errors in the medication process: television electronic media analysis. Escola Anna Nery 2018; 22(2). doi:10.1590/2177-9465-ean-2017-0306.
28- Morrudo Garcia EDQ, De Figueiredo PP, Da Silveira RS, Tomaschewski Barlem JG, De Oliveira SG, Ramos FC. Errors in medicinal therapy and the consequences for nursing / Erros na terapia medicamentosa e as consequências para a enfermagem. Revista de Pesquisa: Cuidado é Fundamental Online 2019; 11(1): 88.
29- De França Morais NL, Costa Santos JF. Análise da dimensão espacial da pobreza em Minas Gerais. Revista de Economia do Centro-Oeste 2019; 5(2): 38–54.
30- Lopes B de A, Cañedo MC, Torres NL, Lopes TIB, Gaíva MAM. A cultura de segurança do paciente na perspectiva da equipe de enfermagem. Cogitare Enfermagem 2023; 28. doi:10.1590/ce.v28i0.86111.
31- Monteiro SAMG, Takano OA, Waldman EA. Avaliação do sistema brasileiro de vigilância de eventos adversos pós-vacinação. Revista Brasileira de Epidemiologia 2011; 14: 361–371.
32- Silva AEB de C, Reis AMM, Miasso AI, Santos JO, Cassiani SHDB. Adverse drug events in a sentinel hospital in the State of Goiás, Brazil. Rev Lat Am Enfermagem 2011; 19: 378–386.
33- Lee YH, Harris RC, Oh HW, Oh Y, Vargas-Zambrano JC, Choe YJ. Vaccine-Related Errors in Reconstitution in South Korea: A National Physicians’ and Nurses’ Survey. Vaccines (Basel) 2021; 9(2): 117.
34- Donnini DA, Silva CMB, Gusmão JD, Matozinhos FP, Silva RB, Amaral GG et al. Incidência de erros de imunização em Minas Gerais: estudo transversal, 2015-2019. Epidemiologia e Serviços de Saúde 2022; 31(3). doi:10.1590/s223796222022000300008.
35- Samad F, Burton SJ, Kwan D, Porter N, Smetzer J, Cohen MR et al. Strategies to Reduce Errors Associated with 2-Component Vaccines. Pharmaceut Med 2021; 35(1):1–9.
36- Martins JRT, Alexandre BGP, Oliveira VC de, Viegas SM da F. Permanent education in the vaccination room: what is the reality? Rev Bras Enferm 2018; 71: 668–676.
37- Capponi RL, Cunha CB de S, Paz N dos S. Avaliação das notificações de erros programáticos na administração de imunobiológicos em Porto Alegre - RS, 2019. Revista Eletrônica Acervo Saúde 2020; 12: e4838.
38- Rodgers L, Shaw L, Strikas R, Hibbs B, Wolicki J, Cardemil C V. et al. Frequency and Cost of Vaccinations Administered Outside Minimum and Maximum Recommended Ages—2014 Data From 6 Sentinel Sites of Immunization Information Systems. J Pediatr 2018; 193: 164–171.
39- Braga, PCV, Silva, AEBC, Mochizuki LB, Lima JC, Sousa MRG. et al. Incidência de eventos adversos pós-vacinação em crianças incidence of post-vaccination adverse events in children incidencia de eventos adversos post-vacunación en ninos artigo original. Rev enferm UFPE on line 2017; 11(10): 4126.
Como
Citar
Ferreira, W.V, Arroyo, L.H, Santos, R.C, Andrade, T.I.X, Guimarães, E.A.A, Oliveira, V.C. DISTRIBUIÇÃO ESPACIAL DAS NOTIFICAÇÕES DE ERROS DE IMUNIZAÇÃO NO ESTADO DE MINAS GERAIS. Cien Saude Colet [periódico na internet] (2025/jan). [Citado em 02/04/2025].
Está disponível em: http://cienciaesaudecoletiva.com.br/artigos/distribuicao-espacial-das-notificacoes-de-erros-de-imunizacao-no-estado-de-minas-gerais/19490?id=19490