O objetivo deste estudo foi analisar a distribuição espacial dos óbitos por tuberculose pulmonar e sua relação com indicadores sociais em São Luís-MA. Trata-se de um estudo ecológico em que foram considerados os óbitos ocorridos na zona urbana do município entre 2008 e 2012, segundo as causas A15.0 a A15.3 e A16.0 a A16.2 (CID-10), disponíveis no Sistema de Informação sobre Mortalidade. Procedeu-se inicialmente as análises univariada e bivariada das variáveis sociodemográficas e operacionais dos óbitos investigados. Para construção dos indicadores sociais utilizou-se a análise de componentes principais, sendo selecionadas variáveis das áreas de ponderação do Censo Demográfico de 2010. Recorreu-se à regressão linear múltipla, pelo método dos mínimos quadrados e à regressão espacial para análise da relação de dependência espacial entre os indicadores sociais e as taxas de mortalidade padronizadas pela idade por meio do Teste Global I de Moran. Utilizou-se ainda técnicas de estatística de varredura para a detecção de aglomerados espaciais e espaço- temporais dos óbitos nos setores censitários do município, sendo empregado o modelo discreto de Poisson. A geocodificação dos óbitos foi processada no TerraView versão 4.2.2, sendo considerados também nas análises os softwares Arcgis-versão 10.1, Statistica versão 12.0, OpenGeoDa versão 1.0, R versão 3.0.2 e SaTScanTM versão 9.2. Em todos os testes, foi fixado o nível de significância em alfa de 5% (p< 0,05). Identificou-se 193 indivíduos que evoluíram para óbito por tuberculose pulmonar, com idade mediana de 52 anos, sendo maior percentual referente ao sexo masculino (n=142; 73,60%), raça/cor parda (n=133; 68,91%), estado civil solteiro (n=102; 53,13%), ensino fundamental completo (n=64; 33,16%) e com ocorrência do óbito no hospital (n=143; 74,08%). Observou-se que não ter assistência médica previamente ao óbito teve associação estatisticamente significativa com a realização de necropsia (p=0,001). Foram geocodificados 95% dos óbitos e as taxas de mortalidade por tuberculose pulmonar padronizadas pela idade variaram de 0,00 a 8,10 óbitos/100.000 habitantes-ano. Na construção dos indicadores sociais, duas novas variáveis surgiram, apresentando variância total de 73,07%. A primeira componente (56,75%) foi denominada indicador de bem-estar social e a segunda (16,32%), indicador de iniquidade social, que, na regressão linear múltipla, apresentou-se estatisticamente significante (R2 =23,86%; p=0,004), verificando-se posteriormente a existência de dependência espacial (Moran I=0,285; p<0,001), sendo o Erro Espacial o melhor modelo explicativo. Foi possível evidenciar ainda que áreas de ponderação com alta e intermediária iniquidade social apresentaram as maiores taxas de mortalidade. Na análise de varredura espacial, identificou-se dois aglomerados espaciais, sendo um de alto risco relativo (RR=3,87; p<0,001) e outro de baixo (RR=0,10; p=0,002), enquanto que a análise espaço-temporal evidenciou apenas um aglomerado de alto risco relativo (RR=3,0; p<0,001) que ocorreu entre novembro de 2008 e abril de 2011. A investigação revelou áreas prioritárias para investimentos em tecnologias de saúde e um perfil de população fatalmente atingida pela doença, evidenciando aspectos importantes a serem considerados em termos de gestão e organização dos serviços de saúde para a equidade no acesso.

This study aimed to analyze the spatial distribution of deaths by pulmonary tuberculosis and the relation with social indicators, in São Luís-MA. It is an ecological study that considered deaths occurring in the urban area of the municipality, between 2008 and 2012, according to causes A15.0 to A15.3 and A16.0 to A16.2 (ICD-10), which are available in the Mortality Information System. It was initially used univariate and bivariate analyzes of demographic and operational variables from the investigated deaths. For the construction of social indicators, it was possible to use the principal components analysis, with variables selected from weighting areas of the Population Census, in 2010. It was utilized the multiple linear regression through the method of least squares and spatial regression to analyze the spatial dependence relationship between social indicators and standardized mortality rates by age, and with the Global I Test of Moran. Also, it was possible to use statistical techniques of scanning for detecting spatial-temporal and spatial clusters of deaths, in the municipality census tracts, and with the use of Poisson's discrete model. The geocoding of deaths was processed in TerraView version 4.2.2, and it was also considered, in the analysis, the softwares Arcgis version 10.1, Statistica version 12.0, OpenGeoDa version 1.0, R version 3.0.2 and SaTScanTM version9.2. It was fixed, in all tests, the level of significancein alpha of 5% (p<0.05). It was identified 193 individuals who died due to pulmonary tuberculosis, with a median age of 52 years, with higher percentage for males (n=142, 73.60%), mulatto race (n=133, 68.91%), single marital status (n=102, 53.13%), complete primary school (n=64, 33.16%), and with deaths at the hospital (n=143, 74.08%). It was seen that having no medical care prior to death was statistically associated with the performance of necropsy (p=0.001). It was possible to geocode 95% of deaths, and death rates due to pulmonary tuberculosis standardized by age ranged from 0.00 to 8.10 deaths per 100.000 inhabitants a year. In the construction of social indicators, two new variables emerged and showed a total variance of 73.07%. The first (56.75%) was denominated indicator of social welfare, and the second (16.32%) as an indicator of social inequity, which was statistically significant in the multiple linear regression (R2 =23.86 %, p=0.004). It was verified the existence of spatial dependence (Moran I=0.285, p<0.001), and the Spatial Error was the best explanatory model. It was also possible to show that weighting areas with high and intermediate social inequity presented the highest mortality rates. In the analysis of spatial scan, it was identified two spatial clusters, one of relatively high risk (RR=3.87, p<0.001) and the other one of low risk (RR=0.10, p=0.002). On the other hand, the spatial-temporal analysis evidenced only a cluster of relatively high risk (RR=3.0, p<0.001), which happened between November, 2008 and April, 2011. The research revealed priority areas for investments on health technology, and population profile fatally afflicted by the disease. It also pointed important aspects to be considered in terms of management and organization of health services for an equity access.