Apesar dos inúmeros esforços para controlar o Aedes aegypti, ainda é alarmante o número de pessoas infectadas pela dengue anualmente. A identificação e mapeamento de áreas de risco é uma das formas mais importantes para reduzir a carga da doença. O principal objetivo da pesquisa foi avaliar o risco e a vulnerabilidade social à dengue no município de São Luís - Maranhão, no período de 2007-2017. Para tanto, foram obtidos dados climáticos (temperatura, umidade relativa do ar e precipitação); dados epidemiológicos (casos de dengue); dados entomológicos (Índice de Infestação Predial); e dados socioeconômicos. Foram realizadas análises estatísticas temporais e análises espaciais. Foi aplicado um modelo linear generalizado com distribuição binomial negativa para verificar associações entre as variáveis climáticas e os casos de dengue para o período de 2013 a 2017 e modelos lineares simples e múltiplos para verificar as associações entre as vaiáveis climáticas e o índice de infestação predial. Nas análises espaciais foi realizado o cálculo do Índice de Moran Global univariado para a taxa de incidência da dengue e Moran Local bivariado entre a taxa de incidência da dengue e variáveis socioeconômicas. Também foi aplicada a estatística de varredura espacial para os casos de dengue. Foi calculado o risco relativo no modelo binomial negativo e na análise de varredura. Os casos de dengue ocorreram ao longo de todos os anos, mas os picos da taxa de incidência ocorreram nos primeiros semestres nos meses de março, abril e maio, coincidindo com o período chuvoso e com os meses de maior volume pluviométrico. As variáveis temperatura média, umidade relativa do ar e precipitação foram significativas no nível de 0,01, enquanto a variável estação não foi significativa. A temperatura média apresentou alto risco relativo (RR = 1,986) para a ocorrência dos casos de dengue enquanto a umidade relativa do ar e a precipitação apresentaram tendência de aumento do risco à dengue (RR = 1,071 e 1,004, respectivamente). Foram encontradas associações significativas entre o índice de infestação predial e as variáveis climáticas apenas nos modelos simples, no modelo múltiplo nenhuma variável teve significância estatística. Houve autocorrelação espacial para a taxa de incidência da dengue (análise univariadas) e entre ela e 12 variáveis das subdimensões saneamento, escolaridade e condições de renda (análise bivariada). A dependência espacial mais forte encontrada foi para variável pessoas com renda de meio salário mínimo. Foram identificados agrupamentos de casos de dengue nas duas análises de varredura espacial. Em ambas as análises, o maior risco relativo foi identificado para o mesmo bairro. A zona rural teve agrupamentos para todas as variáveis, tanto nas análises univariadas quanto nas bivariadas. Embora a parte urbana também tenha registrado clusters, o padrão de distribuição nessa área foi irregular e pontual. Infere-se assim que as condições climáticas do município contribuem para o aumento do risco à dengue e que a distribuição espacial da doença não é aleatória. As áreas de maior risco à dengue estão na zona urbana, mas as áreas mais vulneráveis estão na zona rural.

Despite the innumerous efforts to control the Aedes aegypti proliferation in Brazil, the number of people infected by dengue annually is still alarming. Identification and mapping of risk areas is one of the most important ways to reduce the burden of the disease. The main objective of this research was to analyze the risk and the social vulnerability to dengue in municipality of São Luis, Maranhão, during the period of 2007-2017. In order to achieve this goal the meteorological data (temperature, relative humidity and rainfall) were obtained from Rede de Meterologia do Comando da Aeronáutica; the epidemiological (dengue new cases) and entomological (Building Infestation Index) data were obtained from Secretaria Municipal de Saúde de São Luís; and the socioeconomics data were obtained from Instituto Brasileiro de Geografia e Estatística. Temporal statistics analysis and spatial analysis were performed based on the data acquired. A generalized linear model with negative binomial distribution was applied to verify association between meteorological variables and dengue cases for the period 2013-2017 and both simple and multiple linear models were applied to verify association between climatic variables and Building Infestation Index. In spatial analysis the univariate Global Moran Index for the dengue incidence rate and the bivariate Local Moran Index for the dengue incidence rate and socioeconomic variables were calculated. The spatial scan statistics also were applied to dengue cases. The relative risks were calculated in the negative binomial model and in the scan analysis. The dengue cases occurred throughout the years, however the peak incidence rate occurred in the first semesters in March, April and May, coinciding with rainy season and months of the highest rainfall. The variables mean temperature, relative humidity and rainfall were significant at the 0,01 level while season variable was not significant. The mean temperature presented a high relative risk (RR = 1,986) for the occurrence of dengue cases while relative humidity and rainfall showed upward trend of risk for dengue (RR = 1,071 and 1,004, respectively). Significant associations between the Building Infestation Index and the climatic variables were found only in the simple models, in the multiple model no variable had statistical significance. There was spatial autocorrelation to dengue incidence rate (univariate analysis) and between it and 12 variables of the sewage, literacy and income (bivariate analysis). The strongest spatial dependence found was for the variable "people with income of half minimum wage". Clusters of dengue case were identified in the two spatial scan analyses. In both analyses the highest relative risk was identified in the same neighborhood. The rural area had clusters for all variables, both in univariate and bivariate analyses. Although the urban area also had presented clusters, the distribution pattern in this area was irregular and punctual. Therefore, the climatic conditions of the municipality contribute to a increased risk of dengue and that the spatial distribution of the disease is not random. The areas of highest risk to dengue are in the urban area, however the most vulnerable areas are in the rural area.