A tuberculose (TB) é uma doença infectocontagiosa, sendo um dos principais desafios de saúde pública mundial. Nesse sentido, considerando a magnitude da tuberculose como doença socialmente produzida, fica evidente que ela está relacionada a determinantes sociais da saúde, de modo que a mortalidade e a incidência acometem com relevância países de baixa renda, com maior vulnerabilidade social, desigualdade, pobreza, falta de desenvolvimento de políticas públicas e menor protecional social. Diante do exposto, este estudo teve como objetivo mapear as áreas de risco para a tuberculose e analisar as influências da proteção social no desenvolvimento do tratamento na cidade de São Luís, do Maranhão. Trata-se de um método misto, caracterizado pelo desenho sequencial explanatório, cuja coleta de dados foi realizada por meio da ficha de notificação do SINAN, que foi utilizada para a caracterização dos pacientes e para mapear as áreas de riscos para a tuberculose. A geocodificação foi feita a partir de duas técnicas diferentes. A análise de identificação de áreas de alto ou baixo risco para o adoecimento por TB que foi realizada no software SaTScan versão 9.2 e o mapa temático, contendo os Riscos Relativos (RRs) das áreas identificadas na análise de varredura que foi construído por meio do software QGIS versão 3.16.2. Também foram realizadas entrevistas semiestruturadas com pessoas diagnosticadas com TB, as quais foram identificadas a partir dos prontuários de pacientes que faziam tratamento nas Unidades Básicas de Saúde (UBS), localizadas nas regiões de maior risco para TB. Vale ressaltar que para a caracterização dos entrevistados foi usada a versão STATA 13.0 e para a análise dos conteúdos foi utilizado o programa ATLAS.ti versão 9, que serviu para a organização e análise sistemática dos dados empíricos provenientes das entrevistas. Conforme os resultados, foram analisados 7.958 casos de tuberculose notificados ao SINAN, no município de São Luís - MA, no período de 2010 a 2019, de acordo com os dados, verificou-se uma maioria do sexo masculino (67,92%), com faixa etária de 2029 anos (27,07%), pardo (50,11%) e possuindo de 1 a 8 anos de estudos (47,40%), contudo, somente 4,39% recebiam auxílio governamental. Na análise de varredura puramente espacial, foi possível identificar 13 aglomerados espaciais de risco para TB, sendo que o bairro de Pedrinhas representou o local com maior chance ou RR para a incidência da doença. Contudo, as áreas localizadas no aglomerado 11 RR apresentaram maior número de centros de saúde que atendem esse público, logo, são também considerados locais de risco de adoecimento de TB. Quanto as entrevistas, verificou-se nos depoimentos que existe uma relação positiva entre a melhoria dos pacientes de TB e o recebimento de auxílios sociais, visto que a melhora, as taxas de cura, a aderência ao tratamento e a prestação de serviços estão associados ao controle da TB. Portanto, o conhecimento das áreas de risco para o acometimento da doença e os determinantes sociais que são associados a TB permitem fortalecimento do controle da doença e fornecimento de informações que otimizam ações como: busca ativa, educação em saúde, notificações de casos novos, fatores importantes para atenção primária.

Tuberculosis (TB) is an infectious disease and one of the main challenges of the worldwide public health. Hence, given the magnitude of tuberculosis as a socially produced disease, it has become clear that it is related to social determinants of health, in such a way that mortality and incidence relevantly affect low-income countries, with higher social vulnerability, inequality, poverty, lack of development of public policies and lower social protection. Based on the abovementioned, this study aimed at mapping areas at risk for tuberculosis and analyzing the influences of social protection in the development of treatment in the city of São Luís, Maranhão State, Brazil. This was a multimethod study characterized by an exploratory sequential design, whose data were collected through the SINAN report form, which was used for characterizing the patients and for mapping the areas at risk for TB. Geocoding was carried out through two different techniques. The analysis to identify areas at high or low risk for TB sickening was carried out in the SaTScan version 9.2 software and the thematic map, including the Relative Risks (RRs) of the areas identified in the screening analysis, was built through the QGIS version 3.16.2 software. Semi-structured interviews were performed with people diagnosed with TB, which were identified from the medical records of patients receiving treatment at the Basic Health Units (UBS), both headquartered in the areas at higher risk for TB. We used STATA 13.0 version for the characterization of respondents, and the ATLAS.ti version 9 program was applied for content analysis, which was also useful for the organization and systematic analysis of empirical data taken from the interviews. Based on the results, we analyzed 7,958 tuberculosis cases that had been reported to SINAN, in the city of São Luís MA, during the period from 2010 to 2019. According to data, mostly were males (67.92%), aged 20-29 (27.07%), brown-skinned (50.11%), with 1 to 8 years of education (47.40%); however, only 4.39% received government funding. In the purely spatial screening, we were able to find 13 spatial agglomerates at risk for TB, and the Pedrinhas neighborhood represented the place with the highest chance or RR for the disease incidence. Nevertheless, the areas located at agglomerate 11 RR presented a higher number of health centers that provide services for this audience; therefore, they are also considered places at risk of TB sickening. As to the interviews, we have found a positive relation between improvement of TB patients in the testimonials and getting social funds, considering that improvement, cure rates, treatment adhesion, and service provision are associated with TB control. Thus, knowledge of the areas at risk for disease sickening and social determinants commonly associated with TB allow strengthening of the disease control and supply of information that optimize actions, such as: active search, education in health, notification of new cases, important factors for primary care.