quarta-feira, 13 de maio de 2015

Boas vindas!

Amigos,

Obrigada por acessarem o blog " Sobre Epidemiologia...".


Esse espaço foi criado com a intenção de ampliar as informações dos que se interessam pela epidemiologia e por que não dizer, pela promoção da saúde e prevenção das doenças.

Suas sugestões e opiniões serão muito úteis.

Esperamos contribuir e receber sua colaboração na idealização de um sonho de ver o mundo sustentável.

Seja nosso seguidor!

Você lembra os tipos de estudos epidemiológicos?

Estudos Epidemiológicos

Os tipos de estudo podem ser:
  • Qualitativos: utiliza conceitos, comportamentos, percepções, informações das pessoas (coleta de dados: observações, entrevistas e leituras);refere-se a estudos profundos, subjetivos;usados em larga escala nas ciências sociais.
  • Quantitativos: são objetivos na busca para explicação dos fenômenos, ênfase numérica;maior aplicação na área da saúde. 

De uma maneira geral, podemos identificar três delineamentos do método epidemiológico:
• epidemiologia descritiva;
• epidemiologia analítica;
• epidemiologia experimental

Os delineamentos dos estudos epidemiológicos descritivos abrangem: 
• estudos ecológicos ou de correlação; 
• relatos de casos ou de série de casos; 
• estudos seccionais ou de corte transversal.

Os estudos analíticos constituem alternativas do método epidemiológico para testar hipóteses elaboradas geralmente durante estudos descritivos. Temos fundamentalmente dois tipos de estudos analíticos
• coortes; 
• caso-controle

A epidemiologia experimental abrange os chamados estudos de intervenção, que apresentam como característica principal o fato de o pesquisador controlar as condições do experimento.

Tipos de estudos epidemiológicos - Quadro esquemático





Fonte: http://portalses.saude.sc.gov.br/arquivos/sala_de_leitura/saude_e_cidadania/ed_07/pdf/09_03.pdf
            http://pt.wikipedia.org/wiki/Tipos_de_estudo_epidemiol%C3%B3gico


sexta-feira, 8 de maio de 2015

Vírus Zika - O que é?

Vírus Zika [Zika virus - (ZIKV)]: é uma espécie de vírus da família Flaviviridae e do gênero Flavivirus. Em humanos, ele causa a doença conhecida como febre Zika. É relacionado a dengue, febre amarela, encefalite do Oeste do Nilo e Encefalite japonesa, vírus que também fazem parte da família Flaviviridae.
Epidemiologia: o primeiro surto da doença fora da África e Ásia foi em abril de 2007, na ilha de Yap nos Estados Federados da Micronésia. O vírus se caracterizou pelas erupções cutâneas, conjuntivite, e artralgia, e inicialmente se pensou que era dengue. Os vírus Chikungunya e do rio Ross também foram tomados como suspeitos. Porém, amostras de soro dos pacientes na fase aguda da doença continham RNA do vírus Zika. O processo infeccioso da febre Zika foi relativamente leve: houveram 49 casos confirmados, 59 não confirmados, nenhuma morte ou hospitalização.
Um surto recente do vírus Zika fora da África e da Ásia foi confirmada em abril de 2015, no Brasil. Na cidade de Salvador, capital do estado da Bahia, as autoridades de saúde confirmaram que uma doença até então desconhecida que afeta cerca de 500 pacientes com sintomas semelhantes aos da gripe, seguido de exantema e artralgia é realmente um surto em curso da febre Zika, como provado pela técnica de RT-PCR por pesquisadores da Universidade Federal da Bahia. As autoridades locais ligaram o surto recente ao aumento do fluxo de visitantes estrangeiros motivados pela Copa do Mundo FIFA de 2014, juntamente com a grande população de insetos vetores Aedes aegypti e Aedes albopictus que habitam a região. O surto segue um padrão semelhante ao também recente surto do vírus Chikungunya na mesma região, outra doença até então desconhecida à população local.
O vírus Zika pode ser considerado um patógeno emergente, visto que se espalhou para fora da África e Ásia pela primeira vez em 2007. Até o momento, foi uma doença relativamente leve com alcance limitado, mas seu verdadeiro potencial como vírus e agente infeccioso é atualmente desconhecido.
Clínica: sintomas comuns da infecção costumam incluir dores de cabeça leves, exantema maculopapular, febre, mal estar, conjuntivite, e artralgia. O primeiro caso bem documentado do vírus Zika foi em 1964, começando com uma leve dor de cabeça que progrediu para um exantema maculopapular, febre e dor nas costas. Com dois dias, a erupção começou a desaparecer, e com 3 dias, a febre desapareceu com apenas a erupção permanecendo. Não há qualquer vacina ou droga preventiva contra o vírus Zika, e apenas o tratamento sintomático é possível. Usualmente antiinflamatórios não-esteróides e/ou analgésicos não-salicílicos são utilizados.
Fonte: http://pt.wikipedia.org/wiki/V%C3%ADrus_Zika

O Quadro abaixo mostra as diferenças clínicas entre a Dengue, Chikungunya e Febre Zika:
Fonte: Virus Zika Polynésie _ 2013 - 2014 Ile de Yap, Micronésie _ 2007 (janvier 2014). 
Vale a pena ler esse artigo!



quinta-feira, 3 de julho de 2014

Ebola: Epidemia na África Ocidental está fora de controle!

A epidemia do ebola está preocupando os moradores da África. A epidemia atual é a mais grave desde 1976, quando o vírus foi descoberto. Só este ano, o ebola já infectou 759 pessoas e provocou a morte de 467. O vírus mata até 90% dos pacientes e desta vez já se espalhou por três países da África.
A epidemia está fora de controle, segundo a organização humanitária Médicos Sem Fronteira. Há pacientes infectados em mais de 60 localidades em Serra Leoa, na Libéria e na Guiné, incluindo a capital Conacri.
O médico Paulo Reis é um dos 300 profissionais que atuam no combate ao ebola. Ele acredita que a proliferação do vírus para outras áreas da África é inevitável. Uma das razões é a falta de informação. As pessoas não têm ideia da gravidade da doença. “A população desconfia muito. Se você vai a uma vila isolada, às vezes eles nem te recebem. Precisa ter gente doente, pessoa morrendo para que a comunidade comece a aceitar”.
O vírus mata de quatro a dez dias e não há vacina. A doença provoca febre, dores de cabeça, nos músculos e fraqueza. Por isso é facilmente confundida com qualquer outra virose, o que dificulta a identificação até pelas equipes de saúde.
A transmissão é pelo contato com secreções do corpo. A qualquer sinal de febre o paciente tem que ficar isolado. Médicos, enfermeiros e todos que circulam pela área onde ficam essas pessoas precisam se proteger.
“É uma roupa descartável, de material sintético, totalmente impermeável. Inclusive com veda no zíper. É um capuz, máscara, duas luvas, óculos e um avental, que vem por cima de tudo. A roupa não deixa escapar suor. A roupa é vedada. A roupa hospitalar que você usa por baixo fica completamente encharcada quando você sai de lá em um dia quente”, relata o médico.
O desgaste físico e psicológico é tamanho que as equipes passam, no máximo, dois meses em áreas infectadas. Os médicos sabem que a maioria dos pacientes morre, mas cada vida salva é uma vitória e um estímulo.
Combate
Ministros da saúde de onze países da África estão reunidos para discutir a epidemia no continente. Os países africanos querem fortalecer a cooperação regional para evitar que o ebola se espalhe ainda mais. A Organização Mundial da Saúde já considera esse o pior surto da doença.
Por enquanto, só há casos conhecidos em Serra Leoa, Guiné e Libéria, mas a OMS alerta que outros quatro países do oeste da África – Costa do Marfim, Senegal, Mali e Guiné-Bissau – precisam se preparar para a possibilidade de receber viajantes infectados.
Um dos descobridores do vírus disse que uma das formas mais eficientes de combater a epidemia é a informação. É preciso falar sobre a doença e aprender como evitá-la. O ebola é um dos vírus mais fatais do mundo.
Fonte: http://g1.globo.com/jornal-hoje/noticia/2014/07/epidemia-do-ebola-na-africa-ocidental-esta-fora-de-controle.html


sexta-feira, 16 de maio de 2014

Você sabe o que é o Valor-p?

Na estatística clássica, o valor-pp-value ou nível descritivo, é a probabilidade de se obter uma estatística de teste igual ou mais extrema que aquela observada em uma amostra, sob a hipótese nula. Por exemplo, em testes de hipótese, pode-se rejeitar a hipótese nula a 5% caso o valor-p seja menor que 5%. Assim, uma outra interpretação para o valor-p, é que este é menor nível de significância com que não se rejeitaria a hipótese nula. Em termos gerais, um valor-p pequeno significa que a probabilidade de obter um valor da estatística de teste como o observado é muito improvável, levando assim à rejeição da hipótese nula.
Em um teste clássico de hipóteses, são definidas duas hipóteses, a nula (H0) e a alternativa (HA). Em muitas aplicações da estatística, convenciona-se definir a hipótese alternativa como a hipótese formulada pelo pesquisador, enquanto a hipótese nula é o seu complemento. A princípio, a hipótese nula é considerada a verdadeira. Ao confrontarmos a hipótese nula com os achados de uma amostra aleatória tomada de uma população de interesse, verifica-se a sua plausibilidade em termos probabilísticos, o que nos leva a rejeitarmos ou não H0. Se não rejeitamos H0, tomamo-la como verdadeira; caso contrário, tomamos HA como verdadeira.
No entanto, por utilizarmos nesta tomada de decisão uma amostra (uma parte da população) e não a população inteira, podemos cometer dois tipos de erro. Cometemos um erro tipo I quando rejeitamos H0 e H0 é verdadeira, e cometemos um erro tipo II quando não rejeitamos H0 e H0 é falsa. A tabela abaixo descreve estas situações.
A hipótese H0 é verdadeiraA hipótese H0 é falsa
Rejeita-se H0Erro do tipo Isem erro
Não se rejeita H0sem erroErro do tipo II
A probabilidade de cometermos um erro tipo I é chamada de nível de significância, denotado pela letra grega \alpha. O nível de significância é geralmente determinado pelo pesquisador antes da coleta dos dados. Em muitas aplicações da estatística, o nível de significância é tradicionalmente fixado em 0,05.1
Com base nestes conceitos, podemos definir o valor-p como a menor escolha que teríamos feito para o nível de significância, de forma que rejeitaríamos H0. Por exemplo, vamos supor que o nível de significância foi fixado em \alpha = 0,05. Um valor-p igual a 0,20 indica que nós teríamos rejeitado H0 se tivéssemos escolhido um nível de significância de 0,20, ao menos. Como escolhemos \alpha = 0,05, não rejeitamos H0. Isto leva a uma regra simplista, mas usual, onde rejeitamos H0 se o valor-p é menor que \alpha e não rejeitamos H0 caso contrário.
É preciso muita cautela na interpretação de um valor-p, dado que esta medida é bastante influenciada pelo tamanho da amostra. Amostras grandes tendem a produzir valores-ppequenos, ainda que o efeito observado não tenha grande importância prática, enquanto amostras pequenas tendem a produzir valores-p grandes, ainda que exista um importante efeito em um ponto de vista prático.2 Por isso, o uso dos valores-p nas pesquisas médicas tem sido bastante criticado por vários autores.
Fonte: http://pt.wikipedia.org/wiki/Valor-p

O que é "significância estatística" (nível-p)

A significância estatística de um resultado é uma medida estimada do grau em que este resultado é "verdadeiro" (no sentido de que seja realmente o que ocorre na população, ou seja no sentido de "representatividade da população"). Mais tecnicamente, o valor do nível-p representa um índice decrescente da confiabilidade de um resultado. Quanto mais alto o nível-p, menos se pode acreditar que a relação observada entre as variáveis na amostra é um indicador confiável da relação entre as respectivas variáveis na população. Especificamente, o nível-p representa a probabilidade de erro envolvida em aceitar o resultado observado como válido, isto é, como "representativo da população". Por exemplo, um nível-p de 0,05 (1/20) indica que há 5% de probabilidade de que a relação entre as variáveis, encontrada na amostra, seja um "acaso feliz". Em outras palavras, assumindo que não haja relação entre aquelas variáveis na população, e o experimento de interesse seja repetido várias vezes, poderia-se esperar que em aproximadamente 20 realizações do experimento haveria apenas uma em que a relação entre as variáveis em questão seria igual ou mais forte do que a que foi observada naquela amostra anterior. Em muitas áreas de pesquisa, o nível-p de 0,05 é costumeiramente tratado como um "limite aceitável" de erro.



Como determinar que um resultado é "realmente" significante?


Não há meio de evitar arbitrariedade na decisão final de qual nível de significância será tratado como realmente "significante". Ou seja, a seleção de um nível de significância acima do qual os resultados serão rejeitados como inválidos é arbitrária. Na prática, a decisão final depende usualmente de: se o resultado foi previsto a priori ou apenas a posteriori no curso de muitas análises e comparações efetuadas no conjunto de dados; no total de evidências consistentes do conjunto de dados; e nas "tradições" existentes na área particular de pesquisa. Tipicamente, em muitas ciências resultados que atingem nível-p 0,05 são considerados estatisticamente significantes, mas este nível ainda envolve uma probabilidade de erro razoável (5%). Resultados com um nível-p 0,01 são comumente considerados estatisticamente significantes, e com nível-p 0,005 ou nível-p 0,001 são freqüentemente chamados "altamente" significantes. Estas classificações, porém, são convenções arbitrárias e apenas informalmente baseadas em experiência geral de pesquisa. Uma conseqüência óbvia é que um resultado considerado significante a 0,05, por exemplo, pode não sê-lo a 0,01. 
  

Significância estatística e o número de análises realizadas

Desnecessário dizer quanto mais análises sejam realizadas em um conjunto de dados, mais os resultados atingirão "por acaso" o nível de significância convencionado. Por exemplo, ao calcular correlações entre dez variáveis (45 diferentes coeficientes de correlação), seria razoável esperar encontrar por acaso que cerca de dois (um em cada 20) coeficientes de correlação são significantes ao nível-p 0,05, mesmo que os valores das variáveis sejam totalmente aleatórios, e aquelas variáveis não se correlacionem na população. Alguns métodos estatísticos que envolvem muitas comparações, e portanto uma boa chance para tais erros, incluem alguma "correção" ou ajuste para o número total de comparações. Entretanto, muitos métodos estatísticos (especialmente análises exploratórias simples de dados) não oferecem nenhum remédio direto para este problema. Cabe então ao pesquisador avaliar cuidadosamente a confiabilidade de descobertas não esperadas. 
  
 

Força X Confiabilidade de uma relação entre variáveis

Foi dito anteriormente que força (magnitude) e confiabilidade são dois aspectos diferentes dos relacionamentos entre variáveis. Contudo, eles não são totalmente independentes. Em geral, em uma amostra de um certo tamanho quanto maior a magnitude da relação entre variáveis, mais confiável a relação.

Assumindo que não há relação entre as variáveis na população, o resultado mais provável deveria ser também não encontrar relação entre as mesmas variáveis na amostra da pesquisa. Assim, quanto mais forte a relação encontrada na amostra menos provável é a não existência da relação correspondente na população. Então a magnitude e a significância de uma relação aparentam estar fortemente relacionadas, e seria possível calcular a significância a partir da magnitude e vice-versa. Entretanto, isso é válido apenas se o tamanho da amostra é mantido constante, porque uma relação de certa força poderia ser tanto altamente significante ou não significante de todo dependendo do tamanho da amostra. 
 

Por que a significância de uma relação entre variáveis depende do tamanho da amostra?

Se há muito poucas observações então há também poucas possibilidades de combinação dos valores das variáveis, e então a probabilidade de obter por acaso uma combinação desses valores que indique uma forte relação é relativamente alta. Considere-se o seguinte exemplo:
Há interesse em duas variáveis (sexo: homem, mulher; WCC: alta, baixa) e há apenas quatro sujeitos na amostra (2 homens e 2 mulheres). A probabilidade de se encontrar, puramente por acaso, uma relação de 100% entre as duas variáveis pode ser tão alta quanto 1/8. Explicando, há uma chance em oito de que os dois homens tenham alta WCC e que as duas mulheres tenham baixa WCC, ou vice-versa, mesmo que tal relação não exista na população. Agora considere-se a probabilidade de obter tal resultado por acaso se a amostra consistisse de 100 sujeitos: a probabilidade de obter aquele resultado por acaso seria praticamente zero.
Observando um exemplo mais geral. Imagine-se uma população teórica em que a média de WCC em homens e mulheres é exatamente a mesma. Supondo um experimento em que se retiram pares de amostras (homens e mulheres) de um certo tamanho da população e calcula-se a diferença entre a média de WCC em cada par de amostras (supor ainda que o experimento será repetido várias vezes). Na maioria dos experimento os resultados das diferenças serão próximos de zero. Contudo, de vez em quando, um par de amostra apresentará uma diferença entre homens e mulheres consideravelmente diferente de zero. Com que freqüência isso acontece? Quanto menor a amostra em cada experimento maior a probabilidade de obter esses resultados errôneos, que, neste caso, indicariam a existência de uma relação entre sexo e WCC obtida de uma população em que tal relação não existe. Observe-se mais um exemplo ("razão meninos para meninas", Nisbett et al., 1987):

Há dois hospitais: no primeiro nascem 120 bebês a cada dia e no outro apenas 12. Em média a razão de meninos para meninas nascidos a cada dia em cada hospital é de 50/50. Contudo, certo dia, em um dos hospitais nasceram duas vezes mais meninas do que meninos. Em que hospital isso provavelmente aconteceu? A resposta é óbvia para um estatístico, mas não tão óbvia para os leigos: é muito mais provável que tal fato tenha ocorrido no hospital menor. A razão para isso é que a probabilidade de um desvio aleatório da média da população aumenta com a diminuição do tamanho da amostra (e diminui com o aumento do tamanho da amostra). 
  
 

Por que pequenas relações podem ser provadas como significantes apenas por grandes amostras?

Os exemplos dos parágrafos anteriores indicam que se um relacionamento entre as
variáveis em questão (na população) é pequeno, então não há meio de identificar tal relação em um estudo a não ser que a amostra seja correspondentemente grande. Mesmo que a amostra seja de fato "perfeitamente representativa" da população o efeito não será estatisticamente significante se a amostra for pequena. Analogamente, se a relação em questão é muito grande na população então poderá ser constatada como altamente significante mesmo em um estudo baseado em uma pequena amostra. Mais um exemplo:
Se uma moeda é ligeiramente viciada, de tal forma que quando lançada é ligeiramente mais provável que ocorram caras do que coroas (por exemplo uma proporção 60% para 40%). Então dez lançamentos não seriam suficientes para convencer alguém de que a moeda é viciada, mesmo que o resultado obtido (6 caras e 4 coroas) seja perfeitamente representativo do viesamento da moeda. Entretanto, dez lançamentos não são suficientes para provar nada? Não, se o efeito em questão for grande o bastante, os dez lançamentos serão suficientes. Por exemplo, imagine-se que a moeda seja tão viciada que não importe como venha a ser lançada o resultado será cara. Se tal moeda fosse lançada dez vezes, e cada lançamento produzisse caras, muitas pessoas considerariam isso prova suficiente de que há "algo errado" com a moeda. Em outras palavras, seria considerada prova convincente de que a população teórica de um número infinito de lançamentos desta moeda teria mais caras do que coroas. Assim, se a relação é grande, então poderá ser considerada significante mesmo em uma pequena amostra. 
 Fonte: http://www.inf.ufsc.br/~marcelo/intro.html

Atualize-se! Dicas de eventos.





terça-feira, 15 de abril de 2014

Fique de Olho! Atualize-se!

Congresso 2014

Trabalho, Stress e Saúde: a resiliência como estímulo no trabalho – da teoria à ação


segunda-feira, 31 de março de 2014

A importância do Fator de Impacto CAPES – QUALIS

sexta-feira, 28 de março de 2014

Quando considerar uma doença endêmica?

Doenças endêmicas

As doenças transmissíveis são chamadas de endêmicas quando em uma área geográfica ou grupo populacional apresenta um padrão de ocorrência relativamente estável com elevada incidência ou prevalência. Doenças endêmicas como a malária estão entre os principais problemas de saúde em países tropicais de baixa renda. Se ocorrerem mudanças nas condições do hospedeiro, do agente ou do ambiente, uma doença endêmica poderá se tornar epidêmica. Por exemplo, na Europa, durante a Primeira Guerra Mundial ocorreu retrocesso no controle da varíola.

Fonte: Epidemiologia básica / R. Bonita, R. Beaglehole, T. Kjellström; [tradução e revisão científica Juraci A. Cesar]. - 2.ed. - São Paulo, Santos. 2010. 213p. : il.
Acesso: http://whqlibdoc.who.int/publications/2010/9788572888394_por.pdf

Teste Paramétrico X Teste Não Paramétrico





Fonte: http://pt.slideshare.net/rosariocacao/testes-parametricos-e-nao-parametricos-3396639.

segunda-feira, 10 de março de 2014

Congresso Epidemiologia 2014

 IX Congresso Brasileiro de Epidemiologia (EpiVix), entre os dias 07 a 10 de setembro de 2014, em Vitória, ES.
http://www.epiabrasco.com.br/

terça-feira, 6 de agosto de 2013

Fique atento aos próximos eventos!

VI Simpósio Brasileiro de Vigilância Sanitária
VI SIMBRAVISA
O Simpósio ocorrerá entre os dias 26 e 30 de outubro de 2013 em Porto Alegre (RS).
Tema: Vigilância Sanitária, desenvolvimento e inclusão: dilemas para a regulação e proteção da saúde.



   IX CONGRESSO BRASILEIRO DE EPIDEMIOLOGIA, em 2014.

O próximo Congresso Brasileiro de Epidemiologia será realizado de 06 a 09 de setembro de 2014
no Centro de Convenções de Vitória.
As atividades pré-congresso acontecerão no campus da Universidade Federal do Espírito Santo.

Tema do evento: 'FRONTEIRAS DA EPIDEMIOLOGIA CONTEMPORÂNEA: DO CONHECIMENTO À AÇÃO. 



quarta-feira, 10 de abril de 2013

A VIGILÂNCIA EPIDEMIOLÓGICA NO BRASIL


A VIGILÂNCIA EPIDEMIOLÓGICA NO BRASIL
Outro avanço é a redução de 24% de casos de malária na Amazônia Legal, no período de 2005 a 2007, passando de 603.026 para  457.466 casos na região que concentra 99,9% da transmissão da malária no Brasil.
Em relação à Aids, o país tem uma epidemia estabilizada desde o ano de 2000, principalmente nas regiões Sul, Sudeste e Centro-Oeste. No Norte e Nordeste, a tendência é de crescimento. Apesar de o Brasil ter cerca de um terço de todas as pessoas com HIV da América Latina, o acesso aos serviços de prevenção e o tratamento adequado possibilitaram a estabilização da epidemia. O acesso universal à terapia anti-retroviral no país é responsável pela diminuição da taxa de mortalidade de 9,6 em 1996 para 6 por 100mil habitantes em 2005. Com o acesso à terapia anti-retroviral, estima-se que mais de 1,3 milhão de internações foram evitadas no período de 1997 a 2007.
Como define a Lei Orgânica da Saúde (Lei 8.080/90), a vigilância epidemiológica é "o conjunto de atividades que permite reunir a informação indispensável para conhecer, a qualquer momento, o comportamento ou história natural das doenças, bem como detectar ou prever alterações de seus fatores condicionantes, com o fim de recomendar oportunamente, sobre bases firmes, as medidas indicadas e eficientes que levem à prevenção e ao controle de determinadas doenças".
No âmbito do SNVE, a Secretaria de Vigilância em Saúde - SVS define normas e procedimentos técnicos e diretrizes operacionais, além de promover a cooperação técnica e assessorar as Secretarias Estaduais e Municipais de Saúde. Também promove a cooperação técnica com organismos internacionais correlatos.
A Secretaria de Vigilância em Saúde - SVS trabalha para a promoção e disseminação do uso da metodologia epidemiológica em todos os níveis do Sistema Único de Saúde (SUS). Objetiva o estabelecimento de sistemas de informação e análises que permitam o monitoramento do quadro sanitário do país e subsidiem a formulação, implementação e avaliação das ações de prevenção e controle de doenças e agravos, a definição de prioridades e a organização dos serviços e ações de saúde.



terça-feira, 19 de fevereiro de 2013

Estante de Livros (Novos lançamentos)


Epidemiologia Insights

Epidemiologia Insights
por Maria de Lourdes Ribeiro de Souza da Cunha
Editor : InTech 2012 ISBN-13 : 9789535105657 Número de páginas : 396

Capa
Introduction to Epidemiology 
Ray M. Merrill - New Edition  2012


Fundamentals of Epidemiology and Biostatistics

Ray M. Merrill - 2012 

domingo, 10 de fevereiro de 2013

Atualize-se! Participe de bons eventos científicos!


4th International Meeting on Emerging Diseases and Surveillance - IMED 2013 

Vienna, Austria : February 15-18, 2013.


Lisboa: 20 a 23 de Abril de 2013, no Instituto de Higiene e Medicina Tropical.


Berlin : 27 a 30 Abril de 2013.


Kinshasa, Congo: 13-15 June 2013.

8th European Congresso n Tropical Medicine and International Health & 5th Conference of the Scandinavian–Baltic Society for Parasitology

Copenhagen, Dinamarca: 10-13 de Setembro, 2013.


Granada, Espanha:  4-6 de Setembro, 2013.