A recorrência em tuberculose, seja devido a recaída ou a reinfecção, é um grave problema de saúde pública. A proporção de pacientes multi resistentes ou extensivamente resistentes aos antibióticos é maior entre os casos recorrentes. Algumas medidas precisam de ser implementadas de maneira a reduzir a frequência de casos recorrentes. Para compreender a recorrência é necessário compreender os factores de risco associados, o seu papel e como essa informação pode afectar estratégias futuras. O objectivo desta tese é analisar casos recorrentes de tuberculose de maneira a identificar covariáveis que influenciam o tempo desde o fim do primeiro episódio até ao início do segundo episódio. Para atingir este propósito, dados do SVIG-TB foram analisados. Apenas pacientes diagnosticados com o seu primeiro episódio entre 2002 e 2009, em Portugal, foram incluídos. A realização da vacina BCG era uma das variáveis mais interessantes para incluir devido a perdurável discussão sobre o efeito protector da vacina. No entanto, usar esta variável leva a um problema de dados omissos na base de dados. Os dados omissos variam entre um baixo valor de 0.03% para a Forma Clínica até um elevado valor de 59% para a Vacina. Uma possível explicação para a diferente quantidade de dados omissos poderá ser que cada centro de saúde pergunta questões ao paciente, inserindo essa informação no SVIG-TB. Provavelmente, alguns centros de saúde dão mais importância a algumas variáveis enquanto outros centros ignoram essas variáveis. Portanto, para evitar descartar a variável Vacina e perder a informação referente aos pacientes com dados omissos várias técnicas de imputação múltipla foram usadas. Um modelo foi ajustado aos dados completos de forma a comparar os resultados com os resultados obtidos por modelos ajustados a base de dados com os valores imputados. Um modelo foi também ajustado aos dados completos sem a variável Vacina de modo a compreender as implicações de descartar uma variável com uma grande proporção de dados omissos. Uma base de dados "completa" foi obtida através de imputação por substituição da média de modo a comparar os resultados de imputação simples com imputação múltipla. Vários métodos de imputação múltipla foram usados: Predictive Mean Matching, dois modelos diferentes de Random Forest e um modelo de Expectation-Maximization with Bootstrapping. Predictive Mean Matching apresenta, no geral, resultados consistentes na literatura. Investigação recente apresenta vantagens em imputar dados com Random Forest e Expectation-Maximization with Bootstrapping imputa dados via a máxima verosimilhança. Esta análise alerta para o perigo de descartar uma variável para efectuar uma análise de dados completos. De facto, este modelo rejeitou a variável HIV e incluíu a variável relacionada com a Residência Comunitária apresentando os resultados mais distintos comparado com os restantes modelos. A variável Álcool e Diabetes não foi significativa no modelo ajustado aos dados completos, sendo a última excluída devido a um problema de separação completa. Imputação por substituição da média, imputação via máxima verosimilhança e Random Forest missForest seleccionaram as mesmas variáveis (Vacina, Forma Clínica, Situação, Álcool, Prisão, HIV, Diabetes e idade). O modelo ajustado aos dados imputado por Predictive Mean Matching apresentou resultados semelhantes para as estimativas comparando com os restantes modelos; no entanto, não incluiu Prisão e Vacina. As duas técnicas implementadas de Random Forest tiveram resultados semelhantes mas o package mice é extremamente lento. Random Forest missForest e imputação via máxima verosimilhança apresentaram os resultados mais consistentes. Como esperado, as estimativas dos coeficientes e os erros padrão do modelo ajustado aos dados completos são maiores que as estimativas dos modelos ajustados aos dados imputados. Os valores de R2 e C são mais elevados que nos modelos ajustados aos dados imputados no entanto estes valores não podem ser correctamente comparados uma vez que os modelos são baseados em conjuntos de dados diferentes. As estimativas dos coeficientes e erros padrão, entre imputação simples e múltipla imputação, são muito semelhantes, excepto para a variável Prisão que possui um ligeiro aumento da estimativa do coeficiente. De realçar que imputação simples não introduz variabilidade no modelo, ignorando que os valores não são todos verdadeiros. Ambos os modelos ajustados aos dados imputados por Expectation-Maximization with Bootstrapping e por Random Forest missForest produzem resultados adequados. No entanto, não é possível seleccionar o "melhor" método de imputação. Cada base de dados deve ser tratada independentemente. Uma série de escolhas (como o número de imputações, o número de iteracções, o método ou métodos para imputar os dados, como incorporar interacções e não linearidades, etc) devem ser consideradas e ser tratadas com cuidado uma vez que escolhas erradas levam a estimativas incorrectas. Muitos estudos debatem sobre a eficácia da vacina BCG embora a maior parte apenas ignore este problema e não adiciona informação sobre a vacinação no modelo. A vacina foi incluída neste estudo e verificou-se significativa em alguns modelos. O efeito estimado para a variável BCG varia de 56% (modelo ajustado aos dados imputados por Expectation-Maximization with Bootstrapping) até 80% (análise de casos completos). Este resultado indica que pessoas não vacinadas tem um risco maior de sofrer um novo episódio de tuberculose comparado com pessoas vacinadas. O risco de um episódio recorrente para um indivíduo com uma forma extrapulmonar é entre 1.86 vezes (modelo ajustado aos dados imputados por Expectation-Maximization with Bootstrapping) até 2.59 vezes (modelo ajustado aos dados completos) o de um indivíduo com uma forma pulmonar de tuberculose. O risco de recorrência para indivíduos que desistiram do tratamento é entre 3 vezes (modelo ajustado aos dados imputados por Expectation-Maximization with Bootstrapping) até 9 vezes (valor semelhante para os restantes modelos) o de indivíduos que completaram o tratamento. Um indivíduo alcoólico tem um aumento entre 70% a 80% no risco de recorrência que um indivíduo sem problemas alcoólicos. As estimativas do coeficiente para a variável Prisão são mais diversas. O risco de recorrência para alguém preso é entre 3 vezes (modelo ajustado aos dados imputados por Expectation-Maximization with Bootstrapping) até 10 vezes (análise de dados completos) o de alguém que não está na prisão. O risco de um episódio recorrente para um indivíduo com HIV é entre 1.93 vezes (modelo ajustado aos dados imputados por Expectation-Maximization with Bootstrapping) até 3.29 vezes (modelo ajustado aos dados completos) o de um indivíduo sem HIV. Os resultados obtidos para as estimativas do coeficiente da variável Diabetes foram surpreendentes. A análise mostrou que indivíduos com Diabetes tem uma diminuição de 80% no risco comparado com indivíduos sem Diabetes. Em Portugal, a taxa de indivíduos não diagnosticados é de 43%, o que pode levar a uma subestimação do verdadeiro efeito da variável Diabetes. Um aumento de um ano de idade leva a uma diminuição de 1% a 2% no risco de recorrência. No entanto, é provável que algumas destas variáveis estejam correlacionadas com variáveis que não foram medidas, em particular, com a aderência ao tratamento e o estado da doença ao iniciar o tratamento. Estes resultados sugerem que a maioria dos casos de recorrência podem ser devido a uma recaída uma vez que tuberculose extrapulmonar, idade jovem e HIV são factores associados a recaída. Para concluir, estudos adicionais são necessários para confirmar estes resultados. Incluir informação acerca da aderência ao tratamento, da resistência aos antibióticos e dados de genotipagem (para distinguir entre recaída e reinfecção) é essencial. Em casos de dados omissos deve ser realizada uma imputação de dados uma vez que possui menos suposições que realizar uma análise de casos completos. Uma análise exaustiva deve ser realizada de modo a avaliar o método mais apropriado para a imputação.

Tuberculosis is currently the second highest cause of death from infectious diseases worldwide. The emergence of multi and extensive drug resistance is threatening to make tuberculosis incurable. There is growing evidence that the genetic diversity of Mycobacterium tuberculosis may have important clinical consequences. Therefore, combining genetic, clinical and socio-demographic data is critical to understand the epidemiology of this infectious disease, and how virulence and other phenotypic traits evolve over time. This requires dedicated bioinformatics platforms, capable of integrating and enabling analyses of this heterogeneous data.

The COVID-19 pandemic has resulted in changes in healthcare use. This study aimed to identify factors associated with a patient’s decision to avoid and/or delay healthcare during the COVID-19 pandemic. We used data from a community-based survey in Portugal from July 2020 to August 2021, “COVID-19 Barometer: Social Opinion”, which included data regarding health services use, risk perception and confidence in health services. We framed our analysis under Andersen’s Behavioural Model of Health Services Use and utilised Poisson regression to identify healthcare avoidance associated factors. Healthcare avoidance was high (44%). Higher prevalence of healthcare avoidance was found among women; participants who reported lower confidence in the healthcare system response to COVID-19 and non-COVID-19; lost income during the pandemic; experienced negative emotions due to physical distancing measures; answered the questionnaire before middle June 2021; and perceived having worse health, the measures implemented by the Government as inadequate, the information conveyed as unclear and confusing, a higher risk of getting COVID-19, a higher risk of complications and a higher risk of getting infected in a health institution. It is crucial to reassure the population that health services are safe. Health services should plan their recovery since delays in healthcare delivery can lead to increased or worsening morbidity, yielding economic and societal costs.

It is critical to develop tailored strategies to increase acceptability of the COVID-19 vaccine and decrease hesitancy. Hence, this study aims to assess and identify factors associated with COVID-19 vaccine hesitancy in Portugal. We used data from a community-based survey, “COVID-19 Barometer: Social Opinion”, which includes data regarding intention to take COVID-19 vaccines, health status, and risk perception in Portugal from September 2020 to January 2021. We used multinomial regression to identify factors associated with intention to delay or refuse to take COVID-19 vaccines. COVID-19 vaccine hesitancy in Portugal was high: 56% would wait and 9% refuse. Several factors were associated with both refusal and delay: being younger, loss of income during the pandemic, no intention of taking the flu vaccine, low confidence in the COVID-19 vaccine and the health service response during the pandemic, worse perception of government measures, perception of the information provided as inconsistent and contradictory, and answering the questionnaire before the release of information regarding the safety and efficacy of COVID-19 vaccines. It is crucial to build confidence in the COVID-19 vaccine as its perceived safety and efficacy were strongly associated with intention to take the vaccine. Governments and health authorities should improve communication and increase trust.

BACKGROUND Tuberculosis is currently the second highest cause of death from infectious diseases worldwide. The emergence of multi and extensive drug resistance is threatening to make tuberculosis incurable. There is growing evidence that the genetic diversity of Mycobacterium tuberculosis may have important clinical consequences. Therefore, combining genetic, clinical and socio-demographic data is critical to understand the epidemiology of this infectious disease, and how virulence and other phenotypic traits evolve over time. This requires dedicated bioinformatics platforms, capable of integrating and enabling analyses of this heterogeneous data. RESULTS We developed inTB, a web-based system for integrated warehousing and analysis of clinical, socio-demographic and molecular data for Mycobacterium sp. isolates. As a database it can organize and display data from any of the standard genotyping methods (SNP, MIRU-VNTR, RFLP and spoligotype), as well as an extensive array of clinical and socio-demographic variables that are used in multiple countries to characterize the disease. Through the inTB interface it is possible to insert and download data, browse the database and search specific parameters. New isolates are automatically classified into strains according to an internal reference, and data uploaded or typed in is checked for internal consistency. As an analysis framework, the system provides simple, point and click analysis tools that allow multiple types of data plotting, as well as simple ways to download data for external analysis. Individual trees for each genotyping method are available, as well as a super tree combining all of them. The integrative nature of inTB grants the user the ability to generate trees for filtered subsets of data crossing molecular and clinical/socio-demografic information. inTB is built on open source software, can be easily installed locally and easily adapted to other diseases. Its design allows for use by research laboratories, hospitals or public health authorities. The full source code as well as ready to use packages is available at http://www.evocell.org/inTB. CONCLUSIONS To the best of our knowledge, this is the only system capable of integrating different types of molecular data with clinical and socio-demographic data, empowering researchers and clinicians with easy to use analysis tools that were not possible before.

The use of compounds with antioxidant activity is expected to be useful for the treatment of diseases were active oxygen species and free radicals play an important role [1,2]. Phenolic antioxidants react with free radicals by a process that usually involves the transfer of a hydrogen atom, resulting in a stable phenolic radical [1,2]. Aromatic amines and imines also contain active hydrogen atoms (NH) and by analogy it is expected that these atoms can be transferred to free radicals behaving the aromatic amines and imines as antioxidants.Numerous methods can be applied to evaluate the potential use of a new compound as an antioxidant and both chemical and electrochemical methods have been developed with this purpose [3,4]. The use of electrochemical methods, in particular voltammetric techniques, provides information regarding its reducing power. In this work benzilidenoimine and amido derivatives, presented in figure 1 and 2 respectively, were synthesized and their potential use as antioxidants was evaluated by cyclic voltammetry. The structure–activity relationships of the synthesised compounds were investigated in order to understand how the different functionalities affect their antioxidant activity.

Aedes albopictus mosquitoes spread diseases like dengue, Zika, yellow fever, and chikungunya. The Sterile Insect Technique (SIT), which is based on production of male sterile mosquitoes through radiation and in the release in target areas, can be used as a prevention and control tool against Ae. albopictus native populations. Mark-Release-Recapture trials (MRR) estimate the number of mosquitoes to release during the SIT, but weather conditions can affect results. Thus, we aimed to understand the influence of climatic factors on mosquito collection. MRRs were conducted in October 2022 in Faro, Southern Portugal. Mosquito sterilisation, marking and transport followed protocols from the International Atomic Energy Agency. Releases occurred weekly for three consecutive weeks at two different sites, and mosquitoes were collected using Human Landing Collections (HLC) one, two, four and six days after release. Climatic data, such as temperature, humidity, wind intensity (moderate 15-35 km/h vs weak <15 km/h) and precipitation, were obtained from the Portuguese Institute of the Sea and the Atmosphere. We used generalised linear models with a negative binomial family and log function to estimate factors associated with the number of captured mosquitoes, estimated prevalence ratios (PRs), and the 95% confidence intervals (CI). We released 84 000 marked sterile male mosquitoes and recaptured 528 marked males (0.7%) by HLC. The prevalence of captured mosquitoes was 23% lower when the wind intensity was moderate compared with a weak wind intensity (PR: 0.77, 95% CI: 0.61−0.98). We did not find a statistically significant association between the number of captured mosquitoes and humidity (PR: 0.98, 95% CI: 0.96−1.00), temperature (PR: 1.03, 95% CI: 0.83−1.28) and precipitation (PR: 1.07, 95% CI: 0.60−2.03). Conclusion: It is crucial to plan MRRs carefully and consider weather conditions during their execution to avoid underestimating the population needed for the SIT and compromising the effectiveness of this control method.

Background: During the first year of the COVID-19 pandemic, vaccination programmes targeted children and adolescents to prevent severe outcomes of SARS-CoV-2 infection. Aim: To estimate COVID-19 vaccine effectiveness (VE) against hospitalisation due to COVID-19 in the paediatric population, among those with and without previously documented SARS-CoV-2 infection. Methods: We established a fixed cohort followed for 12 months in Denmark, Norway, Italy, Luxembourg, Navarre (Spain) and Portugal using routine electronic health registries. The study commenced with paediatric COVID-19 vaccination campaign at each site between June 2021 and January 2022. The outcome was hospitalisation with a laboratory-confirmed SARS-CoV-2 infection or COVID-19 as the main diagnosis. Using Cox proportional hazard models, VE was estimated as 1 minus the confounder-adjusted hazard ratio of COVID-19 hospitalisation between vaccinated and unvaccinated. A random-effects meta-analysis was used to pool VE estimates. Results: We included 4,144,667 5-11-year-olds and 3,861,841 12-17-year-olds. In 12-17-year-olds without previous infection, overall VE was 69% (95% CI: 40 to 84). VE declined with time since vaccination from 77% ≤ 3 months to 48% 180-365 days after immunisation. VE was 94% (95% CI: 90 to 96), 56% (95% CI: 3 to 80) and 41% (95% CI: -14 to 69) in the Delta, Omicron BA.1/BA.2 and BA.4/BA.5 periods, respectively. In 12-17-year-olds with previous infection, one dose VE was 80% (95% CI: 18 to 95). VE estimates were similar for 5-11-year-olds but with lower precision. Conclusion: Vaccines recommended for 5-17-year-olds provided protection against COVID-19 hospitalisation, regardless of a previously documented infection of SARS-CoV-2, with high levels of protection in the first 3 months of the vaccination.

Since the 2022–2023 season in Portugal, a high-dose quadrivalent influenza vaccine is freely available for individuals living in long-term care facilities (LTCF). In 2024–2025, vaccination was extended to community-dwelling individuals aged ≥85 years. Given the scarcity of reported high-dose influenza vaccine effectiveness (IVE) estimates for this population, this study aims to estimate the high-dose relative and absolute IVE. A retrospective cohort study using data from electronic health records databases (EHR) will be implemented, using two cohorts, one of individuals vaccinated with influenza vaccine (to estimate relative IVE) and another of individuals eligible for the high-dose quadrivalent influenza vaccine (to estimate absolute IVE). We will consider two subgroups for both cohorts: individuals living in LTCF and community-dwelling individuals aged ≥85. We will use a fixed cohort approach, defining the eligible population by age at the vaccination campaign(s) start and living status. The outcomes are based on the primary cause of hospital admission. The reference population database will be defined by linking EHR on vaccination, comorbidities, and hospitalisations using a unique identifier through a deterministic data linkage procedure, and influenza vaccination status will be assessed retrospectively. We will use Cox proportional hazards regression models to estimate the hazard ratio (HR), considering as event the first hospitalisation due to influenza-like-illness and as exposure the vaccination status. IVE will be estimated as one minus the confounder-adjusted HR of vaccinated with the high-dose quadrivalent influenza vaccine vs vaccinated with standard dose (to estimate relative IVE) or unvaccinated (to estimate absolute IVE). While challenges such as EHR constraints and potential reporting bias pose limitations, using routinely collected data has successfully estimated COVID-19 VE and enables precise monitoring of VE with higher representativeness. The results of this study will inform the Health Ministry on the future influenza vaccine programme in Portugal.