Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/41464 |
Resumo: | O presente estudo teve como objetivo principal propor uma abordagem teórico metodológica sobre o processo de modelagem espacial de doenças, baseado na relação entre a distribuição espacial da Zika, Chikungunya, Tuberculose e Leptospirose com condicionantes socioeconômicos, morfoclimáticos e infraestruturais, em Recife. Foram criados modelos espaciais para estimar a distribuição espacial dessas doenças, diferenciando-se de acordo com a combinação do tipo de unidade espacial (setor censitário ou quadrículas de 100 metros), cálculo da variável dependente (número de casos por setor ou média da densidade de Kernel) e método de estimativa da doença (Ordinary Least Square-OLS ou Geographically Weighted Regression-GWR).Para analisar a relação de cada condicionante com a distribuição espacial de cada doença foram utilizados os coeficientes, globais e locais, dos modelos que apresentaram as melhores eficiências em suas estimativas. Foi identificado que as melhores combinações para uma melhor eficiência nas estimativas dos modelos envolviam a adoção de quadrículas de 100 metros associada a médias de densidades de Kernel, como cálculo da variável dependente. O método de estimativa de GWR apresentou maiores correlações com os dados observados se comparados com o método OLS, embora cada método apresente suas potencialidades de acordo com a proposta da pesquisa. Nesse estudo foi verificado que todas as condicionantes selecionadas para o estudo apresentaram significância estatística com a distribuição espacial de todas as doenças analisadas. Outro ponto a ser destacado é que a adoção da distribuição espacial de algumas doenças como dados de entrada para o modelo, aumentava a eficiência nas estimativas da distribuição espacial de uma determinada doença. Tal abordagem na presente tese pode auxiliar nas estimativas de distribuição espacial de várias doenças, principalmente em casos onde não existe uma confiabilidade total nos dados, ou até mesmo a ausência deles. Outro aspecto a ser levantado é que em casos do surgimento de novas epidemias, essa proposta auxilia em prognósticos nas áreas a serem mais impactadas, baseando-se na distribuição espacial de doenças já conhecidas. |
id |
UFPE_e8ba0ffa1f33901e4898d114a28a4d04 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/41464 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
ANJOS, Rafael Silva doshttp://lattes.cnpq.br/1737506268625749http://lattes.cnpq.br/9860653777047562NÓBREGA, Ranyére SilvaNEVES, Nuno de Sousa2021-10-27T19:50:09Z2021-10-27T19:50:09Z2021-03-25ANJOS, Rafael Silva dos. Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais. 2021. Tese (Doutorado em Geografia) - Universidade Federal de Pernambuco, Recife, 2021.https://repositorio.ufpe.br/handle/123456789/41464O presente estudo teve como objetivo principal propor uma abordagem teórico metodológica sobre o processo de modelagem espacial de doenças, baseado na relação entre a distribuição espacial da Zika, Chikungunya, Tuberculose e Leptospirose com condicionantes socioeconômicos, morfoclimáticos e infraestruturais, em Recife. Foram criados modelos espaciais para estimar a distribuição espacial dessas doenças, diferenciando-se de acordo com a combinação do tipo de unidade espacial (setor censitário ou quadrículas de 100 metros), cálculo da variável dependente (número de casos por setor ou média da densidade de Kernel) e método de estimativa da doença (Ordinary Least Square-OLS ou Geographically Weighted Regression-GWR).Para analisar a relação de cada condicionante com a distribuição espacial de cada doença foram utilizados os coeficientes, globais e locais, dos modelos que apresentaram as melhores eficiências em suas estimativas. Foi identificado que as melhores combinações para uma melhor eficiência nas estimativas dos modelos envolviam a adoção de quadrículas de 100 metros associada a médias de densidades de Kernel, como cálculo da variável dependente. O método de estimativa de GWR apresentou maiores correlações com os dados observados se comparados com o método OLS, embora cada método apresente suas potencialidades de acordo com a proposta da pesquisa. Nesse estudo foi verificado que todas as condicionantes selecionadas para o estudo apresentaram significância estatística com a distribuição espacial de todas as doenças analisadas. Outro ponto a ser destacado é que a adoção da distribuição espacial de algumas doenças como dados de entrada para o modelo, aumentava a eficiência nas estimativas da distribuição espacial de uma determinada doença. Tal abordagem na presente tese pode auxiliar nas estimativas de distribuição espacial de várias doenças, principalmente em casos onde não existe uma confiabilidade total nos dados, ou até mesmo a ausência deles. Outro aspecto a ser levantado é que em casos do surgimento de novas epidemias, essa proposta auxilia em prognósticos nas áreas a serem mais impactadas, baseando-se na distribuição espacial de doenças já conhecidas.FACEPEThe main objective of the present study was to propose a theoretical-methodological approach on the spatial modelling process of diseases, based on the relationship between the spatial distribution of Zika, Chikungunya, Tuberculosis, and Leptospirosis, and socioeconomic, morphoclimatic and infrastructural conditions in Recife. Some spatial models were created to estimate the spatial distribution of those diseases, and they were distinguished according to the combination of the spatial unit type (census sector or 100-meter grids), dependent variable calculation (number of cases per sector or mean kernel density), and disease estimation method (Ordinary Least Square-OLS or Geographically Weighted Regression-GWR). To analyze the relationship of each conditioning factor with the spatial distribution of each disease, the local and global coefficients of the models that presented the best efficiency in their estimation were used. It was identified that the best combinations for a better efficiency in the models estimation involved the adoption of 100-meter grids associated with kernel density averages, as a dependent variable calculus. The GWR estimation method presented higher correlation with the observed data when compared with the OLS method, although each of them shows their potentialities according to what is proposed in this research. During this study, it was verified that selected conditioning factors presented statistical significance with the spatial distribution of all analyzed diseases. It is important to emphasize that the adoption of spatial distribution of some diseases as input for the model made the estimate efficiency of a certain disease grow. Such an approach in the present thesis can support the spatial distribution estimate of many diseases, mainly in cases where the data is not completely reliable, or even when they are missing. Another important aspect is that in the case of potential epidemics arising, this proposal assists prognosis in the areas that could be more affected, based on the spatial distribution of known diseases.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em GeografiaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessGeografiaAnálise espacialSaúde públicaDoençasModelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Rafael Silva dos Anjos.pdfTESE Rafael Silva dos Anjos.pdfapplication/pdf13135182https://repositorio.ufpe.br/bitstream/123456789/41464/1/TESE%20Rafael%20Silva%20dos%20Anjos.pdf8ba4677b4359027da2897f7c8e379a12MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/41464/3/license.txtbd573a5ca8288eb7272482765f819534MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/41464/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTTESE Rafael Silva dos Anjos.pdf.txtTESE Rafael Silva dos Anjos.pdf.txtExtracted texttext/plain227579https://repositorio.ufpe.br/bitstream/123456789/41464/4/TESE%20Rafael%20Silva%20dos%20Anjos.pdf.txtfeb37449da510ddc5ba1da3e4a256615MD54THUMBNAILTESE Rafael Silva dos Anjos.pdf.jpgTESE Rafael Silva dos Anjos.pdf.jpgGenerated Thumbnailimage/jpeg1256https://repositorio.ufpe.br/bitstream/123456789/41464/5/TESE%20Rafael%20Silva%20dos%20Anjos.pdf.jpg44fd3e1f04070bf12834a084615724dbMD55123456789/414642021-10-28 02:12:45.661oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212021-10-28T05:12:45Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
title |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
spellingShingle |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais ANJOS, Rafael Silva dos Geografia Análise espacial Saúde pública Doenças |
title_short |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
title_full |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
title_fullStr |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
title_full_unstemmed |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
title_sort |
Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais |
author |
ANJOS, Rafael Silva dos |
author_facet |
ANJOS, Rafael Silva dos |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1737506268625749 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9860653777047562 |
dc.contributor.author.fl_str_mv |
ANJOS, Rafael Silva dos |
dc.contributor.advisor1.fl_str_mv |
NÓBREGA, Ranyére Silva |
dc.contributor.advisor-co1.fl_str_mv |
NEVES, Nuno de Sousa |
contributor_str_mv |
NÓBREGA, Ranyére Silva NEVES, Nuno de Sousa |
dc.subject.por.fl_str_mv |
Geografia Análise espacial Saúde pública Doenças |
topic |
Geografia Análise espacial Saúde pública Doenças |
description |
O presente estudo teve como objetivo principal propor uma abordagem teórico metodológica sobre o processo de modelagem espacial de doenças, baseado na relação entre a distribuição espacial da Zika, Chikungunya, Tuberculose e Leptospirose com condicionantes socioeconômicos, morfoclimáticos e infraestruturais, em Recife. Foram criados modelos espaciais para estimar a distribuição espacial dessas doenças, diferenciando-se de acordo com a combinação do tipo de unidade espacial (setor censitário ou quadrículas de 100 metros), cálculo da variável dependente (número de casos por setor ou média da densidade de Kernel) e método de estimativa da doença (Ordinary Least Square-OLS ou Geographically Weighted Regression-GWR).Para analisar a relação de cada condicionante com a distribuição espacial de cada doença foram utilizados os coeficientes, globais e locais, dos modelos que apresentaram as melhores eficiências em suas estimativas. Foi identificado que as melhores combinações para uma melhor eficiência nas estimativas dos modelos envolviam a adoção de quadrículas de 100 metros associada a médias de densidades de Kernel, como cálculo da variável dependente. O método de estimativa de GWR apresentou maiores correlações com os dados observados se comparados com o método OLS, embora cada método apresente suas potencialidades de acordo com a proposta da pesquisa. Nesse estudo foi verificado que todas as condicionantes selecionadas para o estudo apresentaram significância estatística com a distribuição espacial de todas as doenças analisadas. Outro ponto a ser destacado é que a adoção da distribuição espacial de algumas doenças como dados de entrada para o modelo, aumentava a eficiência nas estimativas da distribuição espacial de uma determinada doença. Tal abordagem na presente tese pode auxiliar nas estimativas de distribuição espacial de várias doenças, principalmente em casos onde não existe uma confiabilidade total nos dados, ou até mesmo a ausência deles. Outro aspecto a ser levantado é que em casos do surgimento de novas epidemias, essa proposta auxilia em prognósticos nas áreas a serem mais impactadas, baseando-se na distribuição espacial de doenças já conhecidas. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-10-27T19:50:09Z |
dc.date.available.fl_str_mv |
2021-10-27T19:50:09Z |
dc.date.issued.fl_str_mv |
2021-03-25 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ANJOS, Rafael Silva dos. Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais. 2021. Tese (Doutorado em Geografia) - Universidade Federal de Pernambuco, Recife, 2021. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/41464 |
identifier_str_mv |
ANJOS, Rafael Silva dos. Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais. 2021. Tese (Doutorado em Geografia) - Universidade Federal de Pernambuco, Recife, 2021. |
url |
https://repositorio.ufpe.br/handle/123456789/41464 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Geografia |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/41464/1/TESE%20Rafael%20Silva%20dos%20Anjos.pdf https://repositorio.ufpe.br/bitstream/123456789/41464/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/41464/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/41464/4/TESE%20Rafael%20Silva%20dos%20Anjos.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/41464/5/TESE%20Rafael%20Silva%20dos%20Anjos.pdf.jpg |
bitstream.checksum.fl_str_mv |
8ba4677b4359027da2897f7c8e379a12 bd573a5ca8288eb7272482765f819534 e39d27027a6cc9cb039ad269a5db8e34 feb37449da510ddc5ba1da3e4a256615 44fd3e1f04070bf12834a084615724db |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310839673290752 |