Modelagem espacial de doenças e suas relações com fatores socioeconômicos, morfoclimáticos e infraestruturais

• Autor(a) principal: ANJOS, Rafael Silva dos
• 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
• topic: Geografia; Análise espacial; Saúde pública; Doenças

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.