Este documento analisa a relação entre elementos climáticos e a ocorrência de doenças respiratórias em crianças em Belo Horizonte. Ele usa dados meteorológicos, de saúde e demográficos para identificar as áreas da cidade com maior e menor potencial de doenças respiratórias por meio de análises espaciais e modelos multicritérios. Os resultados mostram uma associação entre maiores taxas de doenças e a região centro-oeste da cidade, que tem alta densidade populacional e
Aula 02 -Biologia Celular - Células Procariontes e Eucariontes .pdf
Análise espacial da relação entre elementos climáticos e doenças respiratórias em crianças em Belo Horizonte
1. Espaço urbano, saúde e elementos
climáticos: uma análise espacial da
ocorrência de doenças respiratórias em
crianças no município de Belo Horizonte.
Denise Marques Sales
Bráulio Magalhães Fonseca
Wellington Lopes Assis
Universidade Federal de Minas Gerais (UFMG)
Instituto de Geociências (IGC) Programa de Pós-graduação em Geografia
2. INTRODUÇÃO
Nos últimos séculos vem crescendo o interesse em compreender a
influência do clima e seus agravos e possíveis impactos à saúde humana.
As pesquisas acadêmicas relacionadas à temática ganharam notoriedade no
Brasil a partir da década de 90.
Pesquisar clima e saúde exige uma abordagem transdisciplinar e é de
relevância para a área do conhecimento geográfico, pois permite analisar o
espaço urbano a partir da ótica climática, geomorfológica, uso e ocupação
do solo e suas interrelações, tangenciando para suas influências, diretas ou
não, na saúde da população.
3. OBJETIVOS
Analisar a relação entre os elementos climáticos e a ocorrência de
doenças respiratórias em crianças de 0 a 5 anos de idade no município
de Belo Horizonte, no mês de abril para os anos de 2013 e 2014.
Identificar espacialmente as áreas de maior e menor potencial de
ocorrência de doenças respiratórias no município.
Variáveis analisadas: umidade relativa, temperatura média, amplitude
térmica, PM10, CO, densidade populacional e IVS. Na escala do setor
censitário.
4. AREA DE ESTUDO
Belo Horizonte
Capital de Minas Gerais
Região sudeste
2,5 milhões de habitantes
7,5 mil hab/Km² (projeções IBGE)
4 estações meteorológicas do INMET
5 estações meteorológicas da FEAM
173 equipamentos de saúde do SUS
27 hospitais
9 distritos sanitários
5. METODOLOGIA
BASE DE DADOS
DADOS DESCRIÇÃO ANO
FEAM
meteorológicos e de
particulados
umidade relativa (%), temperatura (ºC), amplitude
térmica(ºC), PM10 (<10µm/m3) e CO (ppm)
2013/2014
INMET meteorológicos
umidade relativa (%), temperatura (ºC), amplitude térmica
mensal (ºC)
2013/2014
SMSA
atendimentos
CID 10 de J00 a J99 (doenças respiratórias), sexos feminino e
masculino, de 0 a 5 anos
2013/2014
internações 2013/2014
índice de vulnerabilidade da
saúde
índice construído pela secretaria baseado na renda e
saneamento
2012
IBGE
setores censitários unidade administrativa estabeleciada pelo IBGE 2010
nº população por setor
censitário
dado utilizado para fazer o calculo da densidade demográfica
(hab/Km²) da população de 0a 5 anos
2010
PRODABEL elementos urbanos
limite municipal, distritos sanitários, relevo, equipamentos de
saúde pública, entre outros
2017
7. RESULTADOS
Número de ocorrência de doenças respiratórias registradas no município de Belo Horizonte em abril de 2013 e 2014.
Em abril de 2013 o número de atendimentos e internações correspondeu a 14% (7.001 registros) do total (48.513
atendimentos) e em 2014 correspondeu a 13% (8.260 registros) do total (63.184 atendimentos).
8. RESULTADOS
Observe o valor da relação de consistência (consistency ratio – CR) foi próximo a zero ou zero,
reforçando a confiabilidade da modelagem.
Análise Hierárquica de Pesos
CENÁRIO - GERAL - 1ª rodada Pesos AHP
Amplitude
Térmica
Dens Demo
0 a 5 anos
CO PM 10
Temperatura
Média
Umidade
Relativa
Amplitude Térmica 7,746
Amplitude Térmica 1 8 0,11 0,11 5 0,143 Dens Demo 0 a 5 anos 2,085
Dens Demo 0 a 5 anos 0,13 1 0,13 0,11 0 0,143 CO 32,265
CO 9 8 1 1 8 2 PM 10 32,564
PM 10 9 9 1 1 8 2 Temperatura Media 3,872
Temperatura Média 0,2 5 0,13 0,13 1 0,143 Umidade Relativa 21,469
Umidade Relativa 7 7 0,5 0,5 7 1 CR Zero
CENÁRIO - ESPECIALISTA 1 Pesos AHP
Amplitude
Térmica
Dens Demo
0 a 5 anos
CO PM 10
Temperatura
Média
Umidade
Relativa
Amplitude Térmica 17,107
Amplitude Térmica 1 6 3 0,33 1 0,33 Dens Demo 0 a 5 anos 3,797
Dens Demo 0 a 5 anos 0,167 1 0,2 0,2 1 0,2 CO 15,321
CO 0,333 5 1 0,33 3 1 PM 10 29,904
PM 10 3 5 3 1 3 1 Temperatura Media 8,611
Temperatura Média 1 2 0,33 0,33 1 0,33 Umidade Relativa 25,259
Umidade Relativa 3 5 1 1 3 1 CR 0,096
9. RESULTADOS
Observe o valor da relação de consistência (consistency ratio – CR) foi próximo a zero ou zero,
reforçando a confiabilidade da modelagem.
Análise Hierárquica de Pesos
CENÁRIO - ESPECIALISTA 2 Pesos AHP
Amplitude
Térmica
Dens Demo
0 a 5 anos
CO PM 10
Temperatura
Média
Umidade
Relativa
Amplitude Térmica 22,09
Amplitude Térmica 1 6 0,5 2 3 1 Dens Demo 0 a 5 anos 3,652
Dens Demo 0 a 5 anos 0,17 1 0,17 0,3 0,33 0,17 CO 28,021
CO 2 6 1 2 3 1 PM 10 13,483
PM 10 0,5 4 0,5 1 2 0,5 Temperatura Média 8,361
Temperatura Média 0,33 3 0,33 0,5 1 0,33 Umidade Relativa 24,392
Umidade Relativa 1 6 1 2 3 1 CR 0,014
CENÁRIO - GERAL - 2ª rodada Pesos AHP
IVS
Dens Demo
0 a 5 anos
Amplitude
Térmica
Temperatura
Média
PM10 CO UR IVS 22,655
IVS 1 2 3 3 1 1 2 Dens Demo 0 a 5 anos 14,72
Dens Demo 0 a 5 anos 0,5 1 2 2 1 1 1 Amplitude Térmica 7,628
Amplitude Térmica 0,333 0,5 1 1 0,5 0,5 0,5 Temperatura Média 7,628
TemperaturaMédia 0,333 0,5 1 1 0,5 0,5 0,5 PM10 16,325
PM10 1 1 2 2 1 1 1 CO 16,325
CO 1 1 2 2 1 1 1 UR 14,72
UR 0,5 1 2 2 1 1 1 CR 0,008
11. Monte Carlo
Variável Peso 1 Peso 2 Peso 3 Peso 4 DP Max Min Med
IVS 22,65 22,65 22,65 22,65 0 22,65 22,65 22,65
Densi Demo 0 a 5 anos 14,72 2,085 3,797 3,652 5,042713 11,10621 1,020787 6,0635
Amplitude Térmica 7,628 7,746 17,107 22,09 6,210997 19,85375 7,431753 13,64275
PM10 16,325 32,564 29,904 13,483 8,280175 31,34917 14,78883 23,069
CO 16,325 32,265 15,321 28,021 7,324141 30,30714 15,65886 22,983
Umidade Relativa 14,72 21,469 25,259 24,392 4,136928 25,59693 17,32307 21,46
Máximo = média mais o desvio padrão
Mínimo= média menos o desvio padrão
Média = soma dos valores dividido por quarto
Desvio Pardão = variação entre maior e menor valor
RESULTADOS
Retirada da variável Temperatura Média pela
baixa relevância no modelo e nos pesos da AHP.
Com os rasters das variáveis finalizados, foi gerada a AHP através
do software ArcGis 10.3 que rodou duas mil (5000) combinações
possíveis entre eles.
Uma vez feita a AMC, é importante avaliar a incerteza existente na resposta, para tanto
o processo que auxilia nessa avaliação é o Monte Carlo, que consiste em simular diferentes
possíveis pesos para as variáveis , dentro de limites máx e mín. (Moura et al. ,2016).
12. RESULTADOS
A fim de facilitar a visualização e tornar a
interpretação mais fácil, optou-se por
representar o dados simbolizado em
cores em duas faixas.
Tanto o resultado da MC quanto da AMC
para gerarmos um novo resultado do
cruzamento destas duas modelagens a
partir de uma matriz. (próximo slide)
Matriz Combinatória
Monte Carlo (Incerteza)
Menor Maior
0 1
AMC (Pontencial)
Alto 2 2 3
Baixo 0 0 1
0 = Baixo Potencial/Menor Incerteza
1 = Baixo Potencial/Maior Incerteza
2 = Alto Potencial/ Menor Incerteza
3 = Alto Pontencial/Maior Incerteza
14. RESULTADOS
Objetivo de aumentar a robustez e confiabilidade
dos resultados.
Observou-se associações espaciais quanto à maior
ocorrência e distribuição do fenômeno (porção
centro-oeste e sudoeste do município), coincidem
também com as áreas de maior vulnerabilidade
em saúde e com a regiões onde ocorrem maior
densidade demográfica.
Importante observar que as áreas com legenda 1 e
3 são as que necessitam ter melhores análises ou
seja são regiões que necessitam de um estudo
específico para entender esta espacialização das
ocorrências.
15. “Mapas são instrumentos valiosos em estudos epidemiológicos e podem-se
listar três objetivos principais de sua produção. O primeiro é descritivo e
consiste da simples visualização da distribuição espacial da doença na região
de interesse. O segundo objetivo, exploratório, é sugerir determinantes
locais de doenças e fatores etiológicos desconhecidos que possam ser
formulados em termos de hipóteses a serem investigadas posteriormente.
Finalmente, um terceiro objetivo é apontar associações entre fontes
potenciais de contaminação e áreas de risco elevado.” (ASSUNÇÃO et
al.,1998, p.714)
REFLEXÃO
16. CONSIDERAÇÕES FINAIS
A partir desses resultados foi possível observar que relacionado aos elementos
climáticos a baixa umidade relativa do ar, a redução na precipitação, a alta
amplitude térmica e o elevado grau de materiais particulados na atmosfera
belo-horizontina ao longo dos meses de abril (2013 e 2014), proporcionaram
aumentos significativos na ocorrência das doenças do aparelho respiratório.
Juntamente com os altos índices do IVS e da densidade demográfica de 0 a 5.
Leva a refletir sobre a importância das respostas temporais das variáveis
meteorológicas e da utilização de técnicas de modelagem espacial que
evidenciam, como uma linguagem comum entre a academia, os setores
públicos e privados, comportamentos espaço-temporais.
17. Resultados como estes podem subsidiar a elaboração de diagnósticos e
propor novas alternativas de intervenção em favor da promoção à saúde de
forma equânime.
É importante ressaltar que os resultados relatados nesse estudo não esgotam
a possibilidade de conclusões acerca das interrelações entre elementos
climáticos e doenças respiratórias. Mas coadunam com a declaração da OPAS
que o clima, entre outros fatores, pode suscitar a manifestação de
determinadas doenças à saúde, neste caso em escala local.
CONSIDERAÇÕES FINAIS
18. REFERÊNCIAS BIBLIOGRÁFICAS
ASSUNÇÃO, R. M.; BARRETO, S. M.; GUERRA, H. L. & SAKURAI, E., 1998. Mapas de taxas epidemiológicas: Uma
abordagem Bayesiana. Cadernos de Saúde Pública, 14:713-723
BELO HORIZONTE. Secretaria Municipal de Saúde (SMSA). Assessoria de Tecnologia e Informação em Saúde
(ASTIS). 2017.
BELO HORIZONTE. Secretaria Municipal de Saúde (SMSA). Índice de Vulnerabilidade da Saúde (IVS) – 2013.
INSTITUTO NACIONAL DE METEOROLOGIA (INMET). 2018.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Censo Demográfico 2010.
MINAS GERAIS. Fundação Estadual do Meio Ambiente (FEAM). 2017.
MOURA, A. C. M.; JANKOWSKI, P. Contribuições aos estudos de análises de incertezas como complementação
às análises multicritérios - “Sensitivity analysis to suitability evaluation”. Revista Brasileira de Cartografia, v.
68/4, p. 665–684, 2016.
OPAS - Organização Pan-Americana da Saúde. Mudanças climáticas e ambientais e seus efeitos na saúde:
cenários e incertezas para o Brasil. Brasília (DF), 2008.
PREFEITURA DE BELO HORIZONTE. Empresa de Informática e Informação do Município de Belo Horizonte
(PRODABEL). Base Cadastral PRODABEL, 2017.