UNIVERSIDADE FEDERAL DO ABC BACHARELADO EM PLANEJAMENTO TERRITORIAL ANÁLISE ESPACIAL DA INCIDÊNCIA DE DENGUE NO MUNICÍPIO DE SÃO PAULO

Transcrição

1 UNIVERSIDADE FEDERAL DO ABC BACHARELADO EM PLANEJAMENTO TERRITORIAL TRABALHO FINAL ANÁLISE ESPACIAL DA INCIDÊNCIA DE DENGUE NO MUNICÍPIO DE SÃO PAULO João Vitor Macarini, Joyane Ferreira Silva, Nayara Oliveira e Rafael Yukio São Bernardo do Campo, 2015

2 João Vitor Macarini, Joyane Ferreira Silva, Nayara Oliveira e Rafael Yukio ANÁLISE ESPACIAL DA INCIDÊNCIA DE DENGUE NO MUNICÍPIO DE SÃO PAULO Trabalho final da disciplina Métodos e Técnicas de Análise da Informação para o Planejamento, lecionada pela Profª Dra. Flávia Feitosa da Graduação de Planejamento Territorial, na Universidade Federal do ABC. São Bernardo do Campo, 2015

3 SUMÁRIO 1. INTRODUÇÃO 2. METODOLOGIA 3. RESULTADOS E DISCUSSÃO 3.1. PREPARAÇÃO DOS DADOS E ANÁLISE EXPLORATÓRIA 3.2. ANÁLISE DE REGRESSÃO CLÁSSICA 3.3. ANÁLISE DE REGRESSÃO ESPACIAL 4. CONCLUSÃO 5. REFERÊNCIAS BIBLIOGRÁFICAS

4 1. INTRODUÇÃO O uso da inteligência geográfica é fundamental para a análise de informações na área da saúde pública. A espacialização dos dados pode indicar um padrão geográfico da doença, assim como pode a atrelar com outras variáveis no espaço. MAGALHÃES (2012) mostra essa importância: O uso de técnicas de análise espacial na Saúde Pública é basilar para se compreender o perfil epidemiológico das doenças. As pesquisas quantitativas dos fenômenos que se manifestam no espaço utilizam se da análise espacial associada a métodos estatísticos para investigar a ocorrência de correlações espaciais entre as unidades de análise, buscando identificar variáveis explicativas, como possíveis fatores de risco, objetivando compreender fenômenos relacionados à dinâmica da distribuição de doenças. (MAGALHÃES, Gleidson) A chamada Epidemiologia Geográfica é constituída pelo estudo dos padrões de distribuição geográfica das doenças e suas relações com fatores socioambientais desta forma, demandando uma visão territorial para a formulação de políticas públicas. Por isso, neste trabalho, a variável dependente (doença) escolhida foi a Dengue, com o objetivo de verificar sua estrutura espacial e identificar associações plausíveis com as variáveis independentes (do território), como a rede de distribuição de água, esgoto a céu aberto, renda e lixo domiciliar jogado. De acordo com o Ministério da Saúde, a Dengue é uma: Doença febril aguda, que pode apresentar um amplo espectro clínico: enquanto a maioria dos pacientes se recupera após evolução clínica leve e autolimitada, uma pequena parte progride para doença grave. É a doença viral transmitida por mosquito que se espalha mais rapidamente no mundo, sendo a mais importante arbovirose que afeta o ser humano, constituindo se em sério problema de saúde pública no mundo. Ocorre e dissemina se especialmente nos países tropicais e subtropicais, onde as condições do meio ambiente favorecem o desenvolvimento e a proliferação do Aedes aegyptie Aedes albopictus. (MINISTÉRIO DA SAÚDE, 2015) Nos últimos anos, a dengue se tornou um dos principais desafios para a saúde pública brasileira, devido ao número de casos e internações em municípios de porte pequeno, médio e grande. Em 2015, a cidade de São Paulo bateu recorde

5 histórico da doença, o que configurou uma situação de epidemia (segundo a ONU) e também o que a fez se tornar alvo da presente pesquisa. 2. METODOLOGIA Diversas fontes de dados foram usadas na elaboração deste trabalho. Dentre elas, o IBGE (total de domicílios base universo do Censo 2010 levantado apenas para os domicílios particulares permanentes) e o Infocidade (informações de incidência de Dengue a cada 100 mil habitantes, que são fornecidas pela Prefeitura de São Paulo e coletadas pelo Instituto Adolfo Lutz de Saúde Pública). As ferramentas utilizadas para a análise espacial da incidência foram: SPSS (cálculo das correlações e regressão clássica), GeoDa (autocorrelação espacial), Quantum GIS (manipulação de shapefiles e informações) e o Geographically Weighted Regression (regressão espacial). A partir do referencial teórico, os presentes pesquisadores elaboraram o trabalho com dados de 2010, na escala distrital do município de São Paulo, Brasil. A análise iniciou se pela parte exploratória, onde foi verificada cada uma das variáveis propostas. Após isso, foi realizada a regressão clássica, assim como a autocorrelação espacial, que indicou que os dados estão correlacionados espacialmente, necessitando portanto passarem por uma regressão espacial. Com tal feito, algumas conclusões puderam ser feitas acerca das hipóteses iniciais e alguns mapas foram gerados na escala 1: a partir das plotagens das informações geradas pelo GWR. 3.1 PREPARAÇÃO DOS DADOS E ANÁLISE EXPLORATÓRIA Foram selecionados algumas variáveis que poderiam apresentar correlação com os números de casos de dengue na cidade de São Paulo. A Figura 01 abaixo, apresenta as variáveis selecionadas para iniciar os estudos de correlação com os casos de dengue a cada 100 mil habitantes na cidade de São Paulo.

6 Figura 01 : Diagramas com as variáveis selecionadas para pesquisa de correlação. O levantamento de hipóteses fez se necessário para que fossem iniciados as investigações estatísticas. Os pressupostos levantados são citados a seguir: As áreas de Aglomerados sub normais são mais suscetíveis à incidência de Dengue?; A presença de esgoto a céu aberto, rede de distribuição e lixo nas ruas contribuem para a proliferação da Dengue?; As pessoas portadoras da doença estão carentes de assistência médica?; Há uma correlação entre renda e a incidência de Dengue?; O lixo acumulado em vias públicas ou em terrenos abandonados podem influenciar na quantidade de casos de dengue? Com o uso do software SPSS foram compilados as correlações da variável dependente Incidência de dengue 2010 com as variáveis independentes: esgoto não ligado à rede, esgoto ligado à rede, números de Unidades Básicas de Saúde (UBS), número de habitantes por número de UBS, lixo domiciliar jogado na rua, renda per capita de meio à dois salários mínimos (s.m.), dois à dez s.m., dez à vinte s.m. e número de habitantes sem rendimento. A correlação das variáveis independentes com a dependente é dada a seguir pela Figura 02.

7 Figura 02 : Correlação de Pearson Observa se que para correlação de Pearson, quanto mais próximo de 1 melhor é o modelo, os valores observados são baixos sendo que o maior número de Pearson apresentado é de 0,312, que está relacionado com os lixos domiciliares jogados. O número N representa a quantidade de amostras utilizadas por cada modelo. Desse modo, foram refutados as análises das outras variáveis, sendo aprofundado as pesquisas sobre a variável lixo domiciliar jogado. O Gráfico 01 abaixo apresenta o gráfico de dispersão das variáveis selecionadas. Gráfico 01: Gráfico de dispersão entre os casos de dengue e o lixo domiciliar jogado. Foram realizadas algumas correções sobre os dados da variável lixo domiciliar jogado, objetivando uma melhor visualização dos dados nos gráficos de dispersão. Para tanto, realizou se as transformações elevando se a variável independente ao quadrado e extraindo se seu exponencial. Os gráficos 02 e 03 apresentam essas transformações plotadas nos gráficos de dispersão.

8 3.2. ANÁLISE DE REGRESSÃO CLÁSSICA Após a fase de análise exploratória, inicia a etapa de produção dos modelos de regressão clássica e sua análise. Como concluído na fase anterior, a variável de maior relevância para o trabalho é lixo domiciliar jogado. O modelo construído relaciona a variável dependente incidência de dengue com a variável independente lixo domiciliar jogado, realizada somente a regressão simples. O R² atingido foi de 0,097, ou seja, o modelo explica aproximadamente apenas 9% da variável dependente em relação à variável independente. O R ajustado do modelo não apresenta muita diferença ao fazer o ajuste da introdução da variável independente ao modelo. Em relação ao teste de Durbin Watson, seu

9 resultado ideal é 2, o que significa independência dos resíduos, no caso, o resultado alcançado foi muito satisfatório, 2,012. A tabela ANOVA apresenta a soma dos erros ao quadrado, sendo assim, um ponto negativo do modelo é o valor dos resíduos estar acima do valor do modelo, isso significa que o modelo explica muito pouco, sendo a quantidade explicada pelo modelo muito menor que a quantidade de resíduos existentes. Porém, o teste de significância foi satisfatório, apresentando 99,8% de confiança. Quanto ao teste F, é a variância que o modelo explica pelo que o modelo não explica, tal razão deve obter um valor alto para ser aprovada, sendo maior que um pelo menos, no modelo testado a razão atingiu o valor de 10,146, ou seja, passou no teste, mas não com altos valores. A tabela de coeficientes apresenta a equação do modelo, que é: INCIDÊNCIA DE DENGUE = 49, ,945.LIXO a cada 1% de domicílios que deixa o lixo na rua sem coleta, gera um aumento de aproximadamente 46 casos de dengue a cada 100 mil habitantes.

10 A mesma tabela apresenta o teste t, que deve ser diferente de zero para que a hipótese nula seja refutada, no caso da regressão realizada o resultado é de 3,185, passando no teste. Os valores apresentados também encontram se dentro do intervalo de confianças de 95%, confirmando que seus valores são verdadeiros. A análise das estatísticas de colinearidade não foram levadas em consideração devido ao uso de somente uma variável para a construção do modelo. O histograma acima é a representação da frequência dos erros, que se aproxima da distribuição normal, apresentando a maioria dos valores próximo a zero e a presença de um outlier maior que quatro. O P Plot, conforme indicado abaixo, nos mostra que os resíduos possuem uma certa linearidade, porém os outliers influenciaram no deslocamento da reta. Além disso, o gráfico de dispersão apresenta inconstância na variância, sendo outro resultado que evidencia uma não perfeição do modelo.

11 P Plot dos resíduos padronizados Plot disperso dos resíduos padronizados

12 Índice de Moran das incidências de dengue A partir do mapa acima, que espacializa a incidência de dengue no ano de 2010 por 100 mil habitantes através do Índice Local de Moran, pode se observar que existem três clusters de baixa incidência de dengue (leste, centro e sul) e um cluster com alta incidência de dengue nos distritos e seus vizinhos. Observa se que o Índice Local de Moran é de 0,27, e nos clusters indicados acima, há maior dependência espacial entre os distritos. Verificou se através do teste de pseudo significância que, mesmo após 999 permutações aleatórias, o nosso valor observado está fora da distribuição aleatória gerada, ou seja, podemos rejeitar a hipótese nula de que não há auto correlação espacial.

13 Histograma, Teste de Pseudo significância e Dispersão dos resíduos Analisando a distribuição dos resíduos, verifica se que sua distribuição se assemelha a uma distribuição normal que é a distribuição adequada e, ao verificar a dispersão dos erros, identifica se que não há heterocedasticidade significativa, ou seja, a variância não aumenta ou diminui de forma que prejudique o modelo; os erros estão de certa forma distribuídos ao redor da linha de tendência, apesar da presença dos outiliers, que desloca a reta. Com o teste de pseudo significância, verificou se que mesmo após 999 permutações aleatórias, o nosso valor observado está fora da distribuição aleatória gerada, ou seja, podemos rejeitar a hipótese nula de que não há auto correlação espacial.

14 3.3 ANÁLISE DA REGRESSÃO ESPACIAL: Regressão Clássica obtida pelo GWR Através da análise da regressão clássica, o modelo obtido retornou um R² (coeficiente de determinação) de 0,09, ou seja, isto significa que aproximadamente 9% da variável dependente (y= incidência de dengue) consegue ser explicada pela variável independente presente no modelo, no caso, o lixo domiciliar jogado (variável y). A estatística F é uma medida do quanto o modelo melhorou, comparado ao nível de não precisão do modelo, ou seja, é a razão entre o modelo e seu erro. Para que a estatística F seja boa, ela deve ter uma razão F grande, e neste caso, ela tem um valor grande (10,1), com alta significância no nível de 0,01, ou seja, altamente significativa. O critério de Akaike se baseia numa função de verossimilhança, acrescida de uma penalidade associada ao numero de parâmetros do modelo. Quanto menor ele for, melhor. Neste caso, seu valor é Quanto maior o Log likelihood, melhor o ajuste do modelo. Neste caso, seu valor é

15 As variáveis têm estatística t maior que o t crítico (2,82), ou seja, podemos rejeitar a hipótese nula, e são significativas, pois seus valores de significância estão entre 0,01 e 0,001. A multicolinearidade do modelo é 1.65 e, para ser adequada, deve estar o quão mais próximo de 1 e ter limite 10, ou seja, nesse modelo a colinearidade não é um problema. Para o Índice de Moran, a hipótese nula é de que não há autocorrelação espacial, porém, nesse caso, a hipótese foi rejeitada. Spatial Lag: Spatial Error:

16 A matriz de vizinhança escolhida para fazer as análises espaciais foi do tipo queen, de grau 1, ou seja, foram considerados vizinhos os distritos que tocam somente os distritos diretamente contíguos. Tanto o spatial error que atribui autocorrelação espacial aos erros dos vizinhos como o spatial lag que atribui autocorrelação à média da variável dependente dos vizinhos melhoraram praticamente na mesma medida o modelo. O R² que era de 0,09 passou a ser de 0,26 em ambos os modelos, ou seja, a regressão espacial no caso da dengue em São Paulo, explica muito melhor do que o modelo de regressão clássica. O Log Likelihood baixou um pouco, porém em ambos os modelos seu valor foi 519, variando apenas nos décimos. O critério de Akaike ficou também praticamente igual nos dois modelos espaciais, e diferiram pouco da regressão clássica, variando apenas 13 e 15 unidades. Em ambos os modelos de regressão espacial, a significância das variáveis se mantiveram entre si, havendo pouca variação, e em relação à regressão clássica, os níveis de significância continuam bons e significativos. A variável "likelihood ratio test" obteve também praticamente o mesmo valor (14) variando apenas em décimos, e possuem satisfatório nível de significância. Após feitas essas análises, foi feita a regressão espacial no GWR, na tentativa de melhor resultados acerca dos que foram obtidos com o spatial lag e spatil error, assim como a intenção de plotar mapas com as informações geradas.

17 Regressão Espacial obtida pelo GWR O software Geographically Weighted Regression (GWR), que ajustou o modelo de regressão a cada ponto observado ponderando todas as demais observações como função da distância a este ponto mostrou uma melhora no R² apresentado anteriormente, saltando de 26% para 35% no que se refere à explicação das incidências da dengue. Além disso, mostrou também que a variável independente (lixo domiciliar) variou bastante em sua amplitude (Range), tendo aproximadamente um mínimo de 5,95 e um máximo de 17,16.

18 Análise dos mapas plotados a partir do GWR Após a análise feita pelo software Geographically Weighted Regression (GWR) que parte de um ênfase nas diferenças (análise local) foi possível ver as variações espaciais modeladas de forma contínua, com os parâmetros variando no espaço. MAPA I MAPA DO R QUADRADO LOCAL O mapa do R quadrado local evidencia, notadamente, quais os distritos do município de São Paulo que explicam mais a relação entre o lixo domiciliar jogado nas ruas e as incidências de dengue no ano de Cruzando a informação com a localização dos aglomerados subnormais de acordo com o Censo 2010 é notável que os valores mais altos estão espalhados por toda capital, não importando se a área é rural ou urbana e se possui mais habitantes de alta ou baixa renda. Porém, a parte sul paulistana, onde há uma maior concentração de favelas, é a que explica mais a relação entre a variável dependente e a independente já a parte noroeste é a que menos é explicada pelo modelo. É importante ressaltar que em muitos lugares onde existem favelas, a relação entre as variáveis não apresentou significância, ou seja, os betas podem ser iguais a zero, não podendo ser rejeitada a hipótese nula.

19 MAPA II MAPA DOS BETAS: LIXO DOMICILIAR JOGADO MAPA III MAPA DA ESTATÍSTICA T: LIXO DOMICILIAR JOGADO

20 A partir dos mapas dos betas, é possível notar os locais de São Paulo que, a cada 1% dos domicílios que deixam o lixo na rua sem coleta, geram um aumento de aproximadamente 46% dos casos de dengue a cada 100mil habitantes. Há uma concentração de valores mais altos na zona extremo sul da capital e valores intermediários pelo resto do município (Centro e Zona Leste, por exemplo). Analisando a tabela t de student, com nível de significância 0,05 (confiança de 95%) e dois graus de liberdade, chega se ao valor 2,92. O mapa da estatística t do lixo domiciliar jogado nas ruas ressalta, em vermelho, os distritos paulistas que estão acima do valor estimado, ou seja, os betas são significantes e diferentes de zero e em azul, os que estão abaixo, explicando pouco ou praticamente nada da relação entre lixo domiciliar e a dengue no município de São Paulo, podendo assim ter valor zero, ou seja, são valores que não se pode rejeitar a hipótese nula. 4. CONCLUSÕES As hipóteses que envolviam as variáveis UBS, esgoto a céu aberto, rede de abastecimento de água e renda não foram corroboradas. A única hipótese corroborada foi a de que o lixo domiciliar jogado possui uma relação com a incidência de Dengue e apenas em alguns distritos do município de São Paulo. Os aglomerados subnormais não estão, como mostrado, necessariamente localizados nos lugares que possuem maior a relação entre a incidência de Dengue e o lixo domiciliar jogado.

21 5. REFERÊNCIAS BIBLIOGRÁFICAS GRUPO IG. Casos de dengue caem em São Paulo, mas situação segue epidêmica na cidade. 21 de Maio de Acessado em < /casos de dengue caem em sa o paulo mas situacao segue epidemica na cidade.html > IBGE. Censo Acessado em 16 de junho de 2015 < > MAGALHÃES, Gledson. O Uso do geoprocessamento e da estatística nos estudos ecológicos em epidemiologia: o caso da dengue em 2008 na região metropolitana de Fortaleza. Revista Brasileira de Geografia Médica e da Saúde MINISTÉRIO DA SAÚDE. Portal da saúde. Acessado em 10 de agosto de 2015 < ministerio/principal/secretarias/svs/den gue > PREFEITURA DE SÃO PAULO. Dados de incidência da dengue de 2010 por distritos. Acessado em 16 de junho de 2015 < dengue_cc_ci_1 6_07_2014_ pdf >