Anais do Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - GEONORDESTE 2014 Aracaju, Brasil, novembro 2014

Transcrição

1 ANÁLISE ESPACIAL DAS OCORRÊNCIAS ATENDIDAS PELO SAMU-JP ATRAVÉS DA UTILIZAÇÃO DE BANCO DE DADOS GEOGRÁFICOS E SIG Juliana Argélia Garcia de Almeida 1, Marcello Benigno Borges de Barros Filho 2 1 Tecnóloga em Geoprocessamento, Analista em Geoprocessamento, PMJP, João Pessoa-PB, juliana.garcia@gmail.com ²Engº Civil, Msc em Ciências Geodésicas e Tecnologias da Geoinformação, Professor do Curso Superior de Tecnologia em Geoprocessamento, IFPB, João Pessoa-PB, benigno.marcello@gmail.com RESUMO: O crescimento da violência urbana, doenças provenientes da má qualidade de vida da população e a falta de estruturação da rede assistencial do país tem contribuído para o aumento das taxas de morbimortalidade do país. O Serviço de Atendimento Móvel de Urgência (SAMU) configurase como um importante componente emergencial da saúde pública, responsável pela minimização das consequências destes índices. Visando a melhoria do serviço, faz-se necessário o uso de geotecnologias e técnicas que permitam compreender as causas e consequências de agravos. Utilizando programas computacionais gratuitos, enfocando a extração de informações através de consultas Structured Query Language SQL, esta pesquisa uniu técnicas e ferramentas do geoprocessamento, através da análise espacial, às necessidades de melhoria no que concerne a saúde pública da população, para prover meios de identificação de áreas com maiores índices de agravos na cidade de João Pessoa no ano de 2011, bem como dar embasamento a ações de melhoria do serviço. O estudo demonstrou a cobertura das áreas mais críticas da cidade, porém alguns bairros com índices consideráveis de ocorrências sofreriam um déficit no atendimento ao agravo devido à distância em que se encontram das bases. PALAVRAS-CHAVE: SIG, Banco de Dados Geográficos, SAMU. INTRODUÇÃO: Ao longo dos anos, o crescimento tanto populacional quanto construtivo das cidades, tem apresentado consequências graves em alguns setores e um dos mais atingidos é o da saúde, que vem sofrendo com o aumento das taxas de morbimortalidade no país. Considerando a área de urgência e emergência um importante componente da assistência à saúde, foi implantado o Serviço de Atendimento Móvel de Urgência em todo território nacional (BRASIL, 2003). Sorre (1951) observou que há uma relação entre as doenças/agravos e as características geográficas, físicas e biológicas do lugar onde se encontram, e a importância do uso de mapas como contribuição para a epidemiologia. De acordo com Nobre e Carvalho (1995), a visualização de variáveis de acordo com a incidência de eventos em cada área é a forma mais utilizada em estudos epidemiológicos, e é nesse sentido que o Geoprocessamento, através da análise espacial que, segundo Medronho et al (2009), se refere ao uso de métodos quantitativos em estudos no qual o objeto de interesse é definido geograficamente, e sua ampla capacidade de integração de dados, tem sido cada vez mais utilizado através dos Sistemas de Informações Geográficas. Como principal componente de armazenamento e gerenciamento de dados em um SIG, destacam-se os Bancos de Dados Geográficos, que são responsáveis, além do armazenamento e gerenciamento, pela consistência, segurança e integridade de dados gráficos e descritivos integrados através de comandos e linguagem específica (Structured Query Language SQL). Utilizando programas computacionais gratuitos, a pesquisa foi desenvolvida unindo tais conceitos, com maior enfoque à extração de informações através de consultas SQL, às necessidades de melhoria no que concerne a saúde pública da população, para prover meios de identificação de áreas com altos índices de agravos, bem como dar apoio ao direcionamento de medidas preventivas. MATERIAL E MÉTODOS: A presente pesquisa foi realizada tomando como área de estudo o Município de João Pessoa, localizado na posição mais oriental do Estado da Paraíba (Figura 1), sendo o SAMU-JP responsável pelo atendimento de ocorrências nos 64 bairros da cidade. 85

2 Figura 1: Localização das bases do SAMU na cidade de João Pessoa Foi utilizado o seguinte material: Dados do SAMU: Tabelas descritivas no formato.xls Shapefile de bairros Disponibilizado pela Prefeitura Municipal de João Pessoa. Programas computacionais: Microsoft Excel (utilizado para tratamento estatístico da base de dados SAMU); PostgreSQL (utilizado para criação e gerenciamento do banco de dados) e Quantum GIS (utilizado para conexão com o banco de dados e produção dos mapas). A primeira etapa da pesquisa consistiu na aquisição e padronização dos dados para posteriormente a tabela ser implementada no banco de dados geográficos, criado no PostgreSQL, partindo de um Banco Template do PostGIS. Os dados que estavam no formato.dbf foram convertidos para o formato SQL, com o aplicativo para DOS shp2pgsql, utilizando o seguinte comando: shp2pgsql.exe -W "LATIN1" -n c:\temp\dados_samu.dbf fichas_samu > c:\temp\fichas_samu.sql Onde: -W "LATIN1" é a codificação do arquivo.dbf; -n indica que não será importado nenhum dado espacial (apenas dados descritivos); fichas_samu é o nome da tabela a ser criada; fichas_samu.sql o arquivo SQL gerado. A partir da criação do arquivo fichas_samu.sql, foram importados para o BDG os dados da tabela, referentes aos registros das fichas e o shapefile dos bairros, culminando na implementação final do banco de dados geográficos, a partir do qual foram criadas as Views (Quadro 1) - tabelas virtuais, já que não ficam armazenadas no banco, apenas podem ser visualizadas, compostas por linhas e colunas de tabelas diferentes, relacionadas através de requisições específicas de dados que se deseja obter - para a realização das análises em ambiente SIG. Quadro 1 Exemplo de criação das Views -- VIEW 1) QUANTIDADE DE OCORRÊNCIAS EM CADA BAIRRO CREATE OR REPLACE VIEW qdte_ocorrencias AS SELECT cod_bairro::int4, count(*)::int4 AS qtde_ocorrencias FROM fichas_samu GROUP BY cod_bairro ORDER BY qtde_ocorrencias DESC; 86

3 -- VIEW 2)QUANTIDADE DE OCORRÊNCIAS POR SEXO EM CADA BAIRRO CREATE OR REPLACE VIEW sexo AS SELECT cod_bairro::int4, int4(sum(case WHEN sexo ='MASCULINO' THEN 1 ELSE 0 END)) MASCULINO, int4(sum(case WHEN sexo ='FEMININO' THEN 1 ELSE 0 END)) FEMININO, int4(sum(case WHEN sexo ='INDEFINIDO' THEN 1 ELSE 0 END)) INDEFINIDO FROM fichas_samu GROUP BY cod_bairro ORDER BY masculino DESC, feminino DESC; A partir da criação das tabelas e criação das views no PostGreSQL, foram iniciadas as etapas de conexão do banco, união das camadas e produção dos mapas no Quantum GIS. Utilizando a ferramenta Adicionar Camada PostGIS (ferramenta para importação de dados do banco), a conexão entre o banco de dados criado e o ambiente SIG foi realizada, possibilitando a inserção dos dados vetoriais dos bairros e as tabelas (visões) referentes às ocorrências do SAMU. Em seguida, a união entre as tabelas do banco de dados foi realizada, utilizando o código dos bairros como campo alvo para a ligação. Por fim, a partir das uniões, as camadas foram quantificadas gradualmente, de acordo com a quantidade de ocorrências para cada bairro. Foram compostos mapas de acordo com o número total de eventos, o sexo das vítimas, a natureza das ocorrências, número de agravos por acidente de trânsito e agressão física e a área de abrangência das bases do SAMU com distância de 3km, utilizando a linguagem cartográfica descrita por Nogueira (2008). RESULTADOS E DISCUSSÃO: Durante o ano de 2011, o SAMU realizou registros de ocorrências, porém, apenas foram considerados relevantes para a pesquisa, devido ao grande número de dados incoerentes ou não especificados e de dados referentes a municípios vizinhos, fora do escopo do estudo. Destes atendimentos, observou-se que 428 resultaram em óbito das vítimas e as maiores incidências de agravos ocorreram nos meses de junho, agosto e setembro, tendo sido os meses de fevereiro e março os que apresentaram os menores índices de ocorrências atendidas pelo SAMU (Figura 2). Figura 2: Quantidade de ocorrências atendidas pelo SAMU em cada mês do ano de 2011 Quanto ao sexo das vítimas, a maioria das ocorrências atendidas pelo SAMU foi a vítimas do sexo masculino, com 59,45% do total, seguido do sexo feminino, com 39,95%, como observado na figura 3. 87

4 Figura 3: Quantidade de ocorrências de acordo com o sexo das vítimas. De acordo com os resultados obtidos, observou-se que mais da metade das ocorrências atendidas pelo SAMU-JP foram de natureza clínica (52,74%), seguido das causas externas, com 40,65% e sua minoria (2,97%) concentrada em registros de transferência (Figura 4). Figura 4: Quantidade de ocorrências de acordo com a natureza do agravo. De acordo com a localização dos agravos, o bairro com maior índice de ocorrências foi Mangabeira, em virtude de ser o bairro mais populoso do município, apresentando 2013 registros de atendimentos. Em seguida, os bairros de Cruz das Armas, Centro, Cristo Redentor e Valentina, foram os que mais receberam atendimento do SAMU-JP em 2011, variando de 1282 a 1033 registros de vítimas. Em oposição aos índices de maior ocorrência, os bairros de Mumbaba, Aeroclube, Trincheiras, Alto do Céu, Barra de Gramame, Planalto Boa Esperança e Anatólia receberam apenas até nove atendimentos (Figura 5). Os bairros de Jardim São Paulo e Mussuré não foram registrados na base de dados do SAMU. Os baixos índices se dão, sobretudo, nas áreas menos populosas, mais afastadas do centro, e devido à ausência ou inconsistências no preenchimento dos registros dos bairros, tendo em vista que não existe uma padronização ou informação precisa quanto aos locais das ocorrências. Podemos, ainda, observar na Figura 5 a cobertura das áreas mais críticas da cidade, porém alguns bairros com índice considerável de ocorrências, como Gramame, Jardim Veneza, Bairro das Indústrias e Bessa, estão mais susceptíveis a uma maior demora no atendimento ao agravo devido à distância em que se encontram das bases. 88

5 Figura 1 Mapa de distribuição das ocorrências e abrangência das bases do SAMU considerando um raio de 3km. CONCLUSÕES: Um fator a ser destacado na pesquisa é o grande número de ocorrências que não puderam ser consideradas nas análises, pois muitos registros não possuíam localização especificada. Ocorrências duplicadas, falta de coerência e padronização dos dados também foram problemas encontrados, despendendo bastante tempo da pesquisa para que fossem organizados. O uso das técnicas de análise espacial, através de Banco de Dados Geográficos e SIG mostrou-se satisfatório na identificação das áreas com maior índice de agravos, porém é necessário que a localização destes seja registrada o mais precisamente possível para realização de pesquisas mais detalhadas visando propor e prover meios de melhoria do Serviço de Atendimento Móvel de Urgência de JoãoPessoa. REFERÊNCIAS: BRASIL. Portaria Nº 1.864/GM, de 29 de setembro de Diário Oficial da República Federativa do Brasil, Brasília, DF, 6 out Disponível em: [Acessado em 20 de agosto de 2014]. MEDRONHO, A. M.; et al. Epidemiologia. 2 ed. - São Paulo: Editora Atheneu, p. NOBRE, F.F.; CARVALHO, M.S. Spatial and temporal analysis of epidemiological data. GIS for Health and the Environment Colombo, Sri Lanka, NOGUEIRA, R. E. Cartografia: representação, comunicação e visualização de dados espaciais. Florianópolis:Ed da UFSC, p. SAMU. Serviço de Atendimento Móvel de Urgência SAMU. Disponível em: acesso em: 20 Dez SORRE M. Les Fondements da la Géographie Humaine. In: Tome Premier: Les Fondements Biologiques: Essai d une Écologie de l Homme. Librairie Armand Colin,