ANÁLISE DA VARIAÇÃO CONFORME A DISTÂNCIA – K FUNCTION

As mudanças no tipo de distribuição são sensíveis às distâncias em todas as análises realizadas. Para os pacientes de até 5 anos de idade, há cluster significativo até ± 2.500m. Acima dessa distância a distribuição espacial é randômica. Para os grupos de 6 a 17 anos e 18 a 59 anos, a distribuição espacial é randômica, com exceção dos pacientes entre 6 a 17 na distância de

±5.500 e 8.000 m, no qual a distribuição se apresentou significativamente do tipo cluster. Para

os pacientes mais idosos (acima de 59 anos), há cluster significativo nas distâncias curtas (± <1.000 m) e entre ±7.500 e ±10.500 m. Acima de ±10.500 m, a distribuição se apresenta do tipo dispersa para os pacientes mais idosos. E considerando todos os grupos de idades, há

cluster significante até ±2.500 m (Figura 37).

Figura 37 - Resultados da análise de distância - k function.

Fonte: Produção do próprio autor.

5.4 DISCUSSÃO

As crianças e os idosos representam o maior número da taxa de pacientes (pacientes por população) na análise realizada (média da taxa de pacientes por setores residenciais). Esse é um resultado esperado, pois a literatura tem mostrado que esse grupo etário são os mais vulneráveis a ter doenças cardiorrespiratórias (FAN et al., 2012; NANDASENA et al., 2012; HOFFMAN et al., 2012; ZOU et al., 2014).

O grupo dos pacientes de até 5 anos e o grupo de todas as idades foram os únicos que apresentaram autocorrelação espacial positiva, o que indica agrupamento espacial (cluster). Esse resultado sugere que pode haver um fator comum influenciando na ocorrência de doenças do sistema cardiorrespiratório nesses dois grupos. Considerando que esse fator pode estar relacionado com o meio ambiente (conforme apresentado na revisão da literatura desta tese), a distribuição espacial de alguma fonte de poluição atmosférica no DF é um exemplo desse possível fator.

Apesar da presente análise não ter tido como foco a avaliação dos agentes causadores das doenças cardiorrespiratórias, bem como a identificação do fator responsável pelo agrupamento (cluster) para os grupos de até 5 anos e todas as idades, sugere-se os meios de transportes (importante fonte de poluição atmosférica) como uma potencial variável explicativa. Estudos anteriores a este provaram que os poluentes atmosféricos emitidos pelos veículos automotores explicam o tipo de distribuição espacial da ocorrência de doenças cardiorrespiratórias nos EUA (ZOU et al., 2014). No entanto, essa hipótese ainda precisa ser testada no DF.

Especificamente para o grupo de todas as idades, destaca-se que há a possibilidade de que os pacientes mais novos (até 5 anos) estejam influenciando no resultado que indica agrupamento, pois os pacientes mais novos representam 47,8% da amostra estudada.

Apesar do grupo dos pacientes de até 5 anos e do grupo dos pacientes de todas as idades terem apresentado autocorrelação espacial positiva, não houve agrupamentos para valores baixos ou altos. Provavelmente porque esses valores são considerados geograficamente isolados no DF, ou seja, são outliers.

A análise de variogramas mostrou que a maior concentração dos pontos possui valores baixos no variograma, o que significa valores homogêneos quanto ao número de pacientes por setor residencial. O diferencial ocorreu somente para o grupo etário de até 5 anos e maior que 59 anos, no qual há uma pequena concentração de valores elevados no variograma, sobretudo entre

1.500 e 5.000 m. Esse diferencial demonstra que a distribuição espacial do número de pacientes é menos homogênea para o grupo de até 5 anos e para o grupo maior que 59 anos.

Especificamente para as análises da distribuição espacial conforme a distância (k function), o grupo de até 5 anos e o grupo acima de 59 anos apresentaram cluster significante em distâncias curtas (máximo até 2.500 m). Acima dessa distância a distribuição teve característica do tipo randômica ou dispersa. Esse resultado pode ser comparado com o resultado do semivariograma. Ou seja, a maior concentração dos pontos heterogêneos dos grupos dos mais novos e mais idosos estão entre 1.500 e 5.000 m (conforme apresentado no variograma). A heterogeneidade nessa faixa de distância pode estar influenciando a mudança de distribuição para randômica ou dispersa.

A análise apresentada por este capítulo possui algumas limitações. A primeira se refere à diferença de escala espacial entre os polígonos que representam os dados de saúde e os polígonos que representam os dados de população (conforme mencionado no Capítulo 4 - item 4.4). Sugere-se, portanto, a aplicação do método dasimétrico (POULSEN et al., 2004; FREITAS et al., 2012; SILVA, A. P. DA et al., 2013; MAANTAY et al., 2013) em futuros estudos com objetivo de comparação dos resultados. A segunda limitação está relacionada com o formato do dado geográfico usado para a análise espacial. O formato do dado é do tipo polígono, no qual representa a agregação dos dados de saúde. Dessa forma, foi considerado o centroide de cada polígono para a avaliação dos padrões espaciais. Essa é a técnica aplicada em SIG quando os dados de entrada não são do tipo ponto. Portanto, o uso dos centroides para cada polígono pode influenciar na identificação de alguns padrões, sobretudo, porque os polígonos não são uniformes. No entanto, destaca-se que essa limitação não invalida os resultados encontrados, visto que é uma limitação ligada à disponibilidade dos dados. Os estudos de Cook et al. (2013), Zou et al. (2014) e Tian et al. (2010) são exemplos de análises que já apresentaram resultados com base no centroide de cada polígono.

Destaca-se que este estudo foi o primeiro no Brasil sobre avaliação espacial das doenças cardiorrespiratória para todos os grupos etários (crianças, adolescentes, adultos e idosos). Além disso, foi o primeiro estudo em saúde ambiental para as cidades brasileiras que testou os métodos de geoestatística – autocorrelação, nível de cluster, semivariogramas e k-function. Tendo como parâmetro de observação mais geral nos estudos epidemiológicos brasileiros, o presente estudo complementa as pesquisas nacionais que já utilizaram alguma abordagem geoestatística para avaliações epidemiológicas. Cita-se, por exemplo, as pesquisas que já avaliaram a ocorrência de tuberculose em São Paulo (BARROZO, 2014), o risco relativo de

nascimento pré-termo em São Paulo (MIRANDA et al., 2014), a prevalência de hipertensão arterial e diabetes na população de Botucatu - São Paulo (CAMPOS et al., 2008), a ocorrência de suicídio em São Paulo (BANDO et al., 2012), a distribuição espacial da mortalidade por doenças cardiovasculares no Paraná (MULLER et al., 2012), a ocorrência das doenças respiratórias em São Paulo (ALMEIDA, 2013).

Portanto, o presente estudo identificou que há uma heterogeneidade na ocorrência de internações por doenças cardiorrespiratórias no DF, sobretudo quando se observa grupos etários de pacientes. Este estudo compõe um conjunto de ferramentas e orientações para o desenvolvimento de políticas públicas em saúde, meio ambiente e planejamento urbano.

Capítulo 6 - _{Á reãs prioritã riãs pãrã mensurãçã o dã}