Análise Espacial

A análise do modelo, levando em consideração a localização dos residentes no espaço geográfico apresentou relação entre as variáveis inseridas no modelo e a incidência dos casos, com base na concentração de pontos obteve-se a

54

Adaptado pelo autor, 2018; Fonte:Software R (Ibidem)

As taxas de incidência dos óbitos para 100.000 habitantes, calculadas para cada UDH, nos ajuda a complementar a análise da distribuição espacial do risco, observando as taxas mais altas nas UDH‘s caracterizadas por um adensamento populacional importante, bem como por bairros localizados às margens das rodovias SP-330 (Rod. Anhanguera) e SP-065 (Rod. Dom Pedro I)

56

Como observado na Figura 10, a distribuição espacial das taxas de incidência não é homogênea, sobretudo quando considerados os indicadores socioeconômicos.

57 As comparações entre os mapas temáticos que se segue denotam que as áreas de maior risco de morte por causas externas sobrepõem-se às UDHs de residência das vítimas que apresentam indicadores medianos e/ou ruins.

A distribuição dos locais de moradia dos casos e dos controles (Figura 11) apresentou concentração de residentes que tiveram o desfecho de morte violenta nos bairros Jardim Campineiro e Jardim São Marcos, tendo destaque para os acidentes de trânsito e homicídios.

A Figura 12 a seguir representa o mapa da distribuição espacial da variável esperança de vida para cada UDH, tendo como média de idade 77,5 anos. Observa-se que as esperanças de vida mais baixas (entre 70 e 73 anos) encontram- se nas regiões onde nota-se aglomeração de pontos (casos) (Figura 9). Estas UDHs compreendem os bairros do Jardim São Marcos (UDH 017) e Santa Mônica (UDH 039), e apresentam taxas de incidência de 54,3 e 20,3, respectivamente.

58

Com valor P = 0.194, esta variável (Esperança de vida) considerada para

60 No que diz respeito à taxa de mortalidade infantil (Figura 13), nota-se novamente uma distribuição desigual destas taxas pelo DSN. Com valor médio da taxa de 11 para cada 1.000 nascidos vivos, tal variável não mostrou significância para o modelo (P=0,572), porém observamos novamente os piores índices (que vão de 20-24 para 1.000 nascidos vivos) na região do hotspot - ou aglomerado de pontos (53), anteriormente mencionado na região do Jd. São marcos, bem como taxas (de 15 a 20/1.000) na UDH do bairro vizinho (Jd Santa Mônica).

A variável Anos de Estudo nos remete com interessante clareza a condição de vida de uma determinada população, refletindo ao mesmo tempo sobre a condição de acesso à escola, a vulnerabilidade social - estando ligada à permanência e evasão do jovem na escola. Com média de 11 anos de estudo, a distribuição deste indicador é representada na Figura 14, e nos revela a interessante relação entre essa variável e a área de risco já identificada na presente análise.

Esta variável apresentou relevância significativa para o modelo (P=0,121), justificando sua inserção no modelo final (Tabela 3), e levando em consideração o risco de morte para os residentes na região de estudo (Figura 9).

62 Algumas considerações acerca da relação entre áreas de maior risco para os moradores e os coeficientes representados nos mapas podem ser feitas; a primeira delas é que as desigualdades socioespaciais representadas pelos indicadores condições de vida não estão distribuídas homogeneamente no espaço (55), devendo-se levar em conta as características dos bairros que compõem as UDHs o que demanda conhecimento empírico e etnográfico da área.

“As estatísticas oficiais, divulgadas de forma agregada e descrevendo as populações como se fossem homogêneas, deixam de evidenciar as distribuições espaciais diferenciadas da mortalidade por causas externas. Essa heterogeneidade, no entanto, tem sido apontada por Investigações que analisam relações com variáveis socioeconômicas como renda, educação, consumo de bens e serviços, que tendem a assumir um papel relevante na determinação de desigualdades em saúde” (55)

A região onde se encontra o aglomerado de pontos é caracterizada por bairros marcados pelo fenômeno de periferização. Trata-se de um bairro de classes

mais pobres, em relação ao DSN (Figura 15). Outro aspecto vigente nesses bairros

é a alta vulnerabilidade social (Figura 16), tendo em vista a dificuldade de acesso aos serviços básicos como, educação, saúde e saneamento, bem como a proporção de jovens que não estudam e não trabalham que, conforme apontado por (10,20,55),

65

A distribuição das taxas de vulnerabilidade social observada na Figura 16 representa a população jovem, na faixa etária entre 15 e 24 anos renda per capita de menos de ½ (meio) salário mínimo (39) em 2010. Esta variável apresentou valor P=0,059 na análise multivariada do modelo (Tabela 2), sendo - juntamente com a variável Anos de estudo - mantidas na modelagem GAM final. Uma segunda constatação é sobre a diferenciação das regiões, ou seja, em que regiões a vulnerabilidade social é mais latente em relação à outras. Conforme demonstrado por (21), a disparidade entre regiões pode ser analisada, tendo em vista os dados referentes à questões como acesso ao serviços públicos (escolas, unidades de saúde, saneamento, lazer, entre outros).

“A investigação das desigualdades regionais na acessibilidade aos serviços de saúde tem como um dos objetivos a definição das unidades de observação, caracterizadas por incluírem, dentro de seus limites geográficos a maior parte dos deslocamentos em busca de atendimento“ (21).

Os índices de Escolaridade, GINI e IDHM, apresentados nas Figuras 17,18 e 19, respectivamente. Ao compararmos um conjunto de UDHs que apresentam indicadores ruins com outro conjunto de UDHs com melhores indicadores, podemos identificar a disparidade espacial, visando a promoção de

66 A Escolaridade medida nas UDHs, representa a porcentagem de

habitantes com mais de 18 anos com ensino fundamental completo (39), sendo as taxas mais baixas (áreas mais escuras) indicadores ruins enquanto as porcentagens mais altas indicam boas condições de escolaridade. A média do DSN foi de 70% segundo com valor p=0.205 (tabela 2).

67

Ainda com o enfoque nas desigualdades socioespaciais, Observa-se na Figura 18 acima a distribuição dos índices de GINI - que mede o grau de desigualdade com base na renda domiciliar per capita (Ibidem). Valores mais próximos do 0 (cores mais claras) indicam uma distribuição de renda pior em relação

68

as UDHs com valores mais altos ( > 0.410), que indicam melhor distribuição.

A Figura 19 apresenta a distribuição dos índices de desenvolvimento humano municipal (IDHM). Essa variável é composta pela média de um conjunto de variáveis relativas à renda, educação e longevidade e apresentou média de 0.816 e valor de p=0.185, demonstrando associação à variável de resposta.

69 seus índices estimados, pode-se afirmar que sua distribuição não é homogênea no espaço, apresentado aglomerados de unidades com índices mais baixos na região mais ao centro-oeste do DSN (Figura 9), com RR verificado maior do que 1 (Bairros do Jardim Campineiro, Jardim São Marcos, Jardim Santa Mônica e região do Cassio Raposo à noroeste e região dos bairros Vila Esperança Jardim Eulina, jardim Bandeirantes, Jardim Pacaembu mais ao sul; Esta região, caracterizada por adensamento populacional e sua proximidade com as rodovias importantes (SP-330 SP-065) e suas conexões, pode ser considerada como área vulnerável e sob risco, em relação ao conjunto de UDHs localizados na porção mais ao leste, na região dos bairros Bonfim, Jardim Chapadão e distrito de Barão Geraldo, regiões consideradas além de estarem mais próximas da região central da cidade, o que facilita o acesso aos serviços e mercados.

Observa-se também efeito de borda na região do Bairro Village Campinas ao norte, região que, apesar de apresentarem RR altos não houve grande incidência de casos. Os chamados vazios populacionais podem explicar tal efeito; a região de abrangência do CS Village conta com cerca de 6.000 habitantes em 2013 (37).

O alto número de residentes vítimas de acidentes de trânsito nestas regiões chama a atenção, conforme exposto no Capítulo 4. A partir da sobreposição dos pontos que representam as residências das vítimas com a malha viária do município, apresentada na Figura 20, abaixo. Tal recorte foi realizado a fim de demonstrar a utilidade das ferramentas de SIG e da sua aplicabilidade podendo-se estender a análise para o estudo da distribuição espacial destes casos, abrindo a possibilidade de outras pesquisas com este enfoque, bem como sua incorporação

71