Clima e doenças respiratórias em santa catarina - Brasil

CENTRO DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE GEOCIÊNCIAS

PROGRAMA DE PÓS-GRADUAÇÃO EM GEOGRAFIA

RAFAEL BRITO SILVEIRA

CLIMA E DOENÇAS RESPIRATÓRIAS EM SANTA CATARINA - BRASIL

Florianópolis - SC 2020

CLIMA E DOENÇAS RESPIRATÓRIAS EM SANTA CATARINA - BRASIL

Tese submetida ao Programa de Pós-Graduação em Geografia da Universidade Federal de Santa Catarina para a obtenção do título de Doutor em Geografia.

Orientador: Prof. Dr. João Afonso Zavattini. Coorientador: Prof. Dr. Daniel Pires Bitencourt.

Florianópolis - SC 2020

CLIMA E DOENÇAS RESPIRATÓRIAS EM SANTA CATARINA - BRASIL O presente trabalho em nível de doutorado foi avaliado e aprovado por banca examinadora

composta pelos seguintes membros:

Prof.ª Helena Ribeiro, Dr.ª

Departamento de Saúde Ambiental - Universidade de São Paulo (USP)

Prof.ª Juliana Ramalho Barros, Dr.ª

Instituto de Estudos Socioambientais - Universidade Federal de Goiás (UFG)

Prof.ª Gisele Cristina Manfrini Fernandes, Dr.ª

Departamento de Enfermagem - Universidade Federal de Santa Catarina (UFSC)

Certificamos que esta é a versão original e final do trabalho de conclusão que foi julgado adequado para obtenção do título de doutor em Geografia.

___________________________________ Prof. Clécio Azevedo da Silva, Dr.

Coordenação do Programa de Pós-Graduação em Geografia

___________________________________ Prof. João Afonso Zavattini, Dr.

Orientador

Universidade Federal de Santa Catarina (UFSC)

Daniel Pires Bitencourt, Dr. Coorientador

Fundação Jorge Duprat Figueiredo de Segurança e Medicina do Trabalho (FUNDACENTRO)

Por sempre me inspirarem e por sempre me darem suporte, esta tese é dedicada ao meu irmão Renan (in memoriam), a minha mãe Rita e a minha irmã Rayane.

Agradeço ao meu irmão Renan Brito Silveira (in memoriam) por me motivar todos os dias e por me encorajar diante de qualquer desafio. Sua falta é insuperável! Sou grato à minha eterna orientadora, a Prof.ª Dr.ª Magaly Mendonça (in memoriam), fundamental em minha trajetória acadêmica, desde os tempos em que fui monitor até o início do doutoramento sob sua orientação. Vocês são inesquecíveis!

Agradeço profundamente à minha mãe Rita Brito. Apenas eu e meus irmãos sabemos o que ela fez por nós, abdicando de muitos sonhos e vontades para investir na educação e na felicidade dos filhos. Eu jamais esquecerei de qualquer gota de suor tua derramada por nós, sendo mãe, pai e tudo o que fosse necessário. Obrigado por acreditar em mim. Te amo! Outro agradecimento especial vai para minha irmã Rayane Brito Silveira que, mesmo com pouca idade e sem muita altura, já enfrentou coisas que derrubariam qualquer marmanjo. Sou grato pelo teu apoio, minha irmã! Agradeço ao meu pai Wilson Silveira que, mesmo distante desde a minha adolescência, sempre quis o meu bem e nunca deixou de torcer por mim.

Faço um agradecimento especial à minha namorada Jéssica Conti Réus por ser minha companheira na vida, por sonhar junto comigo, por me motivar, por me visitar nos dois intercâmbios realizados, por ter conferido todas as referências da tese comigo, por ficar feliz com a minha felicidade e por compartilhar todo o amor. Amo você!

Sou muito grato ao Prof. Dr. João Afonso Zavattini por ter aceitado me orientar, em meados de 2017, durante uma tormenta inesperada, num barco quase à deriva, não fosse pelo meu coorientador. Sinto que minha pesquisa evoluiu e ganhou mais sentido após nossas primeiras reuniões. Ademais, sei que meu crescimento enquanto geógrafo e climatologista foi eminente a partir das tuas orientações. Meu agradecimento é ainda maior por saber que tudo foi feito de forma voluntária, mesmo diante de uma carreira sólida e consagrada. Ao meu coorientador, o Prof. Dr. Daniel Pires Bitencourt, que também trabalhou de forma voluntária, meu eterno reconhecimento por todo esforço em me guiar, por aguçar meu espírito de pesquisador e pela compreensão ao longo de toda trajetória. Espero que nossa parceria em publicações e projetos tenha vida longa. Tive sorte em contar com o suporte de dois profissionais tão competentes e engajados na função de educar e de contribuir com a ciência brasileira. Muito obrigado!

Aos colegas que fiz ao longo de dez anos frequentando o LabClima da UFSC, muito obrigado pelas ideias trocadas e pela possibilidade de evoluir cada vez mais. Dentre muitos colegas que fiz por lá, desde a graduação, um eu posso chamar de amigo/irmão: Maikon P. A. Alves. As parcerias no âmbito acadêmico-científico foram muitas, entretanto, para minha honra, nos tornamos grandes companheiros de café, de cerveja, de ideais, de intercâmbio, de Copa Humboldt, de sonhos e de família. Sei que nossa amizade é eterna. Eu aprendo muito contigo, irmão! Não poderia esquecer do Prof. Dr. Alberto E. Franke, um grande mestre, sempre solícito, disposto e um farol dentro do LabClima. Muito obrigado!

No que diz respeito aos meus amigos de infância, de Itapoá, minha terra natal, não citarei nomes ao agradecer. Tenho muitos amigos que querem e sempre quiseram meu bem, sendo assim, acho prudente não os nomear para evitar esquecimentos. Eles sabem quem são, portanto, sintam meu abraço fraterno! Aos amigos “forasteiros”: Moa, Volney, Rufino e Thaigor, minha gratidão.

Sou grato ao Prof. Dr. Marcelo Barreiro por me receber no Departamento de Ciencias de la Atmósfera da Universidad de la República (UdelaR) - Uruguai e à Prof.ª Dr.ª Ana Monteiro por me acolher durante o período de intercâmbio no Instituto Geofísico, ligado ao Departamento de Geografia da Universidade do Porto (U.Porto) - Portugal.

Agradeço ainda à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) por minha bolsa de doutorado; aos servidores e professores que contribuíram para que eu pudesse me tornar doutor, em especial ao Prof. Dr. Ewerton Vieira Machado; aos membros da minha banca de qualificação e de defesa final por colaborarem com a evolução

Gostaria de deixar aqui um agradecimento especial à Prof.ª Dr.ª Simona Fratianni , da

Università degli Studi di Torino, por ter aceitado participar da minha banca de doutorado e, principalmente, por ter lido uma tese numa língua estrangeira durante um momento de condição de saúde agravada. Tal condição impossibilitou-a de participar da defesa por videoconferência, entretanto, a professora honrou o compromisso e teve a gentileza de emitir um parecer em papel timbrado (Anexo A), após a leitura da tese. Infelizmente, por questões burocráticas insensatas, o Programa de Pós-Graduação em Geografia (PPGG) da UFSC me obrigou a retirar o nome da Prof.ª Simona da folha de certificação. Lamento, mas agradeço pelas suas ricas contribuições, ao meu ver, oficiais e dedicadas.

“Eu estava no norte do Afeganistão, tendo cruzado o rio na fronteira com o Tadjiquistão numa balsa para me unir às tropas da Aliança do Norte que lutavam contra o Talibã.

Os aviões de caça e bombardeiros americanos já estavam no céu, atacando continuamente posições do Talibã e da Al-Qaeda nos frios e poeirentos morros e planícies a leste de Mazar-e Sharif a fim de abrir caminho para o avanço sobre Cabul. Após algumas semanas ficou óbvio que a Aliança do Norte se preparava para se deslocar em direção ao sul. E então o mundo mudou de cor.

Sobreveio a mais intensa tempestade de areia que jamais vi, conferindo uma cor amarelo-mostarda a todas as coisas. Até o ar à nossa volta parecia ter essa tonalidade, carregado como estava de partículas de areia. Durante 36 horas nada se moveu exceto a areia. No auge da tempestade não se conseguia enxergar nada situado além de alguns metros à frente, e a única coisa clara era que o avanço teria de esperar por boas condições climáticas.

A tecnologia por satélite dos americanos, na vanguarda da ciência, foi inútil, cega diante do clima dessa terra inóspita. Todos, desde o presidente George W. Bush até o Estado-Maior Conjunto das tropas da Aliança do Norte no local, tiveram simplesmente de esperar. Então choveu, e a areia que havia se depositado sobre tudo e todos se transformou em lama. A chuva caiu tão pesadamente que as cabanas de barro cozido em que estávamos morando davam a impressão de derreter. Mais uma vez ficou evidente que o movimento para o sul estava suspenso até que a geografia terminasse de se fazer ouvir. As regras da geografia que Aníbal, Sun Tzu e Alexandre o Grande conheceram ainda se aplicam aos líderes atuais”.

A presente pesquisa objetivou investigar a conjuntura das doenças respiratórias (gripe, asma e pneumonia) em seis dos principais municípios de Santa Catarina e a repercussão do clima na enfermidade mais recorrente, neste caso, a pneumonia. Alicerçado em dados de internações diárias, de imunizações e de elementos climáticos no período 1998 -2016, a análise avaliou nos municípios de Joinville, Blumenau, Florianópolis, Criciúma, Lages e Chapecó diversos aspectos, dentre eles: as características quali-quantitativas das internações; a relação entre o percentual anual de doses de vacinas aplicadas e as taxas de internação por conta das três doenças estudadas; a defasagem (lag) de maior associação estatística entre os elementos climáticos e as taxas de internação por pneumonia; as classes de notificação de risco para a pneumonia em cada um dos seis municípios; quais foram os elementos climáticos de maior associação com as taxas de internação por pneumonia, além daqueles de maior explicação na variação diária e; baseado na técnica de análise rítmica, quais os tipos de tempo que mais impactaram nas taxas de internação por pneumonia. Todos estes procedimentos utilizaram dados de saúde provenientes do Departamento de Informática do Sistema Único de Saúde (DATASUS), do Programa Nacional de Imunizações (PNI), do Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP), do Centro de Informações de Recursos Ambientais e de Hidrometeorologia de Santa Catarina (CIRAM) e do Centro de Hidrografia da Marinha do Brasil (CHM). Os procedimentos metodológicos envolveram diversas técnicas, dentre elas: teste de normalidade de Shapiro-Wilk; correlação de Spearman e de Pearson (ɑ = 5%); regressão linear múltipla (ɑ = 5%); análise da variância unidirecional e comparação múltipla de médias; estabelecimento de classes de notificação de risco a partir dos percentis; confecção de morbiogramas; utilização da fórmula de Sturges (k -1); mapeamento dos índices de participação dos sistemas atmosféricos e; por fim, da análise rítmica. Tratando-se dos principais resultados, foi possível observar que as doenças respiratórias investigadas se configuram como um problema em Santa Catarina, com diferenças e similaridades entre os municípios envolvidos. As diferenças prevalentes são de cunho quantitativo e as similaridades estão ligadas ao período do ano em que as mesmas ocorrem, com maior intensidade no inverno e, em segundo lugar, nas estações de trans ição. Verificou-se ainda que a pneumonia é amplamente mais ocorrente do que a asma e a gripe em todos os municípios. Esta última constatação permitiu avançar nas análises mais detalhadas para a pneumonia e, a partir disto, os resultados evidenciaram que, n uma análise separativa, a temperatura mínima (Tmín) em decréscimo é o elemento climático de maior

associação com as taxas diárias de internação por pneumonia. Apoiado nisto, observou-se que existem defasagens (lag) distintas entre a ocorrência da Tmín e seu efeito nas internações.

Os modelos baseados na regressão linear múltipla, diante dos coeficientes de determinação, não explicaram mais do que 10% das taxas diárias de internação por pneumonia, contudo, todos foram significativos e incluíram a Tmín. O município que apresentou o menor lag foi

Criciúma (3º dia), os demais foram maiores do que uma semana. Criciúma, em diversos resultados exibe uma relação com os poluentes atmosféricos provenientes das indústrias ligadas às olarias e ao carvão mineral. Classes de notificação de risco foram geradas e ficou evidente como as menores Tmín estão diretamente ligadas às maiores taxas diárias de

pneumonia, tal resultado subsidia o planejamento das unidades de saúde a partir de previsões do tempo. Por fim, com base na análise rítmica, constatou-se que o encadeamento dos tipos de tempo polares intensos na retaguarda dos sistemas frontais geradores de chuvas substanciais, agiram de forma contígua no processo de adoecimento por pneumonia, resultando num maior número de internados. Sendo assim, tal ritmo de sucessão dos estados atmosféricos, suscitaram tipos de tempo nocivos à pneumonia e evidenciaram que as Tmín

intensas e as chuvas funcionam de forma sinérgica no processo de internação por conta da pneumonia, mesmo em climas subtropicais.

The present research aims to evaluate respiratory diseases (influenza, asthma and pneumonia) in six Santa Catarina’s main cities and the repercussion of climate on pneumonia, which is the most frequent disease. Daily hospitalizations, immunizations and climatic elements data were evaluated from 1998 to 2016. The cities included were Joinville, Blumenau, Florianópolis, Criciúma, Lages, and Chapecó. The data analysed were qualitative and quantitative characteristic of hospitalizations; the relationship between the annual percentage of vaccines applied’ doses and hospitalizations’ rate due to the three included disease; the lag of the higher statistics association between the climatic elements and hospitalizations’ rate due to pneumonia; risk notification classes for pneumonia in each included cities; what were the climatic elements with higher association with hospitalizations’ rate due to pneumonia, besides of those that have influence on daily variation; and, what were the wheater types that have more impact on hospitalizations rate due to pneumonia, based on rhythmic analysis technique. All analysis utilized health data gathered from a variety of sources: Departamento de Informática do Sistema Único de Saúde (DATASUS), Programa Nacional de Imunizações (PNI), Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP), Centro de Informações de Recursos Ambientais e de Hidrometeorologia de Santa Catarina (CIRAM) and from Centro de Hidrografia da Marinha do Brasil (CHM). The methodology involved a number of techniques such as normality test of Shapiro-Wilk; Spearman and Pearson correlations (ɑ = 5%); multiple linear regression (ɑ = 5%); unidirectional variance analysis and multiple comparison of means; establishment of risk notification classes based on percentiles; confection of morbiogramas; utilization of Sturges’ formula (k-1); mapping of participation rates of atmospheric systems; and, rhythmic analysis. The main results made it possible to observe that the investigated respiratory diseases are considered a problem in Santa Catarina, with differences and similarities among the studied cities. The differences are quantitative rather than qualitative. The similarities are linked to the period of the year in which they occurred with more insensitivity in winter and, on second place, on transition stations. In addition, pneumonia is more frequent than asthma and the influenza in all studied cities. From the finding regarding pneumonia, more detailed analysis could be done. The decrease of minimum temperature (Tmín) is the climatic element with more association with

daily rates of hospitalizations due to pneumonia. Following this way, it was observed that there are different lags between the occurrence of Tmín and its consequences on

hospitalizations. Given the determination coefficients, the models based on multiple linear regression did note explain more than 10% of daily rates of hospitalizations due to pneumonia; however, all models were significant and included Tmín. The city with the smaller

lag was Criciúma (3rd _{day), and the others cities were higher than one week. In many results,}

Criciúma shows a relationship with the atmospheric pollutants from pottery and coal industries. Risk notification classes were performed and it showed how smaller Tmín are

directly linked with higher pneumonia daily rates. This result subsidizes the planning of health unit from weather forecasts. Based on the rhythmic analysis, it was found that the chaining of the intense polar weather types at the rear of the frontal systems that generate substantial rain acted together in the illness caused by pneumonia, resu lting in a higher number of hospitalizations. Thus, this succession rhythm of atmospheric states gave rise to types of weather harmful to pneumonia and evidenced that intense Tmín and the rain work

synergistically on hospitalization process due to pneumonia, even in subtropical climates. Keywords: Bioclimatology. Respiratory diseases. Climatic rhythm. Hospitalization.

Figura 1. Localização da área de estudo ... 27

Figura 2. Circulação atmosférica na América do Sul: os centros de ação ... 30

Figura 3. Mapa de hipsometria do estado de Santa Catarina e os municípios estudados ... 35

Figura 4. Os elementos climáticos e seus fatores geográficos ... 36

Figura 5. Variação sazonal relativa na incidência de doenças respiratórias e alergias nos EUA. Destaque para influenza, pneumonia e coriza. Dados do Departamento de Saúde e Serviços Humanos dos EUA ... 38

Figura 6. Séries de dados das estações meteorológicas convencionais (EMC) utilizadas na pesquisa e suas respectivas falhas - 01/01/1998 a 31/12/2016 ... 50

Figura 7. Esquema para obtenção dos dados de internações diárias junto ao DATASUS ... 51

Figura 8. Morbidade hospitalar do Sistema Único de Saúde (SUS) – por local de residência – Santa Catarina, entre 1998 e 2016 ... 62

Figura 9. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Joinville/SC - 1998-2016 ... 64

Figura 10. Taxa de internação anual (x100.000) por gripe e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Joinville/SC - 1998-2016 ... 65

Figura 11. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Joinville/SC - 1998-2016 ... 66

Figura 12. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Joinville - 1998-2016 ... 66

Figura 13. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Blumenau/SC - 1998-2016 ... 67

Figura 14. Taxa de internação anual (x100.000) por gripe e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Blumenau/SC - 1998-2016 ... 68

Figura 15. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Blumenau/SC - 1998-2016 ... 68

Figura 16. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Blumenau - 1998-2016 ... 69

Figura 17. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Florianópolis/SC - 1998-2016 ... 70

Figura 18. Taxa de internação anual (x100.000) por gripe e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Florianópolis/SC - 1998-2016 ... 70

Figura 19. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Florianópolis/SC - 1998-2016 ... 71

Figura 20. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Florianópolis - 1998-2016 ... 72

Figura 21. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Criciúma/SC - 1998-2016 ... 72

Figura 22. Taxa de internação anual (x100.000) por gripe e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Criciúma/SC - 1998-2016 ... 73

Figura 23. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Criciúma/SC - 1998-2016 ... 73

Figura 24. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Criciúma - 1998-2016 ... 74

Figura 25. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Lages/SC - 1998-2016 ... 77

Figura 27. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses aplicadas com base na população por ano - Lages/SC - 1998-2016 ... 78

Figura 28. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Lages -

1998-2016 ... 79

Figura 29. Taxa de internação anual (x100.000) por pneumonia e o percentual (%) de vacinas em

doses aplicadas com base na população por ano - Chapecó/SC - 1998-2016 ... 80

Figura 30. Taxa de internação anual (x100.000) por gripe e o percentual (%) de vacinas em doses

aplicadas com base na população por ano - Chapecó/SC - 1998-2016 ... 80

Figura 31. Taxa de internação anual (x100.000) por asma e o percentual (%) de vacinas em doses

aplicadas com base na população por ano - Chapecó/SC - 1998-2016 ... 81

Figura 32. Taxas de internação mensal (x100.000) por pneumonia, asma e gripe - Chapecó -

1998-2016 ... 81

Figura 33. Exemplo de cartaz para dimensionar os custos médios que o SUS e, por conseguinte,

o Estado pode ter com os enfermos internados por pneumonia em Santa Catarina. Custos diretos apenas pela internação ... 88

Figura 34. Taxa de internação mensal (x100.000) por influenza (gripe) nos diferentes municípios

do estado. Valores médios e amplitude total - 1998-2016. ... 89

Figura 35. Taxas de internações mensais (x100.000) por influenza (gripe) em todos os municípios

do estado - 1998-2016. ... 91

Figura 36. Taxa de internação mensal (x100.000) por asma nos diferentes municípios do estado.

Valores médios e amplitude total - 1998-2016. ... 92

Figura 37. Taxas de internações mensais (x100.000) por asma em todos os municípios do estado

- 1998-2016. ... 93

Figura 38. Taxa de internação mensal (x100.000) por pneumonia nos diferentes municípios do

estado. Valores médios e amplitude total - 1998-2016. ... 94

Figura 39. Taxas de internações mensais (x100.000) por pneumonia em todos os municípios do

estado - 1998-2016. ... 96

Figura 40. Joinville - dados diários no período 1998-2016: limiares individuais a partir da Tmín e

classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 109

Figura 41. Blumenau - dados diários no período 1998-2016: limiares individuais a partir da Tmín

e classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 110

Figura 42. Florianópolis - dados diários no período 1998-2016: limiares individuais a partir da Tmín e classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 110

Figura 43. Criciúma - dados diários no período 1998-2016: limiares individuais a partir da Tmín e

classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 111

Figura 44. Lages - dados diários no período 1998-2016: limiares individuais a partir da Tmín e

classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 111

Figura 45. Chapecó - dados diários no período 1998-2016: limiares individuais a partir da Tmín e

classes de notificação de risco hierarquizadas de acordo com os intervalos provenientes da amplitude geral entre os seis municípios ... 112

Figura 46. Classes de notificação de risco para taxa de internação diária por pneumonia:

Figura 48. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Joinville/SC. ... 121 Figura 49. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Blumenau/SC. ... 122 Figura 50. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Florianópolis/SC. ... 123 Figura 51. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Criciúma/SC. ... 124 Figura 52. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Lages/SC. ... 125 Figura 53. Gráfico de análise rítmica episódica - julho/agosto de 2008 - Chapecó/SC. ... 126 Figura 54. Índices de atuação geral dos sistemas atmosféricos e na gênese pluvial em cada

município estudado - 20/07 a 31/08 de 2008. ... 131

Figura 55. Índices de atuação geral dos sistemas atmosféricos em Santa Catarina - frequências

percentuais (%) entre 20/07 e 31/08/2008 ... 133

Figura 56. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Joinville/SC. ... 135 Figura 57. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Blumenau/SC. ... 136 Figura 58. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Florianópolis/SC. ... 137 Figura 59. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Criciúma/SC. ... 138 Figura 60. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Lages/SC. ... 139 Figura 61. Gráfico de análise rítmica episódica - julho/agosto de 2009 - Chapecó/SC. ... 140 Figura 62. Índices de atuação geral dos sistemas atmosféricos e na gênese pluvial em cada

município estudado - 20/07 a 31/08 de 2009. ... 145

Figura 63. Índices de atuação geral dos sistemas atmosféricos em Santa Catarina - frequências

percentuais (%) entre 20/07 e 31/08/2009 ... 147

Quadro 1. Doenças estudadas e vacinas consideradas na análise. ...52 Quadro 2. Classificação dos valores de correlação. ...54 Quadro 3. Intervalos de classes para as taxas mensais de internação por pneumonia estabelecidos com base na fórmula de Sturges (k-1) ...57 Quadro 4. Massas de ar: origem e critérios para classificação...59 Quadro 5. Sistemas frontais e sistemas individualizados: critérios para classificação. ...60 Quadro 6. Classes de notificação de risco para a taxa de internação diária por pne umonia e seu jogo cromático. ...109 Quadro 7. Intervalos de classes para as taxas mensais de internação por pneumonia (x100.000) estabelecidos com base na fórmula de Sturges (k-1) ...118

Quadro 8. Tipos de pneumonia existentes na CID 10 e a quantidade de internações registradas no SUS - entre 20/07 e 31/08 de 2008 e 2009 - Joinville, Blumenau, Florianópolis, Criciúma, Lages e Chapecó. ...174

Tabela 1. Alguns dados populacionais dos municípios analisados. ...28

Tabela 2. Informações das estações meteorológicas utilizadas na pesquisa. ...49

Tabela 3. Lista de doenças selecionadas para análise...51

Tabela 4. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Joinville - 1998-2016 ...66

Tabela 5. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Blumenau - 1998-2016 ...69

Tabela 6. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Florianópolis - 1998-2016 ...71

Tabela 7. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Criciúma - 1998-2016 ...74

Tabela 8. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Lages - 1998-2016 ...79

Tabela 9. Teste de normalidade de Shapiro-Wilk (W) para o percentual anual de doses de vacinas aplicadas e valores de correlação entre taxa de internação anual Vs. % anual de doses de vacinas aplicadas - Chapecó - 1998-2016 ...81

Tabela 10. Dados quantitativos das internações - Pneumonia - 1998-2016 ...84

Tabela 11. Dados quantitativos das internações - Asma - 1998-2016 ...86

Tabela 12. Dados quantitativos das internações - Gripe - 1998-2016 ...87

Tabela 13. Teste de normalidade (Shapiro-Wilk) - Taxa de internação diária por pneumonia - 1998-2016 ...96

Tabela 14. Teste de lag a partir dos valores de correlação de Spearman (rs) - Joinville - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...97

Tabela 15. Teste de lag a partir dos valores de correlação de Spearman (rs) - Blumenau - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...98

Tabela 16. Teste de lag a partir dos valores de correlação de Spearman (rs) - Florianópolis - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...98

Tabela 17. Teste de lag a partir dos valores de correlação de Spearman (rs) - Criciúma - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...99

Tabela 18. Teste de lag a partir dos valores de correlação de Spearman (rs) - Lages - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...100

Tabela 19. Teste de lag a partir dos valores de correlação de Spearman (rs) - Chapecó - 1998-2016: Taxa de internação (x100.000) Vs. Elementos climáticos ...100

Tabela 20. Classes de notificação de risco para Joinville - Taxa de internação diária por pneumonia (TxIntPne) ...103

Tabela 21. ANOVA unidirecional (One-way) - Taxa de internação diária por pneumonia (𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒) por classe de percentil (P) - Joinville - 1998-2016 ...103

Tabela 22. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Joinville - 1998-2016 ...103

Tabela 23. Classes de notificação de risco para Blumenau - Taxa de internação diária por pneumonia (TxIntPne) ...104

Tabela 25. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Blumenau - 1998-2016 ...104 Tabela 26. Classes de notificação de risco para Florianópolis - Taxa de internação diária por pneumonia (TxIntPne) ...105 Tabela 27. ANOVA unidirecional (One-way) - Taxa de internação diária por pneumonia (𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒) por classe de percentil (P) - Florianópolis - 1998-2016 ...105 Tabela 28. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Florianópolis - 1998-2016 ...105 Tabela 29. Classes de notificação de risco para Criciúma - Taxa de internação diária por pneumonia (TxIntPne) ...106 Tabela 30. ANOVA unidirecional (One-way) - Taxa de internação diária por pneumonia (𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒) por classe de percentil (P) - Criciúma - 1998-2016 ...106 Tabela 31. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Criciúma - 1998-2016 ...106 Tabela 32. Classes de notificação de risco para Lages - Taxa de internação diária por pneumonia (TxIntPne) ...107 Tabela 33. ANOVA unidirecional (One-way) - Taxa de internação diária por pneumonia (𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒) por classe de percentil (P) - Lages - 1998-2016 ...107 Tabela 34. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Lages - 1998-2016 ...107 Tabela 35. Classes de notificação de risco para Chapecó - Taxa de internação diária por pneumonia (TxIntPne) ...108 Tabela 36. ANOVA unidirecional (One-way) - Taxa de internação diária por pneumonia (𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒) por classe de percentil (P) - Chapecó - 1998-2016 ...108 Tabela 37. Comparação múltipla de médias - 𝑇𝑥𝐼𝑛𝑡𝑃𝑛𝑒 por classe de percentil (P) - Teste Tukey ao nível de significância de α = 5% - Chapecó - 1998-2016 ...108 Tabela 38. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Joinville - 1998-2016 ...114 Tabela 39. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Blumenau - 1998-2016 ...114 Tabela 40. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Florianópolis - 1998-2016 ...115 Tabela 41. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Criciúma - 1998-2016 ...115 Tabela 42. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Lages - 1998-2016 ...115 Tabela 43. Sumário da RLM para a variável dependente: Taxa de internação por pneumonia - Chapecó - 1998-2016 ...116 Tabela 44. Total e percentual de número de dias com ocorrência da Tmín abaixo ou igual ao

a. C. - antes de Cristo

AIDS - Acquired Immunodeficiency Syndrome AIH - Autorização de Internação Hospitalar AL - Alagoas

AMP - Anticiclone Migratório Polar ANOVA - Análise da Variância ANOVA AS - América do Sul

ASAS - Anticiclone Semifixo do Atlântico Sul AVC - Acidente Vascular Cerebral

BDMEP - Banco de Dados Meteorológicos para Ensino e Pesquisa CID - Classificação Internacional de Doenças

CIRAM - Centro de Informações de Recursos Ambientais e de Hidrometeorologia de Santa Catarina

CO - Monóxido de Carbono COVID - COrona VIrus Disease

CPTEC - Centro de Previsão de Tempo e Estudos Climáticos DAR - Doenças do Aparelho Respiratório

DATASUS - Departamento de Informática do Sistema Único de Saúde DP - Dias de Permanência

DPOC - Doença Pulmonar Obstrutiva Crônica EMC - Estação Meteorológica Convencional ENOS - El Niño-Oscilação Sul

EPAGRI - Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina EUA - Estados Unidos da América

FISR - Fórum Internacional de Sociedades Respiratórias FPA - Frente Polar Atlântica

FPA DIS - Frente Polar Atlântica em Dissipação FPA EST - Frente Polar Atlântica Estacionária FPA OCL - Frente Polar Atlântica Oclusa FPA REF - Frente Polar Atlântica Reflexa

FPA REP - Repercussão da Frente Polar Atlântica

FPA SQTE - Frente Polar Atlântica com Setor Quente de Retorno GF - Grande Florianópolis

GMT - Greenwich Mean Time

IBGE - Instituto Brasileiro de Geografia e Estatística IDHM - Índice de Desenvolvimento Humano Municipal IDW - Inverse Distance Weighted

IMA - Instituto do Meio Ambiente de Santa Catarina INMET - Instituto Nacional de Meteorologia

INPE - Instituto Nacional de Pesquisas Espaciais IRA - Infecções Respiratórias Agudas

IVTR - Infecções Virais do Trato Respiratório LI - Linha de Instabilidade

mEc - massa Equatorial continental MG - Minas Gerais

mPp - massa Polar atlântica mPp - massa Polar pacífica mPv - massa Polar velha mTa - massa Tropical atlântica

NMM - Nível Médio do Mar NOx - Óxido de Nitrogênio

O3 - Ozônio

OC - Oeste Catarinense

OMS - Organização Mundial da Saúde

OPS - Organización Panamericana de la Salud P - Percentil

Pcv10 - Pneumocócica 10valente PIB - Produto Interno Bruto PM - Particulate Matter

Pn23 - Pneumocócica polissacarídica 23 Valente PNI - Programa Nacional de Imunizações

PR - Paraná

Prec - Precipitação pluvial

PTS - Partículas Totais em Suspensão QI - Quantidade de Internação

RLM - Regressão Linear Múltipla RS - Rio Grande do Sul

SC - Santa Catarina Se - Serrana

Séc. - Século

SIG - Sistema de Informação Geográfica SIH - Sistema de Informações Hospitalares SO2 - Dióxido de Enxofre

SOx - Óxido de Enxofre

SP - São Paulo

SUS - Sistema Único de Saúde ƩVT - Valor Total somado Tmáx - Temperatura máxima

Tmín - Temperatura mínima

TxIntPne - Taxa de Internação por Pneumonia UR - Umidade Relativa do ar

UTI - Unidade de Terapia Intensiva VdI - Vale do Itajaí

VRS - Vírus Respiratório Sincicial VSR - Vírus Sincicial Respiratório VT - Valor Total

1 INTRODUÇÃO ...21

1.1 OBJETIVOS ...25

1.1.1 Objetivo Geral ...25

1.1.2 Objetivos Específicos ...25

2 CARACTERIZAÇÃO DA ÁREA DE ESTUDO ...26

2.1 BREVE APANHADO HISTÓRICO E SOCIOECONÔMICO DOS MUNICÍPIOS ESTUDADOS ...26

2.2 ATRIBUTOS FÍSICO-NATURAIS: ENFOQUE CLIMÁTICO ...29

2.2.1 Características gerais da circulação atmosférica em Santa Catarina ...29

2.2.2 A importância dos fatores geográficos no clima regional de Santa Catarina ...34

3 FUNDAMENTAÇÃO TEÓRICA ...37

3.1 CLIMA E SAÚDE ...37

3.2 RELAÇÃO FISIOLÓGICA ENTRE CLIMA E DOENÇAS RESPIRATÓRIAS ..45

4 MATERIAIS E PROCEDIMENTOS METODOLÓGICOS ...49

4.1 DADOS METEOROLÓGICOS ...49

4.2 DADOS DE SAÚDE ...50

4.2.1 Vacinação e percentual de doses aplicadas ...52

4.3 PROCEDIMENTOS ESTATÍSTICOS ...53

4.3.1 Correlações e o efeito defasado dos elementos climáticos na pneumonia ...53

4.3.2 Estabelecimento das classes de notificação de risco para a taxa de internação por pneumonia ...54

4.4 SUBSÍDIOS PARA A RELAÇÃO ENTRE O RITMO CLIMÁTICO E AS INTERNAÇÕES POR PNEUMONIA ...56

4.4.1 Elaboração dos morbiogramas e a escolha dos períodos estudados ...56

4.4.2 A análise rítmica ...57

4.4.3 Mapeamento dos sistemas atmosféricos ...61

5 RESULTADOS E DISCUSSÃO ...62

5.1 A RELAÇÃO ENTRE VACINAÇÃO E TAXA DE INTERNAÇÃO ...62

5.1.1 Joinville ...64 5.1.2 Blumenau ...67 5.1.3 Florianópolis ...69 5.1.4 Criciúma ...72 5.1.5 Lages ...76 5.1.6 Chapecó ...79

5.1.7 Análise geral da associação entre a taxa de internação anual e o percentual de doses de vacinas aplicadas ...82

5.2 CARACTERÍSTICAS QUANTITATIVAS DAS DOENÇAS INVESTIGADAS ..84

5.3.3 Pneumonia ...94

5.4 ANÁLISES ESTATÍSTICAS DIÁRIAS: ELEMENTOS CLIMÁTICOS E A TAXA DE INTERNAÇÃO POR PNEUMONIA ...96

5.4.1 Correlações e o efeito defasado dos elementos climáticos nas internações diárias por pneumonia: atribuição de lag por município ...96

5.4.2 Estabelecimento de classes de notificação de risco em nível diário ...102

5.4.3 Regressão linear múltipla: sinergia entre os elementos climáticos e o impacto na taxa de internação por pneumonia em nível diário ...114

5.5 ANÁLISE DINÂMICA: OS TIPOS DE TEMPO E AS REPERCUSSÕES NA TAXA DE INTERNAÇÃO POR PNEUMONIA ...118

5.5.1 Morbiogramas: variabilidade da taxa de internação por pneumonia e a escolha dos períodos investigados por meio da análise rítmica ...118

5.5.2 As variações do ritmo climático com vistas à pneumonia: de 20/07 a 31/08/2008 ..120

5.5.2.1 Índices de atuação geral dos sistemas atmosféricos e a gênese pluvial do período de inverno entre 20/07 e 31/08/2008 ...130

5.5.2.2 Espacialização dos índices de atuação geral dos sistemas atmosféricos no período invernal de 20/07 a 31/08/2008 ...132

5.5.3 As variações do ritmo climático com vistas à pneumonia: de 20/07 a 31/08/2009 ..134

5.5.3.1 Índices de atuação geral dos sistemas atmosféricos e a gênese pluvial do período de inverno entre 20/07 e 31/08/2009 ...144

5.5.3.2 Espacialização dos índices de atuação geral dos sistemas atmosféricos no período invernal de 20/07 a 31/08/2009 ...146

5.5.4 Síntese comparativa entre os períodos de inverno analisados: 2008 Vs. 2009 ...148

6 CONCLUSÕES ...152

REFERÊNCIAS ...156

APÊNDICE A ...174

1 INTRODUÇÃO

A influência do clima na saúde das populações não é algo novo, há muito tempo já se acreditava nisto e ensaios sobre estas relações eram feitos. Conforme Costa (2005), a inter-relação entre medicina e geografia é bastante antiga, assim como o ato de se explorar o potencial das informações para o entendimento espacial das doenças.

Associações entre saúde humana e clima são feitas desde a antiguidade clássica pelo grego Hipócrates (~480 a. C.) e, inserida na ciência geográfica desde a sua origem enquanto ciência, no período geográfico determinista com Ritter e Humboldt (OLIVER, 1981; SOBRAL, 1988; MORAES, 2005). Segundo Sobral (1988), embora o conceito de geografia médica tenha surgido com Hipócrates, o termo geografia médica consta ter aparecido pela primeira vez com Finke (1792). Na Idade Média, durante o período de escuridão na história da humanidade sob o enfoque europeu, mesmo sem tanta profundidade, ainda assim existiam os escritores que observavam as relações de causa e efeito acerca dos fenômenos naturais. Isto ocorria por conta da impressão que os fenômenos deixavam sobre as populações (KIMBLE, 1938). O mesmo Kimble (1938) relata uma passagem em que Giraldus Cambrensis1_{, comparando o Ocidente com o Oriente, afirma que na Irlanda era possível}

dormir seguramente a céu aberto, pois o vento não os flagelava com o frio, o calor não derrubava a força das pessoas ou trazia a pestilência consigo. Mesmo que esta seja uma passagem com tom pejorativo e muito superficial baseada nos conhecimentos geográficos regionais, nota-se como a interação entre clima e saúde, por mais que nas entrelinhas, já existia há muito tempo.

No período das grandes navegações, entre o Séc. XV e início do Séc. XVII, muitos dos problemas de saúde eram creditados às latitudes pelos espanhóis e portugueses, especialmente para as porções tropicais do planeta ainda desconhecidas, sobretudo por cont a do calor (PEIXOTO, 1975). Sobral (1988) diz que são raros os teóricos mais antigos que se debruçaram ou se preocuparam com os problemas de saúde, Sorre e Humboldt foram dois dos poucos que trataram das relações existentes entre doenças e aspectos geográficos.

Sorre (1951), já em meados do século passado, estudou a relação entre as doenças e as características geográficas dos lugares em que as mesmas se manifestam. Este estudo vem ao encontro das análises comparativas existentes nos mais diferentes níveis de detalhamentos, pois muitas vezes as condições físico-naturais e/ou socioeconômicas podem estar atreladas aos impactos gerados, divergindo de um bairro para outro, por exemplo. O mesmo Sorre (1951), ao fazer um desenho da repartição das doenças infecciosas no globo, refere não só a existência, como a predominância do que chama de doenças sociais (tuberculose e gripe) nos países frios e temperados/subtropicais. Miller (1953) apontava que, em Londres e no que se sabia de outros continentes, era atribuído ao clima uma grande culpa na taxa de mortes daquela época. O autor enfatiza mais o papel do clima nas doenças transmitidas por insetos, todavia, relata também que alguns climas exercem ação benéfica para certas enfermidades. Ou seja, a relação entre clima e saúde era percebida, em alguns casos como benfeitora, em outros nem tanto. Maunder (1970) destacava alguns elementos climáticos como sendo aqueles mais capazes de influenciar a saúde humana, dividindo-os em quatro categorias: insolação (luz solar), calor, vento e frio. Oliver (1981) lembra que, por muitos anos as análises envolvendo clima e saúde baseavam-se em observações gerais sobre como as pessoas reagiam às influências ambientais, porém, somente num período mais atual as pesquisas avançaram, permitindo a redução de alguns equívocos e a obtenção de resultados mais apurados. O mesmo Oliver (1981, p. 193), ao analisar as mortes por doenças respiratórias na Inglaterra, no País de Gales e na Austrália expõe que “um padrão sazonal é claramente estabelecido” nos três países.

No Brasil, em 1846 ocorreu um surto gravíssimo por conta de pneumonias mortais, durando cinco meses e fazendo aproximadamente 3.000 vítimas. Todavia, nada se comparou ao ano de 1918, em que, especialmente, a região centro-sul brasileira sofreu com uma forte epidemia de gripe; neste período a morbidade refletiu e correspondeu a cerca de 15.000 mortes no Rio de Janeiro. Provavelmente os casos de morbidades e mortalidades não estavam totalmente ligados ao clima, questões de falta de vacinas e insalubridade contribuíram, mas, condições climáticas podem ter potencializado os agravos (PEIXOTO, 1975). Ressalta-se que neste período ocorreu a conhecida gripe espanhola, presumivelmente exibindo ligação com o elevado número de mortes registradas no Brasil. Ainda de acordo com Peixoto (1975), no território brasileiro, em 1936, já se tinha uma noção sobre a gripe no Rio de Janeiro, com um coeficiente de morbidade de 43,4 por 100.000 habitantes. As doenças existentes nos países frios sempre foram consideradas fatalidades, independente dos aspectos climáticos; por outro lado, para os países quentes, o clima era apontado como causa maior.

Lacaz (1972) delineia os anos de 1900 a 1950 como o período áureo da bioclimatologia no Brasil, mesmo que com abordagem voltada para as doenças relacionadas à insalubridade e/ou transmissíveis a partir de insetos. Entretanto, Mendonça (2000) menciona que, depois da década de 1950, ocorreu um relativo abandono deste campo de estudo na geografia brasileira. Para Monteiro (1976), é a partir da década de 1970 que a climatologia evolui qualitativamente no Brasil, possibilitando análises mais aprimoradas entre clima e cidade, embora já se fizessem estudos na área. Sobral (1988) ao publicar sua tese, afirmava que, nas últimas décadas, não apenas a geografia havia deixado de ser uma ciência puramente auxiliadora da medicina no campo da geografia médica, como os próprios geógrafos passaram a se envolver em estudos deste campo, contribuindo assim para a sua evolução.

Peixoto (1975, p. 2) enfatiza que “não há doenças climáticas". O autor faz esta afirmação para evidenciar o potencial que as condições climáticas de um sítio podem ter nas enfermidades, porém, em geral, as mesmas não são as causas primárias. Murara (2012) trata as variáveis climáticas não como fator determinante nas doenças, mas como um elemento que contribui para gênese e desenvolvimento. Silveira (2016, p. 26) aponta que “é difícil (...) atribuir uma morte em território brasileiro ao frio, contudo, sabe-se da importância do mesmo, ao menos como potencializador (...)”. Apesar de tratar do frio, este apontamento serve para outros elementos climáticos e condições de tempo que podem contribuir com a morbidade e mortalidade. Monteiro et al. (2012) concordam que, mesmo diante das diversas variáveis que podem influenciar a doença, o clima agrava as doenças ou pelo menos funciona como “gatilho” de enfermidades. Neste contexto o clima pode ser um fator determinante.

A escala de análise e seu nível de detalhamento é algo importante nas pesquisas que envolvem análises socioambientais, incluindo estudos bioclimáticos. Por exemplo, em nível nacional, estadual, microrregional ou municipal, as possibilidades são maiores para que se analisem disparidades socioeconômicas, de serviços médico-hospitalares e de qualidade do meio ambiente, incluindo potencialidades por causas climáticas (RIBEIRO, 2005). Peixoto (1975) diz que, a partir dos adventos tecnológicos, uma série de condições como: vestimentas, alimentação, habitação, ventilação, aquecimento, condicionamento do ar, suprem as pessoas das intempéries atmosféricas. Porém, as desigualdades socioeconômicas existentes podem expor populações de um mesmo recorte espacial a condições de impactos distintas.

Conforme supracitado, percebe-se que, historicamente, as análises climáticas têm sido relacionadas à saúde, com muitos resultados publicados ao longo do tempo. Entretanto, pesquisas deste cunho não ficaram restritas somente ao passado. Pesquisadores de vários campos do conhecimento, como: médicos, geógrafos, enfermeiros, meteorologistas, demógrafos, economistas e outros, têm analisado as enfermidades numa perspectiva sociodemográfica, vinculadas às análises ambientais, sejam elas climatológicas ou não (GUERREIRO, 2011). Cada vez mais, em diferentes partes do planeta, pesquisas deste tipo são realizadas com diferentes abordagens. Em geral, as investigações tomam como base as variáveis: temperatura mínima, temperatura máxima, temperatura média, umidade relativa do

ar, amplitude térmica, velocidade do vento, precipitação, pressão atmosférica, sensação térmica, poluição do ar e cálculos a partir de índices bioclimáticos. Quanto ao impacto na saúde, os estudos em geral focam nas doenças respiratórias, infecciosas e parasitárias, assim como nas disfunções cognitivas, nas doenças circulatórias e até em problemas psíquicos (e.g. WILKINSON et al., 2001; DONALDSON, KEATING, 2003; HEALY, 2003; ZAMORANO et al., 2003; CARSON et al., 2006; MORABITO et al., 2006; ANALITIS et al., 2008; MURARA et al., 2010; JAY, KENNY, 2010; REID et al., 2012; BARBOSA et al., 2012; TAWATSUPA et al., 2012; BITENCOURT et al., 2012; MURARA et al., 2013; MATEUS, 2014; SETT, SAHU, 2014; BETHEL, HARGER, 2014; GASPARRINI et al., 2015; ANTUNES, 2016; FANTE, ARMOND, 2016; SAUSEN et al., 2016; ORRU, ÅSTRÖM, 2017; TOBÍAS et al., 2017; NÄYHÄ et al., 2017; LEE et al., 2017; IKEFUTI et al., 2018; IKE, MBONU, 2019).

Conforme dados da Organização Mundial da Saúde (OMS) (2017), estima-se que 40 milhões de mortes tenham ocorrido por conta das doenças não transmissíveis; representando aproximadamente 70% do total geral de 56 milhões. A maioria destes óbitos incidiu em razão de quatro principais doenças não transmissíveis: enfermidades cardiovasculares (45%); câncer (22%); enfermidades respiratórias (10%); diabetes (4%) e; o percentual restante dividido entre outras. Embora as taxas de mortalidade por doenças cardiovasculares e respiratórias tenham diminuído substancialmente nos países de baixa e média renda, como é o caso do Brasil, a publicação da OMS (2017) aponta que estas nações ainda apresentam taxas consideravelmente elevadas em relação aos países mais ricos. No Brasil, a probabilidade de morrer por conta de qualquer doença cardiovascular, por câncer, por diabetes ou por doenças respiratórias é de 16,9% para a faixa etária de 30 a 70 anos (OMS, 2016). O Fórum Internacional de Sociedades Respiratórias (FISR) assinala que, nove milhões de crianças com menos de cinco anos de idade morrem anualmente por incumbência das doenças respiratórias no mundo, sendo a pneumonia a principal causa. Os países de baixa e média renda, incluindo o Brasil, são os mais afetados, ainda que estejam passando por diminuição (GBD, 2016; FISR, 2017). Embora tais informações façam menção aos dados de mortalidade e não de morbidade, é possível observar como as doenças respiratórias figuram entre os problemas mais graves . Murara (2012) utilizando dados do Ministério da Saúde, indica que, entre 1930 e 2006, no Brasil, ocorreu aumento nos registros de morbimortalidade por doenças do aparelho respiratório; o autor ainda diz que os dados do estado de Santa Catarina (SC) demonstram similaridade com os nacionais. Todavia, isto pode ser reflexo do recorte temporal realizado pelo autor.

A maioria das mortes e internações relacionadas com as temperaturas e/ou outros elementos climáticos são teoricamente evitáveis. Embora as condições de tempo e clima sejam intensificadoras para algumas enfermidades respiratórias, outras variáveis contribuem para isso, tais como amplas influências sociais, ambientais e comportamentais (CARSON et al., 2006). Ou seja, aspectos climáticos e socioeconômicos podem formar uma componente para os impactos nas taxas de internações. De acordo com o Plano Nacional de Adaptação à Mudança do Clima, a sensibilidade da saúde humana aos efeitos climáticos adversos está associada às vulnerabilidades individuais e coletivas (ou contextuais), bem como às características específicas de cada território. Os componentes individuais envolvem: idade, perfil de saúde e resiliência fisiológica. Já o crescimento populacional desordenado, a pobreza, a degradação ambiental, a insalubridade, o grau de urbanização, entre outros fatores, são os componentes coletivos (MMA, 2016). Santa Catarina, apesar de apresentar uma boa qualidade de vida em relação ao padrão médio brasileiro (PNUD, s/d), ainda assim, também exibe dicotomias dentro do seu território, com mesorregiões e municípios desiguais.

O estado de SC, localizado no setor subtropical do Brasil, apresenta, de forma geral, grande variabilidade climática. Sua posição geográfica confere ao território influências de sistemas atmosféricos estáveis e instáveis provenientes do setor austral do Hemisfério Sul. A dinâmica atmosférica no sul do Brasil é bem marcante no decorrer do ano em virtude do

avanço contínuo de sistemas de alta pressão provenientes de maiores latitudes. Os avanços desses sistemas provocam, nas proximidades de seu centro, condições de tempo estável, porém, distante deles surgem tipos de tempos instáveis, associados principalmente à circulação marítima e à formação de frentes frias, quando em contato com outra massa de ar de característica diferente. Assim, há constantes variações nas condições de tempo: ora estáveis, ora instáveis (MONTEIRO; SILVA, 2017).

Monteiro (1963) afirma que a região Sul e, portanto, Santa Catarina, por sua posição subtropical atrelada às especificidades geográficas, possui aspecto mesotérmico e forte amplitude anual, com resfriamentos consideráveis, que podem gerar até precipitação nival em alguns casos e, verões quentes (amenos em certos locais devido à altitude nos planaltos). Os planaltos e as serras catarinenses determinam oposições consideráveis na distribuição das temperaturas. Em SC, os planaltos, com altitudes entre 300 e 900 metros totalizam 56,2% da área estadual e as serras, estabelecidas acima de 900 metros compreendem 20, 5% da área total (GRIMM, 2009; MONTEIRO, MENDONÇA, 2014). No que diz respeito as chuvas em SC, Monteiro (1963) indica que, de modo geral, na região Sul não há uma estação seca, as chuvas são abundantes. Em concordância, Nimer (1989) também expõe que na região Sul não há seca sazonal e apenas 2,66% de todo território fica dentro da área com um mês seco, ocorrendo geralmente durante o inverno. Wrege et al. (2012) demonstram que as chuvas em SC, no acumulado total do ano, oscilam entre 1.300 e 2.400 mm. Os maiores acumulados estão no oeste do estado e na costa norte, nas proximidades da Serra do Mar. Já o menor acumulado está em um trecho da costa sul (NIMER, 1989; WREGE et al., 2012).

Diante do exposto e com base nos aspectos apontados, a análise da interação entre clima e taxa de internação por doenças respiratórias, se demonstra importante. O estudo nos municípios de: Joinville, Blumenau, Florianópolis, Criciúma, Lages e Chapecó, justifica-se por se tratar de áreas com características físico-naturais distintas, incluindo as climáticas; fazendo com que a diversidade de tipos de tempo possa influenciar diretamente na saúde das populações. Todavia, os riscos de internações e óbitos não são apenas associados aos fenômenos climáticos, mas também a outras circunstâncias, tais como as condições demográficas e socioeconômicas (GUERREIRO, 2011).

A análise desta problemática nos municípios selecionados se deu por conta da existência de dados de saúde, meteorológicos, pela representatividade socioeconômica que cada um possui em suas mesorregiões e pela influência na centralização de atividades e serviços em geral.

Parte-se da hipótese de que o clima terá impacto diferente nas taxas de internações em cada município estudado. Além disto, espera-se que exista uma tendência de ocorrência maior nos períodos invernais e maior relação e associação entre baixas temperaturas e taxa de internação (BRASIL, 2014). Como hipótese complementar está a seguinte prospecção: existem tipos de tempo típicos em cada município estudado e os mesmos causam consequências distintas nas doenças respiratórias. Acredita-se também que, dentre os seis municípios, aqueles com menor desenvolvimento socioeconômico sejam os com potencial para maior suscetibilidade contextual perante os problemas respiratórios averiguados, ma s, isto não será objeto central da presente pesquisa.

A saúde humana depende de uma grande gama de fatores individuais, sociais e biogeofísicos, o que torna muito árduo avaliar o peso relativo de cada variável no processo de adoecimento de uma pessoa ou quando ela passa por agravamento de uma doença pré-existente, porém, cada vez mais esforços acadêmico-científicos estão sendo despendidos na busca por um nível de detalhamento maior da inter-relação entre meio ambiente e saúde, visando maior compreensão (MONTEIRO et al., 2012).

É válido esclarecer que o título desta tese: Clima e doenças respiratórias em Santa Catarina foi atribuído por considerar que, a partir da análise de seis dos principais municípios do estado, do ponto de vista populacional e polarizador de serviços, o estudo das doenças respiratórias pudesse ter uma atribuição estadual e não apenas municipal.

Esta pesquisa não tem como objetivo esgotar as análises socioambientais a fim de encontrar todas as respostas para os problemas de saúde respiratórios. Tais aspectos estão interligados a muitos fatores extras, que muitas vezes não são dimensionados ou disponibilizados adequadamente, como a situação de saúde prévia do enfermo e/ou se o mesmo faz uso do tabaco, por exemplo. Contudo, a partir de análises estatísticas e da análise rítmica, pretende-se através desta pesquisa, contribuir para o conhecimento dos impactos do clima na saúde pública da população catarinense em nível diário. Espera-se que os resultados possam contribuir para outras análises mais aprofundadas, sejam no campo das geociências, da saúde ou da integração entre estas áreas do conhecimento. Segundo Nunes e Mendes (2012, p. 267):

“As doenças que sofrem influência direta ou indireta do clima configuram, deste modo, desafios para a criação e execução das políticas públicas que visem à prevenção, ou seja, que cuidem da saúde e não da enfermidade. Estas políticas, portanto, devem incluir a prevenção de ações antropogênicas que influenciem o clima e, portanto, dos efeitos do clima sobre a saúde humana. Para auxiliar na criação destas políticas, é necessário o aprofundamento de pesquisas sobre a atmosfera e o clima (...), bem como das interações entre estes, as sazonalidades climáticas e a sociedade” (NUNES; MENDES, 2012, p. 267).

Neste sentido, conforme traz Sobral (1988), a geografia médica é uma parte substancial no estudo das relações sociedade-natureza, sobretudo no âmbito da geografia crítica, preocupada com o ser humano enquanto elemento de uma sociedade. Perante esta visão, a questão ambiental não pode ser desagregada da questão social.

1.1OBJETIVOS

Diante do exposto, os objetivos definidos para essa pesquisa são: 1.1.1 Objetivo Geral

 Investigar a conjuntura das doenças respiratórias (gripe, asma e pneumonia) em Santa Catarina e a repercussão do clima na enfermidade mais recorrente.

1.1.2 Objetivos Específicos

 Avaliar a relação entre o percentual de doses de vacinas aplicadas e as doenças respiratórias estudadas;

 Examinar as principais características das internações por gripe, asma e pneumonia nos municípios de Joinville, Blumenau, Florianópolis, Criciúma, Lages e Chapecó;  Indicar qual a defasagem (lag) diária de maior associação entre elementos climáticos e

internação por pneumonia, buscando estabelecer classes de notificação de risco;  Constatar, para cada município, quais elementos climáticos mais se associam com a

taxa de internação por pneumonia;

 Explicar, com base na análise rítmica de Monteiro (1971), quais os tipos de tempo que mais impactam na taxa de internação por pneumonia.

2 CARACTERIZAÇÃO DA ÁREA DE ESTUDO

2.1BREVE APANHADO HISTÓRICO E SOCIOECONÔMICO DOS MUNICÍPIOS ESTUDADOS

Os seis municípios analisados nesta pesquisa estão inseridos em mesorregiões distintas (Figura 1). O estado de SC faz fronteira com a Argentina a oeste, divisa com o estado do Paraná (PR) ao norte e com o Rio Grande do Sul (RS) ao sul, além de ser banhado pelo Oceano Atlântico a leste. Em termos de área territorial no Brasil, SC ocupa a 20ª colocação entre as 27 unidades da federação, com um total de 95.737,954 km2 (Figura 1) (IBGE, s/d).

De acordo com o Instituto Brasileiro de Geografia e Estatística (IBGE) (s/d), no ano de 2010 a população total de SC era de 6.248.436 habitantes, com uma densidade demográfica média de 65,27 hab./km2, em seus 295 municípios. A economia catarinense é consideravelmente diversificada e se organiza em variados polos. A pluralidade das características geográficas proporciona que isto aconteça, sendo bem disseminada a participação de todos os setores na economia. Analisando a distribuição dest es polos nas mesorregiões, segundo Goularti Filho (2002), nota-se que: a Grande Florianópolis (GF) destaca-se nos setores de tecnologia, turismo, serviços e construção civil. O Norte Catarinense (NC) prevalece como polo tecnológico, metal-mecânico e moveleiro. O Oeste Catarinense (OC) concentra atividades de produção alimentar e de móveis. A mesorregião Serrana (Se) tem a indústria de papel, celulose e da madeira como destaque. Por sua vez, o Sul Catarinense (SC, referente ao mapa acima) se sobressai pelos segmentos de vestuário, plásticos descartáveis, carbonífero e cerâmico. No Vale do Itajaí (VdI), predomina a indústria têxtil e de vestuário, naval e de tecnologia (GOULARTI FILHO, 2002; GOV/SC, 2017). Goularti Filho (2002, p. 1002) ainda afirma que “uma das peculiaridades da formação econômica de Santa Catarina é a forte presença do capital de origem local”. Outro aliado econômico do estado é o turismo, que na realidade, é destaque na economia de Santa Catarina em diversas áreas, desde toda a costa até as serras (GOV/SC, 2017).

Em relação a população no ano de 2010, Joinville era o município mais populoso, com uma diferença de 358.561 habitantes para Lages, o menos populoso (Tabela 1) entre os estudados. Ao se tratar de crescimento populacional, entre os anos de 2000 e 2010, Chapecó foi o que mais cresceu, com 22,5%, seguido por Florianópolis (20,9%), Blumenau (18%), Joinville (16,1%) e Criciúma (12%). Lages foi o único dos seis municípios que apresentou decréscimo (-0,3%) (IBGE, s/db_{; PNUD, s/d).}

Tabela 1. Alguns dados populacionais dos municípios analisados. Município População

2010

População (%) - Censo 2010 Taxa de crescimento populacional (%) 2000 a 2010 Jovens (≤14) Adultos (15-59) Idosos (≥60) Urbana Rural Joinville 515.288 13,1 78,1 8,8 96,6 3,4 16,1 Blumenau 309.011 19,9 70,4 9,7 95,4 4,6 18,0 Florianópolis 421.240 17,9 70,6 11,5 96,2 3,8 20,9 Criciúma 192.308 21,0 69,6 9,4 98,6 1,4 12,0 Lages 156.727 23,1 65,4 11,5 98,2 1,8 -0,30 Chapecó 183.530 22,4 69,3 8,3 91,6 8,4 22,5

Fonte: IBGE, s/db_{; PNUD, s/d. Elaborado pelo autor (2020).}

Os dados de população por grupos etários mostrados na Tabela 1 são importantes porque os mesmos serão tratados separadamente na avaliação das internações, conforme também proposto por Guerreiro (2011) e Silveira (2016). Guerreiro (2011) considerou como idosas aquelas pessoas com 65 anos ou mais, pois seu trabalho foi aplicado na Europa e, conforme a Organização Mundial da Saúde (OMS) lembra, em países desenvolvidos, são considerados idosos os habitantes com mais de 65 anos. Por outro lado, Silveira (2016) utilizou 60 anos ao estudar um município brasileiro, mais especificamente São Joaquim (SC), com vista à saúde e onda de frio. Conforme Inagaki et al. (2008), a OMS estabelece que são consideradas idosas, nos países em desenvolvimento, pessoas com 60 anos ou mais; em países desenvolvidos a idade passa a ser 65 ou mais. Dito isto, observa-se que Lages possui a população mais jovem (23,1%) e ao mesmo tempo a mais idosa. No grupo de idade mais avançada, Lages se iguala a Florianópolis, ambos os municípios com 11,5% de sua população. No que diz respeito à população adulta, Florianópolis e Blumenau quase se assemelham, 70,6% e 70,4%, respectivamente. Joinville, por sua vez, se destaca na população adulta (78,1%).

Conforme a Tabela 1, apesar das peculiaridades, a distribuição dos seis municípios é a mesma dentro da pirâmide, a maioria entre os adultos, seguido pelos jovens e depois pelos idosos. Na divisão entre habitantes urbanos ou rurais, o destaque na área urbana é Criciúma, com 98,6%; por outro lado, o município que mais tem habitantes na área rural é Chapecó, com 8,4% (Tabela 1).

O produto interno bruto (PIB) per capita nos seis municípios se mostrava desigual em 2016, com diferenças consideráveis entre alguns; o maior deles estava em Blumenau, com R$ 44.791,08; depois Joinville (R$ 44.268,54); Chapecó (R$ 39.693,55); Florianópolis (R$ 39.048,21); Criciúma (R$ 32.968,64) e; Lages (R$ 29.930,95). Nota-se, portanto, que o PIB per capita de Blumenau é maior do que Lages em R$ 14.860,13 (IBGE, 2016).

Sobre o Índice de Desenvolvimento Humano Municipal (IDHM), com base nos dados de 2010, todos os seis municípios analisados estão dentro das classes Alto ou Muito Alto, além disto, todos estão acima do índice médio brasileiro que é de 0,727. Individualmente, Florianópolis (0,847), Joinville (0,809) e Blumenau (0,806) possuem os melhores índices de desenvolvimento, estando os três dentro da classe Muito Alto. Já Chapecó (0,790), Criciúma (0,788) e Lages (0,770) estão dentro da classe Alto. Ressalta-se que, dos seis municípios, apenas Lages apresenta um IDHM menor do que a média de SC, que é de 0,774 (PNUD, s/d). Lembrando que o IDHM varia de 0 a 1, sendo que quanto mais próximo de 1, maior é o