en sciences de l'Univers, la baisse ne concerne que le ler cycle ;

O crescimento da população no Brasil, vem ocorrendo de maneira exponencial, passando de 15 mil habitantes em 1550 para uma projeção que em 2050 o país irá possuir uma população que poderá chegar ao número de 259,8 milhões de habitantes. Com um contingente populacional tão significativo, o uso de estudos que utilizem bases de dados envolvendo grandes populações mostra-se de grande aplicabilidade, como os estudos ecológicos, em geral, mais baratos e rápidos do que aqueles que analisam os indivíduos (MEDRONHO, 2009).

Por utilizarem áreas geográficas como unidades de análise, os estudos ecológicos se adequam bem ao uso das técnicas de análise espacial, principalmente na área de saúde, para o entendimento da variação da vulnerabilidade da saúde entre diferentes populações. É importante destacar que deve haver uma correta interpretação na relação entre os estudos ecológicos e individuais, de modo a evitar inferências enviesadas, tanto do nível individual para o ecológico, como o contrário. A análise dos dados no nível ecológico, se mostram de fundamental importância no entendimento de como os determinantes sociais e ambientais afetam o processo saúde-doença, além do que, o uso dos dados agregados por áreas auxilia na minimização da aleatoriedade dos resultados, relacionada ao estudo englobando pequenas populações (BRASIL, 2007a;CARVALHO; SOUZA-SANTOS, 2005). A estatística espacial de dados, utilizada nesses estudos, permite a identificação geográfica e consequente visualização da ocorrência de fenômenos que acontecem no espaço, por meio de Sistemas de Informações Geográficas (SIG). A utilização do SIG nas pesquisas voltadas para a área da saúde ocorre pela aplicação de métodos de tecnologia avançada para trabalhar a informação espacial, resultando numa interface eficiente entre as informações em saúde e o ambiente. Ao observar como os eventos se comportam dentro do espaço, permitem não apenas que sejam indicados os riscos os quais a população daquela área está exposta, mas

também possibilita acompanhar a disseminação dos agravos à saúde e suas possíveis causas (BRASIL, 2007a; HINO et al, 2006).

Para realizar a análise espacial, podem ser usados três métodos: visualização, análise exploratória de dados e a modelagem. A visualização se baseia no mapeamento dos eventos de saúde para descrever como se distribuem as variáveis de estudo. A análise exploratória de dados, por sua vez, descreve padrões espaciais e relação entre mapas, podendo ser apresentada em formato gráfico ou cartográfico. Já o terceiro método, a modelagem, é utilizado quando se opta por testar uma hipótese ou estimar relações entre variáveis (MEDRONHO, 2009;HINO et al, 2006).

2.6.1 Estatística espacial

Estatística espacial consiste em uma vertente da estatística que proporciona a análise da localização de eventos no espaço geográfico. Com esta ferramenta é possível além de visualizar, modelar a ocorrência dos eventos. Tal denominação surge para diferenciá-la das técnicas estatísticas comuns nas análises de eventos em saúde, quando é preciso focar a análise na localização espacial e na interpretação dos resultados. Comumente são utilizados dois tipos de dados, os dados de ponto – que trabalham com a localização pontual de um determinado evento - e os dados de áreas – que se originam de áreas geográficas definidas, normalmente divisões político-administrativas. Os processos da análise espacial de dados permitem a descrição e visualização das distribuições locais e globais dos fenômenos de estudo, bem como a detecção de padrões de associação espacial, chamados de clusters, além de sugerir instabilidades espaciais e identificar situações atípicas (BRASIL, 2007a; SANTOS; RAIA JÚNIOR, 2006).

2.6.2 Análise espacial de dados de áreas

Dados de área consistem em observações ligadas às regiões no espaço, que podem ser agregados com finalidade de possibilitar a análise estatística. Esses dados podem ser coletados em diferentes escalas, porém quando menor a área estudada, menor a disponibilidade dos dados. É preciso considerar também que em áreas pequenas, como municípios com pequenas populações, maior é o risco de ocorrer o fenômeno da flutuação aleatória dos indicadores, pois os eventos passam a ser mais raros e podem estar ocorrendo sem um padrão explicável, ou seja, um evento raro em uma população pequena pode gerar

uma grande variação nas taxas relacionadas ao evento. Para a análise de dados de área se faz necessária a construção do que se chama de matriz de vizinhança, que aponta a relação espacial entre cada uma das áreas estudadas. Esta é uma matriz de conectividade que pode ser composta apenas pela lista de vizinhos de cada município, pela distância entre eles ou pela conectividade ponderada pela fronteira entre eles (BRASIL, 2007a; BRAGA; MARQUES; BRAGA, 2016).

A função de autocorrelação espacial verifica a dependência entre os valores verificados nas áreas estudadas, através da medição da correlação da própria variável de estudo no espaço definido. A correlação da variável com ela mesma será 1 (um), e ao analisá- la com ela mesma, mas medida nas áreas vizinhas o valor pode variar entre -1 e 1, sendo que quanto maior for a semelhança entre os vizinhos, o valor será mais próximo de 1, o valor 0 (zero) demonstra que não há correlação e os valores abaixo de zero (negativos) apontam que não há semelhança entre as áreas. Ao analisar a estrutura espacial alguns conceitos precisam ser destacados, dentre eles o de estacionariedade. Quando ela está presente quer dizer que a média do evento estudado não se apresenta constante em todas as áreas estudadas. Quando os dados se apresentam dessa forma deve ser aplicado o teste de Moran que detecta o padrão de distribuição do fenômeno estudado em cluster. Outra aplicação para análise é função LISA (Local Indicator of Spatial Association) ou função de autocorrelação local, que permite comparar o valor de cada município com seus vizinhos (BRASIL, 2007a).

O cálculo de taxas, como as prevalências estudadas na pesquisa, é largamente utilizado para mapear a ocorrência de agravos à saúde, porém são dados que apresentam alta instabilidade quando o evento é raro e a população da região é pequena. Essa instabilidade pode ocorrer quando são registrados poucos casos em uma localidade, causando grandes variações nas taxas se a população for pequena. Para este tipo de situação tem sido mais adequado utilizar como unidades de análise as 161 Regiões Intermediárias de Articulação Urbana (RAU), propostas pelo IBGE. Tal formato apresenta um arranjo de municípios baseado nos relacionamentos entre agentes e empresas nos territórios, que se agrupam a partir dos centros urbanos e a capacidade que eles têm de polarizar um número considerável de municípios no atendimento a bens e serviços de alta complexidade. Este tipo de divisão possui ainda outras duas escalas de referência, nomeadas como Regiões Ampliadas de Articulação Urbana, com 14 regiões, e Regiões Intermediárias de Articulação Urbana, com 482 regiões. Tais divisões são formadas, em suas diferentes escalas, a partir de uma cidade que comanda a sua região e são organizadas em rede, onde os centros de gestão territorial definem a organização regional(IBGE, 2013).

Figura 6: Divisão Urbano Regional – Regiões Intermediárias de Articulação Urbana (RAU).