Análises espaciais de doenças diarreicas e sua relação com o monitoramento ambiental

Abstract

RESUMO A urbanização no Brasil, em geral, causa diversos problemas ambientais e sociais, destacando-se os de saúde pública. O presente estudo analisou o uso de ferramentas de geoprocessamento que podem ajudar a compreender a relação entre a qualidade da água em rios e a incidência de doenças diarreicas agudas. Em um município brasileiro, realizou-se o monitoramento ambiental em pontos de um rio urbano, buscou-se informações quanto às doenças diarreicas e utilizaram-se as ferramentas de geoprocessamento: análises de distribuição espacial com a ferramenta distância mais próxima e a estimativa de densidade kernel; e análises de aglomerados com a média do vizinho mais próximo e a função K de Ripley. Entre os resultados, destaca-se: o ponto com a pior qualidade da água agrupou a maioria dos casos de doenças diarreicas, corroborando a associação clássica que relaciona este resultado às piores condições de vida; entre as ferramentas utilizadas, a estimativa de densidade kernel possibilitou a visualização espacial da aglomeração dos casos de diarreia; e a função K de Ripley comprovou estatisticamente essa aglomeração. As informações do monitoramento ambiental dos rios contribuem para identificar as possíveis causas das doenças diarreicas. As análises espaciais realizadas podem ser replicadas em outros municípios com o objetivo de identificar áreas de risco às doenças diarreicas que possibilitem ações de prevenção.ABSTRACT Overall, urbanization in Brazil causes many environmental and social problems, among which we highlight the public health impacts. This study examined the use of geoprocessing tools that can help understand the relationship between the quality of water in rivers and the incidence of acute diarrheal diseases. In a Brazilian municipality, we carried out environmental monitoring in points of a river, then sought information as to waterborne diseases, and used the following geoprocessing tools: spatial distribution analysis with distance nearest tool and kernel density estimation; and cluster analysis with the average nearest neighbour and the K Ripley function. Among the results are the following: the point with the worst water quality groups most of the cases of diarrheal diseases, corroborating the classical association that links this result to the worst living conditions; among the tools used, the kernel density estimation enabled spatial visualization of clustering of cases of diarrhea; and Ripley’s K function statistically demonstrated this agglomeration. The information derived from the environmental monitoring of rivers contributes to identify the possible causes of diarrheal diseases. The spatial analyses conducted can be replicated in other municipalities, in order to identify risk areas to diarrheal diseases and to allow preventive actions.