spatial analysis of early neonatal mortality - scielo · para a “taxa de mortalidade nos três...

1199

Cad. Saúde Pública, Rio de Janeiro, 17(5):1199-1210, set-out, 2001

ARTIGO ARTICLE

Análise espacial da mortalidade neonatalprecoce no Município do Rio de Janeiro, 1995-1996

Spatial analysis of early neonatal mortality in the municipality of Rio de Janeiro, 1995-1996

1 Departamento deInformações em Saúde,Centro de InformaçãoCientífica e Tecnológica,Fundação Oswaldo Cruz.Av Brasil 4365,Rio de Janeiro, RJ 21045-900, [email protected]

Carla Lourenço Tavares de Andrade 1

Célia Landmann Szwarcwald 1

Abstract The objective of this study was to establish the spatial distribution of the early neona-tal mortality rate (0-3 days) in the municipality of Rio de Janeiro for 1995-1996, identifying thebest explanatory factors for spatial variations. By considering Rio de Janeiro’s 153 neighbor-hoods as ecological units of analysis, socioeconomic and maternal indicators were analyzed ac-cording to place of residence. Spatial statistical analysis was performed using the Cliff & Ordmethodology, appropriate for lattice data. From the 0-3 day mortality thematic map, we clearlyidentified two clusters of high early neonatal mortality rates. Spatial dependence was also con-firmed by the statistical results of the spatial analysis. The variables that explain the clusters arethe proportions of “adolescent mothers”, “slum-dwellers”, and “heads of households below thepoverty level”. Spatial statistics provided a better understanding of the geographic distribution ofearly neonatal mortality and suggested potential hypotheses for further investigation, whichcould support preventive programs and contribute to a decrease in infant mortality.Key words Spatial Analysis; Neonatal Mortality; Pregnancy in Adolescent

Resumo O objetivo deste trabalho foi estabelecer a distribuição espacial da mortalidade neo-natal precoce (0-3 dias) no Município do Rio de Janeiro de 1995 a 1996, visando identificar os fa-tores mais explicativos das variações espaciais. Considerando os bairros como unidade ecológicade análise, foram analisados indicadores relativos às condições sócio-econômicas e às caracte-rísticas das mães dos recém-nascidos por bairro de residência. A análise estatística espacial dosdados foi realizada utilizando as técnicas de Cliff & Ord, apropriadas para “dados de áreas”. Pormeio do mapa temático da mortalidade de 0-3 dias, observou-se nitidamente a presença de doisaglomerados de taxas elevadas. A dependência espacial foi igualmente constatada pelos resulta-dos da análise estatística. As variáveis que melhor explicaram os aglomerados espaciais foram:“proporção de mães adolescentes”, “proporção de pessoas residentes em favelas em 1996” e “pro-porção de chefes com rendimento até um salário mínimo”. A metodologia de estatística espacialpermitiu maior compreensão da distribuição geográfica da mortalidade neonatal precoce, e deumargem a outros tipos de investigações, que poderão subsidiar os programas preventivos e con-tribuir ao declínio da mortalidade infantil.Palavras-chave Análise Espacial; Mortalidade Neonatal; Gravidez na Adolescência

ANDRADE, C. L. T. & SZWARCWALD C. L.1200


Introdução

No Brasil, vários estudos têm demonstrado atendência de declínio da mortalidade infantil(Menezes et al., 1996). Entretanto, a evoluçãode decréscimo não é homogênea no país, comum padrão que obedece às desigualdades re-gionais e, sobretudo, à iniqüidade das condi-ções sócio-econômicas (Menezes et al., 1998).

Diferenças importantes também são encon-tradas por grupo etário. Enquanto o decrésci-mo do componente pós-neonatal é nítido emtodas as regiões do país, trabalhos recentesmostram que a mortalidade neonatal tem apre-sentado pouco declínio ou estabilidade como,por exemplo, nos casos dos estados do RioGrande do Sul (SSMA-RS, 1998) e do Rio de Ja-neiro (Leal & Szwarcwald, 1996).

Adicionalmente, estudos recentes têm rela-cionado o comportamento evolutivo dos indi-cadores de saúde, dentre eles a mortalidade in-fantil, à distribuição de renda da população,enfatizando a relevância da pobreza relativafrente à frustração provocada pela exclusão so-cial e material das oportunidades proporciona-das pela sociedade (Kaplan, 1996; Wilkinson,1997).

A acentuação da desigualdade na distribui-ção de renda de vários países foi acompanhadapor um importante crescimento na concentra-ção residencial da pobreza (Kawachi & Ken-nedy, 1997), aumentando particularmente asdisparidades sociais nas grandes cidades e, emparalelo, as variações intra-urbanas das condi-ções de saúde (Massey, 1996).

No que diz respeito às diferenças da mor-talidade infantil frente às desigualdades sócio-econômicas nas grandes cidades, pesquisasrealizadas em diversos países têm identificadograndes variações no padrão deste indicadornos centros urbanos. Rip et al. (1987), em es-tudo realizado na área metropolitana da Cida-de do Cabo, África do Sul, cujo objetivo foi de-terminar a variação espacial da mortalidadeneonatal no nível do subúrbio dentro da cida-de, os resultados demonstraram a hipótese derelação inversa entre o nível sócio-econômicoe a taxa de mortalidade infantil. Através daanálise espacial, variações na taxa de mortali-dade infantil foram significativamente corre-lacionadas com as variações do nível sócio-econômico.

Issler et al. (1996), no Brasil, em estudo depopulação urbana de uma área específica dacidade Porto Alegre, teve o objetivo de testar ahipótese de que, em uma população de baixonível sócio-econômico, diferentes níveis de po-breza podem acarretar distintas condições de

saúde. Os autores mostraram que, entre as fa-mílias de extrema pobreza, as crianças apre-sentaram maior taxa de mortalidade infantil emenor peso ao nascer, identificando assim sub-grupos da população que necessitam de açõesde saúde específicas.

No caso particular do Município do Rio deJaneiro, acompanhando o aumento da desi-gualdade na distribuição de renda no país nasúltimas duas décadas, houve expansão rele-vante de comunidades faveladas, que se con-centraram geograficamente em certas áreas dacidade (Corrêa, 1996).

Este trabalho tem o objetivo principal derealizar uma análise espacial da mortalidadedurante os primeiros dias de vida, no Municí-pio do Rio de Janeiro, visando estabelecer adistribuição espacial da taxa de mortalidadeneonatal precoce e identificar quais os princi-pais fatores responsáveis pelas variações espa-ciais. Com este fim, os bairros da cidade sãoconsiderados como unidade ecológica de aná-lise e as variações espaciais da taxa de mortali-dade nos três primeiros dias de vida são estu-dadas frente a alguns indicadores como as con-dições sócio-econômicas e as característicasdas mães dos recém-nascidos por bairro de re-sidência.

Material e métodos

Trata-se de um estudo ecológico considerando,como unidades de análise, os 153 bairros doMunicípio do Rio de Janeiro.

A base digital para os bairros utilizada nes-te trabalho foi gerada no Laboratório de Geo-processamento do Departamento de Informa-ção em Saúde (DIS), Centro de InformaçãoCientífica e Tecnológica (CICT), Fundação Os-waldo Cruz (FIOCRUZ) no âmbito do ProjetoSIG-FIOCRUZ.

As fontes de dados foram provenientes detrês tipos de sistemas: o de nascidos vivos (SI-NASC); o Sistema de Informações sobre Morta-lidade (SIM) – ambos cedidos gentilmente pelaSecretaria Municipal de Saúde do Municípiodo Rio de Janeiro para elaboração deste traba-lho – e as informações do Censo Demográficode 1991 referentes aos chefes de domicílios,fornecidas pela Fundação Instituto Brasileirode Geografia e Estatística (IBGE, 1994), onde osdados por setor censitário foram agregados porbairros através do SIG-FIOCRUZ.

Escolheu-se a mortalidade de 0 a 3 dias co-mo objeto da presente análise, já que se tratado estudo de óbitos que ocorrem próximo aomomento do parto e que constituem um grupo


cuja taxa de mortalidade tem apresentado com-portamento temporal de pouco declínio ou,até mesmo, de estabilidade nos últimos anos,diferentemente das outras faixas etárias.

Para a análise da mortalidade nos três pri-meiros dias de vida, a taxa média de mortalida-de por mil nascidos vivos (/1.000 NV) foi calcu-lada pela divisão do número de óbitos ocorri-dos nos três primeiros dias de vida no período1995-96 pelo número de nascidos vivos no mes-mo período. Com o objetivo de evitar viés naestimativa das taxas acarretado por denomina-dores pequenos, os bairros onde o número denascidos vivos foi menor do que 400, no perío-do 1995-96, não foram considerados na análiseestatística espacial.

A visualização da taxa de mortalidade nostrês primeiros dias de vida por bairro do Muni-cípio do Rio de Janeiro foi feita através de ma-pa temático elaborado com o software MapInfo(MapInfo Corporation, 1994), definindo-se co-mo ponto de corte um terço das observaçõespara cada faixa.

Os indicadores utilizados para os bairros doMunicípio do Rio de Janeiro estão descritos aseguir.

Indicadores sócio-demográficos (provenientes do Censo Demográfico, 1991)

a) Proporção de mulheres em idade fértil anal-fabetas – calculada como a divisão entre o nú-mero de mulheres de 15 a 49 anos analfabetase o total de mulheres de 15 a 49 anos.

b) Proporção de pessoas residentes em fa-velas em 1996 – calculada como a divisão entreo número de pessoas residentes em favelas e apopulação total.

c) Densidade de população favelada, porkm2, em 1996 – calculada como a divisão entreo número de pessoas residentes em favelas e aárea do bairro.

d) Proporção de chefes com rendimento atéum salário mínimo – calculada como a divisãoentre o número de chefes sem rendimento adi-cionado aos que ganham até um salário míni-mo e o número total de chefes (excluídos ossem declaração).

Indicadores provenientes do arquivo de nascidos vivos, 1995 e 1996

a) Proporção de mães adolescentes – calculadacomo a divisão entre o número de mães de 10 a19 anos de idade e o número total de mães (ex-cluindo-se as de idade ignorada).

b) Proporção de partos cesáreos – calculadacomo a divisão entre o número de partos do ti-

ANÁLISE ESPACIAL DA MORTALIDADE NEONATAL 1201

po cesárea e o número de nascidos vivos, ex-cluindo-se os de tipo de parto ignorado.

c) Coeficiente geral de natalidade, em 1996– calculado como a divisão entre o número denascidos vivos e a população total.

d) Proporção de nascimentos em estabele-cimentos de saúde privados – calculada comoa divisão entre o número de nascidos vivos emhospitais privados e o número de nascidos vi-vos, excluindo-se os de estabelecimentos igno-rados.

e) Proporção de mães que não fizeram pré-natal – calculada como a divisão entre o núme-ro de mães que não fizeram pré-natal e o nú-mero de nascidos vivos, excluindo-se os igno-rados.

Para a “taxa de mortalidade nos três primei-ros dias de vida”, para a “proporção de pessoasresidentes em favelas em 1996”, para a “densi-dade de população favelada, por km2, em 1996”e para o “coeficiente geral de natalidade, em1996” foi utilizada a transformação do tipo raizquadrada. Já para a “proporção de mulheresem idade fértil analfabetas”, para a “proporçãode chefes com rendimento até um salário mí-nimo”, para a “proporção de mães adolescen-tes” e para a “proporção de partos cesáreos” foiempregada a transformação do tipo logaritmoneperiano. Estas transformações foram esco-lhidas porque resultaram em melhores aproxi-mações para a distribuição normal. Não houvenenhum tipo de transformação para os indica-dores “proporção de nascimentos em estabele-cimentos de saúde privados” e “proporção demães que não fizeram pré-natal”.

Preliminarmente, para descrever a associa-ção entre todas as variáveis estudadas, foiconstruída a matriz de correlações, através dosoftware SPSS (SPSS Incorporation, 1995).

A análise estatística espacial dos dados foirealizada utilizando as técnicas de Cliff & Ord(1981), apropriadas para “dados de áreas” (lat-tice data). Esta metodologia é adequada quan-do se deseja estudar a distribuição espacial dealgum fenômeno como, no nosso exemplo, ataxa de mortalidade nos três primeiros dias emuma base cartográfica predefinida, e testar ahipótese de independência espacial dos dados.Como medidas da dependência espacial, sãoutilizados coeficientes de autocorrelação espa-cial, como o coeficiente I de Moran (1950) ou ocoeficiente c de Geary (1954).

No caso da presente análise, para mensurara autocorrelação espacial da taxa de mortali-dade nos três primeiros dias de vida, utilizou-se o coeficiente de Moran dado por:



I =

n ΣiΣj

wij zi zj

S0 Σi

zi2

i, j = 1, ..., 153 bairros

onde:

S0 = ΣiΣj

wij

zi = xi - x

xi = taxa de mortalidade nos três primeiros diasde vidawij = ponderação espacial atribuída ao par debairros (i,j)

Este índice é entendido como um coeficien-te de correlação entre valores da mesma variá-vel mensurada em locais vizinhos i e j. Varia, emgeral, entre –1 e 1, embora possam ocorrer ex-ceções. Para testar o coeficiente de autocorrela-ção, a hipótese nula é definida como a de nãocorrelação e a hipótese alternativa, por umamatriz de ponderações espaciais (wij), que ex-pressam a proximidade entre as áreas geográfi-cas e podem ser definidas por meio da conti-guidade, da distância ou de quaisquer outroscritérios de vizinhança entre as localidades.

Demonstra-se que I tem uma distribuiçãoassintótica normal (Sen, 1990), e, portanto, uti-liza-se a aproximação normal para o coeficien-te I padronizado com a finalidade de testar a hi-pótese de ausência de autocorrelação espacial.

O cálculo da média e variância do coeficien-te I pode ser feito sob duas suposições: norma-lidade (N) ou aleatoriedade (R). Na primeira, osdados são observações independentes de umadistribuição normal. Já na segunda, o métodonão assume nenhuma distribuição específica(Cliff & Ord, 1981). Desse modo, a média e va-riância sob as duas suposições são assim defi-nidas:

EN (I) = ER (I) =-1

(1)n -1

VarN (I) =n2S1 - nS2 + 3S0

2(2)

S02 (n2 -1)

VarR (I) =

n[(n2 - 3n + 3)S1 - nS2 + 3S02] -

(3)- b2[(n2 - n)S1 - 2nS2 + 6S02]

(n -1)3 S02

onde:

S0 = ΣiΣj

wij

S1 = 1 ΣiΣj

(wij + wji)22

S2 = Σi

(wi. + w.i)2

onde:

w.i = Σj

wji

wi. = Σj

wij

Na presente análise, a variável escolhidapara objeto de investigação espacial foi a raizquadrada da taxa de mortalidade nos três pri-meiros dias de vida, cuja aproximação para adistribuição normal foi bastante satisfatória(Figura 1). A análise espacial foi feita utilizan-do-se o software S-Plus (Mathsoft, 1996).

Para que o coeficiente I de Moran fosse cal-culado, foi necessária a construção de umamatriz de vizinhança para os 153 bairros doMunicípio do Rio de Janeiro. Esta foi definidapor bairros contíguos, com pelo menos umponto em comum. As ponderações wij foramconsideradas como o inverso da distância en-tre os centróides dos bairros i e j.

Para testar a hipótese de independência es-pacial, o teste de significância de I foi feito apartir da suposição de normalidade das obser-vações, calculando-se o índice padronizadocomo:

Ipadr = I - E(I)��Var(I)

onde a média e a variância são calculadas atra-vés das fórmulas (1) e (2)

que tem distribuição assintótica normal pa-drão (Sen, 1990).

No caso de significância estatística do coe-ficiente Ipadr de autocorrelação espacial para avariável relativa à taxa de mortalidade nos trêsprimeiros dias de vida, as variáveis indepen-dentes consideradas foram estudadas quanto àsua associação aos conglomerados espaciaisencontrados.

Em semelhança aos modelos de regressãomúltipla utilizados para seleção das variáveismais relevantes à explicação da resposta, oprocedimento empregado para escolher os fa-tores mais explicativos dos conglomerados es-paciais foi um procedimento passo a passo,proposto por (Anselin, 1992), baseado em mi-nimizar o coeficiente Ipadr, calculado por meiodos resíduos da regressão da variável respostacom as variáveis independentes, até que esteperca a sua significância.

VarR (I) = (3)n[(n2 - 3n + 3)S1 - nS2 + 3S02] - b2[(n2 - n)S1 - 2nS2 + 6S0

2](n -1)3 S0

2



A idéia intuitiva deste procedimento estáem apontar quais as variáveis que mais expli-cam a dependência espacial da resposta, nosentido de que, controlados os efeitos destasvariáveis mediante os resíduos do modelo deregressão, a autocorrelação espacial perderia asua significância estatística inicial.

A aplicação deste procedimento requer ocálculo do coeficiente de autocorrelação I paraos resíduos da regressão, que são correlaciona-dos, implicando uma modificação no cálculoda média e da variância do coeficiente I, comodemonstrado por Sen (1990).

Neste trabalho, para o uso do procedimen-to passo a passo foi preciso modificar as estima-tivas do coeficiente Ipadr, elaboradas pelo soft-ware S-Plus (Mathsoft, 1996), que não incorpo-ra as alterações dos momentos de I citadas an-teriormente. Com tal propósito, foi elaboradoum programa em linguagem C, que calcula ocoeficiente Ipadr com as devidas correções.

No primeiro passo, realizou-se uma regres-são simples entre a variável resposta (raiz qua-drada da taxa de mortalidade nos três primei-ros dias de vida) e cada variável independente,calculando-se os resíduos correspondentes e ocoeficiente de autocorrelação (I) com os resí-duos assim obtidos. A primeira variável sele-cionada como o indicador com maior contri-buição à dependência espacial foi aquela cujosresíduos demonstraram o menor Ipadr. No se-gundo passo, repetiu-se o mesmo procedimen-to, mas a regressão foi composta de duas variá-veis independentes, incluindo sempre a variá-vel selecionada no passo 1. O procedimento foirepetido até obter-se coeficiente Ipadr não sig-nificativo, no nível de significância de 10%.

Resultados

O mapa temático por bairros para a taxa demortalidade nos três primeiros dias de vida estádisposto na Figura 2. Observa-se nitidamente apresença de dois aglomerados. Um, denomina-do “Aglomerado 1” – composto pelos bairros deSanta Cruz, Guaratiba e Recreio dos Bandeiran-tes – e o outro, denominado “Aglomerado 2” –constituído pelos bairros de Senador Camará,Padre Miguel, Realengo, Ricardo de Albuquer-que, Guadalupe, Costa Barros, Barros Filho, Ma-rechal Hermes, Rocha Miranda, Oswaldo Cruz,Turiaçu, Vila Valqueire, Campinho, Tanque, Ta-quara, Curicica, Cidade de Deus, Vaz Lobo, Vi-cente de Carvalho, Cavalcanti, Vila Kosmos, Pe-nha Circular, Engenho da Rainha e Pilares.

O primeiro aglomerado concentra-se na Zo-na Oeste da cidade e a maioria dos bairros en-

volvidos pertence às regiões administrativas(RA) de Santa Cruz e Guaratiba, áreas, reconhe-cidamente, de baixo nível sócio-econômico.Diferentemente do primeiro, o segundo con-glomerado é disperso e se constitui de bairrosdas RAs de Bangu, Madureira, Jacarepaguá, Pe-nha, Irajá e Anchieta.

Na Tabela 1, estão dispostos os resultadosda análise estatística espacial da variável res-posta, a raiz quadrada da taxa de mortalidadenos três primeiros dias de vida. O coeficientede Moran de autocorrelação espacial é igual a0,1303 e foi significativo no nível de 1% (valorde p = 0,005), indicando ocorrência de depen-

Figura 1

Desvios em relação ao gráfico de probabilidade da distribuição normal.

0,0 0,2 0,4 0,6

Taxa mortalidade 0-3 dias de vida

0,8 1,0 1,2 probabilidade acumulada observada

-2,0

-1,0

0,0

0,1

0,2

0,3

des

vios

em

rel

ação

a n

orm

al

0,0 0,2 0,4 0,6

Raiz quadrada da taxa mortalidade 0-3 dias

0,8 1,0 1,2 probabilidade acumulada observada

-2,0

-1,0

-0,0

0,1

0,2

des

vios

em

rel

ação

a n

orm

al



dência espacial e corroborando os achados deconglomerados de taxas elevadas visualizadosna Figura 2.

A matriz dos coeficientes de correlação en-tre todos os indicadores considerados para osbairros do Município do Rio de Janeiro estáapresentada na Tabela 2. Os indicadores quesão forte e positivamente correlacionados à va-riável relacionada à mortalidade nos três pri-meiros dias de vida são a “proporção de mãesadolescentes”, a “proporção de chefes com ren-dimento até um salário mínimo” e a “propor-ção de mães que não fizeram pré-natal”. Evi-dencia-se, assim, que quanto maior a propor-ção de chefes com rendimento até um saláriomínimo, a proporção de mães adolescentes e aproporção de mães que não fizeram pré-natal,maior é a taxa de mortalidade nos três primei-ros dias de vida. Chama a atenção que essastrês variáveis são igualmente correlacionadasentre si, constituindo-se em um conjunto defatores associado ao excesso de óbitos nos pri-meiros dias de vida.

A proporção de partos cesáreos é a únicavariável correlacionada inversa e significativa-mente à mortalidade nos três primeiros dias devida. Entretanto, a proporção de cesarianasapresenta, por outro lado, associação positivacom a proporção de nascimentos em estabele-cimentos privados, o que parece explicar, pelomenos em parte, a associação inversa encon-trada com a resposta (Tabela 2).

A partir do procedimento para a seleçãoda variável mais explicativa dos aglomera-dos espaciais, tal qual exposto na metodolo-gia, constata-se que a variável “proporção demães adolescentes” é aquela que tem maiorpoder de explicação. O coeficiente de Moran,calculado com os resíduos correspondentes aesta variável é o menos significativo, apre-sentando o maior valor de p (I = 0,0917; p =0,08533).

Observa-se que, após a escolha da variável“proporção de mães adolescentes”, o coeficien-te de autocorrelação padronizado perde a sig-nificância estatística no nível de 5%, e o proce-

Figura 2

Taxa de mortalidade nos três primeiros dias de vida (/1.000 NV). Bairros do Município do Rio de Janeiro, 1995-1996.

0 5 10 km

Região Metropolitana

Oceano Atlântico

Baía de Guanabara

Município do Rio de Janeiro

Rio de Janeiroaté 8,5

8,6 a 10,0

10,1 e mais

bairro < 200 NV

N

Baía de Sepetiba

Fonte: Secretaria Municipal de Saúde do Rio de Janeiro e Sistema de Informação Geográfica/Fundação Oswaldo Cruz.NV = nascidos vivos.



dimento poderia ter sido interrompido no pri-meiro passo. Entretanto, com o intuito de ex-plorar um pouco mais a distribuição espacialda variável sob investigação, prosseguimos atéo coeficiente padronizado perder a significân-cia no nível de 10%.

No segundo passo, a variável com maior po-der explicativo do componente espacial, apóso ajuste para a “proporção de mães adolescen-tes”, foi “proporção de pessoas residentes emfavelas em 1996” (I = 0,0892; p = 0,09361). Apóso ajuste da regressão múltipla com as duas va-riáveis independentes: “proporção de mãesadolescentes” e “proporção de pessoas resi-dentes em favelas em 1996”, observa-se queainda é necessário mais um passo, pois o limi-te crítico de 10% para o nível de significâncianão foi alcançado.

No terceiro e último passo, a variável queobteve o maior poder explicativo do compo-

nente espacial, depois do ajuste para a “pro-porção de mães adolescentes” e “proporçãode pessoas residentes em favelas em 1996”, foi“proporção de chefes com rendimento até umsalário mínimo” (I = 0,0822; p = 0,1200). Apóso ajuste da regressão múltipla com as três va-riáveis independentes: “proporção de mãesadolescentes”, “proporção de pessoas residen-tes em favelas em 1996” e “proporção de che-fes com rendimento até um salário mínimo”,percebe-se que a autocorrelação espacial dosresíduos não é significativa no nível de 12%,que ultrapassa o limite estabelecido previa-mente.

As distribuições geográficas da proporçãode mães adolescentes e da proporção de chefescom rendimento até um salário mínimo en-contram-se representadas, respectivamente,nas Figuras 3 e 4. Nota-se padrão semelhantepara os dois indicadores, com conglomerados

Tabela 1

Coeficientes I de Moran, I padronizado e correspondentes níveis descritivos de significância.

Sem Ajuste I I padronizado p

Raiz quadrada taxa mortalidade 0-3 dias 0,1303 2,7889 0,00528

1o Passo: Taxa mortalidade 0-3 dias ajustada por I I padronizado p

Proporção de mães adolescentes 0,0917 1,7215 0,08533

Proporção chefes com rendimento até um salário mínimo 0,0970 1,8143 0,06953

Proporção de mães que não fizeram pré-natal 0,1307 2,4046 0,01623

Proporção de partos cesáreos 0,1379 2,5307 0,01137

Proporção nascimentos em estabelecimentos privados 0,1583 2,8881 0,00387

Proporção de mulheres em idade fértil analfabetas 0,1626 2,9634 0,00304

Densidade de população favelada, por km2, em 1996 0,1661 3,0247 0,00249

Proporção de pessoas residentes em favelas em 1996 0,1707 3,1053 0,00191

Coeficiente geral de natalidade, em 1996 0,1846 3,3487 0,00081

2o Passo: Taxa mortalidade 0-3 dias ajustada por “proporção de mães adolescentes” e por: I I padronizado p

Proporção de pessoas residentes em favelas em 1996 0,0892 1,6777 0,09361








3o Passo: Taxa mortalidade 0-3 dias ajustada por “proporção de mães adolescentes”, I I padronizado ppor “proporção de pessoas residentes em favelas em 1996” e por:










Tabela 2

Coeficientes de correlação entre os indicadores.

Raiz Log neperia- Log nepe- Log nepe- Log nepe- Raiz qua- Raiz qua- Raiz qua- Proporção Proporção de quadrada no da pro- riano da riano da riano da drada da drada da drada do de nasci- mães que da taxa de porção de proporção proporção proporção densidade proporção coeficiente mentos não fizeram mortalidade chefes com de partos de mães de mulheres de população de pessoas geral de em es- pré-natalnos três rendimento cesáreos adolescentes analfabetas favelada, residentes natalidade tabele-primeiros até um 1996 em favelas, cimentosdias salário min 1996 privados

Raiz quadrada da 1,000 0,335** -0,313** 0,412** 0,161 0,025 0,122 0,055 -0,150 0,274**taxa de mortalidade nos três primeiros dias

Log neperiano da 0,335** 1,000 -0,836** 0,890** 0,669** 0,443** 0,556** 0,286** -0,525** 0,785**proporção de chefes com rendimento até um salário mínimo

Log neperiano -0,313** -0,836** 1,000 -0,826** -0,742** -0,503** -0,585** -0,309** 0,622** -0,819**da proporção de partos cesáreos

Log neperiano 0,412** 0,890** -0,826** 1,000 0,609** 0,412** 0,537** 0,316** -0,558** 0,726**da proporção de mães adolescentes

Log neperiano 0,161 0,669** -0,742** 0,609** 1,000 0,592** 0,792** 0,045 -0,467** 0,569**da proporção de mulheres analfabetas

Raiz quadrada 0,025 0,443** -0,503** 0,412** 0,592** 1,000 0,852** -0,090 -0,543** 0,341**da densidade de população favelada, 1996

Raiz quadrada 0,122 0,556** -0,585** 0,537** 0,792** 0,852** 1,000 -0,056 -0,552** 0,379**da proporção de pessoas residentes em favelas, 1996

Raiz quadrada do 0,055 0,286** -0,309** 0,316** 0,045 -0,090 -0,056 1,000 -0,262** 0,263**coeficiente geral de natalidade

Proporção de -0,150 -0,525** 0,622** -0,558** -0,467** -0,543** -0,552** -0,262** 1,000 -0,360**nascimentos em estabelecimentos privados

Proporção de mães 0,274** 0,785** -0,819** 0,726** 0,569** 0,341** 0,379** 0,263** -0,360** 1,000que não fizeram pré-natal

** Correlação é significativa no nível 0,01.



de taxas elevadas na Zona Oeste e parte da Zo-na Norte do Município do Rio de Janeiro, evi-denciando-se padrão similar ao da taxa de mor-talidade nos três primeiros dias de vida.

Discussão

Análise espacial, campo da Estatística que es-tuda quantitativamente fenômenos que se ma-nifestam no espaço, tem como uma de suasaplicações a análise exploratória de dados epi-demiológicos (Mayer, 1983). A primeira etapadeste tipo de análise consiste em pesquisar aocorrência de autocorrelação espacial. Quan-do se verifica que há dependência espacial, alógica posterior da análise é identificar as va-riáveis explicativas dos conglomerados geográ-ficos encontrados, que se constituem no con-junto dos possíveis fatores de risco.

Sob esta óptica, vários estudos no nível eco-lógico têm mostrado contribuições relevantes

à pesquisa epidemiológica, na medida em queapontam caminhos para investigar potenciaisassociações com as variações espaciais da ocor-rência da doença. Grande parte desses estudostêm sido baseados no coeficiente de autocorre-lação proposto inicialmente por Moran (1950) egeneralizado por Cliff & Ord (1981), apesar desuas limitações quando existe alta heteroge-neidade da densidade populacional entre assubáreas geográficas (Assunção & Reis, 1999).

Andes & Davis (1995) evidenciaram a im-portância dos estudos de análise espacial paraidentificar contextos geográficos importantesna explicação das variações da mortalidade in-fantil no Alasca. Os autores concluem que astécnicas utilizadas foram fundamentais paradescrever as condições geográficas da mortali-dade infantil, e que os achados contribuíramrelevantemente para sugerir hipóteses a sereminvestigadas posteriormente.

No presente trabalho, estabeleceu-se pri-meiramente a existência de dependência espa-

Figura 3

Distribuição geográfica da proporção de mães adolescentes de 10 a 19 anos.

Bairros do Município do Rio de Janeiro, 1995-1996.

0 5 10 km


Oceano Atlântico

Baía de Guanabara



14,1 a 20,5

20,6 e mais

N

Baía de Sepetiba

Fonte: Secretaria Municipal de Saúde do Rio de Janeiro e Sistema de Informação Geográfica/Fundação Oswaldo Cruz.



cial na taxa de mortalidade nos três primeirosdias de vida. Isto significa que a distribuiçãogeográfica deste indicador não é aleatória, ouseja, existem conglomerados de bairros onde ataxa de mortalidade nos três primeiros dias devida é elevada em relação aos outros bairros.

Em uma segunda etapa, procurou-se esta-belecer, através de procedimento passo a pas-so, as variáveis que melhor explicassem ocomponente espacial. A variável mais explica-tiva foi a “proporção de mães adolescentes”,que sozinha foi responsável pela perda de sig-nificância da autocorrelação espacial no nívelde significância de 5%. Este indicador foi tam-bém o que mostrou a maior correlação com ataxa de mortalidade nos três primeiros dias devida.

Nos passos seguintes do procedimento deescolha das variáveis, a “proporção de pessoasresidentes em favelas” seguida da “proporçãode chefes com rendimento até um salário mí-nimo” foram os outros dois indicadores sele-cionados, sugerindo que as variações espaciais

da mortalidade nos três primeiros dias são ex-plicadas, em parte, pela concentração residen-cial da pobreza.

Como comentado por Massey (1996), o fatode a pobreza estar geograficamente agregadatem profundas implicações para a natureza davida social. A concentração de jovens residen-tes em comunidades carentes, como as favelas,tem sido associada ao bem-estar emocional eaos comportamentos ditos “de risco” que in-fluenciam a sua saúde, como o uso de drogas eálcool, a violência, as infecções sexualmentetransmissíveis e a gravidez precoce entre asmeninas adolescentes (Sells & Blum, 1996).

A literatura internacional aponta para re-sultados compatíveis aos nossos. Em estudoecológico na Inglaterra, Slogget & Joshi (1998)estudaram a associação entre o grau de priva-ção social e alguns agravos de saúde. Os resul-tados mostraram forte associação com a gravi-dez na adolescência.

Boulton-Jones et al. (1995), em estudo eco-lógico na Escócia, analisaram as relações entre

Figura 4

Proporção de chefes com rendimento até um salário mínimo. Bairros do Município do Rio de Janeiro, 1991.

0 5 10 km


Oceano Atlântico

Baía de Guanabara



15,86 a 24,13

24,14 e mais

N

Baía de Sepetiba

Fonte: IBGE, 1991.



as taxas de concepção entre adolescentes e onível de pobreza da área de residência. Foramevidenciadas enormes diferenças nas taxas deconcepção, de 4 a 5 vezes maior entre as queviviam em situação de grande privação socialquando comparadas às que residiam nas áreasmais ricas.

Em estudo espacial das taxas de fecundida-de de adolescentes de 15 a 17 anos de idade naCalifórnia, Estados Unidos, Gould et al. (1998)enfatizaram a importância de investigar as di-ferenças entre pequenas áreas geográficas. Fo-ram encontradas variações relevantes nos ní-veis de pobreza e educação assim como noscuidados pré-natais.

A associação entre a idade jovem da mãe eresultados adversos do recém-nascido tem si-do objeto de pesquisa recente (Fraser et al.,1995; Roth et al.,1998). Os achados levam aconcluir que, embora os fatores de naturezabiológica sejam importantes – tais como a ima-turidade do sistema reprodutivo e o ganho ina-dequado de peso durante a gravidez –, a faltade atendimento pré-natal das adolescentes, as-sociada à pobreza e níveis baixos de instrução,tem desempenhado papel preponderante namorbi-mortalidade dos recém-nascidos.

Sastry (1996), ao analisar dados de mortali-dade na infância no Brasil, procurou explicar,dentre seus objetos de estudo, como o contex-to ambiental e social em que a criança resideafeta o seu risco de morrer, buscando entendercomo as características do domicílio modifi-cam os efeitos coletivos da comunidade. Em-bora as características da comunidade de resi-dência tenham mostrado associações relevan-tes com o risco de morrer na infância, os efei-tos foram, em geral, mediados pelos atributosda mãe, como, por exemplo, o nível maternode educação.

Os resultados da nossa análise apontarampara expressivas correlações entre a falta deatenção pré-natal, a proporção de mães ado-

lescentes, o nível de educação e a concentra-ção de pobreza do bairro de residência. Pode-mos, assim, hipotetizar que a mortalidade in-fantil sofre a influência de fatores em níveisdistintos, tanto individuais – como os relacio-nados ao comportamento da adolescente emrelação à gestação, ao seu estilo de vida, ao seugrau de instrução – quanto coletivos – relacio-nados ao grau de privação social e à marginali-dade da comunidade em que reside.

A investigação dessa hipótese, no entanto,requer o uso de outras metodologias que lidemcom informações agregadas em diferentes ní-veis, o individual e o coletivo, tal como a mo-delagem em múltiplos níveis (Goldstein, 1995;Hox, 1995), que será objeto de pesquisa em fu-turo próximo.

Para finalizar, vale dizer que o uso da meto-dologia estatística espacial na nossa análisepermitiu maior compreensão da distribuiçãogeográfica da mortalidade neonatal precoce noMunicípio do Rio de Janeiro, identificando osproblemas relacionados à gravidez em adoles-centes e à marginalidade social como as ques-tões mais relevantemente associadas.

No que se refere ao procedimento passo apasso introduzido na análise, apesar de apre-sentar a mesma restrição dos procedimentosstepwise de regressão múltipla, ou seja a de rea-lizar múltiplos testes de hipóteses com um ní-vel de significância único, pode-se dizer que asua aplicação mostrou resultados importantese coerentes com os achados na literatura. A se-leção das variáveis mais explicativas dos con-glomerados espaciais possibilitou identificarpotenciais fatores associados ao risco do re-cém-nascido de morrer nos primeiros dias devida, que poderão dar margens a investigaçõesmais analíticas, tanto no nível individual comono coletivo, e subsidiar os programas preventi-vos, contribuindo ao declínio da mortalidadeinfantil no município.



Referências

ANDES, N. & DAVIS, J. E., 1995. Linking public healthdata using geographic information system tech-niques: Alaskan community characteristics andinfant mortality. Statistics in Medicine, 14:481-490.

ANSELIN, L., 1992. SpaceStat Tutorial. A Workbook forUsing SpaceStat in the Analysis of Spatial Data.Morgantown: Regional Research Institute, WestVirginia University.

ASSUNÇÃO, R. M. & REIS, E., 1999. A new proposal toadjust Moran’s I for population density. Statisticsin Medicine, 18:2147-2162.

BOULTON-JONES, C.; McILWAINE, G. & McINNENY,K., 1995. Teenage pregnancy and deprivation.BMJ, 310:398-399.

CLIFF, A. D. & ORD, J. K., 1981. Spatial Process: Modelsand Applications. London: Pion.

CORRÊA, R. L., 1996. Trajetórias Geográficas. Rio deJaneiro: Bertrand Brasil.

FRASER, A. M.; BROCKERT, J. E. & WARD, R. H., 1995.Association of young maternal age with adversereproductive outcomes. New England Journal ofMedicine, 332:1114-1117.

GEARY, R. C., 1954. The contiguity ratio and statisticalmapping. Incorporated Statistian, 5:115-145.

GOLDSTEIN, H., 1995. Multilevel Statistical Models.London: Edward Arnold.

GOULD, J. B.; HERRCHEN, B.; PHAN, T.; BERA, S. &BRINDIS, C., 1998. Small-area analysis: Targetinghigh-risk areas for adolescent pregnancy preven-tion programs. Family Planning Perspectives, 30:173-176.

HOX, J. J., 1995. Applied Multilevel Analysis. Amster-dam: TT-Publikaties.

IBGE (Fundação Instituto Brasileiro de Geografia eEstatística), 1994. Censo Demográfico. Brasil, 1991.Rio de Janeiro: IBGE.

ISSLER, R. M. S.; GIUGLIANI, E. R. J.; KREUTZ, G. T.;MENESES, C. F.; JUSTO, E. B.; KREUTZ, V. M. &PIRES, M., 1996. Poverty levels and children’shealth status: Study of risk factors in an urbanpopulation of low socioeconomic level. Revista deSaúde Pública, 30:506-511.

KAPLAN, G. A., 1996. People and places: Contrastingperspectives on the association between socialclass and health. International Journal of HealthServices, 26:507-519.

KAWACHI, I. & KENNEDY, B. P., 1997. Health and so-cial cohesion: Why care about income inequality?BMJ, 314:1037-1040.

LEAL, M. C. & SZWARCWALD, C. L., 1996. Evoluçãoda mortalidade neonatal no Estado do Rio de Ja-neiro, Brasil, de 1979 a 1993. 1 – Análise por grupoetário segundo região de residência. Revista deSaúde Pública, 30:403-412.

MAPINFO CORPORATION, 1994. MapInfo Reference.New York: MapInfo Corporation.

MASSEY, D. S., 1996. The age of extremes: Concen-trated affluence and poverty in the twenty-firstcentury. Demography, 33:395-412.

MATHSOFT INCORPORATION, 1996. S+SPATIALSTATSUser’s Manual, Version 1.0. Seattle: MathSoft Inc.

MAYER, J. D., 1983. The role of spatial analysis and ge-ographic data in the detection of disease causa-tion. Social Science and Medicine, 17:1212-1221.

MENEZES, A. M. B.; BARROS, F. C.; VICTORA, C. G.;TOMASI, E.; HALPERN, R. & OLIVEIRA, A. L. B.,1998. Fatores de risco para mortalidade perinatalem Pelotas, RS, 1993. Revista de Saúde Pública,32:209-216.

MENEZES, A. M. B.; VICTORA, C. G; BARROS, F. C.;ALBERNAZ, E.; MENEZES, F. S.; JANNKE, H. A.;ALVES, C. & ROCHA, C., 1996. Mortalidade infan-til em duas coortes de base populacional no Suldo Brasil: Tendências e diferenciais. Cadernos deSaúde Pública, 12(Sup.):79-86.

MORAN, P. A. P., 1950. Notes on continuous stochas-tic phenomena. Biometrika, 37:17-23.

RIP, M. R.; KEEN, C. S. & WOODS, D. L., 1987. Intra-urban variations of neonatal and post-neonatalmortality in a developing city. Social Science andMedicine, 25:889-894.

ROTH, J.; HENDRICKSON, J.; SCHILLING, M. &STOWELL, D. W., 1998. The risk of teen mothershaving low birth weight babies: Implications ofrecent medical research for school health person-nel. Journal of School Health, 68:271-275.

SASTRY, N., 1996. Community characteristics, indi-vidual and household attributes, and child sur-vival in Brazil. Demography, 33:211-229.

SSMA-RS (Secretaria da Saúde e do Meio Ambientedo Rio Grande do Sul), 1998. Mortalidade infantilno Rio Grande do Sul. Boletim Epidemiológico, no

5. Porto Alegre: SSMA-RS.SELLS, C. W. & BLUM, R. W., 1996. Morbidity and

mortality among US adolescents: An overview ofdata and trends. American Journal of PublicHealth, 86:513-519.

SEN, A., 1990. Distribution of Spatial Correlation Sta-tistics. Spatial Statistics: Past, Present and Future.New York: Institute of Mathematical Geography.

SLOGGETT, A. & JOSHI, H., 1998. Deprivation indica-tors as predictors of life events 1981-1992 basedon the UK ONS longitudinal study. Journal of Epi-demiology and Community Health, 52:228-233.

SPSS INCORPORATION, 1995. SPSS for Windows.Stastical Package for the Social Sciences. Release7.0. Chicago: SPSS Inc.

WILKINSON, R. G., 1997. Comment: Income, inequal-ity, and social cohesion. American Journal of Pub-lic Health, 87:1504-1506.

spatial analysis of early neonatal mortality - scielo · para a “taxa de mortalidade nos três...

Documents