Contributo dos sig na análise da distribuição da Obesidade, Diabetes e Hipertensão Estudo de caso nas Unidades de Saúde Familiar do aces espinho/Gaia

Análise dos mapas hot spot

Da observação dos mapas de hot spot emergem três focos comuns às três patologias em Sandim, Vilar de Paraíso+Valadares e Anta+Sâo Félix da Marinha.

Sobretudo nos dois primeiros, nota-se uma formação quase concêntrica das manchas que indicam as zonas de maior prevalência. Esta situação pode estar ligada com a autocorrelação espacial, uma vez que o valor de uma subsecção influência o valor das subsecções vizinhas, perdendo poder de influência à medida que a distância aumenta. De acordo com a máxima de Waldo R. Tobler (1979) segundo a qual tudo está relacionado com tudo o resto mas coisas mais perto estão mais relacionadas do que coisas mais distantes, nota-se a influência das subsecções com valores mais elevados, nas subsecções vizinhas, diminuindo essa influência à medida que nos afastamos e observamos valores de desvio padrão inferiores a 2,58.

Dos clusters sobressai a quase centralidade das USF Nova Via e Além Douro no centro das manchas, no entanto refira-se que nesta análise estatística a localização das Unidades não foi um parâmetro considerado, o que levanta várias questões acerca das caraterísticas das subsecções imediatamente contíguas às Unidades.

Das subsecções definidas como hot spots fez-se um decalque, para permitir a análise sócio-económica de acordo com as informações disponíveis (2001). Na correlação com os dados socioeconómicos, nas áreas de hot spot, o que se revela é um reforço das relações já anteriormente descritas, sobretudo da taxa de analfabetismo, na diabetes com 0,71 e na obesidade com 0,84, ambas no percentil 99.

Todas as subsecções indicadas como hot spot têm valores de prevalência superiores a 10 % em qualquer uma das patologias.

Comparando os hot spot definidos pelos parâmetros estatísticos com o perfil tipo das subsecções de maior prevalência, observa-se uma adequação daqueles às caraterísticas socioeconómicas indicadas no perfil.

No que concerne à taxa de analfabetismo, nas subsecções hot spot observa-se, para as três patologias maior importância das subsecções com mais de 15% de taxa.

Em relação à percentagem de área urbanizada, mais de 50 % das subsecções têm valores de área construída superiores a 10%.

CONCLUSÕES

Terminada a análise algumas ideias merecem evidência.

O número de mulheres diagnosticadas ser claramente superior ao dos homens em todas as patologias (valores em percentagem), à exceção da diabetes, o que pode corroborar a ideia de que as mulheres são mais facilmente diagnosticadas por recorrerem mais aos serviços de saúde.

A dispersão dos utentes, muito para além das freguesias da área de influência das USF demonstra que muitos indivíduos não privilegiam um serviço de saúde de proximidade mas dão preferência ao médico de família que conhecem ou a outros fatores que não a distância ao Centro de Saúde.

Uma importante conclusão refere-se à importância da família e dos hábitos familiares, que em muito influenciam e justificam a saúde ou doença do individuo. Mais de metade dos utentes diagnosticados têm na família outros indivíduos com pelo menos uma das doenças analisadas e, se não na mesma família, certamente no mesmo prédio. Assim a prevenção deverá ser feita não apenas no plano da saúde propriamente dita, mas antes em parâmetros como e educação para a saúde e a formação que ficou evidenciado ser um fator com forte correlação com a ocorrência destas doenças.

Do estudo feito, algumas questões colocadas à partida, mereceram respostas, no entanto, muitas outras surgiram à medida que se foram definindo caminhos de investigação.

Se por um lado se conseguiu perceber onde são os focos mais problemáticos das doenças e, que perfil socioeconómico têm esses locais, por outro abrem-se novas dúvidas, como o tipo de alimentação, os equipamentos desportivos disponíveis nessas áreas, os hábitos de atividade física, entre outros indicadores que interessam cogitar numa análise holística, para melhor compreender os contextos.

Todavia, merecem referência as áreas de Valadares+Vilar do Paraíso bem como Sandim e Anta+São Félix da Marinha como áreas que merecerão maior cuidado no plano das três doenças estudadas. No prisma oposto, Gulpilhares e Madalena, mostraram-se como áreas cuja análise estatística demonstrou valores dignos de nota pela positiva, apontadas como Cold spots I para o trio de patologias.

Emerge a questão acerca da localização das USF quase como ponto central dos hot spots este fenómeno não nos mereceu resposta no decorrer desta investigação, mas antes abriu novas dúvidas. Os dados usados são resultado dos registos de diagnóstico levados a cabo pelos médicos, no entanto esse registo nem sempre feito, pode enviesar grandemente os resultados de qualquer tratamento dos dados

Os Sig mostram-se como um aliado importante na adoção de novos métodos de investigação e de delimitação de áreas problema.

Contudo, a participação dos técnicos na gestão e interpretação dos dados da ferramenta, é imprescindível, sob pena de se atingirem resultados que não respeitam a integridade da informação e não se ajustam à complexidade dos tópicos de saúde.

A distribuição geográfica das doenças não é aleatória, esta premissa abre outras considerações e novas dúvidas sobre o que gera esses clusters de maior prevalência e, como se pode precaver a sua ocorrência/disseminação.

Neste seguimento, as potencialidades dos Sig não se esgotam indicando onde existem já os problemas instalados, podendo também numa fase anterior, ajudar a evitar que os focos se desenvolvam e atinjam por vezes níveis problemáticos.

Há fatores socio económicos com forte correlação com as patologias, a educação foi a que mais se evidenciou, reforçando outros estudos feitos, onde mais do que os fenómenos genéticos, são o desconhecimento e a falta de formação que mais comprometem a saúde do indivíduo.

Acerca dos utentes abrem-se também novas interrogações para as quais uma ficha do utente mais completa, poderia permitir maiores conclusões sobre as suas características (escolaridade, setor de atividade etc)

Em sociedades que incentivam estilos de vida insalubres, informação e educação por si só não terão sucesso. Deve ser dada atenção à criação de condições propícias para alcançar e manter um estilo de vida ativo e de hábitos alimentares saudáveis. Um ambiente que promova atividade física e nutrição ideal irá ajudar a evitar os grupos de alto risco de desenvolverem as doenças, ao mesmo tempo que previne aqueles com baixo risco de se tornarem de alto risco. Esta conceção envolve todos os que pensam e trabalham sobre a organização do espaço.

Fica por isso a satisfação de um estudo com forte inclinação prática e com resultados que importa cogitar não só ao nível dos profissionais de saúde como também dos geógrafos, planeadores e todos os técnicos que trabalham sobre o território.

BIBLIOGRAFIA

ACS, A. C. d. S. (2010). PNS em Foco Obesidade e diabetes em portugal. Boletim Informativo, nº 6.

Alberti, K. G. M. M., Zimmet, P., & Shaw, J. (2007). International Diabetes Federation: a consensus on Type 2 diabetes prevention. Journal compilation © 2007 Diabetes UK. Diabetic Medicine, 24, 451-463.

Almeida, A. S. d., Andrade, M. R. d., & Ortiz, V. L. I. (2009). Análise espacial da dengue e o contexto socioeconômico no município do Rio de Janeiro. Rev Saúde Pública, 43(4), 666-673.

Burrough, & McDonnell. (1998). Principles of Geographical Information Systems: Oxford University Press.

Carlos, P. R., Palha, P. F., Veiga, E. V., & Beccaria, L. M. (2008). Perfil de hipertensos em um núcleo de saúde da família. Arq Ciênc Saúde, 15(4), 176-181.

Carvalho, F. M. V. d., Ferreira, L. G., Lobo, F. C., Diniz-Filho, J. A. F., & Maurício, B. L. (2008). Padrões de autocorrelação espacial de índices de vegetaçãomodis no bioma cerrado. R. Árvore, Viçosa-MG, v.32 nº 2, 279-290.

Costa, J. S. D. d., Barcellos, F. C., Sclowitz, M. L., Iândora Krolow Timm Sclowitz, Castanheira, M., Olinto, M. T. A., . . . Fuchs, S. C. ( 2007). Prevalência De Hipertensão Arterial Em Adultos E Fatores Associados: Um Estudo De Base Populacional Urbana Em Pelotas, Rio Grande Do Sul, Brasil. Arquivo Brasileiro Cardiologia, 88(1) 59-65

Cowen, D. J. (1988). GIS versus CAD versus DBMS: what are the differences? . Photogrammetric Engineering and Remote Sensing, 54, 1551-1554.

DGS, D. G. d. S. (2005). Programa Nacional de Combate à Obesidade (circular normativa). Nº: 03/DGCG.

Esteves, F. F. (2010). O contributo dos SIG para compreender a relação entre os episódios extremos de temperatura e de variabilidade térmica na época de transição Primavera – Verão e a ocorrência de enfartes do miocárdio no concelho do Porto. (Mestrado), Universidade do Porto, Porto.

Ferreira, S. R. G., & Zanella, M. T. (2000). Epidemiologia da hipertensão arterial associada à obesidade. Revista Brasileira Hipertensão, 7, nº 2, 128 à 135.

Filho, D. B. F., & Júnior, J. A. d. S. (2009). Desvendando os Mistérios do Coeficiente de Correlação de Pearson. Revista Política Hoje, 18, n. 1, 115-146.

Fischer, M. M., & Getis, A. (2010). Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications Springer (Ed.) (pp. 70).

Fiuza, M., Cortez-Dias, N., Martins, S., & Belo, A. (2008). Síndrome Metabólica em Portugal: Prevalência e Implicações no Risco Cardiovascular - Resultados do Estudo VALSIM Revista Portuguesa de Cardiologia, 27(12), 1495-1529

Francis, M. R., .S., R. P., Mohan, V. e. R., Balraj, V., & George, K. (2012). Examining spatial patterns in the distribution of Low Birth Weight babies in Southern India- the role of maternal, socio-economic and environmental factors. International Journal of Biological & Medical Research, 3(1), 1255-1259.

Grancho, N. (2006). Origem e evolução recente dos sistemas de informação geográfica em Portugal: Quimera editores lda.

Haining, R. (1990). Spatial Data Analysis in the Social and Environmental Sciences C. U. Press (Ed.) (pp. 396). Retrieved from http://books.google.pt/books?id=FFIsxD1rdrIC&pg=PA396&lpg=PA396&dq=Spatial+Autocorrelation+Goodchild,+M.F+Catmog+47,+Geo+Books,+1986&source=bl&ots=v_O2yctqCm&sig=rSZfKF_QNN6o_JT7V1Ay6UHhIf8&hl=pt-PT&sa=X&ei=uCYpUJfLLcHKhAeAnoGIDg&sqi=2&ved=0CFgQ6AEwBg#v=onepage&q&f=false

Higgs, G., & Gould, M. (2001). Is there a role for GIS in the ‘new NHS’? HealthaPlace, 7, 247-259.

INE, I. N. d. E., & INSA, I. N. d. S. D. R. J. (2009). Inquérito nacional de Saúde 2005/2006. Lisboa Portugal: INE, I.P. / INSA,I.P.

João, P. A. d. A. (2009). Modelo Preditivo Da Criminalidade Georeferenciação Ao Concelho De Lisboa. (Mestrado em Estatística e Gestão de Informação), Universidade Nova de Lisboa, Lisboa.

Kistemann, T., Dangendorf, F., & Schweikart, J. r. (2002). New perspectives on the use of Geographical information Systems (GIS) in environmental healthe sciences. International Journal of hygiene and environmental health, 205, 169-181.

Lopes, F. S. (2010). Análise de agravos à saúde e possíveis associações aos produtos da queima de cana-de-açúcar. (Doutoramento em Saúde Pública), Universidade de São Paulo, São Paulo.

Matos, J. L. d. (2001). Fundamentos de Informação geográfica. Lisboa: Lidel, edições técnicas, Lda.

Melo, E. C., & Mathias, T. A. d. F. (2010). Distribuição e autocorrelação espacial de indicadores da saúde da mulher e da criança, no Estado do Paraná, Brasil. Rev. Latino-Am. Enfermagem, 18(6), 10 telas.

Michaelis, J. (2011). A spatial modeling tool for community health risk assessment: A case study of type 2 diabetes patient nonadherence in Humboldt County, California. (Masters of Science

In Natural Resources: Natural Resources Planning and Interpretation, emphasis GIS).

Miranzi, S. d. S. C., Ferreira, F. S., Iwamoto, H. H., Pereira, G. d. A., & Miranzi, M. A. S. (2008). Qualidade de vida de indivíduos com diabetes mellitus e hipertensão acompanhados por uma equipe de saúde da família. Texto Contexto Enferm, 17(4), 672-679.

Moreira, M. E. G. (2011). Os contextos biogeofísico e socioeconómico portuenses e o agravamento da saúde de indivíduos com AVC, Dispneia & Asma e Dor Torácica, expresso pelas entradas diárias na urgência do HGSA (2005-2008). (Mestrado em Riscos, Cidades e Ordenamento do Território), Universidade do Porto, Porto.

Neto, P. L. (1998). Sistemas de Informação Geográfica: Editora de Informática Lda.

OND, O. N. d. D. (2010). Diabetes:Factos e Números 2009. RelatórioAnual do Observatório Nacional da Diabetes Revista Portuguesa de Diabetes (Vol. 5 (4), pp. 178-187).

Pereira, J., & Mateus, C. (2003). Custos indirectos associados à obesidade

em Portugal. Revista Portuguesa De Saúde Pública, vol. temático: 3, 65 à 80.

Pina, M. d. F. d., & Olhero, A. (2004). Georeferenciação de dados em micro-áreas. Desafio à utilização dos SIG na área da saúde. Paper presented at the V congresso de Geografia Portuguesa, Guimarães. http://www.apgeo.pt/files/docs/CD_V_Congresso_APG/web/_pdf/C4-5_14Out_MFatimaPina.pdf

Popkin B.M. , G.-L. P. (2004). The nutrition transition: worldwide obesity dynamics and their determinants. International Journal of Obesity (2004) 28.

Popkin, B. M. (2004). The Nutrition Transition: An Overview of World Patterns of Change. Nutrition Reviews, 62-7, 140-143.

S Kumanyika, Jeffery, R., Morabia, A., Ritenbaugh, C., & Antipatis, V. (2002). Obesity prevention: the case for action. International Journal of Obesity, 26, 425-436.

Santana, P. (2005). Geografias da Saúde e do Desenvolvimento- Evolução e tendências em Portugal. Coimbra: Edições Almedina S.A.

Santana, P., Nogueira, H., & Santos, R. (2006). O Papel do Ambiente Físico e Social na Construção de Comunidades Saudáveis. Ensaio Metodológico Aplicado à Amadora. Engenharia Civil- UM, nº 27, 17-27.

Santana, P., Nogueira, H., & Santos, R. (2007). Ambientes Obesogénicos: Contexto, Mobilidade, Dieta. A Cidade e a Saúde (coordenação Paula Santana), Editora Almedina, 143-154.

Santana, P., Nogueira, H., & Santos, R. (2008). Comunidades Sustentáveis: impacte do contexto social e material no aumento de peso e obesidade. Revista Brasileira de Ciências Ambientais, nº 11, 23-29.

Santana, P., Santos, R., & Nogueira, H. (2009). The link between local environment and obesity: A multilevel analysis in the Lisbon Metropolitan Area, Portugal. Social Science & Medicine, 68- 4, 601-609.

Silveira, L. A. G. (2003). Correlação entre obesidade e diabetes tipo 2. Revista Digital Vida e Saúde.

Soares, G. A. D., & Terron, S. L. (2008). Dois Lulas: a geografia eleitoral da reeleição (explorando conceitos, métodos e técnicas de análise geoespacial). OPINIÃO PÚBLICA, 14 nº2, 269-301.

Soares, L. D., & Petroski, E. L. (2003). Prevalência, fatores etiológicos e tratamento da obesidade infantil. Revista Brasileira de Cineantropometria & Desempenho Humano, 5 nº 1, 63-74.

Tavassoli, A., Gharipour, M., Toghianifar, N., Sarrafzadegan, N., Khosravi, A., Zolfaghari, B., & Zarfeshani, S. (2011). The impact of obesity on hypertension and diabetes control following healthy Lifestyle Intervention Program in a developing country setting. J Res Med Sci, 16 Suppl 1, S368-376.

Tobler, W. R. (1979). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46, 239.

WHO, W. H. O. (1999). Definition, diagnosis and classification of diabetes mellitus and its complications. Part 1: diagnosis and classification of diabetes mellitus. Genebra, Suiça.

WHO, W. H. O. (2003). Obésité : Prévention et prise en charge de l’épidémie mondiale- Rapport d’une Consultation de l’OMS. OMS Série de Rapports techniques, 894.

WHO, W. H. O. (2006). definition and diagnosis of diabetes mellitus and intermediate hyperglycemia. Genebra, Suíça.

WHO, W. H. O. (2009). Guidelines for the management of hypertension in patients with diabetes mellitus.

WHO, W. H. O. (2012). Obesity and overweight. Fact sheet N°311.

ANEXOS

Anexo :Utentes do género feminino com pelo menos uma das patologias inscritos nas USF

Anexo :Utentes do género masculino com pelo menos uma das patologias inscritos nas USF

Anexo :Relatório de auto correlação espacial –Obesidade distância 2000

Anexo :Relatório de auto correlação espacial –Diabetes distância 1000

Anexo :Relatório de auto correlação espacial –Hipertensão distância 1000

Anexo :Relatório de auto correlação espacial –3 patologias distância 1000

1^ Fonte: Portal da Saúde consultado em 27-08-2012 (http://www.min-saude.pt/portal/conteudos/enciclopedia+da+saude/doencas/doencas+cronicas/diabetes.htm)

2^ Fonte Organização Mundial de Saúde consultado em 27-08-2012 (http://www.who.int/diabetes/action_online/basics/en/)

3^ Fonte: Organização Mundial de Saúde consultado em 27-08-2012 (http://www.who.int/diabetes/action_online/basics/en/index3.html)

4^ Fonte: Portal da Saúde consultado em 27-08-2012 (http://www.min-saude.pt/portal/conteudos/enciclopedia+da+saude/doencas/doencas+do+aparelho+circulatorio/hipertensao+arterial.htm)

5^ Sítios: http://www.atsdr.cdc.gov/ e http://www.epa.gov/

6^Sítio: http://www.who.int/health_mapping/en/

7^ Sítio: http://www.websig.acs.min-saude.pt/

8^ Método de classificação que busca a repartição dos dados em classes com base em agrupamentos naturais da distribuição dos dados. Os “Natural breaks” ocorrem no histograma no ponto mais baixo da curva. As quebras são assinaladas e ordenadas de acordo com a dimensão das curvas, com a maior depressão da curva a ser assinalada como o primeiro “natural break”.

Fonte: Traduzido de http://support.esri.com/en/knowledgebase/GISDictionary/term/natural%20breaks%20classification

9^ Fonte: Cuidados de Saúde Primários Portugal consultado em 27-08-2012 (http://www.mcsp.min-saude.pt)

10^ Pode ler-se no sítio Cuidados de Saúde Primários Portugal consultado em 27-08-2012 (http://www.mcsp.min-saude.pt )« A diferença essencial entre estes dois tipos de unidades está nas suas dinâmicas de grupo/equipa, no grau de autonomia organizativa e nos seus órgãos e processos de decisão coletiva internos»

11^ Disponível no sítio a Autoridade Regional de Saúde do Norte consultado em 27-04-2012 http://portal.arsnorte.min-saude.pt

12^ (Número de casos vivos / População residente) x 1000

fonte :Administração Regional de Saúde do Norte consultado em 27-08-2012 (http://www.arsnorte.min-saude.pt/portal/page/portal/ARSNorte)

13^Fonte: INE. Alojamento: «Local distinto e independente que, pelo modo como foi construído, reconstruído, ampliado, transformado ou está a ser utilizado, se destina a habitação ».

Edifício: « Construção permanente, dotada de acesso independente, coberta e limitada por paredes exteriores ou paredes-meias que vão das fundações à cobertura e destinada à utilização humana ou a outros fins.»

14^ Fonte: Esri Developer Network consultado 30-08-2012

(http://edndoc.esri.com/arcobjects/9.2/net/shared/geoprocessing/Spatial_Statistics_toolbox/what_is_a_z_score_qst_.htm)

15^ Fonte: Arc-Gis Desktop 9.3 Help

(http://webhelp.esri.com/arcgisdesktop/9.3/index.cfm?TopicName=Spatial_Autocorrelation_(Morans_I)_(Spatial_Statistics))

16^ Fonte: Fonte: Esri Developer Network consultado 30-08-2012

(http://edndoc.esri.com/arcobjects/9.2/net/shared/geoprocessing/spatial_statistics_tools/hot_spot_analysis_getis_ord_gi_star_spatial_statistics_.htm)