Distribuição espacial do risco associado a eventos raros por geoestatística binominal e simulação condicionada

• Ano de defesa: 2007
• Autor(a) principal: Eduardo Celso Gerbi Camargo
• Orientador(a): Antonio Miguel Vieira Monteiro, Suzana Druck Fucks
• Banca de defesa: Gilberto Câmara, Marília Sá Carvalho, Paulo Justiniano Ribeiro Júnior
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: Many events of interest in public policy, such as health care and security, are of low occurrence or rare events. The occurrence of various types of cancer and of diverse types of violence are some examples. These events are associated with people, who are not distributed randomly in space; therefore, when working with registers of health care and security to evaluate risks, the event probability must estimated. In this context, tools of analysis that allow to produce an evaluation of the risk, as well as its spatial distribution, enhance surveillance. Consequently, they make possible to provide important information towards the development of policies that promote better health care and security, considering new strategies of control and prevention. This thesis offers a contribution in this direction. A geostatistic methodology is used to estimate and map the risk in rare events. The risk is assumed to be a continuous and spatially correlated variable, whose values that are not observed directly. The available information are rates that are aggregated by units of area (towns, districts, census sectors and others), defined as being the ratio between the number of occurred events in one determined area and the number of people susceptible to the occurrence of this event. The number of cases or events occurred in one determined area is considered a variable with binomial distribution. An estimator for the risk semivariogram is presented for analysis and definition of the spatial correlation structure of the risk. This estimator considers the instability that is observed in the data and its trend in order to estimate its parameters. This instability is related with areas of the small populations. Its behavior is verified through the binomial co-kriging and a simulation study that evaluates the structure of spatial correlation of the estimated risk against the simulated one. The structure of spatial correlation of the risk imposed by the considered estimator and the available information are used in the binomial co-kriging procedure to obtain the average risk distribution surface. To explore other moments of the risk distribution, a non-parametric conditional sequential simulation procedure is used. A set of equally representative alternative realizations of the risk is generated. This makes possible to evaluate the probability of the random field in study exceed a given cut value, and, later, to establish more adequate risk scenarios, for example, action planning for monitoring and/or intervention. As a demonstration of the proposed technique, a case study is performed for the homicide risk in the city of São Paulo, for the period between 2002 and 2004. The results are suitable with its urban structure, through the observation of other studies, pointing a way to the advance of monitoring and decisions making support systems.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m17@80/2007/05.18.13.01

Muitos eventos de interesse em políticas públicas como saúde e segurança são de baixa frequência de ocorrência ou eventos raros, como por exemplo, os vários tipos de câncer, os diversos tipos de violência e outros. Esses eventos se manifestam em pessoas, as quais não estão distribuídas aleatoriamente no espaço, e devido a isso, ao se trabalhar com registros de saúde e segurança para avaliar riscos, deve-se estimar a probabilidade do evento ocorrer. Neste contexto, ferramentas de análise que permitam produzir uma avaliação do risco e de sua distribuição espacial potencializam os meios de vigilância e, conseqüentemente, possibilitam fornecer informações importantes para o desenho de políticas de promoção da saúde e segurança, considerando novas estratégias de controle e prevenção. Esta tese oferece uma contribuição nesta direção. Uma metodologia geoestatística é empregada para a estimação e mapeamento do risco em eventos raros. Supõe-se que o risco é uma variável aleatória contínua e espacialmente correlacionada, cujos valores não são diretamente observados. A informação disponível são dados de taxa agregados por unidades de área (municípios, distritos, setores censitários e outros), definida como sendo a razão entre o número de eventos ocorridos numa determinada área e o número de pessoas expostas à ocorrência desse evento. Considera-se o número de casos ou eventos ocorridos numa determinada área como sendo uma variável aleatória com distribuição binomial. Um estimador para o semivariograma do risco é proposto para a análise e definição da estrutura de correlação espacial do risco. Este estimador considera na estimação de seus parâmetros a instabilidade que se observa nos dados e a sua tendência. Esta instabilidade é decorrente de áreas com pequenas populações. Seu comportamento é verificado através da co-krigeagem binomial e de um estudo de simulação que objetiva avaliar a estrutura de correlação espacial do risco estimada versus a simulada. A estrutura de correlação espacial do risco imposta pelo estimador proposto, conjuntamente com a informação disponível são empregadas no procedimento de co-krigeagem binomial para a obtenção de uma superfície da média da distribuição do risco. Para explorar outros momentos da distribuição do risco, empregase o procedimento de simulação seqüencial condicionada não-paramétrica. Um conjunto de realizações alternativas igualmente representativas do risco é gerado. Isto possibilita avaliar a probabilidade do campo aleatório em estudo exceder um dado valor de corte e, posteriormente, estabelecer cenários de risco mais adequados, por exemplo, para fins de planejamento de ações de vigilância e/ou intervenção. Como demonstração da técnica proposta, um estudo de caso é conduzido para o risco de homicídio na cidade de São Paulo, no triênio 2002 - 2004. Os resultados obtidos são condizentes com a estrutura urbana da cidade, através da observação de outros estudos, e apontam um caminho para o avanço nos sistemas de apoio a vigilância e a tomadas de decisões.