CNPq UFAL

UNIVERSIDADE FEDERAL DE ALAGOAS

PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO
COORDENAÇÃO DE PESQUISA

PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA –

PIBIC CNPq/UFAL/FAPEAL

RELATÓRIO FINAL

(2020 – 2021)

TÍTULO DO PROJETO DE PESQUISA: Análise Espacial do Ambiente Alimentar nos

Espaços Ocupados por Crianças Residentes no Município de Maceió/AL

TÍTULO DO PLANO DE TRABALHO: Caracterização dos pontos de venda de

alimentos nos arredores das unidades de saúde e centros de educação infantil do município
de Maceió/AL.

Nome/Unidade/Campus Do Orientador: Jonas Augusto Cardoso da Silveira / Faculdade

de Nutrição / Campus A.C. Simões / jonas.silveira@fanut.ufal.br

Nome /Curso/E-mail do Bolsista: Luan Santos de Aragão / Nutrição /

luan.aragao@fanut.ufal.br

X BOLSISTA CNPQ BOLSISTA FAPEAL

BOLSISTA UFAL COLABORADOR

NOME DA GRANDE ÁREA DO CONHECIMENTO (CNPq): CIÊNCIAS DA SAÚDE

NOME DA SUB-ÁREA DO CONHECIMENTO (CNPq): EPIDEMIOLOGIA

Maceió - AL, 04 / 09 / 2021

1
 RESUMO / PALARAS-CHAVE

O ambiente alimentar e nutricional (AAN) engloba fatores físicos, socioeconômicos,

culturais e políticos que influenciam as escolhas alimentares e moldam o estado nutricional
da população. Por isso, objetivamos caracterizar o AAN construído nos entornos dos espaços
ocupados por crianças de primeira infância em Maceió/AL através de um Sistema de
Informação Geográficas em Alimentação e Nutrição (SIGAN-Maceió) – por meio do qual
será possível analisar o AAN com técnicas geoespaciais, considerando as diferenças
socioeconômicas dos bairros, além de identificar desertos/pântanos alimentares. Estudo
ecológico de caracterização do AAN no entorno de unidades básicas de saúde e centros de
educação infantil. Devido à pandemia, a coleta de dados está planejada para ocorrer a partir
de outubro/novembro de 2021. Para isso, serão utilizados instrumentos de avaliação
específicos para lojas e restaurantes. A equipe desenvolveu e implementou os formulários no
aplicativo KoBoToolbox instalado em smartphones. O geoprocessamento foi realizado no
QGIS 3.16.9. A área de estudo foi delimitada por buffers de 400 metros ao redor de cada
UBS. Analisando a distribuição das 61 UBS e 316 CEI existentes em Maceió, percebemos
que dos 50 bairros da cidade, quatro não têm nem UBS nem CEI, e outros 16 não têm UBS.
A área de risco do Pinheiro (excluída das análises) tem 9,32 km², correspondente a 4,71% da
área urbana total, e reduziu ~2,64% da área da coleta de dados (de 78,96 km² para 76,93
km²). Por fim, a revisão de literatura mostrou que análises geoespaciais em Sistemas de
Informação Geográficas potencializam o planejamento público em saúde, diminuem custos
e embasam políticas de zoneamento que permitem reformular profundamente o AAN. Os
instrumentos utilizados para a análise do AAN em Maceió permitirão descrever as
características de disponibilidade, acesso, preço, publicidade, entretenimento e qualidade
higiênico-sanitária dos PVA. Espera-se que os resultados destas análises em conjunto com
as evidências levantadas contribuam com a elaboração de estratégias de planejamento de
políticas de zoneamento para proteção e promoção de ambientes produtores de padrões e
comportamentos alimentares saudáveis.

Palavras-chave: Geografia em Saúde; Ambiente Alimentar e Nutricional; Crianças.

2
 INTRODUÇÃO e OBJETIVOS
O ambiente alimentar e nutricional (AAN) engloba fatores físicos, políticos,
socioeconômicos e culturais que influenciam as escolhas alimentares e moldam o estado
nutricional das populações [1,2]. Dentre os fatores mais significativos e frequentes na análise
dos AAN, estão a disponibilidade, o acesso e o preço dos diversos tipos alimentares [3-5].
Nesse sentido, a maior presença/densidade de determinados tipos de pontos de venda de
alimentos (PVA) é recorrentemente associada na literatura à tendências na salubridade
alimentar da população local.
Um trabalho realizado em Belo Horizonte (Minas Gerais) encontrou relação entre o
número total de hortifrutis, feiras e supermercados dentro de uma região, com o melhor
acesso à alimentos saudáveis [6] – visto que esse tipo de PVA normalmente tem alta
variedade de alimentos in natura e Minimamente Processados (INMP). Por outro lado, no
ciclo PIBIC 2018-2019, o trabalho de nossa equipe verificou em Rio Largo que as
Mercearias, Padarias e Comércios varejistas/atacadistas de doces não comercializavam
nenhum alimento in natura, ao mesmo tempo que lideravam o ranking de PVA com maior
disponibilidade de Alimentos Ultraprocessados (AUP) do município.
O modelo teórico mais recorrente na literatura para operacionalizar a análise do AAN
é o proposto por Glanz e colaboradores em 2005 [2]. Nesse modelo, uma separação didática
de variáveis, componentes e aspectos teóricos delimitou quatro tipos de AAN: (1) o da
comunidade; (2) o organizacional; (3) o do consumidor; e (4) o informacional. O primeiro é
aquele disponível para toda a população e cujas variáveis são externas ao comércio (tipo de
PVA, geolocalização e horas de funcionamento); o segundo é aquele disponível apenas para
grupos populacionais inseridos em ambientes institucionais específicos (ex. estudantes e
trabalhadores); o terceiro reúne variáveis internas ao PVA (preço, promoções, variedade e
tipos de alimentos disponíveis); e o quarto refere-se à construção da informação alimentar
(propagandas e marketing e mídias).
É comum países de grandes dimensões geográficas, como o Brasil, focarem no AAN
organizacional para caracterizar e avaliar grupos específicos, como crianças de primeira
infância – dado que uma má alimentação nesse período repercute no resto da vida. Prova da
relevância desse tema é que em uma revisão de literatura sobre o AAN na América Latina,
61% dos estudos descritivos pertenciam ao Brasil [7]. Contudo, ainda é preciso avançar muito
no trabalho e compreensão desse tema, para superar as limitações apontadas pelos estudos já
publicados – as quais envolvem principalmente: o desenho do estudo; ferramentas de
avaliação não condizentes com a realidade estudada; avaliações de políticas; uso de dados
secundários para georreferenciamento dos PVA; e baixa investigação dos efeitos do
marketing digital na dieta/saúde [7,8].
Considerando o objetivo geral do projeto maior, que é caracterizar o ambiente
alimentar e nutricional construído nos entornos dos espaços ocupados por crianças na
primeira infância no município de Maceió/AL, esta pesquisa de iniciação científica teve
como objetivos: (1) Gerar base de dados georreferenciada com os pontos de venda de
alimentos nos arredores dos centros de educação infantil e unidade de saúde de Maceió/AL;
(2) Avaliar o ambiente alimentar e nutricional utilizando técnicas de geoprocessamento de
acordo com as diferenças socioeconômicas onde as escolas e unidades de saúde estão
situadas, identificando regiões caracterizadas por desertos alimentares; e (3) Iniciar a
implantação do SIGAN-Maceió.

3
 METODOLOGIA
Trata-se de um estudo ecológico sobre o ambiente alimentar do município de
Maceió/AL, cuja coleta de dados é planejada para ocorrer na próxima etapa do projeto. No
entanto, diante da manutenção das restrições relacionadas à pandemia, o desenvolvimento das
atividades se concentrou na continuidade da revisão de literatura sobre o tema e o
desenvolvimento dos formulários de coleta de dados do NEMS-S e de um novo instrumento
para avaliação do ambiente alimentar em restaurantes (construído a partir da realidade
brasileira) e a elaboração do treinamento para aplicação dos formulários em campo.
O NEMS-S (Nutrition Environment Measurement Survey for Stores) [10], foi
desenvolvido por Glanz e colaboradores em 2007, para avaliar os PVA dos EUA através da
disponibilidade, preço, variedade e qualidade dos alimentos com base nos grupos descritos
na Pirâmide Alimentar de Harvard [11]. A versão que utilizaremos do NEMS-S é aquela que
foi adaptada e validada para a população brasileira por Martins e colaboradores em 2013
[12], a qual inclui um sistema de classificação dos alimentos de acordo com o grau de
processamento descrito por Monteiro e colaboradores em 2010 [13]. A definição adotada
para PVA dentro do NEMS-S é a de comércios que oferecem produtos alimentares para
aquisição, mas não para consumo no local (como açougues/avícolas/peixarias, mercearias,
barracas de feira livre e bancas de frutas, padarias, sacolões/quitandas,
mercados/supermercados e lojas de conveniência).
Já o novo instrumento para avaliação do AAN nos restaurantes foi baseado em
características da região Nordeste, a partir das informações do Guia Alimentar para a
População Brasileira, da lista de alimentos descritos na Pesquisa de Orçamentos Familiares
e incluindo aspectos higiênico-sanitários e de publicidade; o novo instrumento também se
baseou em publicações anteriores sobre o tema, identificadas por meio de revisão de
literatura. Esse instrumento avalia os restaurantes através da identificação e caracterização
geral; presença de alimentos ofertados; tipos de comércio formais existentes com base na
Classificação Nacional de Atividades Econômicas; e (na versão utilizada) presença de
informações empíricas dos pesquisadores sobre comércios informais que possam ser
encontrados. Como definição de restaurantes, para uso deste instrumento, são considerados
comércios de alimentos para consumo imediato dentro do estabelecimento, presentes no
microambiente alimentar local de cidades.
Os instrumentos de pesquisa foram adaptados para o uso no aplicativo KoBoToolbox
(KoBoToolbox, Cambridge, MA, EUA), disponível em desktop e mobile. Essa substituição
dos formulários físicos por máscaras virtuais dentro de aplicativos traz três principais
vantagens: (1) permite o preenchimento de forma digital por meio de smartphones; (2) maior
praticidade, agilidade e velocidade de coleta durante a pesquisa, além de ser uma prática mais
sustentável por não envolver o uso de grandes quantidades de papel; e (3) acelera o início das
análises e permite avaliação prospectiva da qualidade dos dados coletados, uma vez que o
banco de dados será construído concomitantemente ao desenvolvimento da pesquisa por
meio da coleta e sincronização dos dados.
Essa forma de coleta de dados também exige alguns cuidados como: (1) sempre
respeitar a ordem das perguntas e não prosseguir antes de responder à pergunta anterior (tal
qual seria realizado com o questionário físico); (2) realizar backup dos dados regularmente,
de preferência ao fim de cada turno de coleta, para garantir segurança dos dados; (3) antes de
cada turno de coleta, conferir que o celular está com carga completa, evitar quedas e o contato
do aparelho com água e umidade; (4) bem como ter atenção ao circular pelos setores

4
censitários para preservar a segurança dos pesquisadores, do próprio equipamento e dos
dados coletados.
Todas essas informações foram devidamente incluídas na elaboração do treinamento
de uso dos formulários, assim como prints da tela de um celular mostrando todo o passo a
passo desde à abertura do aplicativo e cada questão contida nos instrumentos – havendo
também observações pertinentes nos itens que mais poderiam gerar dúvidas e imagens para
facilitar a construção da imagem mental de apresentação dos itens e informações a serem
coletadas. A construção do treinamento para preenchimento dos dois formulários foi
realizada dentro da plataforma Apresentações Google, de forma que todos do projeto podiam
acompanhar o processo de forma online.
O mapeamento e geoprocessamento foram realizados por meio do QGIS 3.16.9 [15],
iniciando com a conversão dos endereços das UBS em coordenadas geográficas pontuais
(latitude e longitude), as quais foram sobrepostas às camadas vetoriais (shapefiles) do
Instituto Brasileiro de Geografia e Estatística (IBGE) e do Instituto do Meio Ambiente de
Alagoas (IMA), referentes à Maceió (limites territoriais, bairros, setores censitários e área de
risco no bairro Pinheiro), bem como os limites territoriais dos estados circunvizinhos, à
Lagoa Mundaú e ao Oceano Atlântico.
Para o posicionamento espacial das UBS, inicialmente, identificamos os endereços
por meio do Cadastro Nacional de Estabelecimentos de Saúde (CNES) e confirmamos a
validade das informações referentes aos dados de longitude e latitude dos estabelecimentos,
contidas no banco de dados do CNES, para criar uma camada georreferenciada de pontos das
UBS. Com relação aos centros de educação infantil (CEI), as coordenadas foram obtidas
através do Google Earth, a partir da identificação e conversão dos endereços presentes na
lista do censo escolar da cidade. Essas duas camadas de pontos que representam as UBS e
CEI de Maceió, primeiramente geradas no formato .kmz*, foram convertidas para o formato
.shp* (compatível com o QGIS) e unidas em uma única camada para a criação de buffers
(áreas de influência) de 400 metros ao redor de cada ponto. Então, utilizando ferramentas
específicas de interseção e recorte dentro do QGIS, os limites circulares dos buffers foram
ajustados de forma que eles não ultrapassassem os setores censitários urbanos da cidade e
invadissem áreas como o oceano, plantações rurais, ou mesmo a Lagoa Mundaú
(representando mais fidedignamente a área em que ocorrerá a coleta de dados).
Em seguida, a camada de setores censitários foi duplicada para criar duas feições
distintas: uma permaneceu inalterada, como uma linha vermelha no plano de fundo do mapa,
perpassando todos os bairros e distritos sanitários (DS); já a segunda camada foi renomeada
para “Distritos Sanitários - Maceió” e categorizada em oito subcamadas coloridas que
indicam à qual DS pertence cada setor censitário da cidade. A adoção desse método foi
devida ao planejamento da coleta de dados levar em consideração os setores censitários,
conforme disposição dentro dos DS e os bairros da cidade.
Por fim, trabalhando com a interpretação e edição dos dados presentes na tabela de
atributos de cada shapefile, utilizou-se a calculadora de campo do programa para calcular a
área dos polígonos referentes à área total de Maceió e de seus setores censitários urbanos,
bem como a área total dos buffers e as interseções pertinentes entre polígonos e buffers dentro
do mapa.
Devido aos riscos associados ao afundamento do solo, às mudanças na organização
do bairro e à segurança da equipe de pesquisa, as áreas críticas do bairro Pinheiro e regiões
circunvizinhas foram excluídas do estudo. Dessa forma, a área final de coleta de dados dos
PVA e restaurantes foi obtida através da subtração entre a área total dos Buffers e região
interseccionada à região excluída das análises.

5
 RESULTADOS E DISCUSSÕES

O mapa abaixo (Figura 1) apresenta as 61 UBS e 316 CEI de Maceió e suas

respectivas áreas de influência circulares de 400 metros (buffers), cujos limites respeitam a
delimitação dos setores censitários urbanos. As linhas vermelhas ao fundo representam as
delimitações dos setores censitários e a divisão por cores indicam os oito distritos sanitários
do município. A área excluída das análises foi destacada com uma malha preta.

Figura 1. Mapa de distribuição das UBS e CEI em Maceió, circundadas por buffers de 400
metros e em destaque a área de risco excluída das análises. Maceió, Alagoas, Brasil (2021).

Maceió é a capital do Estado de Alagoas, região Nordeste. A cidade possui uma área
total de 503,1 km², na qual 197,7 km² (39,3%) corresponde à setores censitários urbanos. De
acordo com o último censo (2010), a população residente encontrava-se em 932.748
indivíduos e uma densidade demográfica de 1.854 hab./km², apresentando a maior população
do estado. Apresenta um índice de desenvolvimento humano alto (0,721) e os valores dos
indicadores são: longevidade 0,799; renda 0,739; e educação 0,635. Seu território urbano é
dividido em 50 bairros, sendo que 20 deles não possuem nenhuma UBS e 4 bairros não têm
CEI. Analisando essas informações geográficas, vemos que estes quatro bairros que não
possuem nenhum CEI (Santo Amaro, Mutange, Garça Torta e Pescaria), fazem parte dos 20
bairros que não possuem nenhuma UBS dentro de seus limites territoriais.
Tratando especificamente da região excluída das análises (Figura 1), ela possui uma
área total de 9,32 km², sendo que 5,97km² (64,05%) e 3,35 km² (35,95%) pertencem,
respectivamente ao 3º e 4º distritos sanitários. Esta área corresponde a 4,71% do total dos
setores censitários urbanos. Ao considerarmos apenas a área de coleta de dados, ou seja, a

6
área total dos buffers que circundam as UBS e CEI, observa-se que a área de abrangência da
pesquisa reduziu de 78,96 km² para 76,93 km² (diminuição de apenas ~2,64%).
Toda a região de risco passa por um evento em massa de desocupação e êxodo para
regiões circunvizinhas. Portanto, a exclusão destas áreas não implica em perda de
informação, mas de uma representação fidedigna desta nova conjuntura urbana. Uma
discussão pertinente sobre essa questão diz respeito às famílias que conseguiam sua renda
por meio de estabelecimentos que vendiam alimentos dentro da área de risco, que podem
querer e/ou ter necessidade de reabrir esses comércios em outros bairros circunvizinhos –
sendo esse êxodo urbano um fator de futura remodelação no sistema comercial da cidade.
Outro fator de remodelação e provocador de mudanças no sistema comercial da
cidade (sobretudo nos comércios de pequeno porte e informais) é a pandemia que ainda
vivemos. O período de crise pandêmica da COVID-19 promoveu o fechamento de
estabelecimentos e escolas/creches, falta de alguns gêneros alimentícios e oscilação atípica
de preços. Inclusive, com o fechamento das escolas, muitos PVA dos arredores tiveram suas
atividades interrompidas ou modificadas, uma vez que orbitam a dinâmica escolar. Por fim,
muitas alterações também ocorreram no funcionamento das unidades básicas de saúde,
reduzindo substancialmente o fluxo de pessoas em atendimento.
Além disso, durante a pandemia, foi observado em todo o país: (1) aumento
substancial no preço dos principais produtos alimentares brasileiros (arroz, feijão, óleo de
soja, carnes, leite e derivados); (2) aumento da procura por aplicativos delivery e alimentos
industrializados em detrimento dos in natura e minimamente processados, em função da
necessidade de estocagem e isolamento social; (3) forte impacto negativo da crise econômica
sobre os pequenos produtores rurais e da agricultura familiar; e (4) diminuição do nível de
atividades físicas realizadas pela população isolada, que passa mais tempo em casa utilizando
redes sociais, computador e televisão (o que contribui, através da publicidade infantil, para
uma alimentação cada vez menos saudável e rica em AUP). Esses fatores atuam
sinergicamente com a predisposição alimentar à açúcar e sal por parte das crianças, de modo
que está começando uma discussão na literatura científica sobre a possibilidade de
exacerbação da epidemia de obesidade infantil durante o período da pandemia do COVID-
19 [16].
Portanto, tais mudanças, aliadas à preocupação com a exposição desnecessária da
saúde dos estudantes envolvidos no projeto, motivaram as modificações no planejamento das
atividades do grupo, postergando as coletas em campo.
A revisão de literatura continuou por meio de busca ativa dentro de mecanismos de
pesquisa científica (Scielo, Pubmed, Biblioteca Virtual em Saúde – BVS e Mendeley)
utilizando as palavras-chave “Ambiente alimentar”, “Ambientes alimentares e Saúde
pública”, “Análise do ambiente alimentar”, “Análise geoespacial do ambiente alimentar”,
“Childhood obesity”. Também ocorreu uma busca inteligente por meio da plataforma do
Mendeley, que notifica via e-mail sempre que um artigo da área selecionada e/ou relacionado
aos lidos e pesquisados anteriormente são publicados. Não foi estabelecido um número
máximo de artigos para compor a revisão, assim os alunos seguem lendo todos os artigos
considerados pertinentes dentro do escopo da pesquisa (sendo os artigos não incluídos na
revisão, excluídos por meio do título e resumo).
As práticas e comportamentos alimentares infantis são influenciados e construídos a
partir das exposições recebidas no ambiente familiar [17]. Contudo, a influência do AAN
familiar deixa de ser exclusiva quando a criança entra no contexto escolar, devido à
socialização com outras crianças e professores e interação psicossocial e cultural com outros
AAN (tanto interno, quanto externo à escola).

7
 Focando nos achados científicos acerca do AAN externo aos espaços ocupados por
crianças de primeira infância, estudos recentes apontam o crescimento de áreas obesogênicas
ao redor de escolas, tanto públicas quanto privadas, com o aumento da disponibilidade de
redes fast-food e comércios que vendem principalmente bebidas açucaradas e AUP [18-23].
Tratando de quais tipos de PVA são mais frequentes ao redor das escolas, bem como
os tipos de alimentos mais disponíveis deles, a discussão na maioria dos trabalhos revisados
direciona no sentido de que é perceptível uma maior densidade de comércios como um todo
(mas principalmente os que vendem alimentos insalubres, de baixo custo e de alta densidade
energética) ao redor de escolas, do que seria esperado se a amostragem fosse aleatoriamente
distribuída por toda a cidade [18-23]. Por exemplo, um estudo realizado em Chicago (Estados
Unidos da América) encontrou agrupamento estatisticamente significante de restaurantes
fast-food em uma curta distância das escolas, com um número ~4 vezes maior desse tipo de
comércio do que seria esperado se a amostragem fosse aleatoriamente distribuída por toda a
cidade [18].
Outro trabalho, realizado em Viçosa (Minas Gerais), também verificou essa questão
e, em todas as distâncias analisadas (0 a 1,5km), encontrou ~3 vezes mais PVA ao redor das
escolas do que seria esperado ao acaso [19]. Ainda em âmbito nacional, uma pesquisa similar
à anterior, realizada em Santos (São Paulo), encontrou que, no buffer de 500 metros
circunvizinho às escolas públicas analisadas, os PVA que vendiam predominantemente AUP
estavam mais próximos das escolas do que os PVA que vendiam predominantemente
alimentos minimamente processados, incentivando o consumo de AUP por parte dos
estudantes [20]. Além disso, dois trabalhos realizados na Nova Zelândia verificaram que lojas
de conveniência e restaurantes fast-food estavam agrupados principalmente em torno das
escolas com maior índice de vulnerabilidade, com até 5,5 vezes mais estabelecimentos do
que seria esperado aleatoriamente [21, 22].
Dentre os trabalhos revisados que também trataram de questões relacionadas à
publicidade dentro dos PVA circunvizinhos aos espaços ocupados por crianças, um estudo
verificou que dos PVA presentes na amostra tinha propagandas de frutas frescas, saladas de
frutas, saladas, sucos naturais frescos ou de polpa congelada; contudo, 85,71% dos comércios
da amostra tinham propagandas de refrigerantes, batata frita, sobremesas e sorvetes
industrializados [23]. Os autores também verificaram que nenhum dos supermercados
analisados possuíam propagandas visuais de desconto ou promoção incentivadora da compra
de frutas, legumes e verduras (FLV), muito menos informações sobre suas características
nutricionais, ou mesmo relacionando o consumo destes alimentos com a promoção da saúde
e a prevenção de doenças – mas, por outro lado, 50% dos supermercados e mercados tinham
propagandas visuais que incentivavam a compra de sucos industrializados em pó e
refrigerantes [23].
Mesmo nos estudos que encontraram alta presença de publicidade para alimentos,
como foi o caso observado pelos pesquisadores Gebauer e Laska, em 2011, a situação
encontrada é preocupante. Embora 97% dos PVA analisados tivesse publicidade relacionada
à em alimentos e bebidas, 94% destes apresentaram publicidade principalmente de alimentos
não saudáveis e somente 36% deles tinha publicidade voltada à alimentos saudáveis [24].
As principais metodologias utilizadas nos estudos de análise dos AAN foram as
análises geoespaciais em sistemas de informação geográficas, com uso conjunto de técnicas
estatísticas e de geoprocessamento, dentre elas a análise de densidade através de buffers e
mapas de calor (elementos facilitadores da identificação de desertos e pântanos alimentares);
função K de Ripley, bivariada e cruzada (principalmente para quantificar os graus de cluster,
ou seja, dependências geoespaciais); regressão linear, logística e binomial negativa [18-23].

8
É consenso que a melhor forma de coleta de dados em estudos de georreferenciamento é a
coleta por auditoria em todas as ruas, em detrimento da obtenção de dados secundários
(muitas vezes faltantes e desatualizados), bem como a maioria dos trabalhos destacou em sua
metodologia que a organização da coleta de dados foi planejada levando em consideração os
setores censitários [18].
A principal limitação metodológica apontada nos estudos é que, embora seja muito
recorrente o uso de buffers para análise do AAN, estes determinam fronteiras que são
arbitrárias, ou seja, não levam em consideração as rotas que realmente são utilizadas para o
acesso às escolas, UBS e aos PVA, bem como questões de declividade e malha viária. Por
outro lado, a utilização dos buffers tem sido justificada nos estudos devido à dificuldade de
obtenção dos dados sobre as rotas de transição da população dentro das cidades. Nesse
sentido, quanto maior o raio do buffer, maior é o número e o impacto de fatores externos
sobre a dinâmica da mobilidade e escolhas das rotas humanas – por isso a maioria dos
trabalhos permanece em distâncias relativamente curtas, sendo recorrente valores entre 300
metros e 1 milha (1600 metros) [3, 5-9, 18-24].
O número de pesquisas sobre o AAN em países latino-americanos cresceu muito nos
últimos anos, principalmente por conta da pandemia de obesidade e DCNT mundiais, bem
como o crescente reconhecimento do papel do AAN nesse contexto [18]. As maiores
contribuições na literatura acerca do AAN circunvizinho ao território ocupado por crianças
são provenientes de estudos realizados nos EUA e Canadá, e embora a contribuição brasileira
tenha crescido nesse sentido, os estudos disponíveis focam principalmente do entorno de
escolas – o que não necessariamente é um problema, mas reforça a necessidade de mais
trabalhos que foquem no contexto da atenção primária à saúde [18].
Nossa revisão da literatura mostrou que análises geoespaciais em Sistemas de
Informação Geográficas (SIG) potencializam a eficiência do planejamento público em saúde,
diminuindo custos e embasando à criação de políticas públicas e de zoneamento que
permitem reformular profundamente o AAN, favorecendo o crescimento/desenvolvimento
da cidade de uma forma ecologicamente equilibrada e com menor risco à saúde da população.
De fato, ainda há muito o que se avançar, principalmente em relação à avaliação de
políticas públicas; identificação de desertos alimentares (regiões com pouco ou nenhum
acesso à alimentos saudáveis) e pântanos alimentares (regiões onde a disponibilidade de
alimentos não saudáveis supera muito a disponibilidade de alimentos saudáveis);
monitoramento de normas/leis relacionadas ao AAN (como é o caso da NBCAL); melhoria
no delineamento dos estudos (que ainda são principalmente transversais); e avaliação do
impacto do marketing e dos ambientes digitais na alimentação e saúde da população.
Estratégias discutidas pela literatura para intervir com relação à falta de regulamentação dos
Ambientes Alimentares Digitais, envolvem ações públicas específicas, como: (1) proibir a
entrega de comida em escolas; (2) sobretaxar combos e porções maiores, dadas suas
condições de favorecedores da alimentação excessiva; (3) regulamentar do uso de algoritmos
de recomendação por parte dos aplicativos; e (4) regular o uso do cartão refeição em
aplicativos de delivery, no âmbito do Programa de Alimentação do Trabalhador [16].
Por fim, reforçamos a importância de adotar todas as estratégias possíveis de
incentivo a saúde e remodelamento do AAN, à políticas e ações de Educação Alimentar e
Nutricional dentro das escolas e UBS (como acontece no contexto do PNAE); bem como
políticas públicas de zoneamento e regulamentação do controle da publicidade infantil na TV
e redes sociais – tudo isso no sentido de favorecer a alimentação saudável na população e
restringir o acesso infantil à Alimentos Ultraprocessados (AUP).

9
 CONCLUSÕES

Análises geoespaciais em Sistemas de Informação Geográficas (SIG) potencializam

a eficiência do planejamento público em saúde, diminuindo custos e embasando a criação de
políticas de zoneamento que permitem diminuir o número de desertos e pântanos alimentares.
Por meio do zoneamento é possível reformular profundamente o AAN do município, por
exemplo, delimitando as áreas onde é permitido desenvolvimento comercial em função da
proximidade de escolas e UBS; e delimitando zonas de preservação ambiental e de estímulo
à agricultura familiar – medidas que favorecem o crescimento/desenvolvimento da cidade de
uma forma ecologicamente equilibrada e com menor risco à saúde da população [26]. Alguns
exemplos de estratégias que já estão em andamento e visam combater a obesidade infantil e
o alto consumo de AUP, são: a adoção de embalagens com advertências frontais sobre altas
concentrações de açúcar, sal e gordura; tributação de bebidas açucaradas; e a regulação da
publicidade e de ambientes [27]. Contudo, ainda há muito o que avançar nesse sentido, dada
a complexidade de fatores influenciadores das escolhas alimentares.

10
 REFERÊNCIAS BIBLIOGRÁFICAS
1 – WINBURN, B. et al. International Network for Food and Obesity/non- communicable
diseases Research, Monitoring and Action Support: overview and key principles. Obes ver;
2013
2 – Glanz, Karen et al. "Ambientes de nutrição saudável: conceitos e medidas". Revista
americana de promoção da saúde: AJHP vol. 19,5 (2005): 330-3, ii. doi:10.4278/0890-1171-
19.5.330
3 – COSTA, Bruna Vieira de Lima; OLIVEIRA, Cláudia Di Lorenzo; LOPES, Aline Cristine
Souza. Ambiente alimentar de frutas e hortaliças no território do Programa da Academia da
Saúde. Cad. Saúde Pública, Rio de Janeiro, v. 31, supl. 1, p. 159-169, nov. 2015
4 – De Freitas PP, de Menezes MC, Lopes ACS. Ambiente alimentar do consumidor e
sobrepeso. Nutrição (Burbank, Condado de Los Angeles, Califórnia)) vol. 66 (2019): 108-
114. doi:10.1016/j.nut.2019.04.013
5 – Turner, Christopher et al. "Pesquisa de Ambiente Alimentar em Países de Baixa e Média
Renda: Uma Revisão Sistemática de Escopo". Avanços na nutrição (Bethesda, Md.) vol. 11,2
(2020): 387-397. doi:10.1093/advances/nmz031
6 – Costa, B.V.L., Menezes, M.C., Oliveira, C.D.L. et al. O acesso a alimentos saudáveis
varia de acordo com o status socioeconômico e para o tipo de loja de alimentos? um estudo
ecológico. BMC Saúde Pública 19.775 (2019). https://doi.org/10.1186/s12889-019-6975-y
7 – Pérez-Ferrer, Carolina et al. "O ambiente alimentar na América Latina: uma revisão
sistemática com foco em ambientes relevantes para a obesidade e doenças crônicas
relacionadas". Nutrição em saúde pública vol. 22,18 (2019): 3447-3464.
doi:10.1017/S1368980019002891
8 – Costa, Bruna Vieira de Lima et al. Ambiente alimentar: validação de método de
mensuração e caracterização em território com o Programa Academia da Saúde. Cadernos de
Saúde Pública [online]. 2018, v. 34, n. 9 [Acessado 16 agosto 2021], e00168817. Disponível
em: <https://doi.org/10.1590/0102-311X00168817>. Epub 06 Set 2018. ISSN 1678-4464.
https://doi.org/10.1590/0102-311X00168817.
9 – WILKINS, E. L. et al. Using Geographic Information Systems to measure retail food
environments: Discussion of methodological considerations and a proposed reporting
checklist (Geo-FERN). Health & Place; v. 44, p. 110–117, 2017.
10 – GLANZ, Karen et al. Nutrition Environment Measures Survey in stores (NEMS-S):
development and evaluation. American journal of preventive medicine, v. 32, n. 4, p. 282-
289, 2007.
11 – Willett W, Skerrett PJ, Giovannucci EL, Callahan M. Eat, drink, and be healthy: the
Harvard Medical School guide to healthy eating. New York, NY: Simon & Schuster Source;
2001.
12 – MARTINS, Paula et al. Validation of an adapted version of the nutrition environment
measurement tool for stores (NEMS-S) in an urban area of Brazil. Journal of nutrition
education and behavior, v. 45, n. 6, p. 785-792, 2013.
13 – MONTEIRO, Carlos Augusto et al. A new classification of foods based on the extent
and purpose of their processing. Cadernos de saúde publica, v. 26, n. 11, p. 2039-2049, 2010.
14 – Saelens BE, Glanz K, Sallis JF, Frank LD. Nutrition Environment Measures Study in
restaurants (NEMS-R): disinvolvement and avaliation. Am J Prev Med. 2007 Abr;32(4):273-
81. doi: 10.1016/j.amepre.2006.12.022. 17383558.
15 – QGIS Development Team, 2021. QGIS 3.16.9. Geographic Information System,
Installation Guide. Open Source Geospatial Foundation Project. Electronic
document: http://www.qgis.org/wiki/Installation_Guide

11
16 – BOTELHO, L. V.; CARDOSO, L. O.; CANELLA, D. S. COVID-19 e ambiente
alimentar digital no Brasil: reflexões sobre a influência da pandemia no uso de aplicativos de
delivery de comida. Cad. Saúde Pública, Rio de Janeiro, v. 36, n. 11, e00148020, 2020 .
Available from . access on 09 Mar. 2021. Epub Nov 23, 2020. https://doi.org/10.1590/0102-
311x00148020.
17 – Brasil. Lei 8080 de 19 de setembro de 1990,
http://www.planalto.gov.br/ccivil_03/leis/l8080.htm, e o Decreto 7508/11, de 28 de junho de
2011 que dispõe sobre a organização do SUS.
18 – USTIN, S. Bryn et al. Clustering of fast-food restaurants around schools: a novel
application of spatial statistics to the study of food environments. Am. J. Public Health.
2005;95(9):1575-1581
19 – NOVAES, Taiane Gonçalves. Ambiente alimentar no território das escolas urbanas de
Viçosa, Minas Gerais. Trabalho de dissertação (mestrad–) - Universidade Federal de Viçosa,
Minas Gerais, 2018.
20 – Leite FHM, Oliveira MA, Cremm EC et al. (2012) Availability of processed foods in
the perimeter of public schools in urban areas. Jornal de Pediatria (Rio J), v.88, n.4, p.328-
34.
21 – Day, Peter L; Pearce, Jaime Obesity-Promoting Food Environments and the Spatial
Clustering of Food Outlets Around Schools. 2011. American Journal of Preventive Medicine,
v.40, n.2, p.113–121.
22 – DAY, Peter; PEARCE, Jaime; Pearson, Amber. A temporal analysis of the spatial
clustering of food outlets around schools in Christchurch, New Zealand, 1966 to 2006. Public
Health Nutrition, 18(1), 135-142.
23 – OLIVEIRA, C. M. Ambiente Alimentar na Região Circunvizinha da Escola Municipal
Senador Darcy Ribeiro em Cuiabá-MT. 2017. Trabalho de conclusão de curso (graduação
em Nutrição) – Universidade Federal de Mato Grosso, Faculdade de Nutrição, Cuiabá, 2017.
24 – Gebauer H, Laska MN (2011) Convenience Stores Surrounding Urban Schools: An
Assessment of Healthy Food Availability, Advertising, and Product Placement. Journal of
Urban Health: Bulletin of the New York Academy of Medicine, v.88, n.4, p.616-622
25 – UEDA, M. H.; PORTO, R. B.; VASCONCELOS, L. A. Publicidade de alimentos e
escolhas alimentares de crianças. Psic.: Teor. e Pesq., Brasília, v. 30, n. 1, p. 53- 61, marzo
2014. Accedido en 02 marzo 2021. https://doi.org/10.1590/S0102-37722014000100007.
26 – SILVA, Carlos Sérgio Gurgel; AGUIAR FILHO, Valfredo de Andrade. Contribuições
do zoneamento ambiental para o desenvolvimento sustentável dos núcleos urbanos. Revista
Jus Navigandi, ISSN 1518-4862, Teresina, ano 18, n. 3556, 27 mar. 2013. Disponível em:
https://jus.com.br/artigos/24067. Acesso em: 10 de agosto de 2021
27 – Bivoltsis, A., Cervigni, E., Trapp, G. et al. Ambientes alimentares e ingestão alimentar
entre adultos: o tipo de medição de exposição espacial importa? Uma revisão sistemática. Int
J Saúde Geogr 17, 19 (2018). https://doi.org/10.1186/s12942-018-0139-7
28 – BOTELHO, L. V.; CARDOSO, L. O.; CANELLA, D. S. COVID-19 e ambiente
alimentar digital no Brasil: reflexões sobre a influência da pandemia no uso de aplicativos de
delivery de comida. Cad. Saúde Pública, Rio de Janeiro, v. 36, n. 11, e00148020, 2020.
Available from . access on 09 Mar. 2021. Epub Nov 23, 2020. https://doi.org/10.1590/0102-
311x00148020
29 – Ribeiro KDS, Garcia LRS, Dametto JFS, Assunção DGF, Maciel BLL. COVID-19 and
nutrition: the need for initiatives to promote healthy eating and prevent obesity in childhood.
Childhood Obes. 2020 Jun;16(4):235-7.

12
 PLANO DE TRABALHO INDIVIDUAL E DIFERENCIADO DO BOLSISTA

TÍTULO DO PLANO DE TRABALHO: Caracterização dos pontos de venda de alimentos

nos arredores das unidades de saúde e centros de educação infantil do município de
Maceió/AL.

NOME DO ORIENTADOR: Jonas Augusto Cardoso da Silveira.

NOME DO ESTUDANTE: Luan Santos de Aragão

OBJETIVOS DO TRABALHO DO ESTUDANTE: Caracterizar os pontos de venda de

alimentos nos arredores das unidades de saúde e centros de educação infantil de Maceió/AL
em relação ao tipo e características do estabelecimento, local e horário de funcionamento e
faixa etária do público predominante que frequenta, avaliando a disponibilidade e a qualidade
dos alimentos comercializados.
Este plano de trabalho se enquadra no segundo objetivo específico do projeto de pesquisa.

METODOLOGIA CORRESPONDENTE: Trata-se de um estudo ecológico sobre o

ambiente alimentar do município de Maceió/AL, cuja coleta de dados ocorrerá entre
setembro/2020 à março/2021 no município de Maceió.
A partir do georreferenciamento dos centros de educação infantil (n=270) e unidades de
saúde da atenção básica que atendam a população infantil (n=83), foram construídos buffers
com raio de 400 metros(distância Euclidiana). Nesta etapa do projeto, após a identificação dos
PVA por meio de auditoria nas ruas, método considerado “padrão-ouro” em estudos de
georreferenciamento, realizaremos a avaliação da qualidade nutricional dos alimentos
disponíveis. Além disso, observaremos dimensões de acesso financeiroe de publicidade.
Os PVA identificados dentro dos buffers serão georreferenciado utilizando aparelhos GPS
portáteis (modelo Garmin eTrex 30x), com o entrevistador posicionado a um metro de
distância do centro da entrada do estabelecimento; a entrada das coordenadas (latitude e
longitude) no SIG será realizada no formato geodésico decimal.
A coleta de dados ocorrerá em dispositivos móveis (smartphones) a partir da máscara que
será construída na plataforma KoboToolbox (KoBoToolbox at the Harvard Humanitarian
Initiative, MA, EUA).Ao final de cada dia, as equipes de campo farão o upload dos dados para
a nuvem que armazenará os dados,informando ao orientador a conclusão da tarefa. A adoção
deste procedimento possibilitará que o banco dedados seja construído concomitantemente ao
desenvolvimento da pesquisa, permitindo a avaliação prospectiva da qualidade dos dados
coletados.
A avaliação do ambiente alimentar será realizada por meio da versão adaptada e validada
por Martins et al. (2013) do instrumento Nutrition Environment Measurement Survey for
Stores (NEMS-S). O NEMS-S permite caracterizar os estabelecimentos, a partir de
informações fornecidas pelos proprietários/responsáveis, em função do público que mais os
frequenta (crianças com ou sem responsáveis, adolescentes com ou sem responsáveis, adultos
e idosos); tipo de ambiente (fechado ou a céu aberto); presença ou não de conjunto de pontos
de alimentação (aglomeração de dois ou mais estabelecimentos alimentícios,
independentemente do tipo); ponto fixo ou móvel; e, classificação do comércio (açougues,
avícolas e peixarias, comércios varejistas e/ou atacadistas de doces, barracas de feira livre e
13
 bancas de frutas, casas de massas (frescas), mercearias e empórios, padarias, sacolões e
quitandas, mercados e supermercados, lojas de conveniência e outros, quando existirem).
As análises referentes a caracterização dos PVA serão realizadas no software Stata 15/SE
(StataCorp., College Station, TX, EUA). Apesar do estudante já ter conhecimento de algumas
técnicas básicas de geoprocessamento, diante da incerteza relativa ao início das atividades
de campo e, consequentemente o atraso das fases posteriores, optou-se por não incluir esta
etapa adicional na análise dos dados. Contudo, caso os dados estejam disponíveis em tempo
hábil para o estudante realizá-los com a devida orientação, estes entrarão no relatório final.
Adicionalmente, diante da necessidade de investigar PVA de alimentos para consumo no
local e a ausência de um instrumento validado e adaptado para a realidade brasileira, foi
necessário desenvolver uma ferramenta para avaliar estes tipos estabelecimentos. Os
formulários de avaliação de lanchonetes e restaurantes estão em fase de finalização e
incorporam dimensões de disponibilidade, acesso, higiene, propaganda e entretenimento.

Cronograma de atividades:

Meses
ATIVIDADES
2020 2021
AGO SET OUT NOV DEZ JAN FEV MAR ABR MAI JUN JUL
Revisão da literatura X X X X X X X X X X X X
Reuniões do grupo de pesquisa X X X X X X X X X X X X
Definição das rotas para a coleta de
X X
dados
Coleta de dados* X X X X X X X
Avaliação de qualidade dos dados
X X X X X X
georreferenciados
Caracterização do ambiente alimentar X X X
Relatório parcial X
Relatório final X
*Este item também inclui a participação na coleta de dados para a validação das escalas apresentadas no segundo
plano de trabalho. O cronograma poderá sofrer influência em decorrência da pandemia de COVID-19.

14