Balk Et Al 2004 A Spatial Analysis of Childhood Mortality in West Africa - En.pt

POPULAÇÃO, espaço e lugar
Popul. espaço Lugar 10, 175-216 (2004)

Publicado on-line no Wiley InterScience (www.interscience.wiley.com). DOI: 10.1002 / psp.328
A Análise espacial da mortalidade infantil na África

Ocidental
Deborah Balk *, Thomas Pullum 2, Adam Storeygard 1, Fern Greenwell 3 e Melissa Neuman 1
1 CIESIN (Centro de Ciência Rede de Informação Earth International), Universidade de Columbia, PO Box 1000, Palisades, NY 10964, EUA
2 Departamento de Sociologia da Universidade do Texas em Austin, Austin, TX 78712, EUA

3 MEDIDA DHS +, ORC Macro, 11785 Beltsville Drive, Calverton, MD 20705, EUA
ABSTRATO INTRODUÇÃO
Eu
Sugere-se que fatores ambientais ou geográficas (eg densidade
populacional, clima e meio ambiente doença) desempenham um do que em qualquer outro continente (ver Fig. 1). Em
papel importante na determinação infantil e sobrevivência da particular, os países danfant
mortalidade África Ocidental
e infantil experimentar
em África é maior a
criança acima e além que jogou por fatores individuais e nível mortalidade de duas a três vezes maior do que países vizinhos no
doméstico. Só recentemente, no entanto, tornaram-se norte ou em grande parte da África Austral. Ainda assim, existe
disponíveis dados espaciais relevantes e têm dados de uma considerável heterogeneidade dentro da região. Por
pesquisa demográfica sistematicamente registradas localização exemplo, a taxa de mortalidade infantil do Níger é mais que o
geográfica dos domicílios pesquisados, ou tem a tecnologia dobro de Gana. Subnacional, mesmo quando mapeado numa
para integrar esses dados se tornem acessíveis. Este estudo resolução grosseira, as taxas de diferir por tanto como um factor
estima que o risco de infantil e mortalidade infantil em dez de quatro (ver Fig. 2). Os países também mostram diferentes
países do Oeste Africano atribuíveis ao individual, familiar e tendências em níveis e andorinhas PAT- idade de mortalidade
espacialmente explícitos fatores geográficos; 120.000 infantil. Além disso, enquanto parece que alguns países
nascimentos ocorridos nos 10 anos anteriores aos 1997-2001 experimentaram quedas significativas na mortalidade recente (por
datas Inquérito Demográfico e de Saúde são avaliados. Os exemplo, Níger), outros parecem ter experimentado uma reversão
resultados de um modelo linear generalizado mostrar que na tendência de queda de longo prazo (por exemplo, Burkina
variáveis espaciais explicar uma boa parte da variação fi c-país Faso). 1 Devido às complexidades inerentes a analisar as
específico na mortalidade, e que eles estão associados com (e tendências de dados transversais, o presente relatório incidirá
pode ser mediada por) as características do agregado familiar. sobre os principais determinantes da mortalidade nos dez anos
Implicações para a pesquisa e política são abordadas. Copyright anteriores a 1997-2001. Sua contribuição é uma consideração de
© 2004 John Wiley & Sons, Ltd. uma ampla classe de co-variáveis espaciais. Vários fatores de
nível individual e do agregado familiar têm sido identificados
como os principais determinantes da sobrevivência neonatal e
infantil. Estes incluem educação materna (Trussell e
Hammerslough, 1983; Rao et al., 1997; Raiz, 1997; McMurray,
1997; Agha, 2000) e o ritmo de fértil (Boerma e Bicego, 1992;
Rao et al., 1997; Raiz, 1997; Agha, 2000; Gupta e Baghel, 1999;
Whitworth e Stephenson, 2002). Muitos estudos indicam que
fatores ambientais ou geográficas também desempenham um
Recebeu 10 Outubro de 2003; revista 09 de fevereiro de 2004; aceitou 12 de fevereiro de 2004
papel importante. Estes incluem, por exemplo, a densidade de
população (Raiz,
Palavras-chave: a mortalidade infantil; África Ocidental;
população e meio ambiente; clima; demografia espacial;
densidade populacional
* Correspondência para: D. Balk, CIESIN, Universidade de Columbia, PO Box

1000, Palisades, NY 10964, EUA. E-mail: dbalk@ciesin.columbia.edu
1997), clima (Ronsmans, 1995; Curtis e Hossain, 1998; Patz et
al., 2000; Pitt e Sigle,
Copyright © 2004 John Wiley & Sons, Ltd.

176 D. Balk et al.
3-38 39-75 101-125 não existem dados
76-100 126-150
151-180
Eckert II projecção
Figura taxas de mortalidade 1. infantil por país (mortes por 1000 nados-vivos). Fonte: UNICEF (2000).
1997), ambiente doença (Root, 1999) e residência urbana consistentemente registrada a localização geográfica de cada
(madeiras, 2003). Entretanto, poucos estudos têm sido capazes de conjunto de domicílios pesquisados com unidades portáteis
incorporar fatores ambientais potenciais que são explicitamente Sistema de Posicionamento Global (GPS). Esta informação no
espacial, ou seja, derivados de bases de dados geográficos. nível de cluster permite uma ligação entre determinantes DHS
variáveis espaciais incluem construções simples, como distâncias de mortalidade infantil e informações de outros conjuntos de
de famílias ou comunidades (por exemplo, para a clínica mais dados.
próxima ou cidade) e características mentais ambientes que têm
seus próprios limites geográfica (por exemplo, tipos de sistema O principal objectivo deste relatório é explorar e chamar a
agrícola ou cobertura do solo). bases de dados geográficos muitas atenção para os efeitos de um cache em grande parte
vezes fornecer informações (via estação de medições mentos, inexplorada da informa- ções ambiental sobre a mortalidade
satélites e outras fontes) que de outro modo seriam demasiado infantil. A motivação deitado sub é para explicar uma parte
dispendiosos para obter através do mecanismo de levantamento. da variação que não tenha sido explicado pela tradicional
Este estudo faz novas incursões, incorporando vários novos ou conjunto de determinantes gráficos socioeconómicos e
anteriormente de difícil integrar fontes de dados espaciais. biodemo- de mortalidade infantil.
análise racional
Até recentemente, os dados geográfica ambientais e outras
não eram facilmente aplicável a análises de mortalidade infantil. Mosley e Chen (1984) quadro analítico amplamente aceito é
No entanto, signi fi cativas melhorias estão começando a tomar baseada na afirmação de que fatores socioeconômicos da
lugar. Em primeiro lugar, os dados espaciais são geralmente mortalidade influência através de mecanismos biológicos,
tornando-se mais disponível, com melhor cobertura, qualidade e chamados determinantes imediatos. Os fatores
variedade. Em segundo lugar, desde o final de 1996, o Pesquisas socioeconômicos na estrutura básica incluem variáveis
de Demografia e Saúde (DHS) têm individuais, domésticos e de nível comunitário, este último
incluin-
Copyright © 2004 John Wiley & Sons, Ltd. Popul. espaço Lugar 10, 175-216 (2004)
A mortalidade infantil na África Ocidental 177
Líbia
Saara
Argélia
Ocidental
Mauritânia
Mali Níger
Chade
Senegal
Gâmbia
Burkina Faso
Guiné-Bissau Guiné
Benin Nigéria
Serra Leoa Ir
Gana
Côte d'Ivoire
Libéria
República
Camarões Centro-Africano
0 125 250 500 km
Guiné
Equatorial
Congo
Menos de 75 101-125 Mais de 150

Gabão
São Tomé e Príncipe
75-100 126-150
Figura 2. taxas subnacionais de mortalidade infantil (por 1000 nados-vivos), ajustado para 2000 (valores subnacionais do Relatório de Desenvolvimento
Humano Gambia 2000 (PNUD, 2001) DHS e foram dimensionadas para 2000 dados nacionais de
UNICEF).
ing fatores macro-ambiental. Fatores como clima, chuva e solo são características ambientais, ele está fora do âmbito deste
especialmente pertinentes para a sobrevivência das crianças na estudo para analisar as causas médicas diretas, bio de morte,
África sub-saariana, porque a pobreza generalizada deixa popu- tais como complicações de parto, desnutrição e infecções
lação altamente vulneráveis a flutuações na capacidade específicas, como diarréia, HIV e infecção respiratória aguda.
disponibilidade de comida e água, a transmissão de doenças Acredita Estas causas de morte biológicos para correlacionar
infecciosas e transmitidas por vetores e até mesmo a quantidade de com factores sociais (Cramer, 1987; Schultz, 1993).
tempo que uma mãe gasta trabalhando contra seu tempo dedicado
ao acolhimento de crianças (Watson
et al., 1997).
Evidências da literatura
Este estudo analisa o papel das variáveis não-biológicos na
predição de mortalidade infantil, com ênfase em variáveis O impacto de fatores adjacentes e fatores nómicas e
determinadas ambientais e spatially-. Nós controlamos para ambientais socioeco- que atuam direta ou indiretamente por
uma variedade de determinantes imediatos incluindo vários eles em dade mortali- infância, foi estudado durante várias
fatores finais e demográficas mater-. Porque o nosso objectivo décadas. Alguns fatores foram examinados muito mais
é inferir o papel causal da socioeconômico e THOR oughly que outros, e a seguinte análise é
178 D. Balk et al.
destina-se a orientar a escolha das variáveis para a nossa então não há competição para o leite materno e os recursos
análise ao invés de fornecer uma visão geral exaustiva. da mãe.
Nutrição, doenças e lesões são determinantes imediatos
comuns de mortes infantis. Embora esses fatores não são
proximate Determinantes incluídos nesta análise, eles não podem ser negligenciados
Os determinantes imediatos de mortalidade infantil incluem como fatores-chave
fatores maternos e demográficos, ção nutri-, doenças e lesões na previsão de mortalidade infantil. Numerosos
(Mosley e Chen, 1984). fatores de risco maternos são mais estudos examinando out- mortalidade vem ter pesquisado a
estreitamente relacionados aos óbitos infantis neonatais ou mãe eo estado nutricional da criança como causas diretas ou
mais cedo, porque eles estão associados com crianças peso indiretas de mortes infantis e da criança através da sua
ao nascer prematuro e baixo e complicações do parto. Um dos relação com doenças c especi fi (Onis, 2000; Arroz et al., 2000;
fatores maternos mais importantes a serem relacionadas com Rutstein, 2000).
a mortalidade infantil é o ritmo da fértil (Rutstein, 1984;
Hobcraft et al., HIV / SIDA é um grande epidemia na África
sub-Sahariana, não sem repercussões sobre a mortalidade
1985). Em particular, curto anterior nascimento INTERVALOS são infantil. Adetunji (2000) nds fi que melhorias em cinco
acreditados para aumentar o risco de uma criança de mortalidade sub-mortalidade são invertidas em países com muito alta
pois as reservas nutricionais da mãe não totalmente recuperado a adulto prevalência de HIV ( 5%). No final de 2001, vários
partir do nascimento ous estru-. intervalos curtos de nascimento países da África Ocidental no presente estudo estimou a
podem afetar a criança mais velha, bem como, através da criação de prevalência em adultos entre 5% e 10% (Burkina Faso, Costa
concorrência entre os jovens irmãos para os recursos da mãe do Marfim e Togo), e Camarões teve um nível de prevalência
(Boerma e Bicego, 1992). Dois outros fatores maternos importantes de 11,8%. Os quatro restantes países tinham estimado uma
são a idade da mãe no momento do nascimento e da ordem de prevalência superior a 5% (Benin, Gana, Mali e Senegal)
nascimento. Os resultados de um modelo de riscos proporcionais (UNAIDS,
usando dados do Malawi DHS mostram que ambos os efeitos são
importantes para determinar os riscos pri- marily durante a infância 2002). Cerca de 25-35% das crianças nascidas de mães
(Manda, 1999). Na África Subsaariana, onde as mulheres se casar HIV-positivas estão também infectados com o vírus, e a
em uma idade jovem, nascimentos primeiros estão associados com idade média no momento da morte para crianças
mães muito jovens. A teoria sugere que as crianças dessas mulheres HIV-positivas na África é cerca de dois anos (Boerma et al., 1998).
carregam um maior risco de morte por causa jovem, mães primeiro As taxas de mortalidade para as crianças de mães
paridade pode não ter atingido a sua maturidade reprodutiva e física infectadas pelo HIV são, portanto, muito mais elevada - por
completa (Zenger, 1992). Conclusões sobre filhos de mães mais duas a cinco vezes - do que as crianças de mães
velhas e de alta paridade variam mais, mas devido ao aumento do HIV-negativas. Talvez ainda mais importante são os efeitos
risco de entregar um nascimento prejudicada geneticamente mais indirectos de adulto HIV sobre a mortalidade infantil. taxas
tarde na vida, essas crianças também são susceptíveis de acarretar elevadas de prevalência do HIV em adultos também
riscos mais elevados de morte (Sullivan et al., 1994). aumentar o risco de morte para crianças HIV-negativos e
crianças porque a morte de um pai deixa vulneráveis. A
morte de um pai HIV-positivo ou responsável significa uma
perda de renda e tempo e energia de órfão provavelmente
são desviadas da escola para ajudar a manter a casa.
Infelizmente, os efeitos precisos da doença sobre os níveis
fatores demográficos como sexo masculino (Sullivan et al., 1994), de mortalidade infantil são difíceis de capturar, não só por
nascimentos múltiplos (Pison et al., causa destes efeitos indiretos,
1989), e mortes de crianças anteriores (Mturi e Curtis, 1995; Majumder et
al., 1997) estão associados a um elevado risco de mortalidade infantil.
meninos infantis, especialmente durante o período neonatal, têm um
maior risco de mortalidade do que as fêmeas. No início infantil talidade
mor- também é significativamente maior de nascimentos múltiplos,
principalmente porque nascimentos múltiplos são mais susceptíveis de
ser prematuro e / ou de baixo peso ao nascer. Se mais de um Determinantes socioeconômicos
nascimento sobrevive entrega Ao contrário os factores maternos e demográficas gráficos
endógenos que aumentam substancialmente um
risco da criança da morte, os efeitos de variáveis de Walle, 1991). Basu (1997) sustentou que subinvestimento
socioeconômicas são reforçadas como a criança fica mais velha comportamental pode estar subjacente os determinantes
(Manda, 1999). A razão normalmente citada para isto é que uma biológicos da mortalidade. fatores culturais, como estes e outros
maior proporção de mortes de crianças entre 1 e 4 anos de idade são importantes para a compreensão da mortalidade infantil,
são devido a exoge- fatores nous sobre os quais os pais mas porque eles são difíceis de quantificar eles não estão
potencialmente têm controle. educação dos pais, acesso a vícios explic- itly consideradas na presente análise.
de saúde ser- eo ambiente doméstico representam alguns desses
fatores.
Fatores espacialmente relevantes
escolaridade materna tem sido observado de forma Embora as análises demográficas são quase sempre baseados
consistente a ter um forte impacto sobre a sobrevivência da em colocar, muita análise é espacialmente geral. distinções zonas
criança (Trussell e Hammerslough, 1983; McMurray, 1997; urbanas e rurais são comuns mas estão quase sempre expresso
Rao et al., 1997; Raiz, 1997; Agha, 2000). educação paterna com uma variável dicotômica. Descrições de locais de estudo
também surgiu como um fator significante fi (Majumder et al., podem definir o cenário para uma análise e auxiliar na explicação
do efeito residual, mas mesmo fatores básicos, tais como
1997). Em parte, a educação materna é positivamente densidade populacional (que pode afetar a transmissão da
correlacionada com o uso de serviços de saúde modernos, incluindo doença) ou outras características mentais ambientes identi fi
o pré-natal (Shakhatreh et al., 1996). Mais educação é necessária cados em Mosley e quadro frequentemente testado de Chen
para combater a mortalidade infantil de mortalidade infantil, (1984), muitas vezes não são considerados na análise formal da
presumivelmente porque as crianças mais velhas são mais mortalidade.
dependentes de unidades de saúde, práticas de higiene limpas, e
uma quantidade e variedade de alimentos sólidos - fatores a que os
pais mais instruídos são mais propensos a buscar e ganho de residência urbana é um dos fatores fi cados mais comumente
acesso (Boerma, 1996). identi em variação mortalidade e as principais razões apontadas
para a sua importância nos países em desenvolvimento temporárias
A utilização de serviços de saúde, cuidados especialmente con- são espaciais. residentes urbanos (e, tão importante para a
pré-natal e a entrega, que é muitas vezes uma função de outros transmissão da doença, seus vizinhos) têm maior acesso do que
factores socioeconómicos, também reduz a mortalidade infantil suas contrapartes rurais para recursos, tais como serviços de
(Gaminiratme, 1991; Forste, 1994; Ahonsi, 1995). O uso de saúde, água potável, saneamento e educação. Entwisle et al. ( 1997)
vícios de saúde preventiva ser-, tais como programas de considerada uma medida espacialmente sofisticada de proximidade
imunização, foi determinada a sobrevivência in fl uência mais aos recursos. Usando uma análise de rede de dados sobre as
tarde na infância (Ahonsi, 1995; Diamond, 2000). O ambiente estradas, eles encontraram signi fi cativa relacionamentos entre
doméstico, medido por fatores como fonte de água potável e escolha contraceptiva e dade accessi- às cidades e centros de
instalações sanitárias, são determinantes importantes covarying saúde. Especificamente, efeitos em tempo de viagem são
com chances de sur- vência das crianças mais velhas (Merrick, importantes mesmo em distâncias curtas, e composição estrada
1985; Esrey e Habicht, 1986; Woldemicael, 2000). Esses fatores desempenha um papel na seleção do método.
são importantes não só pelo seu efeito direto sobre a
sobrevivência da criança, mas também podem indicar o nível de
recursos global da família de uma criança. A pobreza em si é um
factor determinante de lactentes e crianças dade mortali- As áreas urbanas também têm sidades maior população den-,
(Hussain et al., 1999; Gupta e Baghel, 1999). tornando mais fácil para compartilhar informações e recursos. Em
um artigo recente, Woods (2003) argumenta que a mortalidade
varia ao longo do continuum urbano-rural, em vez de entre
ambientes urbanos e rurais discretos, e que, pelo menos no
Além de fatores socioeconômicos, fatores culturais podem na passado na Europa no final rural desse continuum favoreceu a
mortalidade influência. crenças da sociedade sobre a doença, por sobrevivência. Ele sugere que os futuros lyses ana- dos diferenciais
exemplo, pode resultar em tabus ou tratamentos rituais cujos urbano-rurais na mortalidade deve se concentrar sobre a
efeitos terapêuticos não são suportados pela medicina moderna mortalidade na infância, o que 'parece ser altamente sensível às
(Fabrega diferenças na densidade populacional' (p. 43). (1994) O estudo de
1971). crenças culturais podem levar a práticas de amamentação Defo de sobrevivência infantil nos Camarões usando longitudinal
que são prejudiciais para o crescimento da criança (Lesthaeghe,
1989; van de Walle e van
180 D. Balk et al.
foram encontrados dados que a superlotação tem efeitos deletérios Por último, a análise demográfica tem sido preocupados
sobre a sobrevivência infantil e da criança. Apesar disso, Woods com a relação da dinâmica populacional e produção agrícola
(2003) recomenda ing distinguish- entre mortes infantis e da (Malthus de 1798; Boserup, 1965). Vários estudos recentes
criança, em parte porque 'um excesso de este último pode ser têm demonstrado a importância de espacialmente especi fi c
encontrado especialmente em centros urbanos e às vezes antes cli- matic fatores para os resultados de saúde e mortalidade
que o controle médico de doenças da infância tornou-se possível' (National Research Council, 2001); clima é de potencial
(p. 43). interesse porque incorpora fatores que afetam a produção
agrícola e transmissão de doenças (através vetor, água e ar
Usando uma medida bastante grosseiro, mas não-binária de mecanismos suportados). Curtis e Hossain (1998)
urbanness, Gupta e Baghel (1999) descobriram que a residência examinaram o efeito da aridez na desnutrição infantil, e achei
urbana é um fator importante na mortalidade infantil. Mortalidade que era ser um preditor significativo de perder (ver secção
nas favelas foi encontrado para ser maior do que em outras partes seguinte). Findley et al. ( 2002) verificaram que a incidência de
das áreas urbanas, mas as taxas em favelas eram mais favoráveis doenças infecciosas está intimamente ligada com
do que em áreas rurais da Índia. Thermore Fur-, a mortalidade foi precipitação em Mali; a malária é mais prevalente a dois
encontrado para ser maior nas favelas de grandes cidades do que meses após o pico das chuvas, e infecções respiratórias
nas metrópoles menores. agudas pico nos meses secos. trabalho quantitativo recebeu
apoio de trabalho qualitativo em profundidade. Por exemplo,
Adams (1994) e Sauerborn e Adams (1996)
Outro trabalho recente mostrou a importância da
desagregação espacial. Raiz (1997) argumentaram que a
densidade de população é um factor importante em padrões
espaciais da mortalidade infantil em Zimbábue, embora o seu conexões complexos encontrados
teste de esta hipótese era bruto; ele dividiu o país em um nível entre anomalias climáticas, segurança alimentar e a saúde e
grosseiro em regiões de alta e baixa densidade. Em seu estudo nutrição dos membros do agregado familiar em comunidades
sobre a África Ocidental e Oriente / África do Sul, Root (1999) agrícolas dependentes da precipitação em Mali. Pitt e Sigle (1997)
procurou padrões ao nível da região levantamento do DHS. verificaram que a variabilidade sazonal na chuva pode causar
Estes consistem tipicamente em unidades de administração de problemas na suavização de renda e de recursos distri- ution ao
nível primeiros ou agregações destes. Raiz encontraram padrões longo das estações, em última análise, comprometer o bem-estar
subnacionais importantes, e sugeriu que esses padrões deve ser das crianças no Senegal. Este efeito é Magni fi cados em áreas
analisada em relação à densidade populacional e dados habitat rurais, onde as famílias muitas vezes são mais vulneráveis a
vetor, factores-chave na transmissão de doenças infecciosas. choques ambientais do que as famílias urbanas. Numerosos
Developments estudos têm mostrado sazonalidade na incidência de diarreia (por
exemplo, Armah et al., 1994; MUHURI, 1996). Estes cli- variáveis
Matic, enquanto intrinsecamente espacial, muitas vezes são
em pequena estimativa de área especificados como só o tempo-variando.
Métodos (Elbers et al., 2003) permitiram que os pesquisadores
em vários países para combinar baixo levantamento de dados
resolução doméstico espacial com censo de alta resolução e
dados físicos, a fim de estimar a saúde e indicadores
Experiência DHS com Cluster-Nível de Dados
econômicos em alta resolução. Especificamente, Fujii (2002) e
Espaciais
Fujii
et al. ( 2002) combinaram pesquisa e Censos dados cambojano dados DHS foram primeiro usado na forma cialmente
casa-hold com dados espaciais, incluindo o uso da terra, a desagregada regional, altamente spa- no projeto África Ocidental
produção agrícola, o clima, a vulnerabilidade a inundações, Análise Espacial Prototype Análise Exploratória (WASAP).
distâncias a rios, estradas, cidades, municípios e unidades de estudos WASAP analisados ças dife- em indicadores
saúde, para gerar estimativas de pobreza e desnutrição com demográficos e de saúde através das fronteiras sociais e étnicas
aceitável erros padrão para a maioria dos munes com-. No e zonas de aridez em 12 países. Curtis e Hossain (1998)
entanto, porque os dados espaciais são utilizadas para estimar os utilizaram dados WASAP considerar os efeitos da aridez, a
indicadores demográficos, as duas classes de dados não podem densidade populacional, a produção agrícola ea tensão do
ser comparados estatisticamente. mercado (uma medida teórica do 'pull' dos mercados locais e
internacionais, com base em agro-
dados climáticos e de infra-estrutura) na criança trição malnu-. tentativas. As localizações desses aglomerados foram registadas no
Controlando para correlatos a partir dos dados do DHS momento do levantamento usando dispositivos GPS (ver Fig. 3).
(escolaridade materna, ordem de nascimento, idade, incidência de
diarreia), apenas aridez e produção de culturas não alimentares
foram signi fi preditores cativas de desperdício, e só tensão do
pesos ajustados
mercado foi um preditor significativo de nanismo. Saha (1998) ligada
aumentos na tensão do mercado e do nível de tensão do mercado e Todas as pesquisas DHS utilizados neste relatório são nacionalmente
diversidade econômica com conhecimento e uso de métodos representativa. 3 A concepção da amostra é uma amostra de duas
modernos de planejamento familiar. fases probabilística, onde áreas ation enumer- (EAS) s seleccionados
aleatoriamente com uma probabilidade proporcional ao seu tamanho.
O casa- mantém dentro dos EAs seleccionados são seleccionados
aleatoriamente com igual probabilidade, e pesos de amostragem são
Os ganhos esperados da abordagem atual atribuídas aos indivíduos. Uma revisão completa da metodologia de
Os dados atuais marcam uma melhoria em relação WASAP em vários amostragem é apresentado no manual (Pesquisas Demográficas e de
aspectos. Em primeiro lugar, os locais de fragmentação foram Saúde, 1996) DHS amostragem.
geocodificados de forma mais consistente, utilizando unidades de GPS
portáteis. Em segundo lugar, as pesquisas com- ponente foram
realizadas ao longo de um intervalo de tempo mais curto (cinco em vez Para esta análise, a informação sobre os 122,389 crianças
de dez anos). Por último, o aumento da disponibilidade de espacialmente acima descrito foi combinadas num conjunto de dados. Por causa
explícitos cal e da população de dados physi- permite a análise com uma das grandes diferenças entre as populações dos países e
ampla gama de variáveis em maior resolução. Por exemplo, WASAP tamanhos de amostra, os pesos das amostras no conjunto de
tomou seu dados da população de um conjunto de recenseamentos dados de reunidas necessário para ser redimensionado de modo a
agrícolas média de menos de 25 unidades por país. O presente estudo representar os dez países em proporção às suas populações. Por
utiliza dados de população para mais de 1200 unidades em dez países exemplo, os nascimentos na amostra Côte d'Ivoire nos dez anos
da pesquisa. anteriores a essa pesquisa representou apenas 0,06% de todos os
nascimentos no país no mesmo período de tempo. Os nascimentos
na amostra Togo nos dez anos anteriores a essa pesquisa
representou 0,71% de todos os nascimentos no país no mesmo
Interpretamos DE ESTUDO período de tempo. Um peso de expansão foi calculada para cada
país e, em seguida, multiplicada pelo peso original da amostra. Os
A análise é baseada em dados do DHS e ligados informações de pesos foram então re- normalizados para a média um do outro lado
uma variedade de fontes de dados espaciais. dados DHS da amostra reunida. Os novos pesos foram aplicados na análise.
analisadas neste relatório são provenientes das dez mais recentes Por causa do nosso interesse primário no agrupamento espacial,
levantamentos georreferenciados na África Ocidental: Benin, não temos ajustado para agrupamento materna. As análises
Burkina Faso, Camarões, Costa do Marfim, Gana, Guiné, Mali, subsequentes poderiam ser responsáveis para as associações
Níger, Senegal e Togo. Desde a coleta de dados foi realizada entre irmãos.
dentro de um período relativamente curto de tempo, 1997 a 2001,
foram minimizados efeitos de período de experiência de
mortalidade. As pesquisas também foram realizadas neste período
de tempo na vizinha Nigéria, Gabão e Mauritânia, mas eles não
incluem os dados aglomerado georreferenciada necessário para a
Qualidade de dados
localização de entrevistados com precisão.
A principal qualidade de dados questão relativa é que a idade em
dados de mortalidade, relatadas em meses, mostra considerável de
Os dados sobre 122,389 crianças das pesquisas selecionadas empilhamento em 12 meses. Algumas das mortes relatadas em 12
que nasceram durante os dez anos antes de as respectivas datas de meses pode ter realmente ocorrido em 10, 11, 13 ou 14 meses. A
entrevista foram agrupados em uma data-set. Uma vez que estamos interpretação desta resposta pode ser importante para a estimativa
interessados em exposição a morte até o aniversário quinto, cerca de da mortalidade infantil, em particular. Na medida em que as mortes
metade dos casos eram da direita censurado no cálculo da em 10 ou 11 meses foram de forma deturpada como 12 meses,
mortalidade infantil. 2 nascimentos pesquisados estão localizados em acumulando irá resultar em uma subestimação da mortalidade
2771 aglomerados através da ten Con- infantil. amontoando de
182 D. Balk et al.
Figura 3. A densidade populacional na África Ocidental (por sq. Km). Pontos representam grupos de pesquisa do DHS.
Fonte: CIESIN (2003).
idade à morte em 12 meses acontece até certo ponto em todas as significativamente influenciar as taxas relativas de talidade mor-
pesquisas DHS, devido ao entrevistado ou erro entrevistador. de interesse neste estudo, nenhum ajuste foi feito para
acumulando neste relatório. No entanto, temos tomado medidas
A quantidade de amontoamento aos 12 meses pode ser para evitar uma ambiguidade na interpretação do 'mês' que é,
medida dividindo-se o número de mortes a 12 meses, pelo por vezes negligenciados. Após a convenção usual quando a
número médio de mortes no mês 10, 11, 12, 13 e 14 (Curtis, idade é relatado em anos, assumimos que idade à morte em
1995). Este índice de empilhamento foi de 2,8 para os 10 países meses significa meses de idade completou. Portanto, a fim de
neste estudo, na gama de 1,5 em Níger para 4,2 em Guiné. No estimar a idade exata no momento da morte, 0,5 meses foi
geral, isto implica que as taxas de TALIDADE infantis não adicionado a cada idade relatou em meses. Por este cálculo,
ajustada mor- são subestimados em cerca de 2%. Inversamente, por exemplo, 12 meses torna-se 12,5 meses, o que é
porque há menos mortes no grupo de 1 a 4 anos, as taxas de claramente passado o aniversário primeiro.
mortalidade infantil não ajustados correspondentes são
sobrestimada por um pouco mais do que 2%.
Medidas de mortalidade infantil

Porque não há nenhuma maneira de redistribuir mortes
individuais com precisão alterando a idade no momento da estimativas do DHS de taxas de mortalidade infantil e de crianças são métodos
morte, e porque o ajuste não faria diretos com base em histórias de nascimento. Eles
são período de especi fi c, em vez de coorte-especi fi c, o que registadas para cada localização de cluster, e calculado para a zona
significa que as crianças de uma determinada idade foram expostos de um raio de cada 10 e 30 km (CIESIN, 2003; ver Fig. 3). A base de
ao risco de morte durante a cinco anos período de tempo antes da dados PGT reallocates estimativas da população das unidades de
data da pesquisa - mas não forçosamente os cinco anos recenseamento em que foram recolhidos (aproximadamente 1200
imediatamente anteriores à pesquisa ; veja Sullivan et al. ( 1994) para para os 10 países do estudo) para uma grade quadrilátero 2,5
uma cussion dis- detalhadas sobre estimativas de mortalidade minutos, num formato facilmente coberta com os pontos de
infantil do DHS. taxas de c fi período de especificidade são dades fragmentação DHS (ver Tabela 2). Distâncias foram calculadas para
coorte proba- sintéticos em que crianças de diferentes coortes de a costa (usando o Chart Digital dos dados fronteira costeira do
nascimento contribuem para a experiência de mortalidade de mundo) e os lugares populosos proximidades da cidade de 20.000 e
diferentes subintervalos de idade. A vantagem de calcular uma taxa 50.000 habitantes, codificado tanto como locais de pontos e, como
sintético é que, ao usar informações parciais tempo de sobrevivência extensões urbanas da área finita (Balk et al., 2003a; ver Fig. 4).
na data de vista inter, temos estimativas para o período mais Semelhante ao GPW, o banco de dados de pulações lada
recente, ao invés de apenas as crianças que foram observados para assentamentos usa dados do censo atribuídos a polígonos urbanas
o período completo de inter- est. a Tabela 1 mostra as taxas de como delineada pelo tempo Noite Luzes de dados em conjunto
mortalidade infantil para o início de 1990 e final de 1990 para paí- (Elvidge et al., 2001) e algumas outras fontes como as luzes são de
ses selecionados para este relatório. qualidade inferior em partes da África (Balk et al., 2003a). (Os dados
Night- tempo Luzes detectar a quantidade de luz estável à noite, e
está altamente correlacionada com ambas as áreas urbanas e electri
fi cação. 4) Todos os ables vari- acima foram calculadas pela segunda
Duas medidas-padrão de mortalidade infantil são 1q0, a vez ignorando qualquer parte da zona superior que estava do outro
probabilidade de morrer no primeiro ano de vida, e 4Q1, a lado de uma fronteira nacional. sistema de exploração (Dixon et al., 2001;
probabilidade de morrer durante idades 1-4, dado que a criança ver Figura 5), zona de árido (WRI, 2002;. PNUMA, 1997; ver Fig. 6),
sobreviveu ao primeiro ano. A taxa de mortalidade infantil (TMI), a precipitação média (nd CRU; ver Hulme e Jones, 1999; New et al., 1999;
quando dividido pela ver Fig. 7), a estação de crescimento (Fischer et al., 2000; ver Fig. 9)
1000, é equivalente a 1q0. A probabilidade de viving sur- a idade de e um índice de risco de malária (Kiszewski et al., no prelo) foram
cinco pode ser expressa como (1-1q0) ¥ calculadas em cada ponto de aglomerado. Cada um destes
(1-4q1). A análise neste relatório é baseado em estimativas conjuntos de dados observacionais foram desenvolvidos para
de 1q0 e 4Q1. aplicação em agricultura, clima ou outras áreas de pesquisa, mas
devido ao formato GIS comum e escala, eles são apropriados para
inte- gração com os dados do DHS. Uma lista completa das variáveis
dados geográficos
geográfica aparece na Tabela 2, e é descrita em detalhe abaixo.
Durante a última década, software GIS está se tornando mais
acessível para os cientistas sociais e de saúde, e os dados
geográficos estão se tornando cada vez mais disponíveis em formatos
que podem ser integrados com dados de pesquisa georreferenciados.
No entanto, inte- gração continua a ser um compromisso não-trivial, e,
portanto, variáveis geográficas devem ser selecionados com cuidado.
Usando o software GIS, dados geográficos foram designados para
locais de fragmentação, que eram, por sua vez anexado aos dados
domésticos, materna e infantil a partir das pesquisas DHS. Ou seja, os
locais de fragmentação foram plotados em cada camada geograph- MÉTODOS
iCal (por exemplo, chuvas, extensões urbanas). As distâncias foram
então calculada para recursos, incluindo áreas urbanas e do litoral. Os Para descrever as diferenças na mortalidade por variáveis
valores das camadas icas geograph- onde os aglomerados DHS individuais que realizou uma análise de sobrevivência utilizando
caíram foram então atribuído atrás para as famílias individuais nos o método de Kaplan-Meier (produto-limite). Este método segue o
agregados. padrão etário da mortalidade no primeiro ano de vida e nos
próximos quatro anos para co-variáveis selecionadas. Para a
análise multivariada, foi utilizado um modelo linear generalizado
para fi t 1q0 e 4Q1. Cada método é descrito em detalhe abaixo, a
Usando o recém-atualizado Gridded população do mundo seguir uma descrição dos covariáveis.
(versão 3, alpha) de banco de dados (GDW), a densidade
populacional (em 2000) foram
184

Tabela 1. Dados básicos sobre países de pesquisa.
período de 5 anos antes do inquérito período de 10 anos antes do inquérito
Mortalidade infantil Infância

Fêmea
(1q0) mortalidade (4Q1) Ano
Mortalidade infantil Infância nascimentos Clusters de amostra
A maioria A maioria (1q0) mortalidade (4Q1) (a maioria (a maioria (a maioria a maioria População
recente Anterior recente Anterior (mais recente (mais recente recente recente recente recente Anterior 1995
País pesquisa pesquisa pesquisa pesquisa pesquisa) pesquisa) pesquisa) pesquisa) pesquisa) pesquisa pesquisa (ONU, '000)
Benin 89,1 93,9 77.8 80 94,8 75 10.395 6219 247 2001 1996 5336
Burkina Faso 105,3 93,7 127,1 103,1 108,6 129,5 11.734 6.445 210 1998-1999 1992-1993 10.415
Camarões 77 64,3 79,9 65,2 79,8 72,3 7859 5.501 203 1998 1991 13.182
Cote d'Ivoire 112,2 88,5 77,2 66,9 111,5 70,7 3.884 3.040 140 1998-1999 1994 13.528
Gana 56,7 66,4 53,9 56,8 61,2 52,4 6.555 4.843 400 1998 1993 17.649
Guiné 98 87,5 106,6 99 12.011 6.753 293 1999 7.153
Mali 113,4 122,5 130,5 131,2 126,2 128,3 25.984 12.817 403 2001 1995-1996 9.944
Níger 123,1 123,1 171,8 222,6 135,8 193 15.333 7577 268 1998 1992 9.150
Senegal 67,7 68,2 76,5 68,2 69,4 75,2 14.569 8.593 320 1997 1992-1993 8.330
Ir 79,7 77,3 72,3 83,8 80,3 69 14.065 8.569 288 1998 1988 4.060
Fonte: DHS STATcompiler, das Nações Unidas.

D. Balk et al.
Burkina Faso
Benin
Ir
Côte d'Ivoire
Gana
0 30 60 120 km População urbana

Menos de 20.000
20.000-50.000 Mais de
50.000
Figura 4. aglomerados populacionais urbanos em parte da África Ocidental. Pontos representam grupos DHS identificados como urbana em
os inquéritos. Fonte: CIESIN (2003).
Seleção variável Gana, com a menor mortalidade, é seleccionado como o país de

referência. Os dez inquéritos foram con- conduzidos dentro de um
Tabela 3 mostra os valores ou proporções das variáveis
cinco anos de amplitude, e em cada país nos concentramos nas
incluídas na análise para a amostra no seu todo e em cada
nascimentos durante os dez anos anteriores ao inquérito. Os anos de
um dos dez países no estudo. Estes conjuntos de variáveis
nascimento em que os dados fi le gama agrupada de 1987 a 2001.
formam a base dos modelos em análise multivariada.
Como um controlo parcial para tendências período de fertilidade, que
quebrou esta gama em três intervalos de fi-ano ve: 1987-1991,
As variáveis de controlo [Modelo 1] 1992-1996 e 1997-2001. Nós recomendará cautela na interpretação
País e coorte de nascimento estão incluídos como variáveis de dos diferenciais
controle. Na análise multivariada abaixo,
186 D. Balk et al.
Marrocos
Argélia
Mauritânia
Mali
Níger
Senegal
Gâmbia
Burkina Faso
Guiné-Bissau
Guiné
Benin Nigéria
Serra Leoa Ir
Gana
Côte d'Ivoire
Libéria
Camarões
0 125 250 500 km Guiné

Equatorial
culturas arbóreas
Gabão
São Tomé e
pesca artesanal costeira Príncipe
Figura 5. Sistemas de Agricultura na África Ocidental. Pontos representam grupos de pesquisa do DHS. Fonte: Dixon et al. ( 2001).
e Coef coeficientes fi para os dez países e os três coortes. mães mais jovens e relativamente grandes ações de mães mais
País e coorte são susceptíveis de representar o efeito líquido velhas.
de muitos desmedida influências que variam entre países e espaçamento dos nascimentos não foi explicitamente incluído,
tempo. Além disso, embora muitos estudos têm mostrado que quando os intervalos entre
Eles são um pouco confusa, nascimentos são curtos (ou seja, menos de dois anos), tanto a criança
simplesmente porque as pesquisas não foram realizados ao mesmo no início e a criança no final do intervalo são mais propensos a morrer.
tempo. (Este efeito é devido à competição por tempo e recursos materna -.
Semelhante a competição entre as crianças em um nascimento
Centesimal Determinantes [Modelo 2] múltiplo, uma variável incluído) Em nossa análise preliminar
foram incluídos a criança do sexo, a ordem de nascimento e estado de verificou-se que muito do efeito de espaçamento dos nascimentos é
nascimento múltiplo. Guiné teve a maior proporção de crianças do sexo capturado por ordem de nascimento . Uma alta proporção dos
masculino, 51,4%, com uma média de estudo de 50,5%. Nascimentos nascimentos são nascimentos primeira, e eles não têm intervalo de
múltiplos, representando pré cessão nascimento. Nós também estavam preocupados com a
3,6% de todos os nascimentos, eram muito mais comum em censura do intervalo de nascimento subseqüente, resultado de nosso
Benin (5,8%) e Togo (4,9%). idade da mãe no nascimento foco em nascimentos recentes. Por último, existem efeitos endógenos
também foi incluído: Gana, Togo e Senegal (com a menor ou feedback porque um
fertilidade entre os 10 países) têm relativamente pequenas
ações de
Líbia
Saara Ocidental
Argélia
Mauritânia
Mali Níger
Chade
Senegal
Gâmbia
Burkina Faso
Guiné-Bissau
Guiné
Benin Nigéria
Serra Leoa Ir
Gana
Côte d'Ivoire
Libéria
Camarões
Nonarid
subúmidas secas
Guiné
Semi-árido
0 125 250 500 km Equatorial
Árido
Congo
Gabão
hiperárida São Tomé e Príncipe
Figura 6. zonas aridez da África Ocidental. Pontos representam grupos de pesquisa do DHS. Fonte: WRI (2002), das Nações Unidas
Programa de Meio Ambiente (1997).
mortalidade infantil precoce pode tendem a encurtar o intervalo densidade populacional média dentro de 30 km, ea distância para o
quent nascimento subse-. Em vez de desviar a atenção da assentamento populacional mais próximo de 50.000 pessoas ou
preocupação principal deste estudo, decidimos para evitar a mais (Balk et al., 2003a), acima descrito. Foi utilizado um tampão de
medição e Modelo- questões ling que teria sido levantadas pela 30 km, a fim de suavizar as diferenças na densidade de informação
inclusão dos intervalos entre partos anteriores e / ou da população, bem como no uição distri- de domicílios pesquisados
posteriores. em torno de um dado ponto do cluster. Um cluster de pesquisa DHS
é uma representação de um grupo de famílias cujos aries bound-
pode ou não coincidir com uma unidade de censo enumeração. A
Variáveis espaciais [Modelo 3] unidade de amostragem primária para uma pesquisa DHS, o
As variáveis espaciais incluídas aqui estão basicamente em dois aglomerado, é geralmente um censo enu- unidade de área meration
tipos: as que descrevem um contínuo urbano-rural, e aquelas (EA). Em áreas ulated rurais ou escassamente pop, densidades
que descrevem parâmetros climáticos. dentro desses aglomerados pode ser altamente variável. Em muitos
países, ters clus- rurais podem conter mais de uma aldeia, e eles
O indicador urbano-rural clássico é o habitual dicotômica podem ser geograficamente grande. Nas áreas urbanas, EAs
cação classi fi dada durante a fase meration enu- da
implementação da pesquisa. As duas medidas adicionais
consideradas são
188 D. Balk et al.
Líbia
Marrocos
Argélia
Mauritânia
Mali Níger
Chade
Senegal
Gâmbia
Burkina Faso
Guiné-Bissau
Guiné
Benin Nigéria
Serra Leoa Ir
Gana
Côte d'Ivoire
Libéria
Camarões
0 125 250 500 km
Guiné
Equatorial
precipitação por dia Média (mm)
Congo
0-1 5/3 7+
Gabão
São Tomé e Príncipe

3/1 7/5
Figura 7. trinta anos significativo: precipitação diária, 1961-1990 (mm por dia). Pontos representam grupos de pesquisa do DHS. Fonte:
CRU (não datada), Nova et al. ( 1999).
são muitas vezes geograficamente pequeno, mas mais densamente talvez mais aplicável para a América do Norte e na Europa do que
povoada. EAs urbanas são geralmente segmentada durante o processo na África.
de listagem (veja Macro Inter- nacional de 1996, para mais detalhes). Além disso, uma variável durante o menor tância dis- para a
Cinquenta mil, foi escolhido como o limiar de população da cidade costa está incluído. Esta variável foi mostrado ser uma correlação
porque os dados sobre as cidades desse tamanho são mais con- importante de desenvolvimento nómico eco (Sachs et al., 2001)
coerentemente disponíveis do que para cidades menores. Todos os como uma variável proxy para o acesso a bens e serviços no
indicadores espaciais foram escolhidos ignorando as fronteiras mercado global, o potencial de negociação, e assim por diante.
nacionais na determinação do raio de 30 km ea cidade mais próxima. Foram incluídos para determinar se existe evi- dência para um
Enquanto fronteiras têm efeitos políticos e econômicos óbvios, eles são efeito similar sobre a mortalidade. Como a Tabela 3 indica, existe
menos propensos a impedir vetores de doenças. O efeito das fronteiras uma variabilidade considerável nas médias nacionais desta
específicas é uma questão em aberto para além do âmbito deste variável. Adotamos várias medidas de clima, em parte porque
relatório. nenhuma medida é esperado para capturar as complexidades
inerentes. Nós exploramos cinco medidas - chuvas, aridez,
sistemas agrícolas, comprimento da estação de crescimento e a
Vinte e quatro por cento dos nascimentos foram em áreas estabilidade da transmissão da malária. Teoria sugere que o
urbanas; mas a densidade populacional média de nascimentos excesso de secura ou de molhamento irá aumentar o risco
urbanas é de 665 pessoas por km quadrado. Mil pessoas por
quilômetro quadrado é um mínimo convencio- nal para as áreas
urbanas, embora
Figura 8. longo prazo precipitação diária média na África Ocidental durante meses selecionados, 1961-1990.
de mortalidade. Em áreas mais secas, aumentos de chuva vai ser esperado Gana, Togo, Benin e Camarões, existem dois picos de
para melhorar a sobrevivência infantil por fontes pró-necer de água, precipitação - um em Maio / Junho, ea segunda em agosto /
insumos para a produção agrícola e saneamento melhorado. Nas zonas setembro. Janeiro / dezembro é o período mais seco em quase
mais húmidas, o excesso de chuva podem reduzir o rendimento da colheita todas as áreas, embora seme- larmente baixa precipitação se
(devido a pragas presentes apenas em áreas muito molhado) e fornecer estende de novembro a março, em Burkina Faso, Mali, Níger e
um habitat vectorial mais fértil. Senegal. Aridez, uma outra medida de secura, combina taxas de
precipitação e de evapotranspiração em classes distintas. No
Precipitação, como mostrado nas Figs 7 e 8, tem entanto, as zonas de aridez provou ser muito problemático para
claramente variação temporal e espacial ampla nesta região. usar. populações Nómada em Mali e toda arrondissements e a
Dois regimes são mais proeminentes. Na maior parte da região população rural da outra arrondissements em Níger eram
de pesquisa, agosto é o mês mais chuvoso. No sul e centro
Côte d'Ivoire,
190 D. Balk et al.
Figura 9. O comprimento da estação de crescimento (meses). Pontos representam grupos de pesquisa do DHS.
Fonte: Fischer et al. ( 2000).
excluído do quadro de amostragem. Isso é notável porque estas cial da zona agro-climática. Delimitações são grosseiros, no
áreas contribuem desproporcionalmente para a população das entanto, e não podem ser consideradas fontes acurado de
zonas áridas e hiper-áridas. Apenas quatro países têm ters clus- abastecimento de alimentos ou tipos de emprego para os
nas zonas áridas e hiper-árido, e um número desproporcional dos domicílios pesquisados ou a dos seus comunidades. A análise
que estão em Mali. Mali é o único país a contribuir para todas as preliminar com um modelo limitado incluídos todos os sistemas
quatro zonas, e quatro países contribuem para apenas duas de dez agrícolas presentes na região de estudo;
zonas (Guiné, Níger, Burkina Faso e Costa do Marfim). Além consequentemente dois sistemas, artesanal pesca costeira e
disso, aridez está altamente correlacionada com a precipitação culturas arbóreas, mostrou a relação mais forte com a
(-0,79), de tal modo que a inclusão no modelo com precipitação mortalidade. O comprimento da estação de crescimento tem sido
seria overspecify ele. Embora fizemos algumas análises associado com a produtividade agrícola (FAO, 1978). Estações
preliminares desta variável, que omiti-la da continuação do de menos de 70 dias são considerados demasiado curto para a
tratamento aqui devido às preocupações de amostragem e agricultura sustentável e longas temporadas, superior a 300 dias,
disponibilidade de medidas substitutas. são consideradas não ideal, porque o excesso de chuva promove
pragas que danificam culturas. A gama de 120-240 dias é
considerado bom, com 240-300 dia a ser considerada ideal. A
variável é tão
Os sistemas de cultivo, delineados em Dixon et al.
(2001), proporcionam uma indicação da probabilidade poten-
Tabela 2. variáveis geográficas. Variável
dados de origem Fonte Descrição variantes Resolução
Demográfico
População Gridded População CIESIN A1) em conjunto, A2) 2,5 minuto
densidade do mundo dentro de 10 km, e
(PGT) v. 3 A3) no prazo de 30 km,
B1) irrestrita e B2)
limitada por fronteiras
nacionais
Urbano Urbano Rural CIESIN Distância (euclidiana) As áreas urbanas> A1) 1 minuto
proximidade a mais próxima urbana 20.000 e A2)
área 50.000 pessoas, codificados
como pontos) B1 (centróides
presumidos) e B2) polígonos,
C1) e C2) não restritas
constrangidos por fronteiras
nacionais
Costeiro Gráfico digital do Imagery Nacional Distância (euclidiana) 1: 1.000.000

proximidade Mundial (DCW) - e Mapeamento ao ponto mais próximo
continente derivado Agência no litoral

fronteira (NIMA)
Distância para VMAP dados estradas Imagery nacional Distância (euclidiana) 1: 1.000.000
estradas e Mapeamento ao ponto mais próximo
Agência numa estrada
(NIMA)
Ecológico
Agricultura Sistemas agrícolas FAO sistema de cultivo Unspeci fi cado
sistema baseado no sistema fi

cação classificadas por
Dixon
et al. ( 2001)
zona árida zonas áridas Milênio Tipo de zona árida Unspeci fi cado
ecossistema zonas não-áridas (

Assessment são indiferenciado)
estabilidade de Kiszewski et al. composto de 30 minutos

malária (2004) de Meio Ambiente
transmissão e
índice dados epidemiológicos
Chuva CRU05 0,5 graus Intergovernamental Média mensal Por mês, anual 30 minutos
1961-1990 Média painel sobre precipitação em conjunto, média, máximo
Por mês Das Alterações Climáticas/ em mm / dia, mês
Climatologia Internacional 1961-1990
Instituto de
Pesquisa de
Previsão
Climática (IPCC
/ IRI)
Crescendo Internacional Comprimento de crescer 30 minutos
temporada Instituto de temporada, nos meses
Análise de Sistemas
Aplicados (IIASA)
192
Tabela 3. Estatística descritiva dos co-variáveis-chave, por país.
Burkina aprisco
Variável Benin Faso Camarões d'Ivoire Gana Guiné Mali Níger Senegal Ir Todos tipo
Variáveis de controle

Coorte de nascimentos
nascido 1987-1991 1.9 27,9 34,4 26,5 28,9 20.7 6.1 33,7 47,0 36,5 26,5%
nascido 1992-1996 48,9 51,2 51,9 50,8 49,7 53,6 50,7 51,0 50,7 49,9 50,9%

nascido 1997-2001 49,2 20,8 13.7 22,8 21,4 25,7 43.2 15,4 2,3 13,6 22,6%
determinantes imediatos
nascimento múltiplo 5,8 2,9 3.8 3.2 4.0 3.8 3,5 3,4 2,8 4,9 3,6%
Masculino 50,4 50,9 49,5 50,0 50,6 51,4 50,9 50,9 50,8 50,3 50,5%
idade da mãe
Mãe <20 na 15.5 16,5 22.1 21.1 14.1 20.1 20,0 21,3 15.2 12,9 18,5%
nascimento
mãe 20-34 71,0 67,6 66,0 66,4 69,8 67,2 65,2 66,1 68,6 71,7 67,5%
no nascimento
Mãe> 34 no 13,5 15,9 11,9 12,5 16,1 12,7 14,8 12,6 16.2 15.5 14,0%
nascimento
Ordem de nascimento
Primogênito 20,2 17,6 21.1 22,8 22.9 18.1 16,7 16,3 17,7 19,0 19,6%
Segunda-nascido 17,3 15,7 17.2 17,3 19,4 17,0 15,3 14.0 15,9 17,7 16,7%
terceiro + nascermos 62,5 66,7 61,7 59.9 57,8 64,9 67,9 69,7 66,4 63,3 63,7%
fatores socioeconômicos
Água potável
Água encanada 37,4 8,5 31,3 46,7 30,9 17,8 26,7 16,0 44,1 30,1 28,6%
Água de poço 43.2 86,2 31,4 45,3 36,2 47,0 68,3 75,7 52,8 40,2 53,4%
Água da superfície 13.8 4.7 36,3 8 31,8 34,6 4,9 2.6 2,0 28,5 16,4%
outra água 5.6 0,6 1.0 0.0 1.1 0,5 0,1 5.6 1.1 1,2 1,5%
instalações sanitárias
Descarga de privada 1.1 0,3 4,6 8,3 4,2 1,7 4,9 0,9 6,9 0.0 3,7%
latrina pit 23,7 18,2 84,3 51,2 68,8 60,9 73,1 16,9 59,0 27,8 50,7%
pit Básico 74,5 81,4 11,0 40,4 26,9 37,4 22,0 82,1 33,8 70,0 45,4%
outro vaso sanitário 0,7 0,1 0,1 0.0 0,1 0.0 0.0 0,1 0,3 2.2 0,2%
Chão
chão Natural 45,5 76,4 60,1 25,7 18,7 58,6 83,1 86,5 43,1 30,8 53,1%
Rudimentar 0,5 0.0 0,2 0,4 0,1 1.3 0.0 0.0 0.0 0,2 0,2%
fl oor

Terminado fl oor 53,9 23,3 39,7 73,9 81,3 40,0 16,8 13.1 56,7 68,7 46,5%
D. Balk et al.
Outros chão 0,1 0,3 0.0 0.0 0.0 0.0 0.0 0,4 0,2 0,3 0,1%
Ativos
Eletricidade 15.5 3.8 36,4 45,2 32,0 13.7 9.6 5,8 28,0 10,9 22,2%
Rádio 76,8 61,9 55,6 66,5 48,7 58,2 73,9 37,4 70,3 54,5 59,3%
Televisão 13,4 4,5 18,2 28,8 17,0 8,9 15.5 4.7 21,3 11,6 15,0%
Geladeira 3,9 1.8 9.6 14.0 10,9 6.2 4,6 2.2 10,8 3.2 7,3%
escolaridade da mãe
Sem educação 75,4 92,3 37,7 66,7 40,3 87,0 85,5 89,3 78,1 62,6 69,7%
Inc. primária 16,6 3,6 24,6 13.1 16,9 5,7 9 3.7 7,5 27,3 12,3%
educação
completa 1.3 2.2 14.4 12.8 3,6 1,6 1,7 4,4 8 2,0 6,1%

primário
A mortalidade infantil na África Ocidental
Educação
Inc. seg. educ. 6,6 2,0 23,3 7.3 39,2 5,8 3.8 2.6 6,4 8.1 12,0%
ou mais alto
variáveis espaciais
Urbano 30,5 9.9 27,2 31,9 25,2 24.9 22,2 16.2 33,5 23,5 23,5%
densidade dentro 262,9 72,8 105,4 343,1 301,4 91,3 56,3 59,8 947,6 196 225,4 Mia
30 km
Distância para 190,2 758,6 417 196,7 169,6 203,2 792.3 877,2 76,6 199 417,1 Mia
costa, km
Dist. para o local de 37,5 73,9 34,5 40,7 28,8 44,5 76,4 63,2 29,9 29,5 47,3 Média
50k pop., Km
zona árida
Non-árido 24.9 0.0 71,2 68,7 59,8 93,4 0,9 0.0 30,0 75,0 41,7%
subúmidas secas 71,0 12,6 6,6 31,3 23,0 6,6 25,6 0.0 7.7 13.2 18,9%
Semi-árido 4.1 87,4 21,2 0.0 17.2 0.0 64,8 92,9 50,8 11,9 36,8%
Arid / hiperárida 0.0 0.0 1.0 0.0 0.0 0.0 8,7 7.1 11.4 0.0 2,6%
sistema de cultivo
colheita de árvore 0.0 0.0 32,4 57,5 58,6 1,6 0.0 0.0 0.0 18,8 22,0%
Costeiro 36,6 0.0 3.2 21,3 26,0 18,8 0.0 0.0 0,5 20.1 11,9%
artesanal fi
shing
Todos os outros 63,5 100.0 64,4 21.1 15,4 79,7 100.0 100.0 99,5 61,1 66,1%
Média diária 3.1 2,0 4,4 3,9 3,3 5.2 2,0 1.3 1.8 3.1 3.0 Média
precipitação (mm)
Malária Estabilidade 17,8 32,4 14,3 23.2 25,6 20,6 29,4 24.1 18,7 24.2 23,5 Média
Índice
estação de crescimento (meses)
sob 3 0.0 3.1 1.8 0.0 0.0 0.0 24.1 76,3 15,7 0.0 12,6%
3-4 0.0 21,5 4,5 0.0 0.0 0.0 12.1 21,5 41,5 0.0 9,6%

8/6 74,0 75,4 26,9 6,6 20,8 72,3 63,8 2.2 42,8 45,7 38,0%
8-10 26,1 0.0 30,1 29,5 46,6 18,3 0.0 0.0 0.0 54,4 20,0%
193
Mais de 10 0.0 0.0 36,8 63,9 32,7 9.4 0.0 0.0 0.0 0.0 19,8%
194 D. Balk et al.
altamente correlacionada com a precipitação, em 0,84, que não poderíamos chances de sobrevivência por minimizando a contaminação.
adicioná-lo ao modelo multivariada ao mesmo tempo, controlando para Seus efeitos são esperados para ser signi fi especialmente não
chuva. pode para crianças mais velhas e as crianças que estão mais
Uma outra variável, estreitamente relacionados com o clima, foi expostos a eles por beber a água, rastejando ou jogar no chão e
um índice de estabilidade da trans missão da malária (Kiszewski et usar o banheiro. Os efeitos para o último também pode afetar
al., próximo). Este conjunto de dados é construído por crianças jovens pela exposição indireta à contaminação via a
'incorporação estimativas cido publi- na proporção de refeições de mãe usando condições sanitárias insalubres. bens domésticos no
sangue colhidas a partir de hospedeiros humanos, a sobrevivência modelo incluem eletricidade, rádio, televisão e frigorífico. Estes
diária do vector, a duração do período de transmissão e de são um indicador da condição socioeconômica dos membros
incubação extrínseco' (Kiszewski et al., diante- vinda: 1). No dentro do agregado familiar. As famílias com maior status
entanto, porque a maioria das entradas para o índice estão em socioeconômico (mais ativos) são acreditados para ter um
uma resolução relativamente grosseira, ele interagiu muito impacto positivo em lactentes e crianças sur- vência.
fortemente com a variável de país e, portanto, foi omitida dos Experimentamos combiná-los em um único índice ativos, mas
modelos principais. achei mative mais infor- para reter variáveis separadas. Como
esperado, famílias com mais frequência que possuem esses
ativos foram também aqueles onde as mulheres tinham um nível
As variáveis associadas com a cobertura e uso da terra também médio mais elevado de educação. A exceção foi o rádio, onde a
foram omitidos. Essas variáveis podem incluir cobertura do solo classi maioria das famílias pos- um sessed independentemente do nível
fi cação ou uso da terra e índices de vegetação (por exemplo de escolaridade da mãe.
diferença normalizada de índice de vegetação, NDVI). Tais variáveis
podem servir como proxies para habitats vetor e fatores de cal
ecologicamente influenciando a vida econômica agropastoril. Vários
conjuntos de dados possíveis foram consideradas para uso, mas
todos foram muito complexa para ser introduzido de uma forma Os dados sobre ção educa- do atual parceiro da mãe e da
sistemática e rigorosa a curto prazo. Assim, chuva e sistemas de ocupação, embora os indicadores socioeconómicos
cultivo seleccionadas foram as únicas variáveis em última análise, importantes, foram omitidos da análise porque a informação foi
seleccionados para inclusão no modelo multivariado. ou não estão disponíveis ou não são comparáveis para todos
os países incluídos. Da mesma forma, enquanto o estado civil
da mãe (incluindo a união informal) é um importante dictor pré
da mortalidade, não foi incluído porque foi limitada a uma
Variáveis socioeconómicos [Modelo 4] medida de status atual informou, por que que encontramos
variáveis socioeconômicas incluídos na análise refletem o muito pouca variação.
ambiente doméstico e os ativos domésticos. A distinção entre o
ambiente doméstico e bens é um tanto arbitrária, uma vez que
as características ambientais também podem ser fortemente variáveis omitidas
influenciado por ativos - ou seja, a capacidade de um agregado Outros tipos potencialmente importantes variáveis são omitidos a
familiar de adquirir maior qualidade da água, saneamento e partir deste estudo, nomeadamente na cional nutri- e estado de
ooring fl, ou a capacidade da comunidade para melhorar a saúde. Enquanto a informação sobre amamentação e alimentação
infra-estrutura pública (por exemplo, para fornecer serviços de infantil jovens são coletada nas pesquisas DHS, é apenas para uma
água e esgoto seguros). A distinção é mantida, no entanto, subamostra de crianças nascidas três anos anteriores à pesquisa. Da
porque estas características ambientais são muitas vezes um mesma forma para obter informações antropométricas, apenas
pouco exógeno para o agregado (por exemplo, na comunidade crianças nascidas dentro dos cinco anos anteriores à pesquisa
serviços de nível) e porque elas podem mediar directamente tiveram seus pesos e alturas medi- sured. Da mesma forma,
vectores de transmissão de doença ou caso contrário medir o informações de saúde básica con- RELATIVAS À recentes episódios
nível de contaminação no ambiente familiar da criança. de diarréia, tosse e febre estão disponíveis para crianças com idade
Domésticas ao ambiente de variáveis incluídas na análise foram inferior a cinco no momento da entrevista. Nos Camarões, Níger e
a fonte de água potável, tipo de vaso sanitário e tipo de ooring fl. Togo, estes dados episódio doença antropométricas e recentes são
água encanada, modernas instalações sanitárias e ooring coletadas para crianças de 0-3 anos. 5 Como afirmado anteriormente,
acabado fl são acreditados para melhorar este estudo inclui uma amostra muito maior de crianças nascidas dez
anos antes da
pesquisa. Além disso, estes dados nutricionais e de saúde são McCullagh e Nelder, 1989) é muito semelhante a um modelo de
coletados apenas para crianças vivas no momento da pesquisa, com risco ou uma análise de sobrevivência (cf. Nam-boodiri e
clareza importantes minants deter- em falta para crianças que Suchindran, 1987), mas produz coeficientes fi coef- que são mais
morreram. Analisando o risco de transmissão da malária para a análoga à 1q0 habitual e 4Q1. As análises de computador foram
sobrevivência da criança é limitada a um ção examina- bivariada. feitos com o procedimento GLM em Stata, versões 7 e 8. Uma
Não poderia ser considerado no modelo variate multi- total devido a breve descrição da estratégia de modelagem segue, como
problemas de multicolinearidade e especi fi cação. Há outros fatores implementado para a mortalidade infantil; lógica semelhante
de transmissão da doença são considerados devido a restrições de aplica-se a mortes de crianças com idade entre 1-4.
dados.
Ao nível da criança individual, que de fi ne um resultado binário, died0,

codificado 1 se a criança morreu antes de chegar exatamente 12
Modelos de sobrevivência
meses (um ano) de idade, e 0 se ele sobreviveu. Nós também
Uma análise das funções de sobrevivência selecionados serviu para codificar uma medida de exposição ao risco de morrer, chamado time0,
modelar a distribuição das mortes ao longo do tempo estratificação ed
por co-variáveis selecionadas. O método não paramétrico de que pode ser entre 0 e 1. Se a criança foi observada a morrer a
Kaplan-Meier (produto-limite) foi utilizado para gerar companheiros de qualquer momento no primeiro ano de vida, ou foi observada para
probabilidade máxima de esti- S ( t), a probabilidade de que a morte sobreviver ao primeiro ano completo,
ocorre em uma idade maior que t. time0 é codificado 1. No entanto, se o caso era cen-
patrocinado, ou seja, a criança nasceu durante o ano anterior à
distribuições de sobrevivência foram gerados utilizando o pesquisa, e ainda estava vivo no momento da pesquisa, em
procedimento Lifetest SAS 8.2. Ao incorporar informações sobre a seguida, time0 é o fração do ano para o qual foi observada a
idade no momento da morte, as curvas de distribuição de criança. Então, para uma dada amostra de crianças, a
demonstrar o ritmo diferencial e nível de mortalidade de bebês e estimativa padrão de 1q0 será equivalente à soma de died0 para
crianças. dados DHS fornecer idade à morte em meses para as crianças, dividido pela soma de time0.
crianças menores de 24 meses, e nos anos para crianças mais
velhas. A avaliação quantitativa da fi strati ed sur- vência curvas a Um modelo estatístico a nível individual que dá a esta mesma
12 meses de idade (para crianças) e 59 meses (para crianças) estimativa será um modelo linear generalizado com o resultado died0,
destaca o impacto cumulativo desses fatores nos dois grupos um erro de distri- buição binomial com denominador binomial time0,
etários. Nós estratificação distribuições de sobrevivência ed por e uma função de ligação log. Quando este modelo for executado
fatores selecionados hipotéticos para influenciar talidade mor- sem co-variáveis, a saída irá produzir uma constante que, se
infância. As estimativas de distribuição de sobrevivência pode ser ampliaram, será a estimativa do 1q0. Quando co-variáveis estão
facilmente comparado visualmente ou por as estatísticas de incluídos, o exponencial do termo constante será um fi
log-rank que se ajustam para os escores estrato e que teste de enquadrados 1q0 para a combinação de referência das
homogeneidade de estratos. As curvas de sobrevivência revelar covariáveis. O exponencial de um coeficiente para uma
inicial rmação con fi de descobertas esperados fi de ambos os covariável será o risco relativo para que covariável. Por exemplo,
factores de nível indivíduo, tais como a educação materna, e colas a Tabela 4 apresenta os coeficientes, antes e depois de
vari- ambientais, tais como a densidade populacional. É importante, exponenciação, para a co-variável 'País', uma co-variável
no entanto, recordar que nesta parte da análise há outros fatores categórica; o país de referência é Gana.
foram controlados. Uma aná- lise dos efeitos independentes destes
factores sobre a mortalidade infantil (isto é, o controlo para um
conjunto de outros determinantes) é apresentada posteriormente.
Na Tabela 4, todos excepto os números na última coluna
vindo directamente a partir do (Stata-gerado) de saída do
computador. A última coluna é obtida por exponencializando
primeira coluna. O exponenti- ated termo constante, 0,0605, é a
estimativa de 1q0 para Gana, a referência (ou país 'omitido'). É
equivalente (quando multiplicado por 1000), para uma taxa de
mortalidade infantil (TMI) de 60,5 mortes por 1000 nascimentos.
Modelo Linear Generalizado
O relatório sobre a pesquisa Ghana 1998 (Gana Serviço de
Para a análise multivariada, foi utilizado um modelo linear Estatística e Macro Interna-
alised gener- (GLM). Esta técnica (cf.
196 D. Balk et al.
Tabela 4. Resultados do modelo GLM para a mortalidade infantil por país.
std robusto. exponenciadas

País Coeficiente erro z coeficiente
Burkina Faso 0.568964 0.072360 7,86 1,7664 **

Benin 0.427995 0.072815 5,88 1,5342 **
Côte d'Ivoire 0.600754 0.102399 5,87 1,8235 **
Camarões 0.262742 0.084478 3.11 1,3005 **
Guiné 0.596614 0.071421 8,35 1,8160 **
Mali 0.741359 0.067393 11.00 2,0988 **
Níger 0.743393 0.070315 10,57 2,1031 **
Senegal 0.152848 0.075390 2,03 1,1651 *
Ir 0.263117 0.073111 3,60 1,3010 **
Constante - 2.805231 0.061622 - 45,52 0,0605 **
Nota: Todas as estimativas são ponderadas (ver texto para mais detalhes), com estimativas consistentes de erros
padrão que levem em conta o projeto conjunto de dados. Clustering ao nível das famílias não é levado em conta.
Veja o texto para explicação de símbolos.
cional, 1999: 83) dá uma TMI de 56,7 por 0-4 anos antes da riscos. modelos de perigo ou de sobrevivência é linear no log e
pesquisa e 65,8 para 5-9 anos antes da pesquisa. Nossa também são semelhantes, mas nos modelos a probabilidade de
estimativa de 60,5 para 0-9 anos antes da pesquisa é morte refere-se a uma taxa de variação instantânea da função
consistente com esses valores. O exponenciadas coeficiente de sobrevivência, em vez da mudança de idade exata de 0 a 1 e
para Burkina Fasso, por exemplo, é 1,7664, o que significa que o de exata idade de 1 a 5.
seu 1q0 é
0,0605 ¥ 1,7664 = 0,1069. Este 1q0 é cerca de 77% [(1,7664 - 1) ¥ 100 Para todos esses modelos, os dades proba- estimados de
= 76,64)] mais elevada do que a 1q0 para Gana. morte deve ser inferior a um para cada caso. modelos logit e
perigo são construídos de tal maneira, por meio da ligação
Nas tabelas, '**', após um exponenciadas coe fi ciente logit e a taxa de mudança instan- tânea, respectivamente, que
indica que é signi fi cativamente diferente de zero numa 0,01 esta condição é sempre satisfeita. Em nossos dados, o
teste bilateral ou uma unicaudal máximo previsto probabilidade de morrer é sempre menor
0,005 teste; '*' Indica significância no bicaudal 0,05 ou de que um (o máximo é de cerca de
uma cauda 0,025 nível, e '#' indica significância no bicaudal
0,10 ou uma unicaudal 0,05. Nós usamos o símbolo '#' e 0,80), mas este é um resultado empírico e para outros conjuntos de dados
referem-se a testes de uma cauda, porque muitas hipóteses ou intervalos de idade da função de ligação log pode não ser utilizável.
possíveis sobre diferenciais de mortalidade são de fato uma
cauda em vez de de duas caudas. níveis Cance fi- signi são
determinados a partir da coluna de 'z' da saída do RESULTADOS
computador (a razão entre a coe fi ciente para o seu erro

padrão), e descrevem o signi- ni fi cado da diferença da Em geral, prevemos que os riscos enfrenta um bebê durante o
categoria de referência. parto eo primeiro mês de vida são muito diferentes daqueles
enfrentados após este período. mortes infantis estão mais
intimamente ligada à endoge- fatores nous que são difíceis de
Nós usamos um modelo de probabilidade log por causa da evitar (por exemplo, con- malformações genitais, doenças
familiaridade de 1q0 e 4Q1 a todos os PheRS demo-, mas hereditárias, e baixo peso ao nascer). As crianças mais velhas
algumas análises de uso mortalidade logit regressão infantil, um são mais propensos a morrer de doenças evitáveis, incluindo
outro modelo linear generalizado. Na regressão logit é o logit da doenças infecciosas e desnutrição. Isso é porque eles são mais
probabilidade de uma morte, em vez do log da probabilidade, que móveis, e na interação com seu ambiente que eles são mais
é linear nos preditores. Na regressão logística, exponenciadas expostos a con- contaminações no ar, água e comida. Por estas
COEF coeficientes fi são interpretados como relativos probabilidades, razões, podemos antecipar que os fatores adjacentes agir
em vez de como relativo
mais fortemente sobre a mortalidade infantil, e que fatores Tabela 5. Quadro de síntese de S ( t) para co-variáveis seleccionadas.
socioeconômicos e espaciais agir mais fortemente sobre a

S ( t) a 12 S ( t) em 59
mortalidade infantil. variáveis meses meses
As curvas de sobrevivência pintar uma imagem clara
idade da mãe no nascimento
bivariável de diferenciais de mortalidade (mostrado nas Figuras < 20 anos 86,9 89,3
10-19 e na Tabela 5) confirmando este. A análise multivariada 20-34 anos 91 91,2
que segue pinta uma imagem clara, mas um pouco mais > 34 anos 90,6 91,3
A ordem de
complexa. Em geral, não é con fi rmação de fatores
nascimento primeiro nascimento 88,4 91,3
convencionais e suporte para inclusão de muitos dos fatores segundo nascimento 91 91,2
espaciais. Terceiro ou superior nascimento 90,5 90,7
coorte de
nascimento 1987-1991 90 90,3
1992-1996 90,1 91,1
Análise de sobrevivência
1997-2001 91 92,1
educação da mãe Nenhum
As Figuras 10-19 mostram os ções densidade sobrevivência fun- 88,9 89,2
alguns primária 91,5 93,1
(SDF) por estes co-variáveis, para bebés e crianças,
primária terminou 92,3 94,1
respectivamente. A Tabela 5 proporciona um resumo do método de Secundário / maior 94,9 96,6
Kaplan-Meier para os estratos em cada co-variável. Com a única Nascimentos múltiplos
exceção do sexo de crianças de 1-4 anos de idade, estratos para Individual 90,9 91,2
Múltiplo 71 86,5
todas as variáveis mostradas aqui têm funções de sobrevivência
sexo Feminino
diferentes cativamente signi fi. 90,9 90,9
Masculino 89,4 90,9
Entre as mais importantes minants deter- próximas que na Residence e densidade Rural
89,3 89,8
sobrevivência uência criança fl são a idade da mãe no momento do
Urbano 93 94,4
nascimento e da ordem de nascimento da criança (Sullivan et al., 1994). < 25 por quilômetro quadrado 87,6 89,1
Estes fatores maternos têm um impacto diferenciado em lactentes e 25-100 por km² 89,4 89,3
100-500 per sq km 92,3 93,6
crianças: mortes de crianças nascidas de mães com menos de 20 anos
500-1000 per km² 94,7 96
de idade ocorrer rapidamente, na primeira infância; o impacto da nova > 1000 por km² 93,9 96,5
maternidade é menos dramática para crianças de 1-4 anos (Fig. 10). A Distância a cidade de 50k na
ordem de nascimento é altamente relacionada com a idade da mãe no área urbana 92,5 93,9
1-25km 91,8 92,3
nascimento. Na África Subsaariana isso se deve em parte à idade de
25-100km 90 90,1
casamento e, consequentemente, o aparecimento de engravidar em uma 100-150km 88,3 89,3
idade jovem. Semelhante a bebés de mães jovens, fi nados primeiros > 150 km 87,6 87,6
são menos propensos a sobreviver à infância do que nascimentos de Chuva
< 2 ml por dia 88,6 86,5
ordem superior. Do mesmo sábio, o impacto da ordem de nascimento
2-4ml por dia 90,6 92,2
sobre a sobrevivência é muito reduzida para crianças de 1-4 anos (Fig. > 4 mL por dia 91,2 93,4
culturas de
fomento 92,4 94,8
culturas de raízes 87,9 90,9
Cereal / culturas de raízes 89,4 89,5
11). Nascimentos múltiplos enfrentam um risco muito maior de morte, Agro-pastoral 89,3 87,7
especialmente durante a primeira infância (Fig. 12). escolaridade pescaria 92,9 95,2
Estação de crescimento menos
materna foi observada a ter um forte impacto sobre a sobrevivência
de 3 meses 87 84,1
da criança. Ao contrário dos fatores maternos que têm um impacto
3-4 meses 89,8 87,8
diferencial sobre infantil e sobrevivência infantil, a educação é uma 4-8 meses 89,7 90,4
característica sócio-económico que influencia ambos os grupos 8-10 meses 91,3 93,9
Mais de 10 meses 92,1 94,5
etários. Lactentes e crianças de mães sem educação ambas têm
Malária índice de
apenas uma chance de 89% de sur- vência aos 12 meses e aos 59 Baixo 91,2 92,3
meses (Fig. 13). Os bebés e crianças de mães com formação índice médio 90,2 91,4
secundária ou superior têm possibilidades grandemente melhoradas alto índice 88,6 87,2
de sobrevivência (95% e 97%, respectivamente).

Nota: O qui-quadrado para as estatísticas de log-rank foram fortemente rejeitada na pr < 0,0001
para todas as variáveis, exceto para o sexo de dren crian- com idades entre 1-4 anos (pr < 0,0537).
198 D. Balk et al.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Menos de 20 anos
35 anos de idade 20-34
Com idade acima de
Figura 10. Funções Sobrevivência densidade (SDF) por idade da mãe no momento do nascimento.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Primeiro nascimento segundo
nascimento Terceiro ou superior
nascimento
funções Figura 11. Sobrevivência de densidade (SDF) de acordo com a ordem de nascimento.
1,00 1,00
0,90 0,90
crianças SDF
crianças SDF
0.80 0.80
0,70 0,70
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Único nascimento
nascimento múltiplo
Figura 12. funções de densidade de Sobrevivência (SDF) por nascimento único ou múltiplo.
Lactentes e crianças que residem em áreas urbanas têm, em média, estrutura e acesso a serviços. Quando as curvas de sobrevivência
melhores chances de sobrevivência do que aqueles que residem em de residência são cobertas com classes de densidade
áreas rurais. Esta vantagem é assumida normalmente estar relacionada populacional, as sutilezas muitas vezes disfarçada pela variá-
com a melhor infra- urbano / rural dicotômica
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Nenhum
primário primário
Terminado Same
Secundário ou mais
Figura 13. Sobrevivência funções densidade (SDF) por nível de formação da matriz.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 67 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses meses
<25 por quilômetro quadrado
por km ²
Urbano
50-75 por sq km 25-50
Rural
75-150 por km²
> 150 por km ²
funções Figura 14. Sobrevivência de densidade (SDF) de acordo com residência rural-urbana e densidade de população.
capaz estão expostos (Fig. 14). Embora ainda seja claro que a vícios seria inadequada (Defo, 1994; Gupta e Baghel, 1999; Mata,
mortalidade infantil é maior nas áreas rurais do que nas zonas 2003). Em comparação com as crianças, o padrão de sobrevivência
urbanas, em áreas rurais há um continuum densidade revelando que das crianças revela um continuum de densidade populacional que
as crianças que vivem nas áreas mais fraca densidade populacional está mais estreitamente agrupados em torno residência rural (Fig.
(menos de 25 habitantes por km²) sofrem o menor bability pro- de 14). Isto sugere que se as crianças sobreviveram à infância nas áreas
sobrevivência. Estas áreas muito esparsas podem ter o mínimo de mais povoadas, em seguida, apesar da medida de sparseness eles
infra-estrutura adequada para suportar serviços de pré-natal e parto. têm a mesma probabilidade de sobreviver ao seu quinto aniversário.
Da mesma forma, embora crianças geralmente desfrutar de maiores Crianças nas configurações sparsest, embora transportar maiores
chances de sobrevivência em áreas urbanas, para as crianças que riscos de mortalidade do que crianças em áreas de população
vivem nas áreas mais densamente povoadas (mais de 1000 pessoas urbana, mais densamente, ainda desfrutar de melhores chances de
por km quadrado) suas chances de sobrevivência parecem ser sobrevivência do que crianças nas configurações sparsest. Para
comprometida. Este é provável que seja um reflexo do Con- dições ambos os bebés e crianças, a mortalidade aumenta monotoni-
superlotadas ou favelas, onde semelhante para áreas rurais remotas, camente quanto mais a pessoa reside de uma área urbana
ser-
200 D. Balk et al.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Na área urbana
1-25 km
25-100 km
100-150 km
Mais de 150 km
Figura 15. Sobrevivência funções densidade (SDF) por distância a área urbana mais próxima.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
2 ml
ml
4 ml de 2- 4
Figura 16. Sobrevivência funções densidade (SDF) por precipitação média diária.
(Fig. 15). O efeito negativo das maiores sidades DEN em com as menores taxas de sobrevivência para as crianças que
crianças não tem um paralelo na medida de distância, talvez vivem em zonas áridas e semi-áridas, ou seja, aqueles com os
porque as áreas de maior densidade não pode ser mais curtos (menos de 3 meses e 3-4 meses) que crescem
distinguido de áreas de densidade ligeiramente mais baixos estações. Mesmo as crianças na faixa principal agrícola de 4-8
dentro de áreas urbanas. Variação na precipitação média meses têm menores chances de sobrevivência do que crianças no
diária tem um impacto maior sobre crianças de 1-4 do que regime mais sustentável (8-10 meses). O efeito sobre as crianças é
em crianças. Uma explicação para isso é que as suas mais fraco, com a estação de crescimento menos favorecidos (ou
necessidades dietéticas são muito mais variadas e seja, a zona árida) stand-ing claramente para além dos outros. A
dependentes da produção agrícola do que para uma criança Figura 18 mostra que os sistemas agrícolas também diferem
que amamenta. A Figura 16 mostra que, para as crianças consideravelmente em ambos sua mortalidade infantil. A
que vivem em áreas com menos de 2 ml de precipitação transmissão da malária é outro fator significativo na sobrevivência
média diária, a probabilidade de sobrevivência após 59 infantil. Nós estratificar o índice de estabilidade da malária em três
meses é de 86,5%. Em comparação, as crianças que vivem categorias correspon- ing para os 20% mais altos e mais baixos
em áreas com mais chuvas médias diárias uma chance percentis, e o restante meio de 60% de probabilidade de
92-93% de sobreviver após 12 meses. transmissão (Fig. 19). O impacto está na espera
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
Menos de 3 meses
meses
4-8 meses 3-4
8-10 meses Mais
de 10 meses
Figura 17. Sobrevivência funções densidade (SDF) por comprimento de estação de crescimento.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
culturas arbóreas
culturas de raízes
culturas de cereais / raiz misturado
milho Agro-pastoral / sorgo

pesca artesanal costeira
Figura 18. Sobrevivência funções densidade (SDF) por sistema de agricultura.
1,00 1,00
0,95 0,95
crianças SDF
crianças SDF
0,90 0,90
0,85 0,85
012345 6 meses
7 8 9 10 11 12 13 13 18 24 30 36 42 48 54 60
meses
índice de malária Médio
baixo índice de malária
alto índice de malária
Figura 19. Sobrevivência funções densidade (SDF) por categoria de índice de estabilidade da malária (ver texto).
202 D. Balk et al.
direcção para ambos os grupos etários, isto é, a camada com um fi cação, a densidade populacional (considerado o log
elevado índice de transmissão tem um ritmo mais rápido de natural da mesma), a precipitação (ambos termos linear e
mortalidade do que os grupos de baixa e média. No entanto, o quadrático), Distância para o Coast, e uma versão de três
impacto de um elevado índice de transmissão parece ser mais categorias de Agricultura Sistema. Modelo 5: Modelo 3 mais
intenso para crianças de 1-4 anos do que para crianças, talvez características espaciais. UMA
porque as crianças mais velhas são mais susceptíveis de serem
expostos a infecções de malária repetidas, que contribuem para o comparação deste modelo com o Modelo 3
desenvolvimento de outras doenças que aumentam o risco de fornece nosso melhor evidência do valor
morte, tais como anemia grave (Slutsker et al., 1994; Menendez et explicativo adicional de variáveis espaciais,
al., 2000). Uma análise mais aprofundada é necessária para acima e além do modelo dard Standards.
determinar se esta tendência persistir quando outros fatores são
controladas, que por razões detalhadas abaixo, não podemos
Passamos agora para uma discussão sistemática dos resultados.
realizar aqui.
DISCUSSÃO
Modelo Linear Generalizado Na Tabela 6, que dá aos modelos de idade 0, os efeitos do campo (expressos
como razões para a mortalidade infantil de Gana), em grande parte se tornam

As Tabelas 6 e 7 apresentam os resultados de uma série de cinco
insignificantes após o características espaciais das famílias e foram incluídos. No
GLM ou modelos de probabilidade aplicado ao idades 0 e 1-4,
Modelo 1, oito países têm significantemente (ao nível de 0,01) maior mortalidade
respectivamente log. As variáveis na cinco modelos podem ser infantil do que o Gana, mas pelo modelo 5 apenas três países cumprir este
resumidos como se segue. Modelo 1: País e Período de tempo. Isto critério: Côte d'Ivoire, Mali e Níger. A maior parte da mudança pode ser atribuída à
é um adição das variáveis espaciais, como pode ser visto através da comparação
modelo da linha de base; País e período de tempo Modelo 4 com o Modelo 2 ou comparar Modelo 5 com o Modelo 3. Os países que
são amplamente interpretadas como variáveis de mudam a mais com a adição dessas variáveis - que é, os países cuja maior
controle e estão incluídos em todos os modelos mortalidade pode ser mais fortemente atribuído a características espaciais
posteriores. Existe uma grande variação nos desfavoráveis - são Burkina Faso, Camarões, Guiné, Mali e Níger. Os efeitos para
coeficientes neste modelo, e um objetivo dos modelos o período de tempo são pequenos em todos os modelos, embora o segundo
posteriores é explicar ou reduzir esta variação. Modelo período de tempo alcança um baixo nível de signi fi cado em alguns modelos. Os
2: Modelo 1 mais quatro char- demográfica determinantes imediatos se comportar de maneiras consistentes com efeitos bem
estabelecidos na erature lit-. Em todos os modelos, os machos têm mortalidade
terísticas da criança e da mãe: sexo, nascimento cerca de 17% maior do que as fêmeas; crianças em nascimentos multi-ple são
múltiplo, ordem de nascimento, e idade da mãe. Estas cerca de 3,5 vezes mais probabilidades de morrer como singletons; segunda e
quatro variáveis estão incluídas em todos os modelos posteriores nascimentos têm um risco que é 10% a 20% menos do que os
posteriores, e como esperado suas COEF fi coeficientes nascimentos primeiras fi; e dren crian- nascido quando a mãe é a idade de 20 ou
são bastante consistente entre modelos. acima têm um risco que é de 25% a 30% menos do que quando a mãe é menor
do que 20 anos de idade Estas diferenças são todos altamente significante, mas
Modelo 3: Modelo 2 mais caracte- doméstico são considerados principalmente como controles aqui. Os determinantes
tiques. Estes incluem Fonte de água; Tipo de imediatos se comportar de maneiras consistentes com efeitos bem estabelecidos
WC; Tipo de piso; se o agregado familiar tem na erature lit-. Em todos os modelos, os machos têm mortalidade cerca de 17%
Electricidade, Rádio, Televisão, Frigorífico; e maior do que as fêmeas; crianças em nascimentos multi-ple são cerca de 3,5
Educação das Mães. Estes seriam os tipos Dard vezes mais probabilidades de morrer como singletons; segunda e posteriores
Standards de variáveis em um modelo para o nascimentos têm um risco que é 10% a 20% menos do que os nascimentos
infante ou a mortalidade infantil. Note-se que este primeiras fi; e dren crian- nascido quando a mãe é a idade de 20 ou acima têm um
modelo não inclui o / Rural classi fi cação Urban, risco que é de 25% a 30% menos do que quando a mãe é menor do que 20 anos
que está disponível nos dados do DHS, mas que de idade Estas diferenças são todos altamente significante, mas são considerados
consideramos uma variável espacial. Modelo 4: principalmente como controles aqui. Os determinantes imediatos se comportar de
Modelo 2 mais características espaciais. maneiras consistentes com efeitos bem estabelecidos na erature lit-. Em todos os modelos, os mac
Os oito variáveis de nível doméstico aparecem em

modelos 3 e 5, e seus coeficientes são quase idênticos nos
Estes incluem a classi- Urbano / Rural dois modelos, embora sejam
Tabela 6. modelos de probabilidade de log para 1q0 usando dados de nível infantil. Os coeficientes exponenciadas, como dada, são o risco relativo de morrer a 0
idade.
modelo 1 modelo 2 modelo 3 modelo 4 modelo 5
país Benin
1,5614 ** 1,4959 ** 1,2323 ** 1,3174 ** 1,1831 *
Burkina Faso 1,7896 ** 1,7972 ** 1,3070 ** 1,1922 # 1,1168
Camarões 1,3156 ** 1,2707 ** 1.1900 * 1,0187 1,0085
Cote d'Ivoire 1,8328 ** 1,7998 ** 1,6770 ** 1,7223 ** 1,6284 **
(R) Gana
Guiné 1,7887 ** 1,7391 ** 1,3924 ** 1,3771 ** 1,2067 #
Mali 2,1042 ** 2,0787 ** 1,6528 ** 1,3896 ** 1,3473 **
Níger 2,1857 ** 2,1481 ** 1,5781 ** 1,4665 ** 1,3814 **
Senegal 1,1434 # 1,1667 * 1,0112 1,1852 1,0477
Ir 1,3159 ** 1,2947 ** 1,0796 1,1466 # 1,0421
período de tempo (R)
1987-1991
1992-1996 0,9503 0,9489 # 0,9369 * 0,9502 0,9407 *
1997-2001 0,9619 0,9547 0,9473 0,9535 0,9503
Sexo da criança (R)
Feminino
Masculino 1,1695 ** 1,1731 ** 1,1702 ** 1,1726 **

nascimento múltiplo (R)
Single nascimento
nascimento múltiplo 3,4267 ** 3,5405 ** 3,4353 ** 3,5254 **

A ordem de
nascimento (R) 1
nascimento 2º nascimento 0,8458 ** 0,8055 ** 0,8262 ** 0,8048 **

3ª + nascimento 0,9036 * 0,8041 ** 0,8507 ** 0,8016 **
Idade da mãe (R)
Mãe <20 Mãe
20-34 0,6931 ** 0,7417 ** 0,7242 ** 0,7452 **
mãe 35+ 0,7242 ** 0,7523 ** 0,7388 ** 0,7533 **
Fonte de água de água
(R) água canalizada
Bem 1,0772 # 1,0418
Água da superfície 1.081 1,0566
outra água 0,9431 0,9309
Tipo de vaso sanitário
(R) WC Pit Lave
1,3355 ** 1,3080 **
não lavabo 1.4462 ** 1,3461 **
outro vaso sanitário 1,1869 1.197
Tipo de chão (R)
Natural Terminado
fl oor 0,8621 ** 0,9011 **
Outros chão 0,7555 0,7498
Household tem
electricidade 0,9289 0,9744
tem rádio 0,9902 0,9916
tem televisão 0,9311 0,952
tem geladeira 0,8557 # 0,8492 #
educação da mãe Sem
educação Alguns
primária 0,916 0,9469
204 D. Balk et al.
Tabela 6. Contínuo
Comp. primário 0,7756 * 0,8205 *

Alguns secundário ou superior 0,6940 ** 0,7364 **
Chuva
Av. chuva diária 1,1292 # 1,0996
chuva quadrado 0,9867 0,9924
Tipo de lugar (R)
Urbano Rural
0,7218 ** 0,8722 **
densidade log 0,9576 ** 0,9716 #
Dist. para a costa 1,0005 ** 1,0003 *
sistema de agricultura
Treecrop 0,7835 ** 0,8127 *
pescaria 0,976 0,9817
(R) Outros
Constante 0,0643 ** 0,0803 ** 0,0792 ** 0,0867 ** 0,0777 **
No. de casos 122389 122389 118701 122389 118701
df 11 17 32 24 39
Log probabilidade - 37,485.04 - 36,551.4 - 34,776.94 - 36,286.14 - 347,22.08
pseudo R 2 0,01042 0,03507 0,04432 0,04207 0,04583
Signi fi cativa no unicaudal 0,05.

#
* Signi fi cativa no bicaudal 0,05.

** Signi fi cativa no bicaudal nível 0,01. (R)
categoria de referência.
mais perto da unidade na Modelo 5 por causa de alguma asso- Assim, uma medida conveniente do efeito combinado destas oito
ciação com as variáveis espaciais. Fonte de água não é signi fi variáveis - independentemente da escolha das categorias de
cativa; tipo de vaso sanitário é hipocrisia fi- altamente signi, com um referência - é 1,4024 / 0,4014
banheiro lave sendo, de longe, a categoria mais benéfico; 6 tipo de = 3,4938. Ou seja, uma criança hipotético no pior
chão é altamente significante, com um 'natural' fl oor sendo o tipo categoria de todos os oito variáveis de nível agregado familiar teria um
menos desejável. Gostaríamos hipótese de mortalidade menor para valor enquadrados fi de 1q0 que é 3,49 vezes maior do que para uma
as famílias com eletricidade, rádio, televisão ou um frigorífico, mas criança hipotético no ótimo
apenas o último destes quatro atinge significância com um categoria dos oito variáveis, segurando every- outra coisa
one-atada constante.
Os cinco variáveis espaciais aparecem em modelos 4 e 5. Os
0,05 teste. Finalmente, a educação materna tem um efeito coeficientes são semelhantes nos dois modelos, mas estão mais
protetor monótona. As crianças cujas mães tinham pelo menos próximos à unidade no Modelo 5 do que no Modelo 4 por causa da
alguma educação secundária têm quase uma vantagem de 30%. associação com variáveis de nível de retenção House-. A precipitação
é fraca não pode fi- signi para idade 0, na ausência de variáveis de
Podemos resumir o efeito protetor potencial das variáveis nível doméstico; residência urbana é altamente benéfico, como é mais
de nível doméstico multiplicando juntos os oito 'menores' elevada densidade; mortalidade infantil tende a aumentar com a
valores destes oito variáveis. Para uma criança na categoria distância a partir da costa da África; e culturas arbóreas são o tipo
óptima de cada variável, o risco relativo (Comparada com mais vantajoso do sistema agrícola.
uma criança na categoria de referência de cada variável)
seria 0,9309 ¥ 1 ¥ 0,7498 ¥
Densidade e distância da costa são todas as variáveis de
0,9744 ¥ 0,9916 ¥ 0,9520 ¥ 0,8492 ¥ 0,7364 = 0,4014. Em nível terval in-. A fim de dar uma melhor noção de sua
contraste, uma criança hipotética no pior egory cat- de cada importância, podemos calcular os seus efeitos sobre a
variável teria um risco relativo de 1,0418 ¥ 1,3461 ¥ 1 ¥ 1 ¥ 1 ¥ 1 ¥ mortalidade infantil em valores c fi cações. Por exemplo, o
1 ¥ 1 = 1,4024. percentil 10 da densidade
medida é 16,7496 e o percentil 90 é Agora, considere a mortalidade infantil, durante idades 1-4,
374,9888. Quando convertido para (naturais) ritmos loga-, conforme descrito na Tabela 7. Há muitas similaridades aos resultados
dando um fi muito melhor t, os percentis 10 e 90 são 2,8184 e para idade 0, mas algumas diferenças também. A maioria dos efeitos
5,9269, respectivamente. No Modelo 5, o exponenciadas ciente país tornam-se insignificantes pelo Modelo 5, com as exceções
coe fi para o registo de densidade é de 0,9716. Por notáveis da Côte d'Ivoire e no Níger, dois dos três países que eram
conseguinte, o risco relativo para a densidade é 0,9716 2,8284 = 0,9220 significativamente mais elevado do que o Gana em termos de mortes
no percentil 10 e 0,9716 per- 5,9269 = 0,8430 no percentil per- 90. infantis. As co-variáveis introduzidas em modelos 2-5 têm praticamente
Ambos são o risco relativo para ln (distância) = 0, ou seja, a nenhum efeito para a Costa do Marfim; de facto, existe ainda um ligeiro
distância = 1. Tal como no exemplo acima comparando os aumento do seu coeficiente de outras variáveis são adicionados. O
melhores e piores cenários de factores de nível doméstico, que terceiro período de tempo parece ter mortalidade signi fi cativamente
pode ser mais útil comparar as duas extremidades da distribui- mais elevada, mas devemos interpretar este coeficiente com cuidado.
ção densidade. Assim, 0,8430 / 0,9220 = 0,9143 é o risco de O ciente coe fi é afetada pelo calendário das especificações pesquisas
uma morte infantil no percentil 90 da distribuição de densidade, fi cos eo aumento da censura do período de tempo mais recente, bem
em relação ao risco no percentil 10. Trata-se de uma redução como por tendências possivelmente genuínos na mortalidade, talvez
de 9% no risco de uma morte infantil. Dado que estes efeitos devido à infecção por HIV. Os efeitos múltiplos de nascimento e ordem
são, para além das de residência urbana, que se reduz o risco de nascimento são menores para as idades 1-4 do que para 0 idade,
de morte em 13%, considera-se este efeito a ser substancial. embora o efeito da ordem de nascimento continua a ser substancial e
altamente significante. Nascimentos múltiplos têm um risco relativo
cerca de 60-65% maior do que singletons, mesmo depois de os efeitos
do baixo peso ao nascer e da competição para o leite materno são em
grande parte passado. maior idade da mãe (no momento do
Os percentis 10 e 90 de distância da costa são 12,52742 e nascimento) continua a ter um efeito benéfico, reduzindo o risco de
892,0779, respectivamente. Atravessando os mesmos passos 20-25%.
como descrito acima, o risco de uma morte infantil é de cerca
de 30% maior no percentil 90 da distribuição de distâncias do
que no percentil 10.
Tabela modelos de probabilidade 7. Entrar para 4Q1 usando dados de nível infantil. Os coeficientes exponenciadas, como dada, são o risco relativo de morrer em idades de
1 a 4.
país Benin
1,3177 ** 1,2924 ** 1,0261 1,0739 0,9462
Burkina Faso 2,4616 ** 2,4319 ** 1,6759 ** 1,2546 * 1,2008 #
Camarões 1,5199 ** 1,4802 ** 1,4491 ** 1,0359 1,0711
Cote d'Ivoire 1,4193 * 1,3939 * 1,3995 * 1,3874 ** 1,4467 **
(R) Gana
Guiné 1,8177 ** 1,7725 ** 1.3410 ** 1,2846 # 1,0544
Mali 2,2881 ** 2,2293 ** 1,7616 ** 1,1622 1,1923
Níger 3,5445 ** 3,4371 ** 2,3779 ** 1,6650 ** 1,6014 **
Senegal 1,4892 ** 1,4771 ** 1,2689 ** 1,3018 # 1,1544
Ir 1,3124 ** 1,3014 ** 1,0322 1,0874 0,9566
período de tempo (R)
1987-1991
1992-1996 1,0469 1,048 1,0341 1,0347 1,0331
1997-2001 1,4311 ** 1,4368 ** 1,3815 ** 1.4140 ** 1,3811 **
Sexo da criança (R)
Feminino
Masculino 0,9938 0,9958 0,995 0,9953

nascimento múltiplo (R)
Single nascimento
nascimento múltiplo 1,5850 ** 1,6567 ** 1,6097 ** 1,6493 **
206 D. Balk et al.
Tabela 7. Contínuo
A ordem de
nascimento (R) 1
nascimento 2º nascimento 1,0998 # 1,0449 1,0704 1,0469

3ª + nascimento 1,2035 ** 1,07 1,1295 * 1,0742
Idade da mãe
(R) Mãe <20
20-34 Matriz 0,7473 ** 0,7929 ** 0,7806 ** 0,7916 **
mãe 35+ 0,7352 ** 0,7628 ** 0,7534 ** 0,7619 **
Fonte de água de água
(R) água canalizada
Bem 1,0742 1,0614
Água da superfície 1,1258 # 1,1516 #
outra água 0,7866 * 0,7708 *
Tipo de vaso sanitário
(R) WC Pit Lave
1,3241 # 1,3397 *
não lavabo 1,4539 * 1,3721 *
outro vaso sanitário 1.322 1,4098
Tipo de chão (R)
Natural Terminado
fl oor 0,8963 * 0,9308
Outros chão 1,6601 # 1,6629 #
Household tem
electricidade 0,7536 ** 0,7738 **
tem rádio 0,9185 * 0,9233 *
tem televisão 0,8943 0,8985
tem geladeira 0,8103 0,7882 #
educação da mãe Sem
educação Alguns
primária 0,8305 * 0,8918
Comp. primário 0.7485 ** 0,8122 *
Alguns secundário ou superior 0,5803 ** 0,6446 **
Chuva
Av. chuva diária 0,9478 0,9141
chuva quadrado 1,0111 1,0174 *
Tipo de lugar (R)
Urbano Rural
0,6323 ** 0,8808 *
densidade log 0,9844 1,0105
Dist. para a costa 1,0006 ** 1,0004 *
sistema de agricultura
Treecrop 0,6810 ** 0,6976 **
pescaria 0,9234 0,9389
(R) Outros
Constante 0,0530 ** 0,0588 ** 0,0647 ** 0,0835 ** 0,0732 **
No. de casos 98.249 98.249 95.381 98.249 95.381
df 11 17 32 24 39
Log probabilidade - 24,513.11 - 24,443.8 - 23,332.5 - 241,70.9 - 23,272.65
pseudo R 2 0,0269 0,02972 0,045 0,04055 0,04745
Signi fi cativa no unicaudal 0,05.

#
* Signi fi cativa no bicaudal 0,05.

** Signi fi cativa no bicaudal nível 0,01. (R)
categoria de referência.
o sexo da criança não tem efeito sobre a sobrevivência além da Os efeitos espaciais para mortalidade durante as idades 1-4 são
infância. um pouco diferente do que para a idade 0. residência urbana ainda é
Fonte de água torna-se mais importante à medida que a protectora, mas uma densidade mais elevada não é. Distância da
criança é desmamado. A água de superfície é claramente rior costa é altamente significante. Os efeitos do clima, ea produção
inferiormente à água encanada. A classe de 'outro água', no agrícola associada, são determinantes mais importantes da
entanto, é óptimo, reduzindo o risco de mortalidade de 13%. mortalidade para crianças de 1-4 anos do que crianças: culturas
Infelizmente, este classi fi cação (1,5% da amostra) foi utilizada arbóreas são o sistema de cultivo ideal, com cerca de 30% menor
principalmente nas pesquisas Benin e Niger e não informa- ções risco de morte do que a categoria 'outros'. Há uma signi fi cativa mas
adicional foi fornecida para ajudar na interpretação (ou para nos o efeito não-linear para chuva. O coeficiente fi ciente para o termo
permitir grupo estes casos com outros tipos conhecidos de quadrático para precipitação é maior do que um, o que significa que o
água). Qualquer coisa que não seja uma sanita lave aumenta o efeito de precipitação é curvilíneo (côncavo). 8
risco de morte em cerca de 32-45% (Modelo 3). Um chão

acabado fl é óptima e 'outros chão' (novamente, sem
interpretação ou agregação adicional possível) é pior. A Lembre-se que por causa de chuvas e estação de crescimento
eletricidade é altamente protetora para idades 1-4, embora não eram tão altamente colineares, não podíamos incluir ambos os
fosse por idade 0; domicílios com energia elétrica têm termos no modelo. Em vez disso, correu os modelos de substituição
probabilidades de mortalidade infantil cerca de 23% abaixo de chuvas com estação de crescimento - uma variável que não pode
famílias sem ele. 7 educação da mãe tem um efeito monotônica pegar o efeito de vetores de doenças, por exemplo. Os resultados
bene fi cial ainda mais para idades 1-4 do que para 0. A idade fi (não mostrados nas tabelas) sugerem que estações de crescimento
probabilidade enquadrados de morrer é de cerca de 36-42% a de menos de 120 dias têm signi fi cativas efeitos nega- tiva na
menos para as mulheres com alguma educação secundária. criança, mas não de mortalidade infantil. dren crian- nas duas áreas
mais curta-temporada, ou seja, na faixa árido e semi-árido, tinham
riscos 15% e 12% maior de morte do que crianças na faixa ideal. 9 O
risco de mortalidade não foi maior para as crianças na faixa mais
chuvoso (de mais de 10 meses de crescimento), embora a pesquisa
No modelo fi nal, uma criança hipotética na combinação agrícola indica que estações de crescimento deste tamanho não são
ideal de dictors o lar de oito pré teria um risco de 0,7708 ¥ 1 ¥ ideais (FAO, 1978). Quando esta variável é introduzido no Modelo 5,
0,9308 ¥ também reduz o impacto da distância para a costa. Enquanto ainda
0,7738 ¥ 0,9233 ¥ 0,8985 ¥ 0,7882 ¥ 0,6446 = 0,2340, em fracamente signi fi cativa, zonas costeiras nesta região são mais
relação a uma criança na combinação de referência. Outra úmido do que áreas interiores, e isto é responsável por mais
criança hipotética, no pior combi- nação, teria um risco de diretamente com os dados estação de crescimento. Apesar disso, os
1,0614 ¥ 1,3721 ¥ efeitos residuais associados com a proximidade do litoral
1,6629 ¥ 1 ¥ 1 ¥ 1 ¥ 1 ¥ 1 = 2,4218. A proporção da combinação permanecem.
de mais alto risco para a combinação é menor risco 2,4218 /
0,2340 = 10,3494. Ou seja, o risco fi enquadrados é mais de dez
vezes maior no pior combinação, em comparação com a melhor
delas. Este é um grau muito maior de variação do que foi
encontrado com idade 0.
Efeitos gerais e Interpretações

Claro, as variáveis domésticas serem em grande proxies grau
para todo um pacote de características que representam o padrão O pseudo R 2 em nossas mesas é calculado no modo padrão
de vida, práticas de higiene, e assim por diante. efeitos individuais como R 2 = 1 - (LLM / LL0), onde LLM é o registo da função de
não deve ser tomado completamente pelo valor de face. Por probabilidade para o modelo c fi cações, e LL0 é o registo da
exemplo, tabulações separadas mostram que mais educação e ter função de probabilidade para o modelo nula, que não tem
um refrigerador estão altamente correlacionados, e os pais em covariáveis e é restrito para exactamente os mesmos casos
famílias com geladeiras tendem a ter ainda mais do que 'alguns que aparecem no modelo fi c específica. Ele pode ser
secundário' educação. Ser capaz de conservar os alimentos com interpretado como a proporção do desvio total que é
segurança é, sem dúvida, importante para a sobrevivência das 'explicada' pelos co-variáveis no modelo.
crianças, mas as famílias com geladeiras normal- aliado tem
muitas vantagens adicionais.
O efeito global das colas vari- de nível doméstico pode ser
medida pelo aumento no pseudo
208 D. Balk et al.
Tabela 8. O risco relativo de morrer em 1q0 e 4Q1: variações nas variáveis do tipo urbano no Modelo
5. Variável
UMA B C D E
1q0 Urban
0,8568 ** - 0,8178 - 0,8749 **
Densidade (ln) - 0,9641 * 0.9664+ - 0,9772
Densidade (LN) * urbana - - 1,0147 - -
Distância ao pop. Lugar, colocar - - - 1,0007 1,0003 *
Densidade (ln) * distância - - - - -
4Q1 Urban
0,8859 ** - 1,0852 - 0,8761 **
Densidade (ln) - 1,0042 1,0273 - 1,0015
Densidade (LN) * urbana - - 0,9531 - -
Distância ao pop. Lugar, colocar - - - 0,9997 0,9996
Densidade (ln) * distância - - - - -
Nota: Todas as outras variáveis no modelo 5 são controlados por aqui, mas em nenhum desses modelos é Model 5 exatamente
replicado.
P < 0,10; * P < 0,05; ** P < 0,01.
+
R 2 quando Modelo 3 é comparado com o modelo 2, ou Modelo 5 é tained separadamente, e são mostrados na Tabela 8. Quando a
comparado com o Modelo 4. De modo semelhante, o efeito global das interacção da densidade e urbano residência é considerado, de
variáveis espaciais é mostrado pelo aumento quando Modelo 4 é residência urbana perde a sua significância, e densidade urbana
comparado com o modelo 2, ou Modelo 5 é comparado com o modelo reduz a mortalidade infantil (mas não a mortalidade infantil). Quanto
3. não vamos listar essas diferenças numericamente, mas o efeito mais uma criança vive de uma cidade de tamanho moderado, maior
global de ambos os conjuntos de variáveis é ge- erally pequeno, tanto o risco de morte, como bem, mas este efeito não foi observado em
para 0 idade e idades 1-4. Como um conjunto, as variáveis espaciais mortes de crianças. No entanto, este efeito é eliminado se for
aparecem mais importante quando eles são adicionados ao modelo 2 introduzida juntamente com a variável urbano-rural dicotômica e
para idades 1-4; o pseudo R 2 para o modelo 4 é aumentado em 0,04055 densidade popu- lação. Esta abordagem está longe de ser ing
- satisfy- em termos de explicando o continuum do fenômeno
urbano-rural, mas alternativas também não eram intuitivos. Não
0,02972 = 0,0108, cerca de 1% do total de desvio. O efeito mostrado é a substituição das variáveis urbano-rurais e densidade
global das variáveis domésticas é maior em cada tal no modelo 5 com uma série de variáveis ordem de classificação das
comparação, que é sistente con- com a discussão dos níveis classes de densidade urbana e rural densidade. O risco de
e signi fi cado de coeficientes. mortalidade infantil foi maior nas áreas rurais sparsest e mais
densas, e superior em todas as áreas rurais do que as urbanas. Nas
A distinção urbano-rural, como observado antes, foi incluída áreas urbanas, o risco de mortalidade infantil foi a mais baixa nas
como uma característica espacial por razões conceituais, mas na áreas mais densas. Os efeitos sobre as crianças não eram dignos
verdade é disponível nas pesquisas DHS e que muitas vezes ser de nota. Embora esta parte da África não é conhecido por áreas
agrupado com o que temos chamado a casa característi- cas. urbanas de elevada densidade, é premiação um tanto sur- para fi nd
Grande parte da importância das variáveis espaciais pode ser nenhum efeito de diferenças de densidade sobre a mortalidade
atribuído a essa inclusão. Thermore Fur-, Modelo 5 não leva em infantil dentro de áreas urbanas e rurais.
conta a distância a mais próxima de liquidação ou de interação
termos povoadas entre residência urbana e densidade: por
exemplo, a considerar a possibilidade de que a proximidade
urbana não é um efeito uniforme (por exemplo residência
interurbanos de alta densidade pode aumentar o risco de
mortalidade). Algumas dessas possibilidades foram enterprising Um efeito costeira é outra das variáveis espaciais robustos
prevendo mortes de bebês e crianças. O efeito também foi
encontrado para ser importante
no desenvolvimento econômico (Sachs et al., 2001) porque, uns dos outros e a partir dos casos restantes no conjunto de dados.
argumenta-se, as zonas costeiras tendem a ser favorecidos
em sua capacidade de transporte de mercadorias, serviços e Os lactentes com uma alta probabilidade prevista de moribundos
idéias. Os países costeiros neste estudo tendem a ter maior foram desproporcionadamente localizado no Mali e Niger (77% dos
Produto Interno Bruto (PIB per capita, independentemente de casos de alto risco, em comparação com 33,7% da amostra total).
saber se é medido pela Paridade de Poder ou de outra forma) Todas foram nascimentos múltiplos, cerca de 80% eram ou terceira
do que os países sem litoral, Burkina Faso, Mali e Níger (Balk et ordem de nascimento mais elevada, e 70% eram do sexo masculino.
al., 2003b: Tabela 8). Porque país também é controlado por Quase todos (93,8%) nasceram de mães sem escolaridade. Poucas
aqui 10 e porque o raio de medida costa é contínua, o impacto crianças (com menos de 3%) nasceram em famílias com todas as
da proximidade costeira aqui pode ser interpretada como uma comodidades, tais como electricidade ou uma televisão. Fatores
medida de acesso nacional inter e intra, acima e além do relacionados a diferenças no ambiente e proximidade a áreas urbanas
desenvolvimento económico a nível do país. Ou seja, os ou costeiras são destaque diferente em crianças com uma alta
moradores interiores em países costeiros estão em maior risco capacidade pro- de morrer. Em particular, essas crianças tendem a
de mortalidade do que os seus homólogos costeiras. No nível viver em zonas secas longe de ambas as áreas costeiras e urbanas.
de renda ou PIB medida subnacionais estão disponíveis, mas Quase metade nasceram em áreas com baixa precipitação anual,
pode ser que dentro dos países costeiros, a zona costeira é praticamente todos nasceram em áreas mais de 200 quilômetros de um
dispropor- tionately bem fora. litoral (99,4%), e dois terços nasceram mais de 50 km de um lugar
ulated pop-. Além disso, quase 80% dessas crianças vivem em áreas
de baixa densidade populacional (menos de 50 pessoas por km 2). De
todos os recém-nascidos com uma probabilidade prevista alta de morte,
44,8% de fato morreu.
Lições dos casos extremos
Como uma maneira de destacar os extremos na distribuição

probabilística de morte, identificados a partir Modelo 5 acima dos Bebés com alta probabilidade de sobrevivência, Inversamente,
1000 casos com a maior ea menor probabilidade de morte, para não foram tão geograficamente concentr- ated, com nenhum país ter
lactentes e crianças. A Tabela 9 mostra percentagem de casos por um número desproporcional desses casos. Além disso, esses casos
variáveis seleccionadas. Encontramos valores qui-quadrado de são mais dispersos entre os clusters; Considerando que cinco
Pearson extremamente elevado para cada um desses aglomerados em Mali e dois agrupamentos em Níger tinha oito ou
cruzamentos (todos com Pr < 0,000) indicando que estes casos mais crianças com grande probabilidade de morrer, nenhum conjunto
extremos diferem significativamente tinha mais do que cinco lactentes com
Tabela 9. Pro fi cheiros dos casos extremos: 1000 casos, com a probabilidade mais baixa e mais alta prevista de morrer.
1q0 4q0
O mais provável é a mais provável de maior probabilidade de maior probabilidade de

Variável sobreviver morrer sobreviver morrer % total
Morreu 0.0 44,8 0 39,1 8.4

País
Burkina Faso 6.8 4,6 9,8 3,9 9.6
Benin 8.4 3,3 8,3 0.0 8,5
Cote d'Ivoire 2.4 3,0 4.1 0,3 3.2
Camarões 8.4 0,5 7 0,6 6,4
Gana 7,4 0.0 8,7 0.0 5,4
Guiné 10.0 10.0 10.0 1.3 9,8
Mali 17,6 47,5 20,8 15,8 21,2
Níger 8,9 29,5 2,8 78,1 12,5
Senegal 17,8 0,8 15,9 0.0 11,9
Ir 12,3 0,8 12,6 0.0 11,5
210 D. Balk et al.
Tabela 9. Contínuo
1q0 4q0
O mais provável é a mais provável de maior probabilidade de maior probabilidade de

Variável sobreviver morrer sobreviver morrer % total
Ano de nascimento
1987-1991 0.0 25,5 0.0 14,5 24.9

1992-1996 2,7 49,4 16.2 18.1 50,8
1997-2001 97,3 25,1 83,8 67,4 24.3
Criança do sexo masculino 41,1 70,8 48,5 48,3 50,6
nascimento múltiplo 0,8 100.0 1,7 50,1 3.7
Ordem de nascimento
primeiro nascimento 13.7 9,3 19,5 20,3 18.5

segundo nascimento 17,4 10,9 17,6 13,6 16,3
Terceiro e subsequente 68,9 79,8 62,9 66,1 65,3
idade da mãe
Menor de 20 10.0 22,2 13,3 36,3 17,9
20-24 69,9 58,3 70,4 53,4 67,9
35 e mais velhos 20.1 19,5 16,3 10.3 14,3
fonte de água para uso doméstico
canalizada 35,0 10.6 33,8 5.2 27,2

Bem 50,5 76,3 50,6 85,3 56,7
Superfície 12,0 12.2 13.8 9.1 14.2
De outros 2,5 0,9 1.8 0,4 1.9
Eletricidade na casa 25,2 2,5 24,6 0,1 16,3
Rádio na casa 66,0 52,1 66,7 30,1 61,7
TV no lar 20,0 2,8 21,6 0,2 13.2
Frigorífico na casa 11.3 0,5 10,9 0.0 5,9
escolaridade da mãe
Sem educação 66,1 93,8 66,3 97,0 76,5
fundamental incompleto 12,3 5.6 13.7 2.4 11.3
primária completa 5.5 0,4 5.1 0,6 4,2
Secundário e superior 16,1 0,2 14.9 0.0 8
Rain (quintil)
Primeiro quintil (seco) 27,2 49,8 19,8 88,6 27,4
segundo quintil 19.1 19,8 24,0 8,6 22,8
terceiro quintil 22,8 16,6 26,9 1,2 25,3
quarto quintil 14,3 6,4 13,5 0,5 10,8
Quinto quintil (molhado) 16,6 7,4 15,8 1.1 13.8
Urbano 32,2 6,3 33,0 4.1 25,1
A densidade populacional (ln) (quintil)
Primeiro quintil (dispersa) 19,7 41,7 21,2 32,4 23.8
segundo quintil 18,2 36,4 22,3 27,4 23.2
terceiro quintil 15,6 13,5 15,7 27,6 17,3
quarto quintil 19,5 5,9 15,4 12,4 17.2
Quinto quintil (concentrado) 27,0 2,5 25,4 0,2 18.5
Distância a costa (quintil)
Primeiro quintil (litoral) 27,0 1,6 25,3 0,3 18,8
segundo quintil 18,6 2,7 15,9 0,5 14,8
terceiro quintil 16,8 13,6 20,4 1.0 18,4
quarto quintil 20,3 30,3 26,0 14,3 25,1
Quinto quintil (interior) 17,3 51,8 12,4 83,9 23,0
agricultura colheita de árvore 12,7 0,6 11.4 0.0 8.2
Pesca costeira 10.6 1.1 11,5 0,3 9.2
Nota: valores qui-quadrado para cada uma dessas tabulações cruzadas são altamente significante (Pr < 0,000).
alta probabilidade de sobrevivência. Muito poucos casos com alta CONCLUSÕES

probabilidade de sobrevivência eram nascimentos múltiplos, e apenas
41,1% eram do sexo masculino. Bebés com uma maior probabilidade de Embora a mortalidade a nível do país varia entre 61 e 135 e 52 a
sobrevivência tendem a ser mais costeira e mais urbano do que o total da 130 por 1000 nados-vivos para lactentes e crianças,
amostra; No entanto, essas diferenças não são tão marcados. Freqüências respectivamente (no período de 10 anos entrevistados em cada
de casos com amenidades domésticos também são ligeiramente mais país), os impactos da maioria das diferenças ao nível do país se
elevados do que o total da amostra. Nenhum desses 1000 casos morreu. tornar não pode fi- insigni quando familiar e características
espaciais estão incluídos. As exceções notáveis são a Costa do
Marfim e Niger, para o qual o risco de mortes infantis e da
Como os bebês, crianças com alto risco de morte estão criança, e Mali para óbitos infantis, permanecem
geograficamente concentrado, com 78,1% de todos os casos significativamente mais elevado. fatores espaciais (por exemplo,
encontrados no Níger, e nenhum encontrados em Benin, Gana, proximidade com áreas urbanas, densidade populacional,
Senegal ou Togo. Além disso, estes casos são concentrados dentro sistemas agrícolas), que parecem ter um efeito modesto no
de aglomerados, com 10% de todos os casos encontrados em sete geral, tanto a mortalidade infantil, especialmente quando as
grupos em Niger. fatores ambientais e espaciais também parecem características gráficas e domésticos DEMO habituais estão
afetar lactentes e crianças da mesma maneira. Quase todos vivem incluídos, explicar uma boa parte do a variação fi c-país
mais do que 200 km de uma costa, e virtualmente nenhuma (0,2%) específico na mortalidade. A melhoria da definição de fatores
vivem em áreas de modera- comeu ou mais elevadas densidades de espaciais podem alertar os decisores políticos para abordar
população (150 ou mais pessoas por quilómetro 2). ( No entanto, as parâ- metros geográficas, como a prestação de serviços para
chances de sobrevivência não são igualmente linear: para crianças, a áreas interiores mais longe da costa. Sugestões para futuras
sobrevivência é mais provável em qualquer das mais altas ou mais pesquisas foram feitas em detalhe em outro lugar (Balk et al., 2003b).
baixas laços densi-) baixa escolaridade materna também é destaque
entre as crianças com alta probabilidade prevista da morte, com
quase todos (97%). destes dren crian- nascendo de mães com
nenhuma educação e nenhum nascendo de mães com ensino
secundário ou superior. Diferenças em instalações domésticas são Este papel tem atraído frouxamente dos determinantes
especialmente pronunciados, com virtu- aliado nenhuma destas ximate pró quadro de mortalidade adaptadas por Mosley e
crianças que vivem em lares com televisão, uma geladeira, ou Chen (1984). Em sua estrutura original, cinco grupos de
eletricidade. Destes 1000 crianças, 39,1% morreram. determinantes imediatos - fatores maternos, contaminantes
ambientais, nutrição de fi ciência, lesões e controle pessoa
doença - foram vistas como operando em um conjunto de
parâmetros interativos de saúde (por exemplo, tratamento,
prevenção, doença) e, finalmente, a mortalidade. Na prática,
Um exame desses 'casos extremos' serve principalmente para estudos, incluindo estes determinantes comumente se
confirmar os achados da análise mais aprofundada acima. concentrar em fatores tais como nascimentos múltiplos, a
determinantes imediatas, como sexo infantil e ordem de ordem de nascimento, sexo e idade da mãe, em vez de um
nascimento, são mais proeminentemente diferente na análise conjunto mais completo desses fatores adjacentes. Na
infantil, enquanto as diferenças de tiques domésticos caracterís- verdade, nossas descobertas sobre os efeitos da mul-
são mais pronunciados na análise de crianças, e as diferenças nascimentos tiple, ordem de nascimento, sexo e idade da
de escolaridade materna são MINENT propor toda parte. mãe são consistentes com descobertas frequentemente
características espaciais destes casos extremos, no entanto, citados na literatura,
fornecer alguma perspectiva única sobre o papel dos fatores
espaciais na mortalidade infantil. Embora os casos com
extremamente alta probabilidade de morrer são Continha numa
área relativamente compacto de sul Níger e Mali, aglomerados Da mesma forma, variáveis de nível do agregado familiar, incluindo a
com baixa probabilidade são menos concentrada e mais costeira. educação materna e qualidade da habitação, desempenham um papel
Casos (de ambos os lactentes e crianças) com particularmente importante na determinação de ambos infantil e, especialmente, a
altas probabilidades de morte não são surpreendentemente sobrevivência da criança. Nossas estimativas sugerem que bebês e
urbana. crianças vivendo em condições mais desfavorecidos (por exemplo,
aqueles cujas mães não têm nenhuma escolaridade, instalações
sanitárias, ou eletricidade, e que obtêm água potável a partir de
212 D. Balk et al.
fontes de superfície, e assim por diante) estavam em risco de morte Fatores ambientais
3,5 e 10,4 vezes, respectivamente, a de lactentes e crianças que vivem nas

proximate Resultados de saúde e
condi- ções mais ideais (por exemplo, aqueles com mães que têm pelo menos Determinantes mortalidade
algum ensino secundário, água encanada para beber, banheiros flush, e assim Fatores demográficos
sócio-econômicos e
por diante), mantendo tudo o resto constante. As variáveis espaciais estão sociais
associadas com as características de uso doméstico, e pode ter um efeito
indirecto mediado por estas características. A análise futura significativa seria Figura 20. simplificação do quadro Mosley-Chen para
explorar o grau em que as características do agregado familiar estão se acomodar factores ambientais.
determinado pelo ambiente físico. Enquanto isso, os resultados da presente
análise sugerem que os esforços políticos para reduzir a mortalidade infantil deve
incorporar programas para aumentar a educação das mães e melhorar itation vidual e de nível doméstico factores. A Figura 20 proporciona
doméstico san-. Mosley e Chen sugeriu que tais fatores são importantes. Nós uma representação simplista desses caminhos causais. A fi
afirmamos aqui que eles têm efeitos independentes acima e além daqueles dos cação simpli se pretende sugerir que os fatores podem operar
determinantes imediatos. Da mesma forma, a Mosley-Chen (1984) estrutura e interrel- Comeram em muitos níveis de análise. factores
coloca diretamente fatores ecológicos e ambientais como calçadas importantes socioeconómicos e ambientais podem operar no individual,
de influência. Descobrimos que fatores como a densidade populacional e familiar e nível peia ecológica ou com-. A pesquisa futura não
distância da costa são signi fi cativos determinantes da mortalidade infantil e da deve coíbe de incorporar como muitos desses níveis possível.
criança, mesmo quando a residência urbana, o que reduz o risco de morte por
12-13%, é considerada. O risco de mortalidade infantil é de cerca de 30% maior
no percentil 90 da distribuição distância do litoral do que no percentil 10, e o risco
relativo é um pouco maior para as crianças longe da costa. As culturas arbóreas Finalmente, um conjunto de 'casos extremos' - os 1000 casos com
foram encontrados para ser o sistema de produção óptima, com cerca de 30% maiores e menores probabilidades de morte
menor risco de morte infantil que outros sistemas; o impacto foi menor - apenas - foram examinados para fl esh algumas das complexidades no
20% menor risco - em crianças, novamente sugerindo a maior importância dos modelo completo, especialmente no que diz respeito às características
fatores ambientais para crianças do que para as crianças, que são protegidos de espaciais. Foram encontrados casos com extremamente alta
alguns efeitos ambientais, por exemplo através da amamentação. Um efeito probabilidade de morrer para ser contido numa área relativamente
directo e consistente da precipitação não foi encontrado, mas determinou-se que compacto de sul Níger e Mali, enquanto que aglomerados com baixos
as crianças que vivem em áreas com os mais curtos períodos de crescimento, probabilidades foram menos concentrada, mas tinha uma tendência
classificadas como zonas áridas e semi-áridas, teve 15% e 12% maiores riscos geral para ser mais costeira. Surpreendentemente, lactentes e
de morte, respectivamente, do que crianças na faixa ideal. Nenhum efeito foi crianças com altas habilidades particularmente pro- de morte também
encontrado em crianças. No entanto, muito mais do que explicitamente foram encontrados para estar localizados em áreas pouco povoadas e
encontrado no âmbito Mosley-Chen, este estudo sugere que (e emendar dações não-urbanas. Sur- chances VIVAL para crianças, no entanto, foram est
para estudo adicional como) factores ambientais, enquanto exerce alguns grande- nas áreas mais e menos densas, e sugerem que o papel da
influenciá directamente sobre a mortalidade, podem também ser mediada através densidade populacional na morte da criança e sobrevivência é
indi- por exemplo através da amamentação. Um efeito directo e consistente da complexo e leva consideração adicional.
precipitação não foi encontrado, mas determinou-se que as crianças que vivem
em áreas com os mais curtos períodos de crescimento, classificadas como zonas

áridas e semi-áridas, teve 15% e 12% maiores riscos de morte, respectivamente,
do que crianças na faixa ideal. Nenhum efeito foi encontrado em crianças. No
entanto, muito mais do que explicitamente encontrado no âmbito Mosley-Chen, AGRADECIMENTOS

este estudo sugere que (e emendar dações para estudo adicional como) factores
ambientais, enquanto exerce alguns influenciá directamente sobre a mortalidade, Os autores agradecem as seguintes pessoas: Livia Montana
podem também ser mediada através indi- por exemplo através da amamentação. para seu apoio e sugestões nas fases de formação do projecto;
Um efeito directo e consistente da precipitação não foi encontrado, mas Greg Booma por sua ajuda na preparação de muitas das
determinou-se que as crianças que vivem em áreas com os mais curtos períodos camadas ciais geospa- para análise; David Johnson para a sua
de crescimento, classificadas como zonas áridas e semi-áridas, teve 15% e 12% preparação e veri fi cação dos locais de cluster estudo; Jerry
maiores riscos de morte, respectivamente, do que crianças na faixa ideal. Sullivan por sua orientação sobre DHS de qualidade de dados
Nenhum efeito foi encontrado em crianças. No entanto, muito mais do que e idade diferenciais em relação à mortalidade infantil; Andrew
explicitamente encontrado no âmbito Mosley-Chen, este estudo sugere que (e Mellinger para fornecer os dados da malária; Katherine Senzee
emendar dações para estudo adicional como) factores ambientais, enquanto de assistência em desenho do mapa; e Alex de Sherbinin,
exerce alguns influenciá directamente sobre a mortalidade, podem também ser
mediada através indi- do que crianças na faixa ideal. Nenhum efeito foi encontrado em crianças. No entanto, muito mais do que explicitamente encontrado no âmbito Mosley-Chen, este estu
Pedro Sanchez e Stanley Madeira para aconselhamento sobre o foi removido do modelo multivariado. No entanto, se tivesse sido
sistema agrícola e estação de crescimento variá- veis. apoio incluído no Modelo 1 (não mostrado), a mortalidade seria
financeiro para este projeto foi pro- vided pelo ORC Macro no mostrada para aumentar o risco de uma morte infantil (1,005) e
mortalidade infantil (1,007), respectivamente. Esses efeitos não
âmbito da medida financiado pela USAID DHS + programa. A
foram sustentados, como variáveis adicionais são inseridos, e
pesquisa também foi facilitada por atividades complementares
produziu alguns efeitos de confusão a nível do país, indicando
em andamento na CIESIN financiados pelo Socioeconômico
que é necessária mais avaliação da variável ou seu fi cação
Dados NASA e Application Center (Contrato NAS 5-98162) e do
específica e que os COEF fi coeficientes devem ser
Projeto de Desenvolvimento do Milênio da ONU. As opiniões interpretados com cautela.
expressas são as do autor e não necessariamente refletem as
opiniões da USAID, a NASA ou a ONU.
(9) O valor de corte ideal de 70 dias para árido não estava
possível dado o original classi fi cação dos dados, de modo que os
dados foram classificados como 0-90 para árida e 91-120 para
semi-áridas. A categoria de referência foi um período de crescimento
NOTAS
de 120-240 dias. (10) Quando o país é omitido do Modelo 5 - não
(1) a variação a curto prazo na mortalidade baseadas no levantamento

mostrado - os efeitos da proximidade costeira são elevados a taxas de
os dados precisam ser avaliadas com cautela. Este é o tema risco de 1,0004 e 1,0006, para lactentes e crianças, respectivamente.
de um estudo em curso por Korenromp e colegas.
(2) direito do censura refere-se aos processos cuja

tempo observada é truncada antes do seu quinto aniversário. Temos REFERÊNCIAS
apenas informações parciais, isto é, nós sabemos que eles
sobreviveram pelo menos até o momento da entrevista. Adams A. 1994. As variações sazonais em risco nutricional entre as crianças
no centro de Mali. Ecologia de Alimentação e Nutrição 33: 93-106.
(3) Os levantamentos Mali e Níger excluir remoto pop-
ulations, num total de 2,6% e 4,7% das suas populações, Adetunji J. 2000. Trends in taxas de mortalidade de menores de 5 e a
respectivamente. Detalhes seguir na seção sobre a variável aridez, epidemia HIV / SIDA. Boletim da Organização Mundial da Saúde 78: 1200-1206.
o que é mais provável de ser afetada. Moradores de campos de Agha S. 2000. Os determinantes da mortalidade infantil no Paquistão. Social
refugiados não foram pesquisados na Guiné. Science and Medicine 51: 199-208. Ahonsi BA. 1995. variações idade
nos determinantes imediatos de mortalidade infantil no sudoeste da
(4) Uma vez que o sensor detecta fontes de luz estáveis, Nigéria. Jornal da Ciência Biosocial 27: 19-30. Armah GE, Mingle JA,
especialmente eletricidade, que é o grande ausente de muitas partes Dodoo AK, Anyanful A, Antwi
da África, incluindo áreas urbanas, fontes suplementares e técnicas
de estimativa indiretas também foram aplicados para estimar a
extensão dos assentamentos urbanos na África (ver Balk et al., 2003a; R, Commey J, Nkrumah FK. 1994. A sazonalidade da infecção por
para obter detalhes adicionais). rotavírus em Gana. Anais de Pediatria tropicais 14: 223-229.
(5) Senegal é o outro excepção: não antropometria Balk D, F Pozzi, Yetman G, Nelson A, Deichmann U. 2003a. A
medidas são recolhidas lá e só diarreia recente (não tosse e distribuição espacial da população global em áreas urbanas e
febre) está incluído para crianças de 0-5. rurais: exemplos africanos. Trabalho apresentado na Reunião Anual
da Associação de Geógrafos Americanos, New Orleans, de Março
(6) Uma vez que as crianças nessa faixa etária não fazer-se de 2003. Balk D, Pullum T, Storeygard A, Greenwell F, Neuman
usar o banheiro, interpretamos esta variável como um proxy do
general higiene e saneamento infra-estrutura do agregado familiar. M. 2003b. Análise espacial da mortalidade infantil na África
Ocidental. Série GIS 1. ORC Macro e Centro de Ciências da Terra
(7) A correlação entre a propriedade de uma televisão Rede Internacional de Informação (CIESIN), Universidade de
e electricidade é 0,627 - o mais elevado das correlações entre Columbia: Calverton. Basu AM. 1997. O subinvestimento em
os pares destas quatro variáveis - sugere que pode ser crianças: uma reorganização das evidências sobre os determinantes
overspeci fi cado para incluir tanto no modelo. da mortalidade infantil. Em O Continuada transição demográfica, Jones
GW et al. Clarendon Press: Oxford; 307-331.
(8) A análise de sobrevivência revelou significante dife-
entials pelo índice de transmissão da malária, que varia entre 0 e
38 na região do estudo. Como observado acima, o índice é Boerma JT, Bicego GT. 1992. intervalos antes do nascimento e sobrevivência
primariamente um compósito nível nacional (Kiszewski et al., no da criança: em busca de caminhos de influência. Estudos em Planejamento
prelo), e, portanto, Familiar 23: 243-256.
214 D. Balk et al.
Boerma JT. 1996. Sobrevivência Infantil em Países em Desenvolvimento: Entwisle B, Rindfuss RR, Walsh SJ, Evans TP, Curran SR. 1997.
Pode Pesquisas de Demografia e Saúde de ajuda para entender os Sistemas de Informação Geográfica, Análise de Redes espaciais
determinantes? Real Instituto Tropical: Amsterdam. e de contraceptivos Choice.
Demografia 34: 171-187.
Boerma JT, Nunn AJ, Whitworth JAG. impacto de 1998. A mortalidade da Esrey SA, Habicht JP. 1986. A evidência epidemiológica para bene fi ts de
epidemia de AIDS: evidências de estudos da comunidade em países saúde de melhoria da água e saneamento nos países desenvolvidos. epidemiologia
menos desenvolvidos. AUXILIA comentário 8:
12 ( Suppl.): 3-14. Boserup E. 1965. As condições de crescimento 117-128.
agrícola: Fabrega H. 1971. A antropologia médica. Em Bienal revisão de
A economia da Pressão mudança agrária Sob população. Aldine Antropologia, Siegel B (ed.). Stanford University Press: Stanford;
Press: Chicago. 167-229. Findley S, Balk D, Barlow M, Sogoba N. 2002. Colocando
Centro Internacional de Informação em Ciências da Terra clima no serviço de saúde pública no Mali. Trabalho apresentado na
Network (CIESIN) 2003. Gridded população do mundo, versão 3 Reunião Anual da Associação de População da América Reunião,
(beta). http: //beta.sedac.ciesin. columbia.edu/gpw/ abril de 2002, Atlanta. Fischer L, et al. 2000. Globais zonas
agro-ecológicas. Organização de Alimentação e Agricultura das
Climate Research Unit (CRU) da Universidade de East Anglia (não Nações Unidas (FAO) e do Instituto Internacional para Análise de
datado) 0,5 Grau 1961-1990 Média Mensal Climatologia. http: Sistemas Aplicados (IIASA). http://www.iiasa.ac.at/ Research / LUC /
//iri.ldeo.columbia. edu / (Também disponível a partir do Painel GAEZ / index.htm FAO (Food and Agriculture Organization das
Intergovernamental sobre Mudanças Climáticas (IPCC) em Nações Unidas). 1978. Relatório sobre as zonas agro-ecológicas do
http://ipccddc.cru.uea.ac.uk) projeto. Volume 1, Metodologia e Resultados para a África. World
Soil Resources Relatório 48. FAO: Roma. Forste R. 1994. Os efeitos
Cramer JC. 1987. Os factores sociais e mortalidade infantil: identificação da amamentação e espaçamento dos nascimentos sobre a
de grupos de alto risco e causas próximas. mortalidade infantil na Bolívia.
Demografia 24: 299-322. Curtis SL. 1995. Avaliação da qualidade dos
dados utilizados
para a estimação directa da mortalidade infantil em inquéritos
DHS-II. Documentos de No. 3. Macro International Inc .:
Calverton, Maryland. Curtis SL, Hossain, M. 1998. O Efeito da Estudos populacionais 48: 497-511. Fujii T. 2002. Estimativa da
Zona Aridez sobre Criança Estado Nutricional. África Ocidental pobreza Preços no CommuneLevel no Camboja: Usando a técnica
Análise Espacial Prototype Análise Exploratória. Macro de Pequenas Áreas estimativa para obter estimativas confiáveis. Ministério
International Inc .: Calverton, Maryland. Pesquisas de Demografia do Plano e das Nações Unidas Programa Alimentar Mundial:
e Saúde Fase III. 1996. Phnom Penh. Fujii T, Alayon S, Montana L. 2002. Estimativa nível
micro da prevalência da desnutrição e baixo peso entre crianças no
Amostragem Manual. DHS-III Número Documentação Básica 6. Camboja. Ministério do Plano e das Nações Unidas Programa
Macro International Inc .: Calverton, Maryland. Alimentar Mundial: Phnom Penh.
Defo BK. 1994. Determinantes da mortalidade infantil e da primeira

infância em Camarões: o papel dos fatores socioeconômicos,
características da habitação e situação vacinal. Biologia social 41: 181- Gaminiratme KH. 1991. determinantes socioeconômicos e
comportamentais de morbidade por diarréia entre crianças no Sri
211. Lanka. Em DHS Mundial Conference Proceedings, Vol. 1. Macro Inc
Diamante I. 2000. A mortalidade infantil - o desafio agora. tema especial - a Internacional .: Calverton, MD; 757-784.
mortalidade infantil. Boletim da Organização Mundial da Saúde 78 ( 10):
1174. Gana Serviço de Estatística (GSS) e Macro International Inc. (MI).
Dixon J, Gulliver A, com Gibbon D. 2001. Sistemas Agrícolas e da 1999. Gana Inquérito Demográfico e de Saúde de 1998. GSS e MI:
pobreza: Modos de Vida Melhorar dos agricultores em um mundo Calverton, MD. Gupta HS, Baghel A. 1999. A mortalidade infantil
em mudança. Das Nações Unidas para Alimentação e Agricultura. nas favelas indianas: estudos de caso de metrópole Calcutá e
http://www.fao.org/ farmingsystems / cidade Raipur. Jornal Internacional de Geografia da População 5: 353-366.
Elbers C, Lanjouw JO, Lanjouw P. 2003. nível Micro estimativa de

pobreza e desigualdade. Econometrica Hobcraft JN, McDonald JW, Rutstein SO. 1985. determinantes
71: 355-364. demográficos de mortalidade infantil precoce: uma análise
Elvidge C, Imhoff H, K Baugh, Hobson V, Nelson I, Safron J, J Deitz, comparativa. Estudos populacionais 39:
Tuttle B. 2001. luzes nocturnas do mundo: 1994-1995. ISPRS 363-385.
Journal of Remote Sensing & Photogrammetry 56: 81-99. Hulme M, Jones P. 1999. Representando século vinte variabilidade
climática espaço-tempo. Parte I: Desenvolvi-
volvimento de um 1961-1990 significa climatologia terrestre mensal. Journal Desenvolvimento de um 1961-1990 significa climatologia terrestre
of Climate 12: 829-856. Hussain A, Keramat Ali SM, Kvale G. 1999. mensal. Journal of Climate 12: 829-856. Onis M. estado nutricional 2000.
Determinantes de mortalidade entre as crianças nas favelas urbanas medição em relação à mortalidade. Boletim da Organização Mundial da
da cidade de Dhaka, Bangladesh. Medicina Tropical e Saúde Saúde
Internacional 11: 758-764. 78 ( 10): 1271-1274.
Patz J, Engelberg D, Última J. 2000. Os efeitos da mudança de clima na
Um Kiszewski, Mellinger A, Spielman A, Malarey P, Ehrlich Sachs S, saúde pública. Revisão Anual de Saúde Pública 21 ( 1): 271-307.
Sachs, J. Um índice global que representa a estabilidade de
transmissão da malária. American Journal of Tropical Medicine and Pison L, van de Walles E, Sala-Diakanda M. 1989. Les Jumeaux:
Hygiene 70 ( 5). Lesthaeghe RJ. 1989. Reprodução e organização freqüência, estatuto sociale et mortalité (Mortalidade e sociedade na
social na África Subsaariana. Estudos em Demografia, No. 4. África Sub-Sahariana). Travaux et Documents Cahier, No. 124.
University of California Press: Berkeley, CA. Macro International, Institut national d'études démographiques [INED]. Presses
Inc. 1996. Amostragem Manual. DHSIII Básico Documentação No. Universitaires de France: Paris.
6. Macro International Inc .: Calverton, Maryland.
Pitt MM, Sigle W. 1997. A sazonalidade, os choques climáticos e do
calendário de nascimentos e mortalidade infantil no Senegal. Trabalho
Manda SOM. intervalos de 1999. parto, amamentação e apresentado no 10 º Conferência aniversário do Centro para o Estudo das
determinantes da mortalidade infantil no Malawi. Economias Africanas da Universidade de Oxford, de Abril de 1997. Rao
Social Science and Medicine 48: 301-312. Majumder AK, de maio M, SR, Pandey A, Shajy KI. 1997. A mortalidade infantil em Goa: uma análise
Pant PD. 1997. infantil e os determinantes da mortalidade infantil em da secção transversal. Biologia social 44:
Bangladesh: eles estão mudando? Jornal da Ciência Biosocial 29: 385-399.
McCullagh P, Nelder JA. 1989. Modelos lineares generalizados ( 2ª 101-110.
ed). Chapman and Hall: Londres. McMurray C. 1997. Medindo Arroz AL, Sacco L, Hyder A, Preto R. 2000. A desnutrição como
excesso de risco de mortalidade infantil: uma exploração do DHS I causa básica de morte infantil associada a doenças infecciosas
para o Burundi, Uganda e Zimbabwe. Jornal da Ciência Biosocial nos países em desenvolvimento. Boletim da Organização Mundial
da Saúde 78 ( 10): 1207-1221.
29: 73-91. Ronsmans C. 1995. Os padrões de agrupamento de mortalidade infantil em uma

Menendez C, Fleming AF, Alonso PL. 2000. Malariarelated anemia. parasitol área rural do Senegal. Estudos populacionais 49:
Hoje 16 ( 11): 469-476. 443-461.
Merrick TW. 1985. O efeito da água canalizada na mortalidade Root G. densidade de 1997. População e diferenciais espaciais da
infantil no Brasil urbano, 1970-1976. mortalidade infantil no Zimbabué. Social Science & Medicine 44: 413-421.
Demografia 22: 1-23.
Mosley HW, Chen LC. 1984. Um quadro analítico para o estudo da Root G. 1999. ambientes doença e padrões subnacionais de sub
sobrevivência infantil em países em desenvolvimento. Em Sobrevivência cinco mortalidade na África sub-saariana. Jornal Internacional de
Infantil: Estratégias para Pesquisa, Mosley WG, Chen LC (eds). Conselho Geografia da População 5:
da População: New York; 25-44. 117-132.
Rutstein SO. 2000. Fatores associados com as tendências da
Mturi AJ, Curtis SL. 1995. Os determinantes da mortalidade neonatal e mortalidade infantil nos países em desenvolvimento durante a década
infantil na Tanzânia. Políticas de Saúde e Planeamento 10: 384-394. de 1990. Boletim da Organização Mundial da Saúde 78 ( 10). Rutstein
SO. 1984. A mortalidade infantil: Níveis, tendências e diferenciais
MUHURI PK. 1996. efeitos da sazonalidade Estimando sobre a mortalidade demográficos. Estudos Comparativos WFS No. 43. Instituto
infantil em Matlab, Bangladesh. Demografia Internacional de Estatística: Voorburg, Holanda.
33: 98-110.
Multhus TR. 1798. Um ensaio sobre o princípio da população, uma
vez que afecta a melhoria futura da sociedade. Em Sobre Sachs JD, Mellinger AD, Gallup JL. 2001. A geografia da pobreza e
População: Thomas Robert Malthus, riqueza. fi Scienti c Americana
Himmerfarb L (ed.). NY Modern Library, 1960. Namboodiri K, Março: 70-75. Saha T. 1998. O efeito das Zonas de Liquidação e diversidade
Suchindran CM. 1987. Quadro Técnicas de vida e suas aplicações. econômica no comportamento reprodutivo na África Ocidental.
Academic Press: Orlando, FL.
África Ocidental Análise Espacial Prototype Análise Exploratória.
Conselho Nacional de Pesquisa. 2001. Sob o Tempo: clima, dos macro International Inc .: Calverton,
ecossistemas e Doenças Infecciosas. National Academy Press: MD.
Washington, DC. Sauerborn R, Adams A. 1996. Household lidar com os custos
New M, Hulme M, Jones P. 1999. Representando espaço-tempo econômicos da doença. Social Science and Medicine 43 ( 3):
variabilidade climática do século XX. Parte I: 291-301.
216 D. Balk et al.
Schultz TP. 1993. Redução da mortalidade no mundo de baixa renda: Programa Ambiental das Nações / Informação Base de Dados Global
causas e consequências. American Economic Review 83: 337-342. Resource. Preparado por U. Diechmann e L. Eklundh, 1991, Globais
conjuntos de dados digitais para Estudos degradação do solo: uma
Shakhatreh FMN, Abbas AA, Issa AA. 1996. Determinantes da abordagem GIS. UNEP / GEMS e GRID: Nairobi.
mortalidade infantil e à utilização dos serviços de maternidade na
Jordânia. Dirasat, Ciências Médicas e Biológicas 23: 59-69. Van de Walles E, van de Walles F. 1991. A amamentação e etiologia
popular no Sahel. Revisão de Transição Saúde 1: 69-81.
Slutsker L, Taylor TE, Wirima JJ, Stiketii RW. 1994. Em hospitalar
morbidade e mortalidade devido à anemia grave Watson RT, Zinyowera MC, Moss RH. 1997. Resumo para formuladores
malariaassociated em duas áreas de Malawi com diferentes de políticas. Os impactos regionais das alterações climáticas: uma
padrões de infecção por malária. Transações da Sociedade Real avaliação da vulnerabilidade. Um relatório especial do IPCC Grupo de
de Medicina Tropical e Higiene 88 ( 5): 548-551. Trabalho II. Publicado para o Painel Intergovernamental sobre
Mudança do Clima.
Sullivan JM, Rutstein SO, Bicego GT. 1994. Mortalidade infantil. Estudos
comparativos DHS No. 15. Macro Inc Internacional .: Calverton, Whitworth A, Stephenson R. espaçamento 2002. Nascimento, rivalidade entre
MD. Trussell J, Hammerslough C. 1983. Uma análise irmãos e mortalidade infantil na Índia. Social Science and Medicine 55: 2107-2119.
perigos-modelo de co-variáveis de infantil e mortalidade infantil em Woldemicael G. 2000. Os efeitos de abastecimento de água e saneamento
Sri Lanka. Demografia 20: 1-26. UNAIDS 2002. Relatório sobre a sobre a mortalidade infantil na Eritreia urbana.
Epidemia Global de HIV / AIDS.
Jornal da Ciência Biosocial 32: 207-227. Madeiras R. diferenciais de
Julho de 2002. UNAIDS / 02.26E. UNICEF, 2000. Databases fim da mortalidade 2003. zonas urbanas e rurais: um debate não resolvido. População
década. http: // www. childinfo.org/cmr2.html, [acessada abril 2003]. e Desenvolvimento Revisão 29 ( 1): 29-46. World Resources Institute. 2002. Drylands,
Programa de Desenvolvimento das Nações Unidas (PNUD). Pessoas e bens e serviços do ecossistema: Uma Análise Geoespacial
baseado na Web. http://www.wri.org Zenger E. 1992. Irmãos neonatal riscos
2001. O Relatório Gâmbia Desenvolvimento Humano 2000: Promover a de mortalidade e nascimento espaçamento em Bangladesh. Demografia 30:
boa governação para o desenvolvimento humano ea erradicação da
pobreza. PNUD: Banjul. Programa Ambiental das Nações Unidas de
1997. World Atlas da desertificação ( 2ª ed). Os dados do United
477-488.

Balk Et Al 2004 A Spatial Analysis of Childhood Mortality in West Africa - En.pt

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Balk Et Al 2004 A Spatial Analysis of Childhood Mortality in West Africa - En.pt

Enviado por

Direitos autorais:

Formatos disponíveis

POPULAÇÃO, espaço e lugar

Popul. espaço Lugar 10, 175-216 (2004)

A Análise espacial da mortalidade infantil na África

2 Departamento de Sociologia da Universidade do Texas em Austin, Austin, TX 78712, EUA

* Correspondência para: D. Balk, CIESIN, Universidade de Columbia, PO Box

Copyright © 2004 John Wiley & Sons, Ltd.

3-38 39-75 101-125 não existem dados

0 125 250 500 km

Menos de 75 101-125 Mais de 150

Medidas de mortalidade infantil

Copyright © 2004 John Wiley & Sons, Ltd.

período de 5 anos antes do inquérito período de 10 anos antes do inquérito

Mortalidade infantil Infância

Fonte: DHS STATcompiler, das Nações Unidas.

Popul. espaço Lugar 10, 175-216 (2004)

0 30 60 120 km População urbana

Seleção variável Gana, com a menor mortalidade, é seleccionado como o país de

0 125 250 500 km Guiné

0 125 250 500 km

São Tomé e Príncipe

Tabela 2. variáveis ​geográficas. Variável

dados de origem Fonte Descrição variantes Resolução

Costeiro Gráfico digital do Imagery Nacional Distância (euclidiana) 1: 1.000.000

continente derivado Agência no litoral

Agência numa estrada

sistema baseado no sistema fi

ecossistema zonas não-áridas (

estabilidade de Kiszewski et al. composto de 30 minutos

Tabela 3. Estatística descritiva dos co-variáveis-chave, por país.

Variáveis ​de controle

Copyright © 2004 John Wiley & Sons, Ltd.

Popul. espaço Lugar 10, 175-216 (2004)

Copyright © 2004 John Wiley & Sons, Ltd.

Popul. espaço Lugar 10, 175-216 (2004)

Ao nível da criança individual, que de fi ne um resultado binário, died0,

Tabela 4. Resultados do modelo GLM para a mortalidade infantil por país.

std robusto. exponenciadas

Burkina Faso 0.568964 0.072360 7,86 1,7664 **

computador (a razão entre a coe fi ciente para o seu erro

socioeconômicos e espaciais agir mais fortemente sobre a

de sobrevivência (95% e 97%, respectivamente).

Com idade acima de

nascimento Terceiro ou superior

<25 por quilômetro quadrado

culturas de cereais / raiz misturado

milho Agro-pastoral / sorgo

Figura 18. Sobrevivência funções densidade (SDF) por sistema de agricultura.

alto índice de malária

como razões para a mortalidade infantil de Gana), em grande parte se tornam

estabelecidos na erature lit-. Em todos os modelos, os machos têm mortalidade

Os oito variáveis ​de nível doméstico aparecem em

modelo 1 modelo 2 modelo 3 modelo 4 modelo 5

Masculino 1,1695 ** 1,1731 ** 1,1702 ** 1,1726 **

nascimento múltiplo 3,4267 ** 3,5405 ** 3,4353 ** 3,5254 **

nascimento 2º nascimento 0,8458 ** 0,8055 ** 0,8262 ** 0,8048 **

modelo 1 modelo 2 modelo 3 modelo 4 modelo 5

Comp. primário 0,7756 * 0,8205 *

Signi fi cativa no unicaudal 0,05.

* Signi fi cativa no bicaudal 0,05.

modelo 1 modelo 2 modelo 3 modelo 4 modelo 5

Masculino 0,9938 0,9958 0,995 0,9953

nascimento múltiplo 1,5850 ** 1,6567 ** 1,6097 ** 1,6493 **

modelo 1 modelo 2 modelo 3 modelo 4 modelo 5

Tabela 2. variáveis geográficas. Variável

Variáveis de controle

Os oito variáveis de nível doméstico aparecem em

Masculino 1,1695 1,1731 1,1702 1,1726

nascimento múltiplo 3,4267 3,5405 3,4353 3,5254

nascimento 2º nascimento 0,8458 0,8055 0,8262 0,8048

nascimento múltiplo 1,5850 1,6567 1,6097 1,6493