Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
O objetivo do trabalho foi analisar a distribuição espacial do IFDM saúde e das variáveis
ambientais (saneamento, coleta de lixo e água tratada) nos municípios da Região Norte do
Brasil. As variáveis estão positivamente correlacionadas (p<0,001) com o IFDM saúde em
2010, (coleta de lixo, 0,4954, saneamento, 0,3662 e água tratada, 0,3127). Foi detectada
distribuição espacial significativa, com o índice de Morin para as 4 variáveis, com valores entre
0,4625 e 0,0662. O LISA mostrou que há alta concentração espacial de municípios com
autocorrelação positiva alto/alto e baixo/baixo.
Palavras-chave: análise espacial; saneamento básico; saúde; coleta de lixo; água tratada
Resumen
El objetivo del trabajo fue analizar la distribución espacial del IFDM salud y las variables
ambientales (saneamiento, recolección de basura y agua tratada) en los municipios de la
Región Norte de Brasil. Las variables están positivamente correlacionadas (p<0,001) con el
IFDM salud en 2010, (recolección de basura, 0,4954, saneamiento, 0,3662 y agua tratada,
0,3127). Se detectó una distribución espacial significativa, con el índice de Morin con valores
entre 0,4625 y 0,0662. El LISA mostró que hay una concentración espacial de municipios con
autocorrelación positiva.
Abstract
The aim of the study was to assess the spatial distribution of the IFDM health and the
environmental indicators (sanitation, solid waste management and potable water supply) in
the municipalities of the North Region of Brazil. The variables are positively correlated
(p<0.001) with IFDM health in 2010, (solid waste management, 0.4954, sanitation, 0.3662 and
potable water supply, 0.3127). A significant spatial distribution was detected, with Morin’s
index between 0.4625 and 0.0662. LISA showed that there is a spatial concentration of
municipalities with positive autocorrelation.
Keywords: IFDM health, piped water, garbage collection, sanitation.
1- INTRODUÇÃO
Há um debate teórico acerca da saúde desde o final do século XIX que associava a
condição de saúde de um indivíduo às questões particulares e biológicas. Com o passar do
tempo, se observou que a saúde estava ligada ou era determinada por variáveis econômicas,
sociais, culturais e regionais. (BUSS, PELLEGRINI FILHO, 2012). Passaram a observar que
as desigualdades da saúde estão associadas às desigualdades de renda, logo, a doença não
está apenas dentro do corpo do indivíduo, ela pode ser sentida e vista por todos. Ao dizer
isso, se está inferindo que parte da solução dos problemas de saúde podem ser resolvidos
por meio de políticas públicas transversais (BARATA, 2009).
Segundo Freitas e Giatti (2009), Giatti e Cutolo (2012) e Moura, Landau e Ferreira
(2016), o acesso ao saneamento básico, a água tratada e a uma adequada coleta de lixo ou
tratamento de resíduos, pode se traduzir em menos doenças e iniquidades na saúde.
Segundo Buss e Pellegrini Filho (2007), esse conceito é atribuído a uma dada situação em
que as desigualdades de saúde são injustas e possíveis de serem corrigidas.
O objetivo deste trabalho foi analisar a distribuição espacial do IFDM saúde e das
variáveis saneamento, coleta de lixo e acesso a água tratada nos municípios da Região Norte
do Brasil em 2010.
No ano de 2019, a Pesquisa Nacional de Saúde (PNS) por amostragem sobre
informações de domicílios indicou que as regiões norte e nordeste do Brasil apresentaram a
menor incidência de domicílios com água encanada em relação às regiões sudeste e centro-
oeste (PNS, 2019). Costa (2013) indica que o aumento de gastos da União em relação ao
saneamento básico leva o nível de gastos com saúde pública a ser menor por ser um efeito
de longo prazo responsável por aumentar a expectativa de vida da população em até 20 anos.
Segundo Barata (2009), na América Latina, as desigualdades sociais possuem ligação
com o processo saúde-doença, pois, segundo a autora, a classe social a que o indivíduo
pertence é uma variável que indica os determinantes do perfil da saúde e doença. A autora
mostra que na concepção weberiana, a saúde passa a ser afetada pela posição social e
econômica que cada indivíduo ocupa, que ao contrário de sociedades mais igualitárias, que
possuem maior “coesão social”, tem impacto direto nos mais vulneráveis economicamente o
que provoca uma deterioração da vida pública no sentido de comunidade.
A estratificação social citada pela autora ao ser lançada sobre o Brasil mostra que essa
desigualdade tanto no âmbito social quanto regional afetam a qualidade de vida dos indivíduos
economicamente vulneráveis. Por esse motivo, a criação do Sistema Único de Saúde (SUS)
e sua garantia pela Constituição Federal de 1988 representa um dos maiores avanços sociais
do país (PAIM, 2009). A criação do SUS foi uma resposta do Estado com vistas a minimizar
as iniquidades sociais, porém, apesar dos avanços e de bons resultados, não resolveu e só
resolverá tais problemas, se as políticas públicas forem delineadas de forma transversal.
2- REVISÃO DE LITERATURA
A distribuição espacial vem se tornando comum nos estudos acadêmicos nos últimos
anos, pois tem contado com o SIG que é a sigla do sistema de informação geográfica que
oferece um baixo custo para a produção de dados metodológicos com uma interface
agradável ao usuário. O sistema citado garante ao usuário a visualização espacial de uma ou
mais variáveis de uma região por meio de mapas, ou seja, se o usuário dispõe de uma gama
de dados e uma base geográfica sólida, esse sistema consegue realizar um mapeamento
todo colorido que permite que seja visualizado a análise do fenômeno estudado (CÂMARA,
MONTEIRO, FUCKS, CARVALHO; 2002).
Esse tipo de dado consegue realizar uma ligação entre propriedades e
relacionamentos, considerando a localização espacial da variável estudada (CÂMARA,
MONTEIRO, FUCKS, CARVALHO; 2002). Segundo os autores, John Snow durante o século
XIX foi um dos pioneiros no estudo envolvendo análise espacial, onde buscou relacionar a
sujeira concentrada nas regiões baixas e pantanosas da cidade de Londres durante a
epidemia de cólera com a ingestão de água nociva à saúde.
O resultado do estudo mostrou uma ligação entre os óbitos provocados pela cólera
com as bombas de água que abastecia a cidade naquele período como o epicentro da
epidemia que assolou a capital inglesa. Mais tarde, estudos confirmaram a hipótese levantada
por Snow, sendo esse um dos primeiros casos de análise espacial conhecido na literatura.
Nos últimos anos, surgiram muitos trabalhos nas mais diversas áreas do conhecimento
que lançaram mão das ferramentas espaciais para entender a distribuição da pobreza em
municípios da região norte (LEITE, 2016), em municípios do Estado de Alagoas, Paraná,
Minas Gerais (TEIXEIRA, 2020; ROMERO, 2006; DA SILVA, BORGES, PARRÉ; 2013),
outros usaram desta poderosa técnica para analisar a correlação espacial do programa bolsa
família e do desenvolvimento humano no Brasil (BRAMBILLA et al, 2017), para estudar a
correlação espacial da incidência da covid e o índice de desenvolvimento humano nos
municípios do Ceará (MACIEL, SILVA, FARIAS; 2020). Em todos esses trabalhos, foi possível
aferir que havia características semelhantes entre os municípios vizinhos ou contíguos, ou, a
distribuição no espaço das variáveis não se dava de forma independente, o que reforça a lei
de Tobler “(...) todos os objetos relacionados no espaço são parecidos, porém, objetos mais
próximos se parecem mais do que objetos mais distantes” (FERREIRA, 2007).
Considerando a heterogeneidade do território brasileiro e as suas idiossincrasias,
entende-se ser essa uma boa técnica estatística a ser usada, uma vez que mostra as relações
de dependência ou independência das variáveis distribuídas no espaço. Leite (2016) ao
analisar a distribuição espacial da pobreza na região norte concluiu que ela não ocorre de
forma aleatória na região e que foi possível encontrar clusters de pobreza e de riqueza,
demonstrando auto autocorrelação espacial positiva. O mesmo achado também foi
encontrado no trabalho de Teixeira (2020), onde o autor estudou a distribuição da pobreza
nos municípios de Alagoas e concluiu que os municípios sofrem efeitos dos vizinhos.
Existe uma extensa literatura, especialmente após a segunda metade do século 20,
que trouxe grandes contribuições para o entendimento dos determinantes da saúde, das suas
iniquidades e desigualdades. Por muitos anos, a saúde era analisada sob os aspectos
individuais e bastante particularizada sob as condições clínicas do paciente. Com o
crescimento das desigualdades regionais, principalmente nos países pobres e em
desenvolvimento, se passou a perceber e a tratar as questões de saúde dentro de uma
perspectiva mais ampla, e, muitos estudos demonstraram que ela é determinada por variáveis
ambientais, econômicas, institucionais, sociais e regionais. (SUBRAMANIAN, BELLI,
KAWACHI, 2002; BUSS, PELLEGRINI FILHO, 2007).
Dentre os determinantes da saúde, Buss e Pellegrini Filho (2007) abordam o modelo
de Dahlgren e Whitehead que explica os mesmos considerando quatro camadas: a primeira
mapeia as características individuais e estilo de vida, a segunda evidencia a importância da
coesão e do capital social, a terceira trata de questões relacionadas às condições de vida e
do trabalho e por fim, a quarta, apresenta as questões econômicas, culturais e sociais mais
gerais da sociedade. Este trabalho foca alguns elementos presentes na terceira camada do
modelo, onde entram as variáveis de acesso à água tratada, a coleta de lixo e ao saneamento
básico.
Segundo a Embrapa (2016), doenças hídricas correspondem à segunda maior taxa de
mortalidade infantil no mundo, perdendo apenas para doenças ligadas a infecções
respiratórias. O relatório revela que no Brasil, cerca de sete crianças vêm a óbito por dia,
vítimas de diarreia, sendo a maior responsável por essa situação a má qualidade da água
fornecida para as famílias atingidas, que em sua maioria, representam a camada social mais
vulnerável do país.
Giatti e Cutolo (2012), Freitas e Giatti (2009) fizeram um estudo para mostrar a relação
entre o acesso à água tratada, o saneamento básico, o desmatamento, a ausência de coleta
de lixo e a saúde na Amazônia legal e chegaram a conclusão que apesar da região ter grandes
mananciais de água doce, boa parte da população não tem acesso a água tratada e ao
saneamento básico, e tão pouco a uma adequada coleta de lixo. Mostraram que a população
sofre com doenças associadas ao meio ambiente e a ausência de ações sustentáveis que
possam promover o desenvolvimento da região. Essa condição é preocupante e desperta
para a necessidade do Estado desenvolver e implantar políticas públicas para prover o acesso
desses serviços à população. Em trabalho feito sobre os determinantes sociais da saúde de
atenção primária no enfrentamento da Covid-19 no Estado do Pará, Affonso et al (2021),
mostra também que os aspectos relacionados ao saneamento básico, habitação e renda
dificultaram o combate à doença neste estado, e, que ela se proliferou em ambientes
socialmente desiguais e pobres.
Por fim, Leite (2016) ao espacializar a pobreza da região norte mostrou que há muito
a ser feito por essa região no que tange a implantação de políticas públicas. Espera-se que
elas sejam efetivas com vistas a mitigar as desigualdades sociais, porque ao fazer isso, estará
também minimizando as iniquidades e desigualdades de saúde.
3- METODOLOGIA
A região norte do Brasil é composta por sete estados, sendo eles: Amapá, Amazonas,
Acre, Pará, Rondônia, Roraima e Tocantins. Possui uma extensão territorial de 3.853.669,77
km², representando 45,25% do território brasileiro, no entanto, apesar de sua vasta área
territorial a região não comporta uma densidade demográfica considerável (TCU, 2018).
Como observado na Tabela 1, os indicadores de água tratada, coleta de esgoto e lixo
por região apresenta maior concentração nas regiões sul, sudeste e centro-oeste do Brasil,
enquanto as regiões que historicamente possuem as maiores desigualdades sociais e
econômicas (Norte e Nordeste) apresentam, relativamente, as piores notas. A Região Norte
é a que apresenta o pior índice sanitário em relação às outras regiões do país, que quando
observado a região por dentro, percebe-se que o estado de Rondônia tem a pior distribuição
de água tratada (37,64%) e coleta de esgoto (22,17%), enquanto o Pará, a pior distribuição
de coleta de lixo da região norte (67,98%).
Os estados com a melhor distribuição de água tratada na Região Norte são Roraima
(79,34%) e Tocantins (78,35%), enquanto Amazonas (40,21%) e Roraima (42,22%)
apresentam a melhor distribuição de coleta de esgoto. O estado do Amapá (88,81%) e
Tocantins (76,11%) apresentam a melhor distribuição de coleta de lixo, sendo os estados da
região norte com melhor Índice Firjan de Desenvolvimento Municipal (IFDM), Roraima (0,698)
e Tocantins (0,702), enquanto Pará (0,515) e Amapá (0,577) apresentam o pior IFDM saúde.
Esses dados são preocupantes, uma vez que se parte da premissa do modelo teórico
metodológico, que essas variáveis são determinantes das iniquidades e desigualdades da
saúde, logo, acredita-se que os Estados que apresentam tais indicadores podem também
apresentar sérios problemas quanto ao acesso à saúde (BUSS, PELLEGRINI FILHO, 2012;
(SUBRAMANIAN, BELLI, KAWACHI; 2002).
Na Figura 1 são apresentadas as distribuições dos valores das 4 variáveis avaliadas
ao longo dos 449 municípios da região Norte. A Figura 1A, mostra que o IFDM saúde não está
distribuído de forma aleatória na região, com concentração do indicador com valor
relativamente mais elevado no Estado do Tocantins, e, em parte dos estados de Roraima e
Rondônia. Para estes, o indicador supera 0,64 que indica que a saúde se encontra em
desenvolvimento moderado. Dentre eles, destaca-se o estado do Tocantins, com a maior nota
(0,70). O estado do Pará é o mais populoso da região (Tabela 1) e é aquele, cujo indicador
reflete, relativamente, a menor nota de desenvolvimento em saúde (0,51).
Figura 1. Distribuição dos valores ao longo dos municípios da região Norte para as
variáveis IFDM saúde (A); Coleta de lixo (B); Abastecimento de água (C) e, Acesso a
esgoto sanitário (D).
Nesta seção será analisada a distribuição espacial das variáveis saneamento básico,
coleta de lixo, água tratada e IFDM saúde na região Norte do Brasil. A análise espacial mostra
o grau de associação entre a mesma variável no espaço geográfico e as estimativas do índice
Moran estão apresentadas na Tabela 2. As estimativas para todas as variáveis foram positivas
e considerando o nível de significância estatístico de 5%, todas as correlações são
significativas. As variáveis IFDM saúde e água tratada apresentaram um IM relativamente
maior dentre as variáveis 0.4362 e 0.4625, respectivamente. Isso significa que, relativamente,
há uma dependência espacial entre os municípios que detêm os melhores indicadores, ou
seja, existe autocorrelação positiva entre essas variáveis em municípios desta região e que
ela é estatisticamente significativa. Por outro lado, para as demais variáveis, o IM foi
relativamente baixo, a exemplo do saneamento básico que foi próximo a zero, denotando uma
menor dependência espacial. Desse modo, pode-se aferir que, dada a distribuição espacial
dessa variável com pouca dependência, há uma baixa similaridade na variável saneamento
básico para o conjunto dos municípios da região.
Giatti (2007) faz uma discussão sobre a relação entre os indicadores de saúde da
Amazônia e o precário acesso da população ao saneamento básico e demais variáveis
ambientais, de deslocamento populacional de pequenas comunidades para as pequenas
cidades, a proximidade com a floresta e os processos de impactação de ambientes naturais,
além dos aspectos socioculturais que estão associados a uma cultura multissecular da região.
Os IM 's apresentados neste estudo são corroborados pelo estudo de Giatti (2007) e diante
disso, mostra que há ausência de políticas públicas transversais efetivas nesta região do
Brasil.
A Tabela 3 e a Figura 2 mostram, respectivamente, o número de clusters de municípios
da região Norte considerando as correlações locais (LISA) entre as variáveis estudadas e a
sua distribuição espacial de acordo com os Estados. Para o IFDM saúde houve a formação
de 100 clusters, sendo 47 do tipo (alto-alto) e 36 do tipo (baixo-baixo), que denotam uma
autocorrelação positiva. Para o primeiro caso, isso significa que há uma parcela significativa
de municípios com valores elevados para esta variável e que são circundados por vizinhos na
mesma situação. Para o segundo caso, há uma parcela também significativa de municípios
com baixo valor para variável e cujos vizinhos estão na mesma condição. Este resultado,
evidencia uma alta similaridade entre os municípios. Vale ressaltar que dos clusters do tipo
alto-alto (41) foram observados no Tocantins e os outros 6 clusters em Roraima (Figura 2A).
Nos clusters do tipo alto-alto observados no Tocantins, há uma concentração de municípios
no entorno da capital Palmas e de Araguaína, segunda maior cidade do Estado. Entre os 36
clusters do tipo baixo-baixo, observa-se 23 no Estado do Pará e 11 no Amazonas.
Alto-Alto [High-High] 47 27 51 11
Alto-Baixo [High-Low] 10 8 3 1
Baixo-Alto [Low-High] 7 11 10 23
Baixo-Baixo [Low-Low] 36 20 50 2
Para a variável acesso a água tratada, foram detectados 114 clusters significativos, e
em sua maioria, demonstrando a elevada similaridade na distribuição espacial entre os
municípios em que 51 estão classificados como alto-alto e 50 como baixo-baixo. Novamente,
à semelhança do observado para o IFDM, houve uma concentração dos clusters do tipo alto-
alto no Tocantins, onde dos 51 clusters 45 estão neste Estado (Figura 2C). Entre os clusters
do tipo baixo-baixo, 29 encontram-se em Rondônia (56% dos municípios do Estado), temos
também 20 clusters deste tipo no Pará e apenas 1 no Amazonas. Para os demais estados, a
autocorrelação não foi estatisticamente significativa, logo, infere-se que, à luz dos dados, há
uma distribuição espacial aleatória nos valores desta variável. Considerando que a saúde é
determinada por essas variáveis, é possível aferir que havendo concentração espacial do
indicador com autocorrelação espacial baixo-baixo, pode-se dizer que esses municípios estão
mais suscetíveis a ter indicadores de saúde relativamente inferior aos municípios que
compõem clusters com alta correlação positiva do tipo alto-alto.
Para as variáveis coleta de lixo e saneamento básico, ocorreu pouca formação de
clusters, quando comparado às variáveis anteriores, o que significa que para essas variáveis,
há, relativamente uma distribuição espacial mais aleatória entre os municípios. Para coleta de
lixo, observa-se 47 clusters, 27 do tipo alto-alto e 20 do tipo baixo-baixo (Tabela 3),
evidenciando uma correlação positiva para esta variável. Além disso, percebe-se uma
distribuição espacial menos concentrada dos clusters quando comparados ao ocorrido com
IFDM e Água tratada, para a variável os clusters alto-alto foram observados nos estados do
Tocantins, Amapá, Pará e Rondônia com 17, 6, 3 e 1 clusters, respectivamente. Entre os 20
agrupamentos que expressam correlação positiva do tipo baixo-baixo, temos apenas Pará
com 11 e Amazonas com 9 (Figura 2B).
No que diz respeito a variável saneamento básico, a Figura 2D mostra que o LISA para
o estado do Tocantins, apresentou dois clusters: um formado por autocorrelação positiva alto-
alto e outro com correlação negativa baixo-alto. Isso mostra que no primeiro caso, existem
municípios com valores elevados de acesso a saneamento circundados por outros na mesma
situação, logo há uma relação de dependência espacial entre os mesmos. Foi possível
observar clusters evidenciando autocorrelação espacial negativa (baixo/alto) nos estados do
Tocantins (12), Roraima (4), Pará (4), Amazonas (2) e Rondônia (1) (Figura 2D). No Acre se
observou um cluster com autocorrelação positiva (alto-alto). No estado do Pará se observaram
também dois pequenos clusters com alta correlação positiva do tipo baixo-baixo. Isso significa
dizer que neste estado os municípios onde uma parcela da população não tem acesso ao
saneamento básico, tem como vizinhos, municípios na mesma situação.
Rodrigues, Verson e Da Câmara (2019) realizaram um estudo para aferir a distribuição
espacial de acesso aos serviços básicos de saneamento para as microrregiões brasileiras e
mostraram que a região norte foi a região que mais apresentou clusters com alta correlação
espacial negativa do tipo alto-baixo e baixo-alto, ou seja, as microrregiões destes estados com
alto valor para a variável em questão com seus vizinhos apresentando baixo valor e vice-
versa.
Figura 2. Mapas de Cluster LISA para as variáveis IFDM saúde (A); Coleta de lixo (B);
Abastecimento de água (C) e, Acesso a esgoto sanitário (D).
5- CONCLUSÃO
A região Norte vem sendo objeto de estudo desde muitos anos, e, apesar de pouca
efetividade, diversas políticas públicas foram desenvolvidas para mitigar as desigualdades
inter-regionais. Desde os estudos de saúde que marcam a contemporaneidade, muitos
projetos públicos foram feitos com o objetivo de organizar planos de intervenção sanitária para
a região (CONFALONIERI, 2005).
Este trabalho tem como base o modelo teórico-metodológico apresentando por Buss
e Pellegrini Filho (2012) e desenvolvido por Dahlgren e Whitehead que buscou compreender
as desigualdades e iniquidades da saúde à luz de quatro camadas que envolvem as
características individuais, coletivas, sociais, econômicas e culturais, e, dentre as camadas,
buscou-se analisar variáveis pertencentes a camada social (qualidade de vida) que envolvem
saneamento, coleta de lixo e água tratada.
Os dados coletados e analisados à luz da análise espacial mostram que a distribuição
destas variáveis no espaço estão padronizadas e são dependentes, logo, pode-se dizer que
a distribuição não é aleatória. No que tange a análise descritiva, se percebeu que os estados
do Pará, Amazonas e Rondônia são aqueles que aparecem com a maior participação no PIB
do Estado, porém, não são eles que apresentam as melhores notas para o IFDM saúde, para
o acesso a água tratada, a coleta de lixo e ao saneamento básico.
Quanto ao aspecto da análise espacial, o índice Moran (IM) mostrou que o IFDM saúde
e água tratada para os municípios da região, estão relativamente mais concentrados no
espaço, ou melhor dizendo, uma distribuição espacial menos aleatória. Quanto à formação de
clusters, se percebeu que existem muitos deles na região, no entanto, o Tocantins concentra,
relativamente, a maior parte, especialmente, aqueles que expressam correlação espacial
positiva do tipo alto-alto. Isso significa dizer que os municípios apresentam, comparado com
os dos demais estados, valores elevados e estão próximos dos que apresentam valores altos.
O indicador Lisa foi calculado e os dados reforçaram a tendência à formação de clusters na
região.
Os dados analisados estão defasados em 13 anos por falta de informações oficiais
que cubram todos os municípios da região Norte, porém, eles apontam tendências que podem
contribuir para melhorar a compreensão do território amazônico. Além disso, os dados aqui
apresentados abrem uma lacuna para apresentar, não somente que nesta região há alta
concentração espacial das variáveis, o que não é positivo, mas, sobretudo, entender o porquê
da sua existência. Dessa forma, sugere-se que mais trabalhos sejam feitos com vistas a
melhorar a compreensão das causas, que, ao serem descobertas, possam contribuir para a
solução dos problemas.
6- BIBLIOGRAFIA