Geospatial analyses of health indicators using national health surveys from low- and middle-income countries: analyses of reproductive, maternal, newborn and child health

• Ano de defesa: 2022
• Autor(a) principal: Ferreira, Leonardo Zanini
• Orientador(a): Barros, Aluísio Jardim Dornellas de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Epidemiologia
• País: Brasil
• Palavras-chave em Português: Epidemiologia; Saúde da criança; Saúde da mulher; Pesquisas domiciliares; Análise geoespacial; Desigualdades geográficas; Child health; Woman’s health; Household surveys; Geospatial analysis; Geographic inequalities
• Área do conhecimento CNPq: CIENCIAS DA SAUDE
• Link de acesso: http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/18165

Entre os diversos desafios para melhorar a qualidade de vida de mulheres e crianças em países de baixa e média renda, aumentar a qualidade e a disponibilidade de dados é crucial para monitorar o progresso e garantir que os países estejam comprometidos com uma agenda equitativa. De acordo com a meta 17.18 dos Objetivos de Desenvolvimento Sustentável, os países devem fornecer dados confiáveis desagregados por dimensões de desigualdade fundamentais, como localização geográfica. Nesta tese, buscamos investigar o potencial uso de técnicas de modelagem geoespacial como ferramenta para a produção de dados desagregados geograficamente além do que está disponível no desenho amostral de inquéritos domiciliares nacionais. No primeiro artigo, foi realizada uma revisão sistemática para descrever os principais aspectos metodológicos das abordagens geoespaciais em estudos com foco especial em desfechos de saúde reprodutiva, materna, neonatal e infantil (RMNCH). Esse artigo também buscou emponderar leitores não especialistas para que melhor interpretassem os resultados de tais estudos. Identificamos 82 estudos que geraram estimativas para indicadores de RMNCH em resoluções superiores às obtidas diretamente nos inquéritos. A validação do modelo e a incerteza foram significativamente subnotificadas na literatura e a apresentação da incerteza continua sendo um desafio. O segundo artigo implementou as técnicas de modelagem geoespacial para produzir estimativas para o índice de composto cobertura (CCI) no Peru. Estas estimativas foram apresentadas a nível provincial, a segunda divisão administrativa do país, e em malhas de 5 x 5 km ilustrando como as desigualdades geográficas podem ser mascaradas quando se avalia apenas grandes áreas agregadas. O uso do CCI permite uma perspectiva integrada de como está o progresso em direção à cobertura universal de saúde em todo o país. Nós observamos um padrão claro de maior cobertura nas áreas da costa e baixa cobertura no norte e leste do país. As estimativas para as províncias parecem ser suficientes para descrever os padrões de cobertura na maior parte do Peru, mas grandes províncias em áreas de selva podem se beneficiar de estimativas de alta resolução. O último artigo aborda um fenômeno conhecido chamado de problema da unidade de área modificável. Essa questão implica que a interpretação das análises com dados geográficos pode mudar de acordo com a escala ou delimitação das unidades geográficas. Nós realizamos um estudo empírico para quantificar o impacto desse efeito na avaliação das desigualdades geográficas ao longo do tempo. Para isso, geramos quatro medidas complexas de desigualdade em múltiplas resoluções usando modelos geoespaciais em duas pesquisas peruanas como estudo de caso. Descobrimos que a magnitude das desigualdades ao longo do tempo não foi afetada ao comparar anos na mesma resolução, independente da medida de desigualdade utilizada. Além disso, as medidas de desigualdade ponderadas pela população foram menos suscetíveis ao efeito de agregação e apresentaram resultados consistentemente mais estáveis em todas as resoluções avaliadas. No geral, nossas descobertas sugerem que os modelos geoespaciais são recursos úteis para monitorar e rastrear o progresso dos desfechos de RMNCH e de desigualdades a partir de uma perspectiva geográfica e podem ser de grande ajuda para gestores locais e planejadores de políticas para identificar e agir nas áreas mais desfavorecidas de seus países.