Marcelo Henrique Favacho (2013).pdf
Marcelo Henrique Favacho (2013).pdf
Documento PDF (5.4MB)
Documento PDF (5.4MB)
1
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
Nº de ordem: MET-UFAL-MS-107
ESTUDO BIOCLIMÁTICO DE DOENÇAS RESPIRATÓRIAS NA AMAZÔNIA LEGAL
– CASOS DE ASMA E PNEUMONIA
Marcelo Henrique Favacho de Souza
Dissertação apresentada ao curso de
Pós-Graduação em Meteorologia da
Universidade Federal de Alagoas –
UFAL, como requisito à obtenção do
Título de Mestre em Meteorologia.
Maceió-AL
2013
2
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
Nº de ordem: MET-UFAL-MS-107
ESTUDO BIOCLIMÁTICO DE DOENÇAS RESPIRATÓRIAS NA AMAZÔNIA LEGAL
– CASOS DE ASMA E PNEUMONIA
Marcelo Henrique Favacho de Souza
Maceió-AL
2013
3
MARCELO HENRIQUE FAVACHO DE SOUZA
ESTUDO BIOCLIMÁTICO DE DOENÇAS RESPIRATÓRIAS NA AMAZÔNIA LEGAL
– CASOS DE ASMA E PNEUMONIA
Dissertação apresentada ao curso de
Pós-Graduação em Meteorologia da
Universidade Federal de Alagoas –
UFAL, como requisito à obtenção do
Título de Mestre em Meteorologia.
Orientador: Profº.Dr. Ricardo Ferreira Carlos de Amorim
Maceió-AL
2013
4
5
DEDICO
A Deus em primeiro lugar, pois é nele que busco forças quando os obstáculos
aparecem. A minha família por estarem ao meu lado em todos os momentos da
minha vida.
6
AGRADECIMENTOS
Ao Profº Drº Manoel Toledo pelo incentivo no começo do mestrado, pelas ideias e
dedicação. Infelizmente nos deixou no dia 14/09/2011. Certeza que está num lugar
melhor.
Ao Profº Drº Ricardo Amorim, que diante da situação do falecimento do Profº Toledo,
de imediato aceitou me orientar, sem pensar duas vezes;
A minha família: Pais (Naza e Manoel), irmãos (Leon, Felipe, Larisa), tias (Fátima,
Anadege, Carmen), tios (Sérgio e Miro) e minha Avó (Laurieta);
Aos professores do mestrado em Meteorologia da UFAL;
Aos meus amigos de mestrado;
Aos meus amigos em geral;
Algumas pessoas especiais que sempre estarão comigo (Lady, Amanda, Ana Paula,
Sérgio, Raimundo, Ana Carla);
E a todos que contribuíram de alguma forma para a realização deste trabalho.
Muito Obrigado!
7
„‟A ciência não é uma ilusão, mas seria uma ilusão acreditar que poderemos
encontrar noutro lugar o que ela não nos pode dar. ‟‟
(Sigmund Freud)
8
RESUMO
Este trabalho tem como principal objetivo fazer um estudo do número de ocorrências
de surtos endêmicos de asma e pneumonia em nove dos principais municípios da
Amazônia Legal, numa série temporal de 10 anos. Correlacionando-as com as
variáveis meteorológicas temperaturas (máxima e mínima), precipitação e umidade
relativa, a fim de encontrar alguma dependência entre as mesmas. Portanto faz-se
necessário a verificação de existência ou não de uma relação de dependência. Os
resultados apresentam diferentes condições para cada situação de contágio das
duas endemias, já que a Amazônia Legal é uma área de proporções vastas e acaba
sendo influenciada de maneira diferente nas localidades abordadas neste trabalho.
A asma apresentou correlações bem significantes com as temperaturas máximas e
mínimas, no caso do município de Manaus-AM, os valores ficaram em 80% e 65%
respectivamente. Já a pneumonia apresentou correlações significantes com as nos
municípios de Rio Branco-AC e Macapá-AP e algumas correlações inversas com a
umidade relativa do ar, -78% no município de Cuiabá-MT por exemplo. Este estudo
servirá como precedente para a análise destas duas endemias, numa situação de
epidemias. Podendo assim evitar desperdícios de verbas públicas e perdas de vidas
humanas.
Palavras-Chave: Asma, Pneumonia, Amazônia Legal.
9
ABSTRACT
This work has as main objective to make a study of the number of occurrences of
endemic outbreaks of asthma and pneumonia in nine major cities in the Brazilian
Amazon, a series of 10 years. Correlating them with the meteorological variables
temperatures (maximum and minimum), rainfall and relative humidity, in order to find
some dependence between them. Therefore it is necessary to check whether there is
a relationship of dependency. The results present different conditions for each
situation of contagion of the two endemics, since the Amazon is an area of vast
proportions and ends up being influenced differently in the localities discussed in this
work. Asthma and showed significant correlations with the maximum and minimum
temperatures, in the case of the municipality of Manaus -AM, the values were 80%
and 65 % respectively. Already pneumonia showed significant correlations with the
municipalities of Rio Branco - AC and Macapa - AP and some inverse correlations
with relative humidity, -78 % in the city of Cuiaba eg. This study will serve as a
precedent for the analysis of these two epidemics, a situation of epidemics. Thus
being able to avoid waste of public funds and human losses.
Keywords: Asthma, Pneumonia, Amazon.
10
LISTA DE FIGURAS
Figura 01 - Percentual de prevalência de Asma no Ocidente.
18
Figura 02 - Prevalência de Asma no mundo.
19
Figura 03 - Percentual de Prevalência em pais.
20
Figura 04 - Esquema de um pulmão com pneumonia.
22
Figura 05 - Streptococcus pneumonie ou Pneumococo(Preto) e o Vírus Sincicial Respiratório(Azul)
vistos de um microscópio eletrônico.
23
Figura 06 - Radiografia do Tórax para diagnóstico da pneumonia.
24
Figura 07 – Municípios estudados (Pontos amarelos).
27
Figura 08 – Exemplo explicativo de um gráfico boxplot.
30
Figura 09 – Exemplo de um gráfico boxplot gerado a partir do software STATISTICA (Incidência de
asma em Belém-PA).
31
Figura 10 – Boxplot da temperatura máxima em Belém-PA (1998-2007).
32
Figura 11 – Boxplot da temperatura mínima em Belém-PA (1998-2007).
33
Figura 12 – Boxplot da precipitação em Belém-PA (1998-2007).
34
Figura 13 – Boxplot da umidade relativa em Belém-PA (1998-2007).
34
Figura 14 – Boxplot do número de ocorrências de asma em Belém-PA (1998-2007).
35
Figura 15 – Incidência de Asma no município de Belém-PA (1998-2007).
36
Figura 16 – Boxplot do número de ocorrências de pneumonia em Belém-PA (1998-2007).
36
Figura 17 – Incidência de Pneumonia no município de Belém-PA (1998-2007).
37
Figura 18 – Boxplot da temperatura máxima em Boa Vista - RR (1998-2007).
38
Figura 19 – Boxplot da temperatura mínima em Boa Vista - RR (1998-2007).
38
Figura 20 – Boxplot da precipitação em Boa Vista - RR (1998-2007).
39
Figura 21 – Boxplot da umidade relativa em Boa Vista – RR (1998-2007).
40
Figura 22 – Boxplot do número de ocorrências de asma em Boa Vista - RR (1998-2007).
40
Figura 23 – Incidência de Asma no município de Boa Vista - RR (1998-2007).
41
Figura 24 – Boxplot do número de ocorrências de Pneumonia em Boa Vista - RR (1998-2007)
41
Figura 25 – Incidência de Pneumonia no Município de Boa Vista - RR (1998-2007).
42
Figura 26 – Boxplot da temperatura máxima em Cuiabá - MT (1998-2007).
43
Figura 27 – Boxplot da temperatura mínima em Cuiabá - MT (1998-2007).
43
Figura 28 – Boxplot da precipitação em Cuiabá – MT (1998-2007).
44
Figura 29 – Boxplot da umidade relativa em Cuiabá - MT (1998-2007).
45
Figura 30 – Boxplot do número de ocorrências de Asma em Cuiabá - MT (1998-2007).
45
Figura 31 – Incidência de Asma no Município de Cuiabá - MT (1998-2007).
46
11
Figura 32 – Boxplot do número de ocorrências de Pneumonia em Cuiabá - MT (1998-2007)
46
Figura 33 – Incidência de Pneumonia no Município de Cuiabá - MT (1998-2007).
47
Figura 34 – Boxplot da temperatura máxima em Imperatriz - MA (1998-2007).
47
Figura 35 – Boxplot da temperatura mínima em Imperatriz - MA (1998-2007).
48
Figura 36 – Boxplot da temperatura precipitação em Imperatriz - MA (1998-2007).
48
Figura 37 – Boxplot da umidade relativa precipitação em Imperatriz - MA (1998-2007).
49
Figura 38 – Boxplot do número de ocorrências de Asma em Imperatriz - MA (1998-2007).
49
Figura 39 – Incidência de Asma no Município de Imperatriz - MA (1998-2007).
50
Figura 40 – Boxplot do número de ocorrências de Asma em Imperatriz - MA (1998-2007).
51
Figura 41 – Incidência de Pneumonia no Município de Imperatriz - MA (1998-2007).
51
Figura 42 – Boxplot da temperatura máxima em Macapá - AP (1998-2007).
52
Figura 43 – Boxplot da temperatura mínima em Macapá - AP (1998-2007).
53
Figura 44 – Boxplot da precipitação em Macapá - AP (1998-2007).
53
Figura 45 – Boxplot da umidade relativa em Macapá - AP (1998-2007).
54
Figura 46 – Boxplot do número de ocorrências de asma em Macapá-AP
54
Figura 47 – Incidência de Asma em Macapá – AP (1998-2007).
55
Figura 48 – Boxplot do número de ocorrências de Pneumonia em Macapá - AP (1998-2007).
56
Figura 49 – Incidência de Pneumonia no Município de Macapá - AP (1998-2007).
56
Figura 50 – Boxplot da temperatura máxima em Manaus - AM (1998-2007).
57
Figura 51 – Boxplot da temperatura mínima em Manaus - AM (1998-2007).
58
Figura 52 – Boxplot da precipitação em Manaus - AM (1998-2007).
58
Figura 53 – Boxplot da umidade relativa em Manaus - AM (1998-2007).
59
Figura 54 – Boxplot do número de ocorrências de Asma em Manaus - AM (1998-2007).
59
Figura 55 – Incidência de Asma no Município de Manaus - AM (1998-2007).
60
Figura 56 – Boxplot do número de ocorrências de Pneumonia em Manaus - AM (1998-2007).
60
Figura 57 – Incidência de Pneumonia no Município de Manaus - AM (1998-2007).
61
Figura 58 – Boxplot da temperatura máxima em Palmas – TO (1998-2007).
62
Figura 59 – Boxplot da temperatura mínima em Palmas - TO (1998-2007).
62
Figura 60 – Boxplot da precipitação em Palmas - TO (1998-2007).
63
Figura 61 – Boxplot da umidade relativa em Palmas - TO (1998-2007).
64
Figura 62 – Boxplot do número de ocorrências de Asma em Palmas - TO (1998-2007).
64
Figura 63 – Incidência de Asma no Município de Palmas - TO (1998-2007).
65
Figura 64 – Boxplot do número de ocorrências de Pneumonia em Palmas - TO (1998-2007).
66
12
Figura 65 – Incidência de Asma no Município de Palmas - TO (1998-2007).
66
Figura 66 – Boxplot da temperatura máxima em Porto Velho – RO (1998-2007).
67
Figura 67 – Boxplot da temperatura mínima em Porto Velho – RO (1998-2007).
68
Figura 68 – Boxplot da precipitação em Porto Velho – RO (1998-2007).
68
Figura 69 – Boxplot da umidade relativa em Porto Velho – RO (1998-2007).
69
Figura 70 – Boxplot do número de ocorrências de Asma em Porto Velho - RO (1998-2007).
69
Figura 71 – Incidência de Asma no Município de Porto Velho - RO (1998-2007).
70
Figura 72 – Boxplot do número de ocorrências de Pneumonia em Porto Velho - RO (1998-2007).
70
Figura 73 – Incidência de Pneumonia no Município de Porto Velho - RO (1998-2007).
71
Figura 74 – Boxplot da temperatura máxima em Rio Branco – AC (1998-2007).
71
Figura 75 – Boxplot da temperatura mínima em Rio Branco – AC (1998-2007).
72
Figura 76 – Boxplot da precipitação em Rio Branco – AC (1998-2007).
73
Figura 77 – Boxplot da umidade relativa em Rio Branco – AC (1998-2007).
73
Figura 78 – Boxplot do número de ocorrências de Asma em Rio Branco – AC (1998-2007).
74
Figura 79 – Incidência de Asma no Município de Rio Branco - AC (1998-2007).
74
Figura 80 – Boxplot do número de ocorrências de Pneumonia em Rio Branco - AC (1998-2007).
75
Figura 81 – Incidência de Pneumonia no Município de Rio Branco - AC (1998-2007).
75
13
LISTA DE TABELAS
Tabela 01 – Classificação da Asma.
Tabela 02 – Municípios analisados e suas respectivas características: latitude, longitude,
população, área e número de unidades de saúde.
Tabela 03 – Exemplo da página do DATASUS para coleta de dados das doenças.
Tabela 04 – Municípios estudados e suas respectivas correlações entre asma e precipitação,
temperatura máxima, temperatura mínima e umidade relativa e equações de ajuste**.
21
28
29
78
Tabela 05 – Municípios estudados e suas respectivas correlações entre pneumonia e
precipitação, temperatura máxima, temperatura mínima e umidade relativa e equações de 81
ajuste**.
14
LISTA DE SIGLAS E ABREVIATURAS
CID 10 – Classificação Internacional de Doenças
DATASUS – Departamento de Informática do SUS
DF – Diagnóstico Funcional
DISME – Distrito de Meteorologia
FUNASA – Fundação Nacional de Saúde
GINA – Global Initiative for Asthma
IBGE – Instituto Brasileiro de Geografia e Estatística
IDH – Índice Desenvolvimento Humano
INMET – Instituto Nacional de Meteorologia
ISAAC – Internacional Study of Asthma and Allergy in Chihood
JP – Jornal de Pneumonia
OMS – Organização Mundial de Saúde
SUS – Sistema Único de Saúde
ZCIT – Zona de Convergência Intertropical
OD – Outras Doenças
Tmáx – Temperatura máxima
Tmín – Temperatura mínima
UR do ar – Umidade relativa do ar
15
SUMÁRIO
INTRODUÇÃO ........................................................................................................... 16
1 REVISÃO BIBLIOGRÁFICA ................................................................................... 18
1.1 A ASMA ............................................................................................................ 18
1.1.1 Epidemiologia.................................................................................................18
1.2 A PNEUMONIA .................................................................................................... 21
1.2.1 Epidemiologia da pneumonia.........................................................................21
4 MATERIAIS E MÉTODOS ....................................................................................... 27
4.1 CARACTERÍSTICAS DA ÁREA DE ESTUDO ................................................. 27
4.2 ANÁLISE E COLETA DOS DADOS ................................................................. 28
4.2.1 Dados das variáveis meteorológicas...................................................................28
4.2.2 Dados das endemias (Notificáveis)......................................................................29
4.3 METODOLOGIA ............................................................................................... 30
5 RESULTADOS E DISCUSSÕES ............................................................................. 32
5.1
Belém – PA.................................................................................................. 32
5.2
Boa Vista – RR ............................................................................................ 37
5.3
Cuiabá – MT ................................................................................................ 42
5.4
Imperatriz – MA ........................................................................................... 47
5.5
Macapá – AP ............................................................................................... 51
5.6
Manaus – AM ............................................................................................... 56
5.7
Palmas – TO ................................................................................................ 61
5.8
Porto Velho – RO ........................................................................................ 67
5.9
Rio Branco – AC ......................................................................................... 71
6 CORRELAÇÃO (R) ................................................................................................. 76
7 CONCLUSÕES ....................................................................................................... 82
8 RECOMENDAÇÕES ............................................................................................... 83
REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................ 84
GLOSSÁRIO DE TERMOS E PALAVRAS TÉCNICAS........................................... 90
ANEXOS ................................................................................................................. 94
16
INTRODUÇÃO
Amazônia Legal é o nome atribuído pelo governo brasileiro a uma
determinada área da Floresta Amazônica, pertencente ao Brasil, e que abrange
nove Estados: Acre, Amapá, Amazonas, Mato Grosso, Pará, Rondônia, Roraima,
Tocantins e uma parte do Maranhão. A área corresponde a aproximadamente
5.217.423 km2, cerca de 61% do território brasileiro (SIGNIFICADOS, 2010).
Com a finalidade de melhor planejamento e execução de projetos econômicos
na região delimitada, através da Lei n° 1806, de 06 de janeiro de 1953, o governo de
Getúlio Vargas decretou a criação da Amazônia Legal (antes denominada Hiléia
Amazônica). Simultaneamente, foi criada uma organização responsável pelas
iniciativas de promoção dessa região, atualmente designada por Superintendência
de Desenvolvimento da Amazônia (MADEIRA, 2013).
Segundo a ISB (Internacional Society of Biometeorology), Biometeorologia é o
estudo dos efeitos diretos e indiretos (de natureza irregular, flutuante ou rítmica) de
físico-, químico-, físico-químico-, micro- e macro-ambientes, de ambas, atmosfera da
Terra e outros ambientes similares extraterrestres, nos sistemas físico-químicos em
geral e nos organismos vivos (BIOMETEOROLOGIA, 2013).
A asma é uma doença inflamatória crônica das vias áreas, que resulta na
redução ou até mesmo obstrução no fluxo de ar. Sua fisiopatologia está relacionada
à interação entre fatores genéticos e ambientais que se manifestam como crises de
falta de ar devido ao edema da mucosa brônquica, a hiperprodução de muco nas
vias aéreas e a contração da musculatura lisa das vias aéreas, com conseqüente
diminuição de seu diâmetro (bronco espasmo). O estreitamento das vias aéreas é
geralmente reversível, porém, em pacientes com asma crônica, a inflamação pode
determinar obstrução irreversível ao fluxo aéreo. O diagnóstico é principalmente
clínico e o tratamento consta de medidas educativas, drogas que melhorem o fluxo
aéreo na crise asmático e antiinflamatório, principalmente a base de corticóides
(BRASIL, 2004).
A prevalência da asma no Brasil está entre uma das maiores do mundo,
conforme dados encontrados no estudo ISAAC (Internacional Study oh Asthma and
Allergy in Chilhood). A asma foi à quarta causa de hospitalização em 1996,
correspondendo a cerca de 350.000 internações em todo o país, a um custo de,
aproximadamente, 76 milhões de reais. Isto equivale ao terceiro maior gasto do SUS
17
com uma doença. Os custos diretos com o tratamento da asma são calculados pelos
gastos com medicamentos e aparelhos, consultas médicas e hospitalizações. Os
custos indiretos envolvem absenteísmo a escola e ao trabalho, tanto do paciente
como do seu acompanhante, além de perda de produtividade, aposentadoria
precoce e morte (OLIVEIRA, 2002).
Pneumonias são infecções que se instalam nos pulmões, órgãos duplos
localizados um de cada lado da caixa torácica. Podem acometer a região
dos alvéolos
pulmonares onde
desembocam
as
ramificações
terminais
dos brônquios e, às vezes, os interstícios (espaço entre um alvéolo e outro). Referese à infecção do trato respiratório inferior, primariamente envolve o pulmão, e
constitui a principal causa infecciosa de atendimento médico, sendo responsável por
um dos maiores percentuais de receitas de antibióticos. Basicamente, pneumonias
são provocadas pela penetração de um agente infeccioso ou irritante (bactérias,
vírus, fungos e por reações alérgicas) no espaço alveolar, onde ocorre a troca
gasosa. Esse local deve estar sempre muito limpo, livre de substâncias que possam
impedir o contato do ar com o sangue. Diferentes do vírus da gripe, que é altamente
infectante, os agentes infecciosos da pneumonia não costumam ser transmitidos
facilmente (SOUZA, 2007).
Segundo a Organização Mundial de Saúde (OMS) a pneumonia é a principal
causa de morte em crianças no mundo inteiro. A cada ano mata cerca de 1,8
milhões de crianças menores de cinco anos, respondendo por 20% das mortes de
crianças menores de cinco anos em todo o mundo. Há 155 milhões de casos de
pneumonia na infância a cada ano no mundo. A pneumonia afeta crianças e famílias
em todos os lugares, mas é mais prevalente no sul da Ásia e da África subsaariana
(OMS, 2013).
Neste trabalho buscou-se averiguar a existência de uma relação de
dependência entre a asma e pneumonia com as variáveis meteorológicas na
Amazônia Legal.
18
1 REVISÃO BIBLIOGRÁFICA
1.1 A ASMA
1.1.1 Epidemiologia
A Asma é um problema mundial. A Organização Mundial de Saúde (OMS)
estima que 255.000 pessoas morreram de asma em 2005 e que o mundo 300
milhões de pessoas sofrem com a doença, sendo que 60% são crianças (Filho,
2010). Na segunda metade do século XX, no ocidente, a asma foi a única doença
crônica tratável que aumentou a prevalência e em número de internações. Este
aumento ocorreu em todas as classes sociais. Embora nos últimos 10 anos a
prevalência da asma tenha alcançado um plateau ou mesmo sofrido uma leve
redução em algumas áreas, a prevalência ainda se eleva em algumas populações e
permanece em alta em países em desenvolvimento. A prevalência no mundo varia
de 0,7 a 18,4%da população geral, havendo variação deste índice de região para
região e de país para país (2 – 5). O Brasil é o 8º em prevalência de asma (ASMA
BRÔNQUICA, 2012). Segundo o Sistema Único de Saúde (SUS) a asma é
responsável no Brasil como a terceira causa de internações dentro do seu sistema.
Em 2007 foram registradas 273.205 internações por asma no Brasil, o que equivale
a 2,41% das internações totais, só ficando atrás das pneumonias e insuficiência
cardíaca congestiva e doenças renais (Figura 01).
Figura 01 – Percentual de prevalência de Asma no Ocidente.
Fonte: ASMA, (2012).
19
Segundo a GINA (Global Initiative for Asthma), existem atualmente 300
milhões de pessoas com a doença no mundo (Figura 02).
Figura 02 – Prevalência de Asma no mundo.
Fonte: ASMA, (2012).
A genética apresenta um papel importante na expressão da asma. O risco de
desenvolver asma na infância está relacionado à presença da doença nos pais. Se
um dos pais sofre de asma, o risco de a criança desenvolver asma é de 25%. Se
ambos os pais são asmáticos esta taxa pode alcançar 50% (Figura 03). Além disso,
estudos com gêmeos, encontraram taxas de concordância com a asma que variam
de 4,8 a 33% para gêmeos dizigóticos e de 12 a 89% para gêmeos monozigóticos
(NEDDENRIEP, 1989).
20
Figura 03 - Percentual de Prevalência em pais.
Fonte: ASMA BRÔNQUICA – EPIDEMIOLOGIA, (2012).
Caracteristicamente à doença, os sintomas aparecem de forma cíclica com
períodos de piora. Dentre os principais sinais e sintomas estão: a tosse, que pode ou
não, estar acompanhada de alguma expectoração (Catarro), dificuldade respiratória,
com dor ou ardência no peito, além de um chiado (Sibilância), na maioria das vezes
não há expectoração ou se há é tipo „clara de ovo‟. Os sintomas podem aparecer a
qualquer momento do dia, mas tendem a predominar pela manhã e a noite. A asma
é a principal causa de tosse crônica em crianças e está entre as principais causas
de tosse crônica em adultos (ASMA, 2012).
Foram muitas as tentativas para desenvolver uma classificação apropriada
para a asma, levando-se em consideração os seus vários fenótipos como: a
atopia/não-atopia, os fatores desencadeantes, a gravidade e o controle da doença, a
fisiopatologia, as respostas a terapia e ao grau de responsividade brônquica, como a
provocada pelo exercício, o ar frio, metacolina, histamina etc. Nenhuma classificação
tornou-se até hoje completamente aceita (TELLES FILHO, 2012).
A asma pode ser classificada quanto à gravidade em intermitente e
persistente leve, moderada e grave (Tabela 01).
Estima-se que 60% dos casos de asma sejam intermitentes ou persistentes
leves, 25% a 30% moderados e 5% a 10% graves. Os asmáticos graves são a
minoria, mas representam a parcela maior de recursos (DIAGNOSTICO, 2012).
A avaliação usual da gravidade da asma pode ser feita pela análise da
freqüência e intensidade dos sintomas e pela função pulmonar. A tolerância ao
exercício, a medicação necessária para estabilização dos sintomas, o número de
visitas ao consultório e ao pronto-socorro, o número de hospitalizações por asma e a
21
necessidade de ventilação mecânica são aspectos também utilizados para
classificar a gravidade de cada caso (COCKCROFT, 1996).
Tabela 01 – Classificação da Asma.
Fonte: JORNAL DE PNEUMOLOGIA, 2002.
1.2 A PNEUMONIA
1.2.1 Epidemiologia da pneumonia
Pneumonia refere-se à infecção do trato respiratório inferior, primariamente
envolve os pulmões, e constitui a principal causa infecciosa de atendimento médico,
sendo responsável por um dos maiores percentuais de receita de antibióticos
(SOUZA, 2007). Segundo a OMS quando um indivíduo tem pneumonia, os alvéolos
pulmonares são preenchidos com pus e líquido (Figura 04), o que torna a respiração
com limites de consumo de oxigênio e dolorosa.
22
Figura 04 – Esquema de um pulmão com pneumonia.
Fonte: PNEUMONIA, 2012.
A pneumonia é a principal causa de morte em crianças no mundo inteiro. A
cada ano, mata cerca de 1,6 milhões de crianças menores de cinco anos,
representando 18% das mortes de crianças menores de cinco anos em todo o
mundo. A pneumonia afeta crianças e famílias em todos os lugares, mas é mais
prevalente no sul da Ásia e da África sub-saariana.
As crianças podem ser
protegidas contra a pneumonia, podem ser prevenidas com intervenções simples, e
tratados com baixo custo de baixa tecnologia, medicamentos e cuidados (OMS,
2013).
No Brasil, as pneumonias foram a causa básica de 17.220 mortes na faixa
etária de 65 anos ou mais, durante o ano de 1996. De acordo com o serviço de
Vigilância Epidemiológica da Fundação Nacional de Saúde (FUNASA), a taxa de
hospitalização do por gripe e pneumonia em idosos foi de 12,5 a 1.000 habitantes.
Segundo os dados do SUS (PNEUMONIA, 2012), a pneumonia é a terceira causa
de internações entre idosos com 65 anos de idade ou mais, representando 6,8% do
total de internações hospitalares no SUS.
A pneumonia é causada por uma série de agentes infecciosos, incluindo vírus,
bactérias e fungos (OMS). Os mais comuns são:
23
Streptococcus pneumonie (Figura 05) – causa mais comum de pneumonia
bacteriana em crianças;
Haemophilus influenzae tipo b (Hib) – a segunda causa mais comum de pneumonia
bacteriana;
O vírus sincicial respiratório (Figura 05) é a causa mais comum de pneumonia viral;
Em crianças infectadas com HIV, Pneumocystis jiroveci é uma das causas mais
comuns de pneumonia, responsável por pelo menos um quarto de todas as mortes
por pneumonia em crianças infectadas pelo HIV.
Figura 05 – Streptococcus pneumonie ou Pneumococo (Preto) e o Vírus
Sincicial Respiratório (Azul) vistos de um microscópio eletrônico.
Fonte: GOOGLE IMAGENS, 2012.
Os principais sintomas da pneumonia são: Febre alta, tosse, dor no tórax,
alterações da pressão arterial, confusão mental, mal-estar generalizado, falta de ar,
secreção de muco purulento de cor amarelada ou esverdeada ou cor de tijolo, às
vezes com rajas de sangue, toxemia e prostração. Segundo a OMS os sintomas da
pneumonia vital e bacteriana são semelhantes. No entanto, os sintomas da
pneumonia vital podem ser mais numerosos do que os sintomas da pneumonia
bacteriana. Outra alteração que pode ocorrer é o surgimento de lesões de herpes
nos lábios, por estar o sistema imunológico debilitado. Em alguns casos, pode
ocorrer dor abdominal, vômitos, náuseas e sintomas do trato respiratório superior
como dor de garganta, espirros, coriza e dor de cabeça (PNEUMONIA, 2012).
O diagnóstico de pneumonia é feito com a história clínica do paciente, um
exame físico detalhado e a realização de uma radiografia do tórax (Figura 06). A
24
radiografia é importante para confirmar ou excluir o diagnóstico da pneumonia,
determinar sua extensão e localização, avaliar a gravidade ou a ocorrência de
complicações e
auxiliar
no
diagnóstico
diferencial
com
outras
patologias
(BOLSONELLO, 2013).
Nos casos mais graves, alguns exames complementares podem ser
solicitados para definir melhor as condições do paciente. Geralmente são realizados
hemograma, glicemia, uréia e creatinina, eletrólitos, proteínas totais, pH, gasometria
arterial, sorologia para HIV ou exames da secreção .
Figura 06 – Radiografia do Tórax para diagnóstico da pneumonia.
Fonte: GOOGLE IMAGENS, 2012.
Geralmente se adquire pneumonia pela combinação de uma queda da
imunidade corporal (baixas defesas do organismo) e contaminação por um
microorganismo (bactérias, fungos ou vírus) suficientemente forte para causar
infecção nos pulmões. Uma baixa imunidade pode ser temporária, e geralmente não
se sabe exatamente porque isso ocorre (PNEUMONIA, 2012).
Algumas recomendações básicas podem ajudar a prevenir a doença, tais
como:
Vacinação contra gripe, principalmente em idosos e crianças;
Vacina contra pneumococo (principal bactéria causadora de pneumonia);
Lavar as mãos;
Não fumar; evitar ambientes fechados, ter uma boa qualidade de vida.
25
3 PRECIPITAÇÃO DA REGIÃO AMAZÔNICA
A Bacia Amazônica possui uma área estimada de 6,3 milhões de quilômetros
quadrados, sendo que aproximadamente 5 milhões em território brasileiro e o
restante dividem entre os países da Bolívia, Colômbia, Equador e Peru. Esta região
é limitada a oeste pela Cordilheira dos Andes (com elevações de até 6000 m), a
norte pelo Planalto das Guianas (com picos montanhosos de até 3000 m), ao sul
pelo Planalto Central (altitudes típicas de 1200 m) e à leste pelo Oceano Atlântico,
por onde toda a água captada na bacia escoa para o mar. Segundo o IBGE (2012),
a área da Amazônia Legal no Brasil é de 5.032.925 km2, compreendidos pelos
estados do Pará, Amazonas, Rondônia, Roraima, Acre e Amapá e parte dos estados
do Tocantins, Mato Grosso e Maranhão (FISCH et al., 1998).
A convecção na região Amazônica é um importante mecanismo de
aquecimento da atmosfera tropical e suas variações, em termos de intensidade e
posição, possui um papel importante na determinação do tempo e clima desta
região. Segundo Figueroa et al.(1990) a liberação de calor latente durante a época
chuvosa, o equivalente a uma precipitação de 10 mm.dia-1.
Segundo MOLION (1987), os mecanismos que provocam chuvas na
Amazônia podem ser agrupados em três tipos: a) convecção diurna: resultante do
aquecimento da superfície e condições de larga-escala favoráveis; b) linhas de
instabilidade: originadas na costa N/NE do litoral do oceano Atlântico; c)
aglomerados convectivos de meso e larga escala: associados com a penetração de
sistemas frontais na região S/SE do Brasil e interagindo com a região amazônica.
A precipitação anual na Amazônia possui um ciclo bem definido, com dois
períodos considerados: um chuvoso, quando ocorrem os totais máximos durante o
verão e o outono; e outro menos chuvoso, quando ocorre o mínimo durante o
inverno austral (MARENGO et al.,2001). GOMES (2011), estudou que o primeiro
total de precipitação está localizado na porção ocidental com volume de chuvas de
aproximadamente 2300 e 3500mm, estendendo-se numa orientação noroestesudeste desde o estado do Amazonas até o centro-norte do Mato Grosso e sudoeste
do Pará. Este máximo ocorre principalmente durante o verão (novembro a fevereiro)
e associa-se primariamente com a manifestação da Zona de Convergência do
Atlântico sul – ZCAS (CARVALHO, 2004). Já um segundo máximo de precipitação
mostra-se presente na porção oriental, ao longo da costa atlântica dos estados do
26
Amapá, Pará e Maranhão, com volumes de chuva em torno de 2000 a 2900 mm.
Com ocorrência predominante no outono (fevereiro a maio), quando a Zona de
Convergência Intertropical – ZCIT atinge sua posição mais austral sobre o oceano
Atlântico equatorial (SOUZA et al., 2004).
Sistemas como Linhas de Instabilidade (COHEN et al., 1995), assim como
Distúrbios Ondulatórios de Leste (COUTINHO E FISHER, 2007) foram observados
como influenciadores no volume de chuva na Amazônia Oriental.
Como na Amazônia a variabilidade da temperatura e umidade relativa do ar é
relativamente pequena, a precipitação passa a ser a variável meteorológica mais
importante da região pela sua variabilidade espaço-temporal anual.
27
4 MATERIAIS E MÉTODOS
4.1 CARACTERÍSTICAS DA ÁREA DE ESTUDO
Esta análise bioclimatológica foi realizada para Amazônia Legal (Figura 07),
cuja atual área de abrangência corresponde à totalidade dos Estados do Acre,
Amapá, Amazonas, Mato Grosso, Pará, Rondônia, Roraima, Tocantins e parte do
Estado do Maranhão (a oeste do meridiano de 44º de longitude) perfazendo uma
superfície de aproximadamente 5.217.423km² correspondente a cerca de 61% do
território brasileiro (IBGE, 2010).
Figura 07 – Municípios estudados (Pontos amarelos).
Fonte: GOOGLE IMAGENS (Adaptado pelo autor).
Nos nove estados pertencentes à Amazônia Legal, foram escolhidos os nove
principais municípios (Pontos amarelos). Seja a tabela 02 abaixo.
28
Tabela 02 – Municípios analisados e suas respectivas características: latitude,
longitude, população, área e número de unidades de saúde.
Latitude
Longitude
Macapá-AP
00º02‟20‟‟N
51º03‟59‟‟O
387.539
6.563
195
Belém-PA
1º27‟21‟‟S
48º30‟16‟‟O
1.351.618
1.059
1436
9º58‟29‟‟S
67º48‟36‟‟O
336.038
8.835
165
Imperatriz-MA
5º31‟35‟‟ S
47º29‟30‟‟O
247.505
1.368
153
Cuiabá-MT
15º35‟46‟‟S
56º05‟48‟‟O
551.098
3.495
312
8º45‟43‟‟S
63º54‟14‟‟O
410.520
34.096
389
Palmas-TO
10º12‟46‟‟S
48º21‟37‟‟O
228.332
2.219
144
Boa Vista-RR
02º49‟11‟‟N
60º40‟24‟‟O
277.684
5.687
195
Manaus-AM
3º06‟07‟‟S
60º01‟30‟‟O
1.718.584
11.159
1066
Rio BrancoAC
Porto VelhoRO
População (Hab.) Área (Km2)
Nº de unidades de
Municípios
saúde
Fonte: Adaptado de GOMES (2011).
Segundo GOMES (2011), a região possui temperatura do ar, umidade relativa
do ar e precipitação pluviométrica características semelhantes entre todos os
municípios, a faixa da temperatura do ar está compreendida dos 21ºC aos 34ºC, a
umidade relativa normalmente encontra-se, em valores percentuais, acima de 60% e
a precipitação pluviométrica média apresenta valores acima dos 80 mm.
4.2 ANÁLISE E COLETA DOS DADOS
4.2.1 Dados das variáveis meteorológicas
Para realização deste trabalho, foram obtidos dados mensais de Temperatura
(Máxima e Mínima), Precipitação e Umidade Relativa junto ao Instituto Nacional de
Meteorologia – Banco de dados meteorológicos (BDMET), numa série temporal de
10 anos.
29
4.2.2 Dados das endemias (Notificáveis)
Os dados mensais de Asma e Pneumonia foram obtidos através do
Departamento de Informática do SUS (DATASUS), sessão Informações em Saúde –
Epidemiologias e Morbidade, sub-sessão – Geral por Local de Internação.
Igualmente como nos dados das variáveis meteorológicas, numa série temporal de
10 anos através do capítulo CID-10 (Tabela 04).
A CID-10 foi conceituada para padronizar e catalogar as doenças e problemas
relacionados à saúde, tendo como referência a Nomenclatura Internacional de
Doenças, estabelecida pela Organização Mundial de Saúde. Com base no
compromisso assumido pelo Governo Brasileiro, a organização dos arquivos em
meio magnético e sua implementação para disseminação eletrônica foi efetuada
pelo DATASUS, possibilitando, assim, a implantação em todo o território nacional,
nos registros de Morbidade Hospitalar e Ambulatorial, compatibilizando estes
registros entre todos os sistemas que lidam com morbidade (DATASUS, Site).
Tabela 03 – Exemplo da página do DATASUS para coleta de dados das doenças.
Fonte: Site DATASUS.
30
4.3 METODOLOGIA
Como critério metodológico foi feita uma análise descritiva das variáveis
utilizando o software STATISTICA (Versão 8). Dessa forma foram geradas figuras do
tipo boxplot que possibilitam representar a distribuição de um conjunto de dados
com base em algumas de suas variáveis descritivas, quais sejam: mediana (é o valor
exatamente no meio de um conjunto ordenado de números) (q2), quartil inferior (q1),
quartil superior (q3) e do IRQ, intervalo interquartil (é a diferença entre o quartil
superior e o quartil inferior). Veja a Figura 08 abaixo.
Figura 08 – Exemplo explicativo de um gráfico boxplot.
Fonte: GOMES, 2011.
Na estatística descritiva, um gráfico de caixa ou boxplot (também conhecido
como diagrama de „caixa-e-bigode‟ ou trama) é uma maneira conveniente de
representar graficamente os grupos de dados numéricos através de seus números e
cinco resumos: a menor observação (mínimo da amostra), menor quartil (Q1),
mediana (Q2), superior quartil (Q3), a maior e observação (máxima da amostra). Um
31
boxplot pode também indicar que observações, se for o caso, pode ser considerado
de outliers (GOMES, 2011). Metodologia criada por John Wilder Tukey, PhD. em
matemática pela Universidade de Princeton, EUA (BIOGRAPHIES, 2013).
O boxplot permite avaliar a simetria dos dados, sua dispersão e a existência
ou não de outliers nos mesmos, sendo especialmente adequado para a comparação
de dois ou mais conjuntos de dados correspondentes às categorias de uma variável
qualitativa.
Boxplots mostra as diferenças entre as populações, sem fazer quaisquer
suposições subjacentes da distribuição estatística: são não paramétricos. Os
espaçamentos entre as diferentes partes da caixa, ajuda indica o grau de dispersão
(spread) e assimetria nos dados, e identificar valores „aberrantes‟. Boxplots pode ser
desenhado na horizontal ou na vertical. Veja a Figura 09 abaixo de um gráfico
boxplot construído no software STATISTICA.
Figura 09 – Exemplo de uma figura boxplot gerado a partir do software
STATISTICA (Incidência de asma em Belém-PA).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median
25%-75%
Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
90000
80000
Nº OCORRÊNCIAS
70000
60000
50000
40000
30000
20000
10000
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Meses
Fonte: Do autor.
Foram aplicadas análises de correlação (inferência estatística) entre as
variáveis estudadas, verificando a existência ou não de correlação. O coeficiente de
correlação mede até que ponto duas variáveis de medida possam variar juntas, ou
seja, se elas são simétricas ou não.
32
5 RESULTADOS E DISCUSSÕES
5.1 Belém – PA
No município de Belém-PA observaram-se os maiores valores de temperatura
máxima nos meses de agosto a novembro (inverno, primavera), com valores médios
superiores a 32,5ºC. No período de dezembro a julho as temperaturas ficam em
torno de 31,5ºC a 32,5ºC. Nos meses de janeiro e setembro observou-se a
existência de outliers: valores atípicos, extremamente baixos. Veja a figura 10
abaixo.
Figura 10 – Boxplot da temperatura máxima em Belém-PA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÁXIMA (ºC)
35
34
33
32
31
30
29
28
27
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Analisando a temperatura mínima na Figura 11, observaram-se os menores valores
de temperatura mínima nos meses de junho a dezembro (inverno, primavera), com
valores médios em torno de 22,5ºC a 23,0ºC. O mês de fevereiro ocorreu o menor
valor de temperatura mínima, com valor médio de 29,4ºC. A temperatura mínima no
período estudado observou-se a presença de outliers nos meses: fevereiro, março
(outliers superior e inferior), abril, maio (outliers superior e inferior), julho, agosto,
setembro e dezembro, requerendo assim uma atenção especial no banco de dados
da variável, junto à fonte.
33
Figura 11 – Boxplot da temperatura mínima em Belém-PA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÍNIMA (ºC)
24,5
24,0
23,5
23,0
22,5
22,0
21,5
21,0
20,5
20,0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
A precipitação pluviométrica em Belém-PA mostrada na Figura 12, caracteriza-se
como o período mais chuvoso (300mm) os meses de dezembro a abril, com valores
totais superiores a 300mm. Já nos meses de maio a novembro caracteriza-se pelo
período menos chuvoso com valores de precipitação total em torno de 100mm a
290mm. Observou-se a existência de outliers nos meses março (ano/2006 –
685,5mm), julho (ano/2000 – 219,3mm) e agosto (ano/2006 – 236,1mm): valores
altos com relação aos demais. Como foram casos isolados, o programa STATISTIC
apenas mostra que há algum dado fora do comum. Não se sabe ao certo se há erro
de capitação de dados. Embora tenha pouca influência no resultado final.
Teoricamente no período chuvoso (temperaturas baixas) as doenças respiratórias
crônicas tendem a aumentar. Estima-se que a freqüência as clinica pediátricas
aumenta em 30%. Mesmo sem procurar o auxilio de uma unidade hospitalar, muitas
medidas podem ser tomadas para evitar uma crise asmática (JCNEWS, 2013).
A alternância de calor e chuva é, geralmente, uma combinação ruim para a saúde e
que nos coloca ao alcance de vírus, bactérias e parasitas que atacam durante as
alterações climáticas.
34
Figura 12 – Boxplot da precipitação pluviométrica em Belém-PA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
800
PRECIPITAÇÃO (mm)
700
600
500
400
300
200
100
0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A umidade relativa do ar no município de Belém-PA apresentada na Figura 13,
possui pouca variabilidade estatística, estando sempre acima de 70%. Isso se deve
ao fato de Belém estar localizada no leste da Amazônia, com uma bacia hidrográfica
bem peculiar, com clima tropical úmido. Com uma distância de 228 km no litoral do
oceano Atlântico Sul. Observou-se a existência de outliers nos meses de janeiro
(ano/2007 – 74%), maio (ano/1998 – 82%) e julho/agosto/novembro (ano/1999 –
78%): valores atípicos com os demais. A diferença foi de apenas 7% com relação
aos outros dados, o programa STATISTICA apenas os destacou. Não foi encontrado
na literatura algo que possa justificar o aparecimento destes outliers, já que os
dados estão dentro do padrão aceitável.
Figura 13 – Boxplot da umidade relativa do ar em Belém-PA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
92
UMIDADE RELATIVA (%)
90
88
86
84
82
80
78
76
74
72
MÊS
Fonte: Do autor.
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
35
O número de ocorrências de asma no município de Belém-Pa, apresentado na
Figura 14, teve uma discrepância pequena, médias em torno de 30.000 a 43.000
ocorrências anuais. Vale ressaltar que em 2007 foi ano com maior número de
ocorrências, chegando ao registro em torno de 72.000 ocorrências. Segundo ASMA
(2013), o clima seco é um dos fatores preponderantes para o agravo de doenças
respiratórias. Como visto anteriormente em 2007 a umidade relativa apresentou
valor médio abaixo da média, em torno de 74%. Observou-se a existência de outliers
nos meses: abril, maio, junho, outubro, novembro e dezembro. O que requer uma
atenção especifica, pode ter havido algum equívoco na coleta de dados junto às
fontes.
Figura 14 – Boxplot do número de ocorrências de asma em Belém-PA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
90000
Nº OCORRÊNCIAS (Asma)
80000
70000
60000
50000
40000
30000
20000
10000
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov Dez
Meses
Fonte: Do autor.
O período estudado (1998-2007), a incidência de asma não teve variação
significativa. Os anos de 1999 e 2007 foram os que apresentaram maior variação
com valores em torno de 600.000 e 710.000, respectivamente apresentados na
Figura 15. Embora no ano de 2007 a população de Belém tenha sofrido um leve
declínio, o sistema de saúde pública sofria um colapso estrutural crônico com falta
de médicos, leitos hospitalares e o contingente populacional aumentando em busca
dos serviços de saúde (EPIDEMIOLOGIA E SERVIÇOS DE SAÚDE, 2006). Este
fato pode ser um dos fatores preponderantes para o agravo do número de casos de
asma no município.
36
Figura 15 – Incidência anual de Asma no município de Belém-PA (1998-2007).
Incidência Asma
810000,0
610000,0
410000,0
210000,0
10000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O número de ocorrências de pneumonia no município de Belém-PA apresentados na
Figura 16, notou-se que nos meses de março a junho houve um gradativo aumento
(50.000 casos em média), com valores médios em torno de 250.000 a 300.000
ocorrências. Sabe-se que com período chuvoso intenso e umidade relativa elevada
faz com que o número de ocorrências de pneumonia tenda a aumentar. Embora os
meses de maio e junho não se configurarem mais dentro do período chuvoso no
leste da Amazônia, esses meses apresentaram valores elevados de precipitação e
umidade relativa do ar, como visto anteriormente. Observou-se a existência de
outliers no mês de novembro (ano/2007 – 383.000 ocorrências): valor extremamente
alto.
Figura 16 – Boxplot do número de ocorrências de pneumonia em Belém-PA (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Nº DE OCORRÊNCIAS (Pneumonia)
Median; Box: 25%-75%; Whisker: Min-Max
550000
500000
450000
400000
350000
300000
250000
200000
150000
100000
50000
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
37
Os anos de 2002, 2003, 2004, 2006 e 2007 apresentados na Figura 17, registraram
os maiores números de incidência de pneumonia. Com destaque para 2007 com um
total anual de 442.000 ocorrências, um número bastante elevado se compararmos
com a população de Belém, que gira em torno de 2,1 milhões de habitantes (PARÁ,
2013). Em 2005 houve campanhas contra doenças como gripe Influenza, pneumonia
e doenças respiratórias em geral no município de Belém. Já no ano de 2007 houve o
colapso no sistema de saúde público no município, como citado anteriormente.
Incidência Pneumonia
Figura 17 – Incidência anual de Pneumonia no município de Belém-PA (1998-2007).
5000000,0
4000000,0
3000000,0
2000000,0
1000000,0
0,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
5.2 Boa Vista – RR
No município de Boa Vista – RR observaram-se os maiores valores de temperatura
máxima nos meses de setembro a fevereiro (primavera, verão), com valores médios
superiores a 34ºC, mostrados na Figura 18. Nos meses de março a agosto, as
temperaturas máximas do ar ficam em torno de 30ºC a 33,5ºC, havendo pouca
variação no período estudado. Observou-se a existência de outliers nos meses de
março e novembro: valores atípicos, superiores aos demais. Segundo o Dr.Drauzio
Varella (2013), temperaturas altas podem causar crises agudas. Além das
"condições climáticas extremas" que induzem problemas com a asma, há alérgenos
que podem ser afetados por uma leve alteração no clima. Muitos pesquisadores
correlacionam essas alterações com o aquecimento global, que piorou os sintomas
de muitas pessoas com asma.
38
Figura 18 – Boxplot da temperatura máxima em Boa Vista - RR (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÁXIMA (ºC)
40
35
30
25
20
15
10
5
0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov Dez
Fonte: Do autor.
Analisando as temperaturas mínimas na Figura 19, observaram-se os menores
valores de temperatura nos meses de maio a agosto (outono, inverno) com valores
médios em torno de 22ºC a 23,3ºC. Estatisticamente houve pouca variação nas
temperaturas mínimas. O mês de julho apresentou o menos valor de temperatura
mínima em torno de 21ºC. Observou-se a existência de outliers nos meses de
março, junho, novembro e dezembro: valores atípicos se comparados aos demais.
Encontrou-se algumas falhas junto ao banco de dados nesses meses, porém não
influenciou de maneira alguma no resultado final.
Figura 19 – Boxplot da temperatura mínima em Boa Vista - RR (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÍNIMA (ºC)
30
28
26
24
22
20
18
16
14
12
10
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Na figura 20 a precipitação pluviométrica no município de Boa Vista – RR teve os
meses mais chuvosos de abril a agosto com valores de precipitação superiores a
39
200mm. Já no período de setembro a março caracterizou o período menos chuvoso
com valores em torno de 10mm a 100mm. Observou-se a existência de outliers nos
meses de fevereiro (ano/1999 – 165mm), novembro (ano/2000 – 2,6mm) e
dezembro (ano/1998 – 231,7mm): valores atípicos se comparados aos demais. No
caso de novembro o outlier evidencia um valor muito baixo se comparado com os
demais, requerendo uma atenção especial. Mais uma vez o programa STATISTIC
apenas mostrou um dado fora do padrão, não influenciando nos resultados deste
estudo.
Figura 20 – Boxplot da precipitação pluviométrica em Boa Vista - RR (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*120c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
PRECIPITAÇÃO (mm)
700
600
500
400
300
200
100
0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
A umidade relativa do ar no município de Boa Vista – RR esteve acima de 60%
como mostra a Figura 21. Os meses de maio, junho, julho e agosto apresentaram as
maiores umidades relativas 88%, 87%, 91% e 87% respectivamente. Os demais
meses houve variação de 60% a 75%. Observou-se a existência de outliers no mês
de julho: valores superiores e inferiores atípicos. Algumas vezes o programa
STATISTIC considera o aparecimento de dois ou mais valores num mesmo conjunto
de dados, fora do padrão dos demais como é o caso de julho (ano/2006 – 79% e
ano/2005 – 80%), houve uma diferença de apenas 5% com relação aos demais, se
fizermos uma análise mais criteriosa, esses dois valores estão dentro do padrão
aceitável.
40
Figura 21 – Boxplot da umidade relativa do ar em Boa Vista – RR (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
95
UMIDADE RELATIVA (%)
90
85
80
75
70
65
60
55
50
MÊS
Jan Fev Mar Abr Mai
Jun
Jul
Ago Set
Out Nov Dez
Fonte: Do autor.
No número de ocorrências de asma no município de Boa Vista – RR apresentado na
Figura 22, obteve uma variação significativa no período estudado (1998 – 2007). Os
anos de 1998, 1999, 2001, 2004 e 2007 (Figura 23) foram os anos com maiores
incidências de asma, com registros acima de 23.000.
Analisando os dados no
período estudando fica claro a dispersão em todos os meses. Nota-se tendência de
maiores valores de ocorrência de asma nos meses fevereiro, abril, maio, julho,
outubro e novembro. Observou-se a existência de outliers nos meses agosto,
setembro e dezembro: valores extremamente superiores aos demais. Esses meses
apresentaram maior dispersão de dados, onde pode ser comprovado pelo tamanho
dos „Bigodes‟.
Figura 22 – Boxplot do número de ocorrências de asma em Boa Vista - RR (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Asma)
4500
4000
3500
3000
2500
2000
1500
1000
500
0
MÊS
Fonte: Do autor.
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
41
Incidência Asma
Figura 23 – Incidência anual de Asma no município de Boa Vista - RR (1998-2007).
30.000,0
20.000,0
10.000,0
0,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O número de ocorrências de pneumonia no município de Boa Vista – RR notou-se
nos meses de janeiro a junho um gradativo aumento, com valores médios em torno
de 20.000 a 60.000 ocorrências, apresentados na Figura 24. Verificou-se
anteriormente que o regime pluviométrico e a umidade relativa do ar nesses meses
também estavam elevadas. Nos meses de julho a fevereiro os valores médios de
ficaram em torno de 20.000 a 40.000 ocorrências registradas. Observou-se a
existência de outliers nos meses de abril, setembro, outubro, novembro e dezembro:
valores atípicos, superiores. Requerendo uma atenção especifica na base de dados
da variável.
Figura 24 – Boxplot do número de ocorrências de Pneumonia em Boa Vista - RR
(1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max Outliers
Nº DE OCORRÊNCIAS (Pneumonia)
Median
Median; Box: 25%-75%; Whisker: Min-Max
14000,00
12000,00
10000,00
8000,00
6000,00
4000,00
2000,00
0,00
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
42
Verificou-se que a tendência nos últimos anos do período estudado houve um
crescimento significativo na incidência de pneumonia no município em Boa Vista –
RR como mostra a Figura 25.
No ano de 2007 observou-se maior número de
ocorrências registradas dessa endemia chegando a aproximadamente 700.000
casos. Esse fato se deve a um significativo aumento populacional ocorrido no
município, chamado de „boom demográfico‟ (STAEVIE, 2011).
Figura 25 – Incidência anual de Pneumonia no Município de Boa Vista - RR (1998-
Incidência Pneumonia
2007).
800.000,0
700.000,0
600.000,0
500.000,0
400.000,0
300.000,0
200.000,0
100.000,0
0,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Ano
Fonte: Do autor.
5.3 Cuiabá – MT
No município de Cuiabá – MT observaram-se os valores de temperatura máxima
variando entre 28ºC a 33,5ºC como mostra a Figura 26. Os meses de agosto a
fevereiro apresentaram os maiores valores com médias em torno de 31ºC a 32ºC. Já
os meses março, abril, maio e dezembro apresentaram os menores valores com
médias em torno de 27,8ºC a 31,9ºC. Estatisticamente observa-se que a
variabilidade da temperatura para essa região é relevante em todos os meses do
ano. Observou-se a existência de outliers nos meses junho, novembro e dezembro:
valores atípicos em relação aos demais (Figura 26).
43
Figura 26 – Boxplot da temperatura máxima em Cuiabá - MT (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÁXIMA (ºC)
36
34
32
30
28
26
24
22
20
18
16
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
Analisando as temperaturas mínimas na Figura 27 notaram-se os menores valores
nos meses de setembro a março (primavera, verão), com valores médios em torno
de 20ºC a 23,9ºC. Os outros meses maio, junho, julho e agosto apresentam os
menores valores, com média em torno de 15,5ºC a 17ºC. Observou-se a existência
de outliers nos meses de julho, agosto e outubro: valores atípicos, inferiores aos
demais. Porém os valores estão dentro do padrão aceitável de variação.
Figura 27 – Boxplot da temperatura mínima em Cuiabá - MT (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÍNIMA (ºC)
26
24
22
20
18
16
14
12
10
8
6
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A precipitação pluviométrica em Cuiabá – MT mostrada na Figura 28 apresentou
uma sazonalidade bem definida (período com abundância de chuvas, período com
escassez de chuvas e um período de transição), com período chuvoso nos meses
de novembro a março, os valores de precipitação ficaram em torno de 170mm a
235mm. Já os meses no período menos chuvoso (abril a outubro) ficaram com
valores variando de 3mm a 40mm. Observou-se a existência de outliers nos meses
44
de julho, agosto, novembro e dezembro: valores atípicos. Vale ressaltar que no mês
de dezembro foram observados valores superiores e inferiores fora do padrão em
relação os demais (ano/2005 – 31,5mm e ano/1998 – 327,7mm). No caso de 2005
pode ser justificado pelo fato de 2005 e 2006 terem sido um período de maior seca
na Amazônia da última década (ZANCHETTA, 2005). Outros fatores podem ser os
responsáveis para o número elevado de ocorrências de asma e pneumonia no
município de Cuiabá–MT. Segundo BOTELHO (2003) mudanças climáticas bruscas
ajuda a piorar a qualidade do ar respirado, sobretudo quando a massa de ar frio
dificulta a corrente de ventos e faz precipitar o material particulado da atmosfera nas
grandes cidades. Com isso, há aumento significativo para os casos de pneumonia,
asma e bronquiolite.
Figura 28 – Boxplot da precipitação pluviométrica em Cuiabá – MT (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
PRECIPITAÇÃO (mm)
400
350
300
250
200
150
100
50
0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
A umidade relativa do ar no município de Cuiabá – MT sofreu pouca variação ao
longo do período estudado (1998-2007), com valores médios em torno de 57% a
80%. Com os meses de agosto e setembro apresentando as menores médias, entre
57% e 56%, vejamos a Figura 29.
45
Figura 29 – Boxplot da umidade relativa do ar em Cuiabá - MT (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
UMIDADE RELATIVA (%)
100
90
80
70
60
50
40
30
20
MÊS
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: Do autor.
O número de ocorrência de asma em Cuiabá – MT não sofreu muita variação dentro
do período estudado (1998-2007) estando os valores médios entre 3.000 a 8.000
casos registrados, apresentados na Figura 30. Nos meses onde se apresentaram os
maiores números de ocorrências (abril a agosto) as temperaturas mínimas estavam
bem abaixo da média. Sabe-se que temperaturas baixas acabam agravando o
quadro de asma em termos clínicos. Observou-se a existência de outliers nos meses
de abril, setembro, outubro, novembro e dezembro, valores atípicos, superiores aos
demais. Porém valores dentro dos padrões e que pouco influenciou nos resultados.
Figura 30 – Boxplot do número de ocorrências de Asma em Cuiabá - MT (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Nº DE OCORRÊNCIAS (Asma)
Median; Box: 25%-75%; Whisker: Min-Max
14000
12000
10000
8000
6000
4000
2000
0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A incidência da asma no município de Cuiabá – MT apresentado na Figura 31, não
teve uma variação significativa onde percebeu-se que a mesma esteve oscilando
entre 40.000 a 58.000 ocorrências anuais registradas.
46
Incidência Asma
Figura 31 – Incidência anual de Asma no Município de Cuiabá - MT (1998-2007).
70.000,0
60.000,0
50.000,0
40.000,0
30.000,0
20.000,0
10.000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O número de ocorrências de pneumonia no município de Cuiabá – MT mostrados na
Figura 32 tiveram valores muito altos e sofreram pouca variação sendo setembro,
outubro, abril e maio os meses com maiores casos registrados, justamente nos
meses característicos do período chuvoso nessa região. Com valores médios de
80.000 a 100.000 casos. Observou-se a existência de outliers nos meses de março
e junho: valores atípicos, superiores aos demais. Requerendo uma atenção especial
no banco de dados da variável.
Figura 32 – Boxplot do número de ocorrências de Pneumonia em Cuiabá - MT (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Nº DE OCORRÊNCIAS (Pneumonia)
Median; Box: 25%-75%; Whisker: Min-Max
240000,0
220000,0
200000,0
180000,0
160000,0
140000,0
120000,0
100000,0
80000,0
60000,0
40000,0
20000,0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Observou-se uma tendência de aumento na incidência de pneumonia no município
de Cuiabá – MT nesses 10 anos estudados (1998-2007) com variação para mais (+)
47
e para menos (-) em alguns anos. Em 2007 o número de ocorrências chegou a
passar de 1.500,000 casos registrados, vejamos a Figura 33 a seguir.
Incidência Pneumonia
Figura 33 – Incidência anual de Pneumonia no Município de Cuiabá - MT (1998-2007).
2.010.000,0
1.510.000,0
1.010.000,0
510.000,0
10.000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
5.4 Imperatriz – MA
Em Imperatriz – MA, município pertencente à parte leste da Amazônia observou-se
valores de temperatura máxima com algumas oscilações, valores médios em torno
de 31ºC a 36ºC, apresentados na Figura 34. Os meses de julho a outubro
apresentam os maiores valores máximos, oscilando entre 34ºC a 36ºC, estando no
período mais quente na região. Observou-se a existência de outliers nos meses de
janeiro, fevereiro, abril, junho, outubro e dezembro: valores atípicos com relação aos
demais. Necessitando uma atenção especial. Observando a base de dados, esses
valores estão dentro dos padrões. O programa STATISTIC apenas os destacou
como possíveis erros. Hipótese está descartada pelo autor.
Figura 34 – Boxplot da temperatura máxima em Imperatriz - MA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
TEMPERATURA MÁXIMA (ºC)
Median; Box: 25%-75%; Whisker: Min-Max
38
37
36
35
34
33
32
31
30
29
28
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
48
Analisando as temperaturas mínimas na Figura 35 observou-se estatisticamente
pouca variação dentro do período estudado, com valores médios entre 20ºC a 24ºC.
Os meses de janeiro, março, maio, outubro e dezembro apresentaram os maiores
valores de temperatura mínima oscilando entre 22ºC a 24ºC. Observou-se a
existência de outliers no mês de junho (ano/2006 – 13,6ºC a 18ºC): valores
extremamente inferiores se comparados aos demais. Porém não afetou nos
resultados aqui apresentados.
Figura 35 – Boxplot da temperatura mínima em Imperatriz - MA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Non-Outlier Range
Outliers
Median; Box: 25%-75%; Whisker: Non-Outlier Range
TEMPERATURA MÍNIMA (ºC)
26
24
22
20
18
16
14
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A Figura 36 mostra claramente a sazonalidade da precipitação pluviométrica no leste
na Amazônia, com período chuvoso se estendendo a partir de novembro até
meados de março. Dentro desse período a variação pluviométrica ficou em torno de
90mm a 230mm. Os demais meses com variação de 5mm a 120mm. Observou-se a
existência de outliers nos meses de agosto, setembro e outubro: valores atípicos,
superiores aos demais. Porém os valores estão dentro do padrão aceitável de
variação.
Figura 36 – Boxplot da precipitação pluviométrica em Imperatriz - MA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
PRECIPITAÇÃO (mm)
600
500
400
300
200
100
0
MÊS
Fonte: Do autor.
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
49
A umidade relativa do ar em Imperatriz – MA acompanhou o regime pluviométrico na
região, com maiores valores se estendendo de novembro a março, variação de 70%
a 80%. E os demais meses com variação de 50% a 72% apresentados na Figura 37.
Figura 37 – Boxplot da umidade relativa do ar em Imperatriz - MA (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
90
UMIDADE RELATIVA (%)
80
70
60
50
40
30
20
10
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
O número de ocorrência de asma no município de Imperatriz – MA apresentado na
Figura 38 não sofreu variação significativa dentro do período estudado (1998-2007)
visto que a média de casos registrados mensalmente ficou em torno de 2.000 a
8.000. Observou-se a existência de outliers nos mês de agosto: valor atípico,
superior aos demais. Porém dentro do padrão. No mês de agosto nota-se uma maior
dispersão nos dados, o que pode ser evidenciado pelo tamanho do „bigode‟.
Figura 38 – Boxplot do número de ocorrências de Asma em Imperatriz - MA (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Asma)
20000
18000
16000
14000
12000
10000
8000
6000
4000
2000
0
MÊS
Fonte: Do autor.
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
50
Diante do número alarmante da ocorrência de asma no mundo (150 milhões)
segundo dados da OMS, o governo federal disponibilizou remédios gratuitamente
para a população brasileira, de alguma forma essa iniciativa tem mostrado
resultados positivos como é o caso de Imperatriz – MA que vem conseguindo
diminuir consideravelmente a proliferação dessa endemia. Em 2007 notou-se um
grande avanço nesse sentido, com incidência em torno de 20.000. Nos anos 2000
trabalhos educativos a fim de esclarecer a população dos municípios do estado do
Maranhão sobre a saúde de modo geral surtiu efeito positivo (SOUZA et al, 2004).
Vejamos a Figura 39 a seguir.
Incidência Asma
Figura 39 – Incidência anual de Asma no Município de Imperatriz - MA (1998-2007).
150.000,0
100.000,0
50.000,0
0,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O quadro de ocorrências de pneumonia em Imperatriz – MA sofreu pouca variação
dentro do período estudado. Os valores médios mensais ficaram em torno de 80.000
a 110.000 ocorrências registradas mostrados na Figura 40. Observou-se a
existência de outliers no mês de agosto: valores atípicos, inferiores aos demais.
Porém não influenciou nos resultados aqui apresentados.
51
Figura 40 – Boxplot do número de ocorrências de Asma em Imperatriz - MA (19982007).
Nº DE OCORRÊNCIAS (Pneumonia)
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
240000,0
220000,0
200000,0
180000,0
160000,0
140000,0
120000,0
100000,0
80000,0
60000,0
40000,0
20000,0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Embora nos últimos anos a pneumonia tenha regredido no município de Imperatriz –
MA, ainda é alarmante a incidência desta endemia. Com números totais anuais
ultrapassando 1.000.000 de ocorrências registradas, nos ultimos 3 anos houve uma
tendência de declínio como mostra a Figura 41.
Figura 41 – Incidência anual de Pneumonia no Município de Imperatriz - MA (1998-
Incidência Pneumonia
2007).
2.010.000,0
1.510.000,0
1.010.000,0
510.000,0
10.000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
5.5 Macapá – AP
A temperatura máxima no município de Macapá-AP apresentada na Figura 42,
localizado na parte leste da Amazônia, apresentou maiores valores nos meses de
52
agosto a novembro, com média em torno de 32,6ºC a 33,5ºC. Já os meses restantes
a temperatura máxima os valores médios ficaram em torno de 28,9ºC a 32,3ºC.
Observou-se o aparecimento de outliers nos meses de março e maio: valores
atípicos, inferiores aos demais. Porém dentro dos padrões.
Figura 42 – Boxplot da temperatura máxima em Macapá - AP (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÁXIMA (ºC)
35
34
33
32
31
30
29
28
27
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
O comportamento da temperatura mínima apresentada na Figura 43 mostrou-se
pouco variável, exceto no mês de fevereiro que registrou uma média bem abaixo das
demais com valor médio de 22,9ºC. Os meses com temperaturas mínimas maiores
foram agosto a dezembro com valores médios de 24,3ºC a 24,7ºC. Os demais
meses com valores médios em torno em torno de 22,9ºC a 24,0ºC. Observou-se a
existência de outliers nos meses de fevereiro, abril, maio, outubro (valor inferior) e
dezembro: valores atípicos com relação aos demais, requerendo uma atenção
especial no banco de dados da variável. Nos meses de fevereiro houve falta de
dados em alguns períodos o que explica um valor médio bem abaixo dos demais.
Tanto na temperatura mínima quanto na máxima (acima). Não houve influência na
análise e discussão deste trabalho.
53
Figura 43 – Boxplot da temperatura mínima em Macapá - AP (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
25,5
TEMPERATURA MÍNIMA (ºC)
25,0
24,5
24,0
23,5
23,0
22,5
22,0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
O regime de precipitação pluviométrica apresentado na Figura 44 observou-se uma
nítida desigualdade sazonal, com um período mais chuvoso (de janeiro a maio) e
outro menos chuvoso (de junho a novembro). Segundo Gomes (2011) a presença da
ZCIT (Zona de Convergência Intertropical) caracteriza influência diretamente no
período mais chuvoso na região, acelerando a atividade convectiva, por outro lado,
na época menos chuvosa, a maioria das precipitações está relacionada aos efeitos
locais (chuvas convectivas). Observou-se a existência de outliers nos meses de
fevereiro, abril, maio, junho, novembro e dezembro: valores atípicos com relação aos
demais, requerendo assim uma atenção junto ao banco de dados da variável. Não
foram encontradas discrepâncias que pudessem afetar nos resultados desta análise.
Figura 44 – Boxplot da precipitação pluviométrica em Macapá - AP (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
800
700
PRECIPITAÇÃO (%)
600
500
400
300
200
100
0
MÊS
Fonte: Do autor.
Jan Fev Mar Abr
Mai Jun
Jul
Ago Set
Out Nov Dez
54
A umidade relativa do ar mostrada na Figura 45 acompanhou o regime pluviométrico
da região, onde os maiores valores encontraram-se nos meses de janeiro a maio,
com valores médios em torno de 84% a 86%. Os demais meses apresentaram
valores médios em torno de 70% a 82%. Observou-se a existência de outliers nos
meses de agosto e outubro: valores atípicos, discrepantes aos demais. Porém
dentro dos padrões aceitáveis de variação.
Figura 45 – Boxplot da umidade relativa do ar em Macapá - AP (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
92
90
88
UMIDADE RELATIVA (%)
86
84
82
80
78
76
74
72
70
68
66
MÊS
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: Do autor.
O número de ocorrência de asma no município de Macapá – AP apresentada na
Figura 46 sofreu pouca variação estatística. Os meses com ocorrências mais
elevadas foram os de abril, maio e novembro com valores médios em torno de 4.000
a 5.000 casos registrados. Observou-se a existência de outliers nos meses de junho,
julho e dezembro: valores atípicos com relação aos demais. Não foi constatado
nenhum „erro‟ que pudesse influenciar nos resultados.
Figura 46 – Boxplot do número de ocorrências de Asma em Macapá - AP (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Asma)
10000
8000
6000
4000
2000
0
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
55
No final da década de 1990 foi visível o aumento na incidência de asma no
município de Macapá – AP apresentado na Figura 47. Embora nos quatro anos
seguintes tenha-se constatado uma redução de ocorrências registradas, nos últimos
3 anos do período estudado houve um aumento no quadro. Em 2000 o número de
ocorrências bruto chegou ao patamar de 65.000 casos registrados.
Incidência Asma
Figura 47 – Incidência anual de Asma no Município de Macapá - AP (1998-2007).
75.000,0
65.000,0
55.000,0
45.000,0
35.000,0
25.000,0
15.000,0
5.000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: do autor.
O número de ocorrências de pneumonia no município de Macapá – AP
apresentados na Figura 48 sofreu uma variação significativa nos meses de maio a
agosto, registrando as maiores ocorrências com valores médios em torno de 70.000.
Nos demais meses houve pouca variação estatística com valores médios em torno
de 40.000 a 65.000. Observou-se a existência de outliers no mês de março: valores
atípicos, discrepantes aos demais no banco de dados da variável. Os órgãos
públicos do estado do Amapá sempre buscam fazer campanhas direcionadas ao
conhecimento da saúde, contudo nota-se que existe um processo de migração da
população dos municípios vizinhos para o município de Macapá em busca de
maiores condições para cura de doenças. O que acaba sufocando o sistema de
saúde deste município. Fenômeno este comum nos principais municípios brasileiros.
56
Figura 48 – Boxplot do número de ocorrências de Pneumonia em Macapá - AP (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median
Nº DE OCORRÊNCIAS (Pneumonia)
Median; Box: 25%-75%; Whisker: Min-Max
180000,0
160000,0
140000,0
120000,0
100000,0
80000,0
60000,0
40000,0
20000,0
0,0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
Houve um nítido aumento na incidência de pneumonia no período de estudo. Visto
que em 1998 as ocorrências registradas ficaram em torno de 211.000, já em 2007
houve um „salto‟ pra mais de 1.000.000 de casos registrados. Nos últimos 4 anos
apesar de um leve declínio os números foram bem alarmantes, vejamos a Figura 49
a seguir.
Incidência Pneumonia
Figura 49 – Incidência anual de Pneumonia no Município de Macapá - AP (1998-2007).
1.410.000
1.210.000
1.010.000
810.000
610.000
410.000
210.000
10.000
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
5.6 Manaus – AM
O comportamento da temperatura máxima no município de Manaus – AM
apresentados na Figura 50 mostrou os maiores valores nos meses de julho a
outubro, com valores médios em torno de 31,5ºC a 33,0ºC. Os demais meses com
57
valores médios em torno de 29,0ºC a 31,3ºC. Segundo GOMES (2011), a região de
Manaus possui uma homogeneidade espacial e sazonal da temperatura, no inverno
do hemisfério Sul toda a zona meridional da região norte, que atravessa a
Cordilheira dos Andes ao Sul do Chile, apresenta eventos excepcionalmente
intensos. Estatisticamente observou-se a sazonalidade da temperatura máxima
nessa região, coincidindo com o período mais chuvoso e menos chuvoso na região.
Figura 50 – Boxplot da temperatura máxima em Manaus - AM (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
35
34
TEMPERATURA MÁXIMA (ºC)
33
32
31
30
29
28
27
26
MÊS
Jan
Fev Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov Dez
Fonte: Do autor.
A temperatura mínima em Manaus – AM mostrada na Figura 51 apresentou uma
variação espaço-temporal bem específica, embora as médias mensais tenham
ficado entre 21ºC a 24ºC. Os meses com maiores valores médios foram janeiro,
março, maio, outubro e dezembro com valores médios em torno de 23,5ºC a 24,4ºC.
Os demais meses com valores médios em torno de 21,8ºC a 23,3ºC. Observou-se a
existência de outiliers mês de março: valores atípicos, discrepantes com os demais.
58
Figura 51 – Boxplot da temperatura mínima em Manaus - AM (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
TEMPERATURA MÍNIMA (ºC)
26
25
24
23
22
21
20
19
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A precipitação pluviométrica na região de Manaus – AM apresentada na Figura 52
mostra claramente o período mais chuvoso os meses de dezembro a maio e o
período menos chuvoso de junho a outubro, localmente período mais chuvoso e
período menos chuvoso, respectivamente. A variação entre os períodos ficou em
torno de 100mm a 300mm (Figura 52). Observou-se a existência de outliers nos
meses setembro e outubro: valores atípicos, superiores aos demais. Porém dentro
dos padrões.
Figura 52 – Boxplot da precipitação pluviométrica em Manaus - AM (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
PRECICITAÇÃO (mm)
600
500
400
300
200
100
0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
A umidade relativa em Manaus – AM apresentada na Figura 53 acompanhou o
regime pluviométrico com valores mais elevados nos meses de dezembro a maio e
os valores menos elevados nos demais meses. Com variação média em torno de
59
79% a 90% de umidade relativa do ar. Estatisticamente mostrou ser inversamente
proporcional a temperatura máxima.
Figura 53 – Boxplot da umidade relativa do ar em Manaus - AM (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
94
92
UMIDADE RELATIVA (%)
90
88
86
84
82
80
78
76
74
72
70
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
A Figura 54 mostra o número de ocorrências de asma em Manaus – AM.
Apresentou-se pouco variável (mensalmente) durante o período estudado (1998 –
2007). Com valores médios em torno de 20.000 a 40.000 ocorrências registradas. O
registro de ocorrências dessa endemia em Manaus é grande, estatisticamente é
proporcional ao número de habitantes que gira em torno de 1.700,000 (GOMES,
2011).
Figura 54 – Boxplot do número de ocorrências de Asma em Manaus - AM (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
110000,0
100000,0
Nº DE OCORRÊNCIAS (Asma)
90000,0
80000,0
70000,0
60000,0
50000,0
40000,0
30000,0
20000,0
10000,0
0,0
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
60
Dentro do período estudado, últimos 5 anos houve um aumento alarmante na
incidência de ocorrências de asma em Manaus, embora em 2006 e 2007 tenha
havido um declínio os números continuaram altos, acima de 700.000 ocorrências
anuais registradas como podemos observar na Figura 55.
Figura 55 – Incidência anual de Asma no Município de Manaus - AM (1998-2007).
Incidência Asma
1.005.000
805.000
605.000
405.000
205.000
5.000
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
A pneumonia em Manaus – AM mostrada na Figura 56 apresentou comportamento
relativamente homogêneo com valores médios mensais registrados em torno de
100.000 a 200.000 casos. Valores extremamente altos. Observou-se a existência de
outliers nos meses de janeiro, fevereiro, março, abril, maio, setembro, outubro e
novembro: valores atípicos, superiores aos demais. Requerendo uma atenção
especial junto ao banco de dados da endemia.
Figura 56 – Boxplot do número de ocorrências de Pneumonia em Manaus-AM (19982007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
700000,0
Nº DE OCORRÊNCIAS (Pneumonia)
600000,0
500000,0
400000,0
300000,0
200000,0
100000,0
0,0
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
61
Assim como a asma, a pneumonia sofreu uma demanda crescente nos últimos 10
anos dentro do período estudado (1998 – 2007). Em 10 anos a incidência pulou de
500.000 para mais de 4.000,000 registros. Mostrando valores alarmantes,
extremamente altos. Muitas vezes pessoas que contraem a pneumonia a confundem
com uma simples gripe. Para Edson Andrade, presidente da Associação de
Pneumologia e Cirurgia Torácica, a pneumonia é uma doença que tem aspectos de
atuação variados, ou seja, pode ser benigna ou muito grave. Por isso a pneumonia
merece atenção e a pessoa doente precisa de orientação médica. A automedicação,
por exemplo, pode agravar a doença (PNEUMONIA, 2013). A melhor maneira de
evitar contrair a pneumonia é a prevenção. O diagnóstico clínico da doença depende
da avaliação dos sintomas, mas a confirmação do diagnóstico só vem após a
realização de uma radiografia do tórax. Apenas os casos mais graves necessitam de
realização de exames específicos. A forma mais adequada de prevenção contra o
risco de morte por pneumonia é a vacinação anual contra a gripe (APM, 2013).
Vejamos a Figura 57 a seguir.
Incidência Pneumonia
Figura 57 – Incidência de Pneumonia no Município de Manaus - AM (1998-2007).
6050000,0
5050000,0
4050000,0
3050000,0
2050000,0
1050000,0
50000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
5.7 Palmas – TO
Na Figura 58 o município de Palmas – TO, localizado a oeste da Amazônia
observaram-se maiores valores de temperatura máxima nos meses de julho a
outubro, com valores médios em torno de 34,2ºC a 34,5ºC. Os demais meses com
variação em torno de 30,4ºC a 32,0ºC. Observou-se no mês de abril a existência de
outliers (superiores e inferiores): valores atípicos, discrepantes aos demais. O mês
62
de fevereiro apresentou a menos média devido ao período chuvoso intenso na
região, em contra partida setembro apresentou maior média acompanhando a
escassez de chuvas no período.
Figura 58 – Boxplot da temperatura máxima em Palmas – TO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
39
TEMPERATURA MÁXIMA (ºC)
38
37
36
35
34
33
32
31
30
29
28
MÊS
Jan Fev Mar Abr Mai Jun
Jul
Ago Set Out Nov Dez
Fonte: Do autor.
A temperatura mínima em Palmas – TO apresentada na Figura 59 mostrou pouca
variação estatística, o trimestre junho, julho e agosto obtiveram os menores registros
com valores médios em torno de 20ºC a 21,6ºC. Os demais meses tiveram variação
em torno de 21,5ºC a 23ºC. Observou-se a existência de outliers nos meses de julho
e agosto: valores atípicos inferiores aos demais. Notou-se dispersão de alguns
dados, que pode ser notado pelo tamanho dos „Bigodes‟.
Figura 59 – Boxplot da temperatura mínima em Palmas - TO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
25%-75% Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
25
24
TEMPERATURA MÍNIMA (ºC)
23
22
21
20
19
18
17
16
15
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
63
A precipitação pluviométrica em Palmas – TO apresentada na Figura 60 possui
sazonalidade definida, caracterizando de outubro a abril, o período chuvoso e de
abril a setembro, o menos chuvoso. O período chuvoso as médias ficaram em torno
de 200mm a 320mm e o menos chuvoso com médias em torno de 5mm a 150mm,
vale ressaltar que no trimestre junho, julho e agosto a média registrada ficou em
torno de 5mm. Observou-se a existência de outliers nos meses de fevereiro, abril,
maio, setembro e outubro: valores atípicos, superiores aos demais. Requerendo
uma atenção especial junto ao banco de dados. Porém não influenciou em hipótese
alguma nos resultados aqui mostrados.
Figura 60 – Boxplot da precipitação pluviométrica em Palmas - TO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
700
PRECIPITAÇÃO (mm)
600
500
400
300
200
100
0
MÊS
Jan Fev Mar Abr Mai Jun
Jul
Ago Set Out Nov Dez
Fonte: Do autor.
A umidade relativa do ar apresentada na Figura 61 acompanhou o regime
pluviométrico na região. Mostrando maiores valores no período chuvoso, com
valores médios em torno de 70% a 80% e o período menos chuvoso com variação
em torno de 40% a 67%. Nos meses de janeiro, junho, julho e setembro
observaram-se a existência de outliers: valores atípicos, discrepantes aos demais.
Porém dentro dos padrões aceitáveis de variação, logo não houve influência nos
resultados aqui mostrados.
64
Figura 61 – Boxplot da umidade relativa do ar em Palmas - TO (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
90
80
UMIDADE RELATIVA (%)
70
60
50
40
30
20
10
MÊS
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: do autor.
O registro do número de ocorrências de asma em Palmas – TO apresentado na
Figura 62 não mostrou estatisticamente uma variação significativa. Com valores
médios em torno de 1.000 a 2.000 casos registrados mensalmente. Nos meses de
março, agosto e outubro observaram-se a existência de outliers: valores atípicos,
discrepantes aos demais. Analisando o banco de dados da endemia o programa
STATISTIC apenas destacou alguns valores fora do padrão. Porém não houve
influência no resultado final apresentado neste trabalho. O mês de marco foi o que
apresentou maior dispersão dos dados (nos valores superiores), visto pelo tamanho
do „bigode‟ no boxplot, seguido pelo mês de julho. Fica evidente que dentro do
banco de dados desta variável existe um conjunto de dados que esteja diferenciado
dos demais. Porém não houve influência na análise final.
Figura 62 – Boxplot do número de ocorrências de Asma em Palmas - TO (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Asma)
8000
7000
6000
5000
4000
3000
2000
1000
0
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
65
Observou-se dentro do período estudado que a asma teve um feito „sanfona‟
(aumento e diminuição de registros). Os últimos três meses houve uma melhora
significativa com 15.000 na incidência desta endemia. Vejamos a Figura 63 a seguir.
Figura 63 – Incidência anual de Asma no Município de Palmas - TO (1998-2007).
Incidência Asma
35.000,0
30.000,0
25.000,0
20.000,0
15.000,0
10.000,0
5.000,0
0,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
Na Figura 64 em Palmas – TO o número de ocorrências de pneumonia registrou
números altos com médias mensais em torno de 10.000 a 25.000. As maiores
médias com tendência para o período chuvoso na região. Na transição do mês de
setembro para outubro ficou evidente a passagem para o início da estação chuvosa.
Observou-se a existência de outliers nos meses de abril, junho, agosto e setembro:
valores atípicos, superiores aos demais. Como dito antes não houve, após revisão
de dados, algum possível „erro‟ que influenciasse nos resultados mostrados aqui.
Ocorreu dispersão de alguns dados, evidenciados pelos „Bigodes‟ grandes no
boxplot.
66
Figura 64 – Boxplot do número de ocorrências de Pneumonia em Palmas - TO (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
80000
Nº DE OCORRÊNCIAS (Pneumonia)
70000
60000
50000
40000
30000
20000
10000
MÊS
0
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
No período estudado (1998-2007) houve um aumento significativo na incidencia em
Palmas – TO saltando de 110.000 para mais de 500.000 casos no ano de 2007.
Segundo UOL NOTÍCIAS (2013), Palmas é a cidade que registrou maior
crescimento populacional da década. “O crescimento de Palmas é basicamente em
função dos movimentos migratórios. Tocantins é um estado criado mais
recentemente, então está se construindo, por isso tem muito movimento migratório
em direção a Palmas”, explicou o gerente de projetos da Coordenação de População
e Indicadores Sociais do IBGE, Fernando Albuquerque. Veja a Figura 65 a seguir.
Figura 65 – Incidência anual de Pneumonia no Município de Palmas - TO (1998-2007).
Incidência Pneumonia
605.000,0
505.000,0
405.000,0
305.000,0
205.000,0
105.000,0
5.000,0
1998199920002001200220032004200520062007
Anos
Fonte: Do autor.
67
5.8 Porto Velho – RO
Na Figura 66 município de Porto Velho – RO, localizado ao sul da Amazônia,
observaram-se maiores valores de temperatura máxima nos meses de julho a
novembro, com valores médios em torno de 32,0ºC a 33,9ºC. Os demais meses
registraram valores médios em torno de 31,5ºC a 31,9ºC. Observou-se a existência
de outliers nos meses de julho, agosto e outubro: valores atípicos, discrepantes aos
demais.
Figura 66 – Boxplot da temperatura máxima em Porto Velho – RO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
44
TEMPERATURA MÁXIMA (ºC)
42
40
38
36
34
32
30
28
26
MÊS
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: Do autor.
A temperatura mínima em Porto Velho – RO apresentada na Figura 67 mostrou-se
pouco variável estatisticamente. Nos meses de junho, julho, agosto e setembro
constataram-se temperaturas mínimas com menores valores, em torno de 19,5ºC a
21,3ºC. Mostrando uma estreita relação com o regime pluviométrico na região.
Observou-se a existência de outliers nos meses de janeiro, fevereiro, março, maio,
setembro e novembro: valores atípicos, discrepantes aos demais. Requerendo uma
atenção especial no banco de dados da variável. Não ocorreu influência nos
resultados aqui expostos.
68
Figura 67 – Boxplot da temperatura mínima em Porto Velho – RO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
Median; Box: 25%-75%; Whisker: Min-Max
26
TEMPERATURA MÍNIMA (ºC)
24
22
20
18
16
MÊS
14
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
A precipitação pluviométrica em Porto Velho – RO apresentada na Figura 68
mostrou uma sazonalidade definida, com os meses de outubro a maio dentro do
período chuvoso e nos meses de junho a setembro período menos chuvoso, com
chuvas mais amenas. Observou-se a existência de outliers nos meses de maio,
outubro e novembro: valores atípicos, superiores aos demais.
Figura 68 – Boxplot da precipitação em Porto Velho – RO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
25%-75%
Min-Max Outliers
Median
Median; Box: 25%-75%; Whisker: Min-Max
700
PRECIPITAÇÃO (mm)
600
500
400
300
200
100
0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Na Figura 69 a umidade relativa do ar mostrou-se superior a 70% dentro do período
estudado em Porto Velho – RO. Os meses de julho a outubro mostraram os
menores valores, em torno de 73% a 81%. Observou-se a existência de outliers nos
meses de julho, novembro e dezembro: valores atípicos, discrepantes aos demais.
Já analisados no banco de dados da variável, não influenciando nos resultados aqui
expostos.
69
Figura 69 – Boxplot da umidade relativa do ar em Porto Velho – RO (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
88
86
84
UMIDADE RELATIVA (%)
82
80
78
76
74
72
70
68
66
MÊS
64
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
O número de ocorrências de asma em Porto Velho – RO apresentado na Figura 70
mostrou ter uma leve tendência inversa ao regime pluviométrico e a umidade relativa
do ar. Com valores médios em torno de 9.000 a 20.000 ocorrências registradas
mensalmente. Observou-se a existência de outliers nos meses de agosto, novembro
e dezembro: valores atípicos, discrepantes aos demais.
Figura 70 – Boxplot do número de ocorrências de Asma em Porto Velho - RO (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Asma)
50000
40000
30000
20000
10000
0
MÊS
Jan Fev Mar Abr Mai Jun
Jul
Ago Set Out Nov Dez
Fonte: Do autor.
Este estudo mostra uma incidência alta de asma em Porto Velho – RO apresentado
na Figura 71. Embora nos 10 anos de estudo os registros não tenham registrado
variação estatística significativa, mostrando uma tendência homogênea. Exceto os
anos 2000 que obteve um aumento de 90.000 casos registrados.
70
incidência Asma
Figura 71 – incidência anual de Asma no Município de Porto Velho - RO (1998-2007).
300.000,00
250.000,00
200.000,00
150.000,00
100.000,00
50.000,00
0,00
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O número de ocorrências de pneumonia em Porto Velho – RO mostrado na Figura
72 seguiu a tendência dos outros municípios estudados nesta pesquisa, com valores
bem elevados, acima de 20.000 até 40.000 ocorrências registradas mensalmente.
Os meses de maio, junho e julho foram os meses mais frios logo apresentaram as
maiores médias de casos de pneumonia. Não foi evidenciada uma variação
estatística significativa, mostrando homogeneidade. Observou-se a existência de
outliers nos meses de janeiro, fevereiro, abril, maio e junho: valores atípicos,
discrepantes aos demais.
Figura 72 – Boxplot do número de ocorrências de Pneumonia em Porto Velho - RO
(1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*10c
Nº DE OCORRÊNCIAS (Pneumonia)
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
120000,0
100000,0
80000,0
60000,0
40000,0
20000,0
0,0
MÊS
Jan Fev Mar Abr
Mai
Jun
Jul
Ago Set
Out Nov Dez
Fonte: Do autor.
Seguindo uma tendência lógica, com números bem alarmantes, Porto Velho – RO
registrou incidência de pneumonia acima de 200.000 casos anuais. Nos anos de
2000, 2006 e 2007 chegaram a passar dos 500.000 casos registrados. Segundo
71
GONÇALVES (2010) queimadas próximas a região de Porto Velho ocasionaram
altos números de casos de doenças respiratórias. Vejamos a Figura 73 a seguir.
Figura 73 – Incidência anual de Pneumonia no Município de Porto Velho - RO (1998-
Incidência Pneumonia
2007).
800.000,0
600.000,0
400.000,0
200.000,0
0,0
1998199920002001200220032004200520062007
Anos
Fonte: Do autor.
5.9 Rio Branco – AC
Na Figura 74 o município de Rio Branco – AC, localizado a sudoeste da Amazônia,
observaram-se maiores valores de temperatura máxima nos meses de agosto,
setembro, outubro e novembro com valores médios em torno de 31,8ºC a 33,2ºC. Os
demais meses registraram valores médios em torno de 29,0ºC a 31,0ºC. Observouse a existência de outliers no mês de outubro: valores atípicos, inferiores aos
demais. Não encontrado algo relevante que impedisse a análise dos resultados aqui
expostos.
Figura 74 – Boxplot da temperatura máxima em Rio Branco – AC (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median 25%-75% Min-Max Outliers
Median; Box: 25%-75%; Whisker: Min-Max
35
34
TEMPERATURA MÁXIMA (ºC)
33
32
31
30
29
28
27
26
MÊS
Fonte: Do autor.
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
72
A temperatura mínima em Rio Branco – AC apresentada na Figura 75 mostrou-se
pouco
variável
estatisticamente
dentro
do
período
estudado
(1998-2007).
Temperaturas mínimas mais amenas foram observadas nos meses de maio a
setembro, com valores médios em torno de 18,0ºC a 21,0ºC. Os demais meses
apresentaram valores médios em torno de 21,9ºC a 22,8ºC. Observou-se a
existência de outliers nos meses de janeiro, fevereiro, junho, novembro e dezembro:
valores atípicos, discrepantes aos demais. Analisados no banco de dados da
variável.
Figura 75 – Boxplot da temperatura mínima em Rio Branco – AC (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
26
24
TEMPERATURA MÍNIMA (ºC)
22
20
18
16
14
12
10
8
MÊS
6
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Na Figura 76 a precipitação pluviométrica em Rio Branco – AC possui sazonalidade
bem definida, caracterizando de outubro a maio o período chuvoso e de maio a
novembro o menos chuvoso. Vale ressaltar que no período com chuvas abundantes
as chuvas ultrapassaram 230mm mensais (médias). Já o período com chuvas
escassas ficaram abaixo dos 200mm (figura 77). Observou-se a existência de
outliers no mês de outubro: valores atípicos, inferiores aos demais. Os meses de
janeiro e março apresentaram maiores dispersões de dados (inferiores e
superiores), seguidos pelo mês de dezembro notando-se através do tamanho dos
„bigodes‟ no boxplot. Não ocorreu influência significativa na análise dos resultados.
73
Figura 76 – Boxplot da precipitação pluviométrica em Rio Branco – AC (1998-2007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box : 25%-75%; Whisker: Min-Max
500
PRECIPITAÇÃO (mm)
400
300
200
100
0
MÊS
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: Do autor.
Na Figura 77 umidade relativa do ar em Rio Branco – AC esteve acima dos 75%.
Obtendo uma pequena variação (pra menos) nos meses de julho a outubro e nos
demais meses chegando a valores superiores a 85%. Observou-se a existência de
outliers nos meses de janeiro, março, abril, maio, junho, julho, agosto e setembro:
valores atípicos, discrepantes aos demais.
Figura 77 – Boxplot da umidade relativa do ar em Rio Branco – AC (1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
UMIDADE RELATIVA (%)
100
95
90
85
80
75
70
65
60
MÊS
Jan Fev Mar Abr
Mai Jun
Jul
Ago Set Out Nov Dez
Fonte: Do autor.
Observou-se que o número de ocorrências de asma em Rio Branco – AC é alto
como mostra a Figura 78. Ficando acima de 2.000 a 6.000 casos registrados em
média mensalmente. Observou-se a existência de outliers nos meses de fevereiro e
março: valores atípicos, superiores aos demais. Os meses de janeiro, julho e
novembro tiveram maior dispersão de dados (valores superiores).
74
Figura 78 – Boxplot do número de ocorrências de Asma em Rio Branco – AC (19982007).
Box Plot of multiple variables
Spreadsheet1 12v*11c
Median
25%-75%
Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
14000
Nº DE OCORRÊNCIAS (Asma)
12000
10000
Custom Text
8000
6000
4000
2000
0
MÊS
Jan
Fev
Mar
Abr
Mai
Jun
Jul
Ago
Set
Out
Nov
Dez
Fonte: Do autor.
Dentro do período de estudo (1998-2007) a incidência de asma mostrou uma
significativa redução como mostra a Figura 79. Passando de 60.000 ocorrências em
média para pouco mais de 35.000. Um avanço positivo para os padrões dessa
endemia.
Figura 79 – Incidência anual de Asma no Município de Rio Branco - AC (1998-2007).
Incidência Asma
110.000,0
90.000,0
70.000,0
50.000,0
30.000,0
10.000,0
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
O número de ocorrências de pneumonia em Rio Branco – AC apresentado na Figura
80 são bastante elevados. Estando em média acima dos 40.000 casos registrados
mensalmente. Estatisticamente observou-se pouca variação, evidenciando uma
homogeneidade. Observou-se a existência de outliers nos meses de fevereiro e
dezembro: valores atípicos, superiores aos demais.
75
Figura 80 – Boxplot do número de ocorrências de Pneumonia em Rio Branco - AC
(1998-2007).
Box Plot of multiple variables
Median
Spreadsheet1 12v*11c
25%-75% Min-Max
Outliers
Median; Box: 25%-75%; Whisker: Min-Max
Nº DE OCORRÊNCIAS (Pneumonia)
220000,0
200000,0
180000,0
160000,0
140000,0
120000,0
100000,0
80000,0
60000,0
40000,0
20000,0
0,0
MÊS
Jan Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: Do autor.
Dentro desta análise observou-se um aumento críticos na incidência de pneumonia
em Rio Branco – AC como mostra a Figura 81. Nos últimos anos (2005, 2006, 2007)
os registros ultrapassaram 1.000.000 de casos. Esses valores estão bem
discrepantes se comparados à população de Rio Branco que gira em torno de
330.000 habitantes. Entretanto segundo BARCELLOS (2009), há uma imigração dos
habitantes de interiores do estado e áreas próximas, vindos em busca de tratamento
na capital, onde teoricamente existe uma infraestrutura hospitalar melhor.
Figura 81 – Incidência anual de Pneumonia no Município de Rio Branco - AC (1998-
Incidência Pneumonia
2007).
2.000.000,00
1.500.000,00
1.000.000,00
500.000,00
0,00
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Anos
Fonte: Do autor.
76
6 CORRELAÇÃO (R)
Encontraram-se, no geral, valores baixos de correlações diretas de Asma e as
variáveis meteorológicas abortadas neste trabalho. Foram observadas algumas
correlações significantes (Tabela 04).
No município de Belém-PA a asma apresentou baixas correlações com as
variáveis meteorológicas. A asma e a precipitação apresentaram correlação de 19%.
Já a asma e a temperatura máxima apresentaram uma correlação inversa de -0,55,
ou seja, uma vez que a Tmáx se eleva os casos de asma conseqüentemente
diminuem, ou vice-versa. A asma, Tmín e UR do ar obtiveram baixas correlações,
em torno de -0,09 e -0,23 respectivamente. Embora diversos estudos tenham
associado o aparecimento de crises asmáticas à queda de temperatura (CAREY et
al, 1986).
No município de Rio Branco-AC a asma e precipitação apresentaram quase
nenhuma correlação, em torno de -0,002. Já a correlação com a temperatura
máxima mostrou ser ligeiramente inversa com valor de -0,68. Quanto à temperatura
mínima apresentou correlação de -0,22, baixa. Umidade relativa do ar e a asma
configuraram boa correlação com um valor de 0,55. Dentre os possíveis fatores
envolvidos, uma associação entre infecções respiratórias virais e crises de asma foi
documentada em vários estudos (NICHOLSON, 1994). Com a UR do ar elevada
aumenta a proliferação de agentes virais.
No município de Manaus-AM a asma apresentou boa correlação com as
temperaturas
máximas
e
mínimas,
0,80
e
0,65
respectivamente.
Alguns
pesquisadores afirmam que é mais freqüente a procura de serviços hospitalares
entre indivíduos com asma em épocas de temperaturas baixas (BATES, 1987). A
asma obteve baixas correlações com a precipitação e umidade relativa do ar na
região, -0,03 e -0,26 respectivamente.
No município de Imperatriz-MA a asma apresentou uma correlação inversa
com a precipitação de -0,47, mostrando independência entre ambas. Com a
temperatura máxima houve baixa correlação, -0,11. Já com a Tmin e UR do ar
mostrou alguma porcentagem de correlação 0,32 e 0,12 respectivamente.
No município de Cuiabá-MT mostrou ser inversamente proporcional a todas
variáveis meteorológicas abordadas neste trabalho. Com destaque pra a
77
precipitação que apresentou uma correlação de -0,51 e UR do ar que apresentou
uma correlação de -0,002 mostrando-se independente.
Em Macapá-AP a asma foi pouco influenciável com relação à precipitação e a
Tmín com valores de 0,04 e -0,17 respectivamente. Já com a Tmáx mostrou ser
inversa com um valor de -0,40. A asma e a UR do ar obtiveram alguma correlação
em torno de 0,30. Neste caso, como dito anteriormente, a proliferam de agentes
virais podem estar associados às condições de umidade relativa do ar.
Em Porto Velho-RO a asma mostrou-se inversa as variáveis meteorológicas
abordadas neste trabalho. Destaque para a precipitação e temperatura máxima com
valores de -0,32 e -0,53 respectivamente. Temperatura mínima e UR do ar
apresentaram pouca influência, -0,28 e -0,17 respectivamente.
Em Boa Vista-RR a asma apresentou um caso especial com a precipitação
evidenciando uma correlação de 1,00 (100%). Sabe-se que na natureza não existe
correlação perfeita. Provavelmente deve ter havido algum erro na coleta de dados
junto às fontes. Com as temperaturas máximas e mínimas houve uma boa
correlação de aproximadamente 0,58 e 0,41 respectivamente. Já com a UR do ar
mostrou uma baixa influência em torno de 0,13.
Em Palmas-TO a asma apresentou correlações inversas com precipitação,
Tmín e UR do ar. Destaque para a Tmín com valor de -0,46. As demais com -0,33 e
-0,26 respectivamente. Por fim a temperatura máxima mostrou uma correlação baixa
de 0,12.
78
Tabela 04 – Municípios estudados e suas respectivas correlações entre asma e
precipitação, temperatura máxima, temperatura mínima e umidade relativa e equações
de ajuste**.
Municípios
Asma x PRP
Asma x Tmáx
Asma x Tmín
Asma x UR
Belém-PA
0,19
-0,55
-0,09
-0,23
Equação Ajuste
(y)2944E2+61,793*PRP(x)
(y)4260E3-118E3*Tmáx(x)
(y)1427E3-413E2*Tmín(x)
(y)2032E3-184E2*UR(x)
Rio Branco-AC
-0,002
-0,68
-0,22
0,55
Equação Ajuste
(y)59762-2716*PRP(x)
(y)7318E2-218E2*Tmáx(x)
(y)y3466E2-134E2*Tmín(x)
(y)-294E3+4143,8*UR(x)
Manaus-AM
-0,03
0,80
0,65
-0,26
Equação Ajuste
(y)5533E2-29,96*PRP(x)
Imperatriz-MA
-0,47
-0,11
0,32
0,12
Equação Ajuste
(y)1688E2-88,49*PRP(x)
(y)3281E2-8476*Tmáx(x)
(y)-431E3+21966*Tmín(x)
(y)-114E3+2315,9*UR(x)
Cuiaba-MT
-0,51
-0,32
-0,29
-0,002
Equação Ajuste
(y)66930-12,53*PRP(x)
(y)77204-875,3*Tmáx(x)
(y)72335-1064*Tmín(x)
(y)50647-5511*UR(x)
Macapá-AP
0,04
-0,40
-0,17
0,30
Equação Ajuste
(y)38369+1,8325*PRP(x)
(y)4956E2-143E2*Tmáx(x)
(y)2678E2-9370*Tmín(x)
(y)-178E3+2673,7*UR(x)
Porto Velho-RO
-0,32
-0,53
-0,28
-0,17
Equação Ajuste
(y)3092E2-65,69*PRP(x)
(y)6413E2-151E2*Tmáx(x)
(y)5007E2-154E2*Tmín(x)
(y)7537E2-7168*UR(x)
Boa Vista-RR
1,00*
0,58
0,41
0,13
Equação Ajuste
(y)-2009+1,0003*PRP(x)
(y)-114E3+4132,0*Tmáx(x)
(y)-518E2+3107,0*Tmín(x)
(y)2413,0+256,29*UR(x)
Palmas-TO
-0,33
0,12
-0,46
-0,26
Equação Ajuste
(y)36731-8,417*PRP(x)
(y)-151E2+1089,6*Tmáx(x)
(y)1628E2-6381*Tmín(x)
(y)57579-520,8*UR(x)
(y)-168E5+5607E2*Tmáx(x) (y)-428E4+2089E2*Tmín(x)
Fonte: Do autor.
**Função do tipo linear: Y=AX+B.
Os gráficos das correlações encontram-se nos anexos.
(y)5184E3-556E2*UR(x)
79
As correlações diretas de pneumonia com as variáveis meteorológicas
seguiram a mesma linha de tendência da asma, evidenciando correlações baixas.
Algumas correlações significantes foram encontradas (Tabela 05).
Em Belém-PA a pneumonia mostrou-se indiferente a precipitação e a
temperatura mínima, com valores de 0,03 e 0,01 respectivamente. Já a asma
correlacionada com a Tmín e a UR do ar apresentaram valores inversos de -0,29 e 0,27. Neste caso, de fato, as variáveis meteorológicas não conseguiram explicar de
maneira positiva o número de ocorrências desta endemia nesta localidade.
Em Rio Branco-AC a pneumonia mostrou-se inversamente proporcional a
precipitação, Tmín e UR do ar, com valores de -0,36, -0,08 e -0,47 respectivamente.
Quanto à temperatura máxima a pneumonia apresentou uma correlação de 0,56,
considerada boa. Segundo José Clênio Ferreira, professor do Instituto Ciências
Atmosféricas (Universidade Federal de Alagoas) há relação direta entre fatores
climáticos e a ocorrência dessa endemia. Embora não se possa afirmar com
veemência que exista uma relação de causa e efeito (UFAL NOTÍCIAS, 2013).
Em Manaus a pneumonia apresentou alguma correlação com a precipitação,
temperaturas máximas e mínimas com valores de 0,20, 0,44 e 0,57 respectivamente.
Já a correlação de pneumonia com a UR do ar mostrou-se inversa com valor de 0,47. Sabe-se que a proliferação de vírus e bactérias tenda a aumentar,
ocasionando o aparecimento da endemia.
Em
Imperatriz-MA
a
pneumonia
mostrou-se
inversa
as
variáveis
meteorológicas abortadas neste trabalho. Destaque para a temperatura máxima de
apresentou uma correlação inversa de -0,53. Com relação à precipitação, Tmín e UR
do ar apresentaram valores de -0,32, -0,30 e -0,34 respectivamente. Neste caso não
foi possível explicar tirar uma conclusão final desta endemia na localidade.
No município de Cuiabá-MT a pneumonia apresentou uma baixa correlação
com a precipitação e a Tmín, os valores foram de 0,08 e 0,11 respectivamente. Com
relação à Tmáx obteve correlação inversa de -0,10. Já a correlação com a UR do ar
apresentou uma correlação inversa de -0,78. Com o tempo mais seco e frio, é
comum que crianças, idosos e pessoas com doenças crônicas fiquem mais
suscetíveis
as
doenças
respiratórias
infecciosas,
inflamatórias
e
alérgicas
transmitidas pelo ar. Entre as causas está o fato de as pessoas ficarem cada vez
mais próximas e em ambientes fechados, além da baixa umidade do ar típica da
estação (PORTAL R7, 2013).
80
Em Macapá-AP a pneumonia apresentou correlação com a precipitação e a
temperatura máxima, com valores de 0,29 e 0,41 respectivamente. Com relação a
Tmín apresentou uma correlação inversa de -0,26 e com a UR do ar uma correlação
inversa de -0,58.
Em Porto Velho-RO as temperaturas máximas e mínimas e a UR do ar
apresentaram uma correlação com a pneumonia, embora baixas, os valores foram
de 0,15, 0,27 e 0,03 respectivamente. Já a precipitação obteve uma correlação
inversa de -0,50 com esta endemia. O clima frio pode causar a queda da defesa do
organismo, causando essa epidemia de infecções virais e bacterianas (PORTAL R7,
2013). Inclui neste contexto o Pneumococo, um dos principais agentes patológicos
da pneumonia.
Em Boa Vista-RR as temperaturas máximas e mínimas apresentaram
correlações inversas com a pneumonia, os valores foram de -0,39 e -0,34
respectivamente. Já a precipitação e a UR do ar apresentaram correlações positivas,
porém baixas, com valores de 0,05 e 0,15 respectivamente.
No município de Palmas-TO a pneumonia obteve correlações positivas com
as temperaturas máximas e mínimas com valores de 0,39 e 0,56. Já a correlação
com a precipitação e a UR do ar apresentaram valores inversos de -0,18 e -0,48
respectivamente.
Fica evidente que existe alguma correlação da pneumonia com as variáveis
meteorológicas abordadas neste trabalho. Embora essas correlações tenham
variado de local para local, resultados mais expressivos podem ser alcançados com
análises e métodos mais sofisticados.
81
Tabela 03 – Municípios estudados e suas respectivas correlações entre pneumonia e
precipitação, temperatura máxima, temperatura mínima e umidade relativa e equações
de ajuste**.
Municípios
Pneumonia x PRP
Pneumonia x Tmáx
Pneumonia x Tmín
Pneumonia x UR
Belém-PA
0,03
-0,29
0,01
-0,27
Equação Ajuste
(y)2560E3+73,587*PRP(x)
(y)2029E4-547E3*Tmáx(x)
(y)1924E3+38114*Tmín(x)
(y)1872E4-190E3*UR(x)
Rio Branco-AC
-0,36
0,56
-0,08
-0,47
Equação Ajuste
(y)2680E3-980,1*PRP(x)
(y)-117E5+4024E2*Tmáx(x)
(y)3257E3-114E3*Tmín(x)
(y)7622E3-801E2*UR(x)
Manaus-AM
0,20
0,44
0,57
-0,47
Equação Ajuste
(y)1357E2+1043,0*PRP(x)
(y)-471E5+1602E3*Tmáx(x)
(y)-190E5+9386E2*Tmín(x)
(y)4616E4-517E3*UR(x)
Imperatriz-MA
-0,32
-0,53
-0,30
-0,34
Equação Ajuste
(y)1604E3-334,2*PRP(x)
(y)y8684E3-229E3*Tmáx(x)
(y)y3766E3-120E3*Tmín(x)
(y)3924E3-391E2*UR(x)
Cuiabá-MT
0,08
-0,10
0,11
-0,78
Equação Ajuste
(y)9006E2+111,30*PRP(x)
(y)1515E3-154E2*Tmáx(x)
(y)6037E2+21637*Tmín(x)
(y)1852E3-131E2*UR(x)
Macapá-AP
0,29
0,41
-0,26
-0,58
Equação Ajuste
(y)-234E3+408,07*PRP(x)
(y)-150E5+4958E2*Tmáx(x)
(y)1229E4-48E3*Tmín(x)
(y)1508E4-173E3*UR(x)
Porto Velho-RO
-0,50
0,15
0,27
0,03
Equação Ajuste
(y)1065E3-285,7*PRP(x)
(y)51692+11901*Tmáx(x)
(y)-495E3+41851*Tmín(x)
(y)86998+4132,2*UR(x)
Boa Vista-RR
0,05
-0,39
-0,34
0,15
Equação Ajuste
(y)2677E2+1,6625*PRP(x)
(y)3379E3-938E2*Tmáx(x)
(y)2317E3-856E2*Tmín(x)
(y)-412E3+9780,7*UR(x)
Palmas-TO
-0,18
0,39
0,56
-0,48
Equação Ajuste
(y)4374E2-97,51*PRP(x)
(y)-215E4+78043*Tmáx(x)
(y)-331E4+1611E2*Tmín(x)
(y)1648E3-200E2*UR(x)
Fonte: Do autor.
Os gráficos das correlações encontram-se nos anexos.
**Função do tipo linear: Y=AX+B.
82
7 CONCLUSÕES
Conclui-se que o número de ocorrências de asma nos municípios estudados possui
apesar de, no geral mostrar pouca variabilidade espaço-temporal, dependência
significativa em parte dos municípios.
A asma e temperatura máxima apresentaram alguma de dependência nos
municípios de Manaus e Boa vista. Já a asma e a temperatura mínima apresentaram
uma relação de dependência nos municípios de Manaus, Boa Vista e Imperatriz.
Com relação à precipitação pluviométrica a asma apresentou alguma relação de
dependência nos de Belém, Macapá e Boa Vista.
E por fim a umidade relativa do ar e a asma obtiveram alguma relação de
dependência nos municípios de Rio Branco, Imperatriz, Macapá e Boa Vista. Os
municípios de Manaus – AM e Boa Vista – RR apresentaram resultados mais
expressivos com relação às temperaturas, obtiveram correlações acima de 40%.
Com relação ao número de ocorrências de pneumonia, conclui-se que esteve
sempre com números altos de casos registrados em todos os municípios.
A pneumonia e a temperatura máxima obtiveram alguma relação de dependência
nos municípios de Manaus, Rio Branco, Macapá e Palmas.
Já a temperatura mínima e a pneumonia apresentaram uma relação de dependência
nos municípios de Manaus, Imperatriz e Boa Vista.
A pneumonia e a precipitação pluviométrica apresentaram uma relação de
dependência nos municípios de Belém, Macapá e Boa Vista.
E a umidade relativa do ar obteve uma relação de dependência nos municípios de
Rio Branco, Imperatriz, Macapá e Boa Vista.
Nos municípios de Manaus e Palmas as temperaturas máximas e mínimas
apresentaram correlações acima de 39%, consideradas de média a boa
significância.
Apesar de alguns resultados não expressivos, pode-se afirmar que existe alguma
dependência entre a asma e pneumonia com as variáveis meteorológicas abordadas
neste trabalho. Um método estatístico mais refinado pode ser a solução para
resultados mais concretos.
83
8 RECOMENDAÇÕES
Como não se esgotam, a fim de pesquisa, as questões relacionadas a esta
pesquisa, ainda existe uma grande quantidade de respostas a serem respondidas.
Portanto com intuito de dar continuidade a outras diretrizes, sugerem-se algumas
recomendações, listadas a seguir:
Verificar
com
atenção
e
antecedência
a
base
de
dados
das variáveis
meteorológicas;
Verificar com atenção e antecedência a base de dados das endemias, veja se existe
consistência nos dados e que não há falta de dados que comprometa a pesquisa;
Escolha um método estatístico que dará subsídios para as suas análises e
conclusões;
Comparar os resultados obtidos nesta dissertação com outros modelos que
pretendam utilizar as mesmas variáveis utilizadas aqui;
Como palavra final cito uma frase de Hugo Hofmannsthal: „Qualquer novo
conhecimento provoca dissoluções e novas interações‟.
84
REFERÊNCIAS BIBLIOGRÁFICAS
APM. Pneumonia: Como evitar a infecção que mais mata crianças no mundo?.
Disponível em:< http://apmsantoandre.org.br/noticiadetalhe.aspx?cd=MDcyMTMw>. Acesso
em: 15 set. 2013.
ASMA
BRÔNQUICA.
Informações
médicas.
Disponível
em:<
http://www.asmabronquica.com.br/medical/epidemiologia.html>. Acesso em: 25 set. 2012.
ASMA. ABC da Saúde. Disponível em: <http://www.abcdasaude.com.br/artigo.php?38>.
Acesso em: 15 out. 2012.
ASMA.
Asma
Sob
Controle.
Disponível
em:
<
http://www.asmasobcontrole.com.br/asma/oque_e.asp>. Acesso em: 15 out. 2012.
ASMA.
Causas
do
ataque,
Diagnóstico,
Tratamento.
Disponível
em:
<
http://www.copacabanarunners.net/asma-ataque.html>. Acesso em: 15 out. 2012.
ASTHMA.
Global
Initiative
for
Asthma
(GINA).
Disponível
em:
<http://www.ginasthma.com>. Acesso em: 15 out. 2012.
BARCELOS, C. et al. Mudanças climáticas e ambientais e as doenças infecciosas: cenários
e incertezas para o Brasil*. Epidemiol. Serv. Saúde, Brasília, 18(3):285-304, jul-set 2009.
BATES D, SIZTO R. Air pollution and hospital admissions in southen Ontario. The acid
summer haze effect. Environ Res. 43: 317-31. 1987.
BIOMETEOROLOGIA,
Classificação
e
definição.
Disponível
em:<
http://www.dca.iag.usp.br/www/material/fgoncalv/biometeo/aula1%5B1%5D.pdf>. Acesso: 25
abr. 2013
BOLSONELLO,
C.A.
Pneumonia:
diagnóstico
e
tratamento.
Disponível
em:<
http://drcleytonbolsonello.site.med.br/index.asp?PageName=Pneumonia>. Acesso em: 20 de
set. 2013.
85
BOTELHO, C., SALDANHA, C. T., SILVA, A. M. C. Fatores ambientais e hospitalizações
em crianças menores de cinco anos com infecção respiratória aguda. Cad. Saúde
Pública, Rio de Janeiro, 19(6):1771-1780, nov-dez, 2003.
BRASIL. Ministério da Saúde. Secretaria de Atenção a Saúde. Asma e Rinite – Linhas de
conduta de atenção básica. Brasília,1ª Edição. 2004.
CAREY,M.J., GORDON,I. Asthma an climatic conditions experience from Bermuda, and
isolated community. Br Med J; 293: 843-44. 1986.
CARVALHO, L.M.V.; JONES, C.; LIEBMANN, B. The South Atlantic Convergence Zone:
Intensity, Form, Persistence, and Relationships with Intraseasonal to Interannual Activity and
Extreme Rainfall. J. Climate, v. 17, n.1, p.88-108, 2004.
CAVALCANTE, J. C. Mortalidade em menores de um ano: utilização de novos indicadores
para avaliação. Dissertação de mestrado em Saúde da criança, Centro de Ciências da
Saúde. Departamento de Tocoginecologia. Universidade Federal de Alagoas, Maceió, 2003.
DATASUS
–
Base
de
dados
do
Sistema
Único
de
Saúde.
Extraído
de
[http://www.datasus.gov.br.], acesso em [10 Fev. 2012].
CID 10, Sistemas e Aplicativos – Departamento de Informática do SUS (DATASUS).
Disponível em: < http://www2.datasus.gov.br/DATASUS/index.php?area=040203>. Acesso
em: 10 jun. 2012.
COCKCROFT DW, Swysturn VA. Asthma Control versus Asthma Sererity. J Allergy Clin
Immunol;98: 1016-8. 1996.
COHEN, J.C.P., SILVA DIAS, M.A.F.; NOBRE, C. Enviromental conditions associated with
amazonian squall lines: A case study. Mon. Wea. Rev., 123, 3163-3174 1995.
COUTINHO, E.C.; FISCH, G. Distúrbios Ondulatórios de Leste na Região do Centro de
Lançamento de Foguetes de Alcântara. Congresso Brasileiro de Meteorologia, 8.. Anais
15p. Fortaleza, Ceará, 2007.
DATASUS – Base de dados do Sistema Único de Saúde. Extraído de FAÇANHA, M. C.
Doenças respiratórias agudas em serviços de saúde entre 1996 e 2001, Fortaleza. Revista
Saúde Pública. 38(3):346-50; 2004.
86
DIAGINÓSTICO.
Diagnóstico
e
classificação
da
gravidade.
Disponível
http://www.scielo.br/scielo.php?pid=S01025862002000700005&script=sci_arttext>.
em:<
Acesso
em: 20 set. 2012.
DRAUZIO VARELLA. Doenças respiratórias. Disponível em:<www.drauziovarella.com.br>.
Acesso em: 01 mai. 2013.
EPIDEMIOLOGIA E SERVIÇOS DE SAÚDE: Revista do sistema único de saúde do
Brasil.
Distrito
Federal,
2006.
Disponível
em:<
http://portalsaude.saude.gov.br/portalsaude/index.cfm?portal=pagina.visualizarArea&codAre
a=376>. Acesso em: 15 out. 2013.
FILHO, P.D‟A.T Asma Brônquica: Epidemiologia. 1997 – 2010. São Paulo. Disponível em:
<http://www.asmabronquica.com.br/paciente/index.html>. Acesso em: 15 out. 2012.
FISCH,G.; MARENGO,J.A. Uma revisão geral sobre o clima da Amazônia. Revista Acta
Amazônica 28(2): p, 101-126,1998.
GOMES, A.C.S. Estudo Bioclimatológico entre as condições do tempo e a malária na
Amazônia legal. Dissertação de Mestrado, Universidade Federal de Alagoas, MaceióAlagoas, 2011.
GONÇALVES,
K.S.
Queimadas
e
atendimentos
ambulatoriais
por
doenças
respiratórias em crianças no município de porto velho, Rondônia. Dissertação de
mestrado, Escola Nacional de Saúde Pública, Rio de Janeiro – RJ, 2010.
IBGE – Instituto Brasileiro de Geografia e Estatística. Brasil em Síntese. Disponível
em:<http://www.ibge.gov.br/home/>. Acesso em: 20 set. 2012.
International Study of Asthma and Allergy in Childhood Worldwide. Variations in the
prevalence of asthma symptoms: International Study of Asthma and Allergies in Childhood
(ISAAC). Eur Respir J;12: 315-35. 1998.
JCNEWS.
Saúde
em
foco.
Disponível
em:<
//radiojcnews.ne10.uol.com.br/2013/08/07/diante-do-periodo-chuvoso-aumenta-o-numerode-crises-asmaticas/>. Acesso em: 15 out. 2013.
87
Jornal Pneumologia vol.28 suppl.1 São Paulo, Junho 2002. III Consenso Brasileiro no
Manejo da Asma – Cap.III – Diagnóstico e Classificação da Gravidade.
MADEIRA,
Z.
A
Amazônia
legal.
Disponível
em:<
http://wwwzuzucolmeia.blogspot.com.br/2012/07/amazonia-legal.html>. Acesso em: 20 abr.
2013.
MARENGO, J.A; LIERBMANN, B.; KOUSKY, V.E.; FILIZOLA N.P.; WAINER, I.C. Onset and
end of the rainy season in the Brazilian Amazon basin. Journal of Climate, p.833-852,
2001.
MOLION, L.C.B. Climatologia dinâmica da região amazônica: mecanismos de precipitação.
Revista Brasileira de Meteorologia; vol.2.p, 107-117. 1987.
NEDDENRIEP D, SCHUYMACHER MJ, LEMEN RJ. Asthma in childhood. Curr Probl
Pediatric; 19:325. 1989.
NICHOLSON KG, KENT J, IRELAND DC. Respiratory viruses and exacerbação of asthma in
adults. BMJ. 1993;307(6910):910-6. Comment in: BMJ. 1994; 308(6920):57.
OLIVEIRA, M. A. et al. Custo-efetividade de programa de educação para adultos asmáticos
atendidos em hospital-escola de instituição pública. Jornal de Pneumologia 28(2) – mar-abr,
2002.
OMS. Pneumonia. Disponível em:< http://www.who.int/mediacentre/factsheets/fs331/en/.>
Acesso em: 25 abr. 2013.
PARA. Governo do Pará. Disponível em: <http://pa.gov.br/O_Para/opara.asp>. Acesso: 20
jan.2013.
PNEUMONIA.
Organização
Mundial
de
Saúde.
Disponível
em:
<http://www.who.int/mediacentre/factsheets/fs331/en/index.html>. Acesso: 15 out. 2012.
PNEUMONIA.
Tudo
sobre
pneumonia.
Disponível
em:
http://www.bancodesaude.com.br/pneumonia/pneumonia>. Acesso em: 16 out. 2013.
<
88
PORTAL R7. Casos de gripe, rinite e pneumonia aumentam com tempo seco e frio,
alerta especialista. Disponível em:< http://noticias.r7.com/saude/casos-de-gripe-rinite-epneumonia-aumentam-com-tempo-seco-e-frio-alerta-especialista-02052013>. Acesso em:
15 out. 2013.
SIGNIFICADOS. Amazônia Legal. Disponível em: <www.significados.com.br/amazonialegal/>. Acesso em: 20 abr.2013.
Sociedade Brasileira de Pneumologia e Tisiologia, Sociedade Brasileira de Alergia e
Imunopatologia, Sociedade Brasileira de Pediatria. II Consenso Brasileiro no Manejo da
Asma. J Pneumol ;24:171-276. 1998.
SOUZA, J.M.; PÓVOA, M.M.; FRAIHA NETO, H. Malária. In: VERONESI, R.; FOCACCIA, R.
(Coord.). Tratado de Infectologia. 2. ed. São Paulo: Atheneu, 1518-1519; 2004.
SOUZA, N. M. N. Influência de variáveis meteorológicas sobre a incidência da dengue,
meningite e pneumonia em João Pessoa-PB. Revista Brasileira de Meteorologia, v.22, n.2,
183-192, 2007.
STAEVIE, P.M. Expansão urbana e exclusão social em Boa Vista – Roraima. OCULUM
ENSAIOS 13, Campinas-SP. p.68-87. 2011.
UFAL NOTÍCIAS. Estudo revela relação entre variações climáticas e aumento do
número
de
casos
de
pneumonia
bacteriana.
Disponível
em:<
http://www.ufal.edu.br/noticias/divulgacao-cientifica/estudo-revela-relacao-entre-variacoesclimaticas-e-aumento-do-numero-de-casos-de-pneumonia-bacteriana>. Acesso em: 15 set.
2013.
UOL NOTÍCIAS. Palmas é a cidade que registra maior crescimento populacional na
década.
Disponível
em:<
http://noticias.uol.com.br/cotidiano/ultimas-
noticias/2011/04/29/palmas-e-a-cidade-que-registra-maior-crescimento-populacional-nadecada.htm.>. Acesso em: 20 set. 2013
WORLD HEALTH ORGANIZATION. Chronic respiratory diseases. 2008. Disponível em: <
http://www.who.int/respiratory/asthma/en/>. Acesso: 15 out. 2012.
89
ZANCHETTA O.B.S. Seca na Amazônia: alguma coisa está fora da ordem. Instituto
Socioambiental Manaus-AM. 2005.
90
GLOSSÁRIO DE TERMOS E PALAVRAS TÉCNICAS
Alérgenos – Substâncias que podem provocar uma reação alérgica
Alvéolos Pulmonares – Pequenas bolsas, localizadas no final dos bronquíolos
Anticolinérgicos – Substâncias extraídas de plantas ou sinteticamente
produzidas
Atopia/não Atopia – Conjunto de afecções alérgicas caracterizadas por influência
hereditária
Blomia tropicalis – Uma espécie de ácaro presentes em poeira
Broncoconstritores – Agentes que causam o estreitamento da luz de um brônquio ou
bronquíolo
Broncodilatador – Dilatador dos brônquios
Broncoprovocação – Teste para verificar os sintomas da asma
Checkups – Método utilizado para antecipar as enfermidades
Cirrose Hepática – Termo usado quando as células do fígado morrem
Coriza – Inflamação da mucosa nasal
Corticóides – Medicamentos usados no tratamento de doenças alérgicas
Creatinina – Produto da degradação da fosfocreatina no músculo
CVF – Capacidade viral forçada
Dermatophagoides pteronyssinus – Um tipo de ácaro
91
Dispnéia – Falta de ar
Dizigóticos – Provêm de dois zigotos (ovos) diferentes
Edema Pulmonar – Acúmulo anormal de líquidos no tecido dos pulmões
Eletrólitos – Substância que, dissolvida ou ionizada, origina íons positivos
Epitélio – Tecido formado por células unidas entre si
Expectoração – Ação de expectorar (a matéria expectoradora, o catarro)
Exsudação – Suar, Transpiração
Fisiopatologia – Estudo do funcionamento do organismo durante a manifestação da
doença
Gasometria Arterial – Leitura do pH e das pressões parciais de CO2 e O2
Glicemia – Concentração de glicose no sangue
Hemograma – Exame que avalia as células sanguíneas
Hipertrofia Muscular – Aumento dos músculos devido a estímulos
Histamina – Substância envolvida em processos bioquímicos de respostas
imunológicas
HIV – Vírus da imunodeficiência humana
IeE Sérica – Exame de sangue para dosar a quantidade de IgE
IgE – Imunoglobina E total (teste para diagnosticar uma alergia)
92
In vitro – Determinação de concentração sanguínea de IgE especifica
In vivo – Provas cutâneas
Leucemia – Câncer que afeta as células brancas do sangue
Linfomas – Grupo de doenças que se originam nas células do sistema linfático
Metacolina – Agonista colinérgico sintético (substância)
Monozigóticos – Provêm de um mesmo zigoto (ovo)
PFE – Pico fluxo expiratório
pH – Potencial Hidrogeniônico
Prevalência – Comum, ou rara, uma determinada doença ou situação numa
comunidade
Prostração – Estado de abatimento extremo, físico e psíquico
Puntura – Teste para identificar alergias
Responsividade Brônquica – Capacidade de reação das vias aéreas inferiores
quando expostas a determinados estímulos
Secreção – Ato ou efeito se secretar
Sibilância – Chiado no peito
Síbilo – Ruído característico da asma
Sorologia – Estudo científico do soro sanguíneo
93
Teofilinas – Substância relacionada com a cafeína, que está presente no chá
Toxemia – Intoxicação resultante do excesso de toxinas, acumuladas no sangue
Uréia – Substancia solúvel em água, forma a urina
VEF – Volume expiratório de fluxo
94
ANEXOS
Belém – PA:
Asma
Scatterplot: TMáx vs. Asma (Casewise MD deletion)
Asma = 4260E3 - 118E3 * TMáx
Correlation: r = -,5495
Scatterplot: TMín vs. Asma (Casewise MD deletion)
Asma = 1427E3 - 413E2 * TMín
Correlation: r = -,0928
750000,0
750000
700000,0
700000
650000,0
650000
600000
ASMA
ASMA
600000,0
550000,0
550000
500000
500000,0
450000
450000,0
400000
400000,0
350000,0
31,0
350000
22,4
31,2
31,4
31,6
31,8
32,0
32,2
32,4
32,6
32,8
700000
700000,0
650000
650000,0
600000
600000,0
ASMA
750000,0
550000
500000,0
450000
450000,0
400000
400000,0
3200
PRECIPITAÇÃO (mm)
22,8
22,9
23,0
23,1
23,2
95% confidence
550000,0
500000
3000
22,7
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 2032E3 - 184E2 * UR (%)
Correlation: r = -,2302
750000
2800
22,6
TMín
Scatterplot: PRECIPITAÇÃO
vs. ASMA (Casewise MD deletion)
Asma = 2944E2 + 61,793 * PRP
Correlation: r = ,19402
350000
2600
22,5
33,0
95% confidence
TMáx
ASMA
3400
3600
3800
95% confidence
350000,0
82
83
83
84
84
85
UR (%)
85
86
86
87
95% confidence
95
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1924E3 + 38114, * TMín
Correlation: r = ,00968
5000000
5000000
4500000
4500000
4000000
4000000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 2029E4 - 547E3 * TMáx
Correlation: r = -,2883
3500000
3000000
2000000
2000000
1500000
22,4
31,2
31,4
31,6
31,8
32,0
32,2
32,4
32,6
32,8
22,5
22,6
22,7
33,0
22,8
22,9
23,0
23,1
23,2
95% confidence
TMín
95% confidence
TMáx
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1872E4 - 190E3 * UR (%)
Correlation: r = -,2685
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 2560E3 + 73,587 * PRECIPITAÇÃO (mm)
Correlation: r = ,02613
5000000,0
5000000
4500000,0
4500000
4000000,0
4000000
3500000,0
PNEUMONIA
PNEUMONIA
3000000
2500000
2500000
1500000
31,0
3500000
3000000,0
3500000
3000000
2500000,0
2500000
2000000,0
2000000
1500000,0
2600
2800
3000
3200
PRECIPITAÇÃO (mm)
3400
3600
3800
95% confidence
1500000
82,0
82,5
83,0
83,5
84,0
84,5
UR (%)
85,0
85,5
86,0
86,5
95% confidence
96
Boa Vista - RR:
Asma
Scatterplot: TMín vs. ASMA (Casewise MD deletion)
ASMA = -518E2 + 3107,0 * TMín
Correlation: r = ,40832
30000
30000
28000
28000
26000
26000
24000
24000
ASMA
ASMA
Scatterplot: TMáx vs. ASMA (Casewise MD deletion)
ASMA = -114E3 + 4132,0 * TMáx
Correlation: r = ,57568
22000
22000
20000
20000
18000
18000
16000
16000
14000
32,0
32,2
32,4
32,6
32,8
33,0
33,2
33,4
33,6
33,8
34,0
34,2
14000
22,2 22,4 22,6 22,8 23,0 23,2 23,4 23,6 23,8 24,0 24,2 24,4 24,6 24,8 25,0
34,4
95% confidence
TMáx
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 2413,0 + 256,29 * UR (%)
Correlation: r = ,12979
30000
28000
28000
26000
26000
24000
24000
ASMA
30000
22000
22000
20000
20000
18000
18000
16000
16000
14000
16000
18000
20000
22000
24000
26000
PRECIPITAÇÃO (mm)
28000
30000
95% confidence
TMín
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = -2009, + 1,0003 * PRECIPITAÇÃO (mm)
Correlation: r = 1,0000
ASMA
32000
95% confidence
14000
69
70
71
72
73
74
UR (%)
75
76
77
78
95% confidence
97
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 2317E3 - 856E2 * TMín
Correlation: r = -,3384
800000
800000
700000
700000
600000
600000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 3379E3 - 938E2 * TMáx
Correlation: r = -,3928
500000
400000
400000
300000
300000
200000
200000
100000
32,0
32,2
32,4
32,6
32,8
33,0
33,2
33,4
33,6
33,8
34,0
34,2
100000
22,2 22,4 22,6 22,8 23,0 23,2 23,4 23,6 23,8 24,0 24,2 24,4 24,6 24,8 25,0
34,4
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -412E3 + 9780,7 * UR (%)
Correlation: r = ,14904
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 2677E2 + 1,6625 * PRECIPITAÇÃO (mm)
Correlation: r = ,05001
800000
800000
700000
700000
600000
PNEUMONIA
600000
500000
400000
500000
400000
300000
300000
200000
200000
100000
16000
95% confidence
TMín
95% confidence
TMáx
PNEUMONIA
500000
18000
20000
22000
24000
26000
PRECIPITAÇÃO (mm)
28000
30000
32000
95% confidence
100000
69
70
71
72
73
74
UR (%)
75
76
77
78
95% confidence
98
Cuiabá – MT:
Asma
Scatterplot: TMín vs. ASMA (Casewise MD deletion)
ASMA = 72335, - 1064, * TMín
Correlation: r = -,2929
60000
60000
58000
58000
56000
56000
54000
54000
52000
52000
ASMA
ASMA
Scatterplot: TMáx vs. ASMA (Casewise MD deletion)
ASMA = 77204, - 875,3 * TMáx
Correlation: r = -,3177
50000
48000
46000
46000
44000
44000
42000
40000
23
42000
24
25
26
27
28
29
30
TMáx
40000
16
31
32
33
95% confidence
58000
58000
56000
56000
54000
54000
52000
52000
ASMA
60000
50000
48000
46000
46000
44000
44000
42000
42000
900
1000
1100
1200
19
20
21
1300
PRECIPITAÇÃO (mm)
1400
1500
22
23
95% confidence
50000
48000
800
18
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 50647, - ,5511 * UR (%)
Correlation: r = -,0018
60000
40000
700
17
TMín
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 66930, - 12,53 * PRECIPITAÇÃO (mm)
Correlation: r = -,5090
ASMA
50000
48000
1600
1700
95% confidence
40000
20
30
40
50
60
UR (%)
70
80
90
95% confidence
99
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 6037E2 + 21637, * TMín
Correlation: r = ,10850
1800000
1800000
1600000
1600000
1400000
1400000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1515E3 - 154E2 * TMáx
Correlation: r = -,1021
1200000
1000000
1000000
800000
800000
600000
23
24
25
26
27
28
29
30
31
32
600000
16
33
1600000
1600000
1400000
1400000
PNEUMONIA
1800000
1200000
1000000
800000
800000
1000
1100
1200
1300
PRECIPITAÇÃO (mm)
1400
1500
1600
20
21
22
23
95% confidence
1200000
1000000
900
19
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1852E3 - 131E2 * UR (%)
Correlation: r = -,7810
1800000
800
18
TMín
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 9006E2 + 111,30 * PRECIPITAÇÃO (mm)
Correlation: r = ,08233
600000
700
17
95% confidence
TMáx
PNEUMONIA
1200000
1700
95% confidence
600000
20
30
40
50
60
UR (%)
70
80
90
95% confidence
100
Imperatriz – MA:
Asma
Scatterplot: TMín vs. ASMA (Casewise MD deletion)
ASMA = -431E3 + 21966, * TMín
Correlation: r = ,31476
Scatterplot: TMáx vs. ASMA (Casewise MD deletion)
ASMA = 3281E2 - 8476, * TMáx
Correlation: r = -,1091
120000
100000
100000
80000
80000
60000
60000
ASMA
ASMA
120000
40000
40000
20000
20000
0
0
-20000
31,4
31,6
31,8
32,0
32,2
32,4
32,6
32,8
33,0
33,2
-20000
20,8
33,4
21,2
21,4
21,6
21,8
22,0
22,2
22,4
22,6
22,8
95% confidence
TMín
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = -114E3 + 2315,9 * UR (%)
Correlation: r = ,11461
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 1688E2 - 88,49 * PRECIPITAÇÃO (mm)
Correlation: r = -,4692
120000
100000
100000
80000
80000
60000
60000
ASMA
120000
40000
40000
20000
20000
0
0
-20000
1000
21,0
95% confidence
TMáx
ASMA
1100
1200
1300
1400
1500
1600
PRECIPITAÇÃO (mm)
1700
1800
1900
95% confidence
-20000
68
69
70
71
UR (%)
72
73
74
95% confidence
101
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 3766E3 - 120E3 * TMín
Correlation: r = -,3035
1600000
1600000
1500000
1500000
1400000
1400000
1300000
1300000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 8684E3 - 229E3 * TMáx
Correlation: r = -,5255
1200000
1100000
1100000
1000000
1000000
900000
900000
800000
800000
700000
31,4
31,6
31,8
32,0
32,2
32,4
32,6
32,8
TMáx
700000
20,8
33,0
33,2
33,4
95% confidence
21,0
21,2
21,4
21,6
21,8
22,0
22,2
TMín
22,4 22,6 22,8
95% confidence
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 3924E3 - 391E2 * UR (%)
Correlation: r = -,3431
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1604E3 - 334,2 * PRECIPITAÇÃO (mm)
Correlation: r = -,3150
1600000
1600000
1500000
1500000
1400000
1400000
1300000
1300000
PNEUMONIA
PNEUMONIA
1200000
1200000
1100000
1200000
1100000
1000000
1000000
900000
900000
800000
800000
700000
1000
1100
1200
1300
1400
1500
1600
PRECIPITAÇÃO (mm)
1700
1800
1900
95% confidence
700000
68
69
70
71
UR (%)
72
73
74
95% confidence
102
Macapá – AP:
Asma
Scatterplot: TMín vs. ASMA (Casewise MD deletion)
ASMA = 2678E2 - 9370, * TMín
Correlation: r = -,1732
70000
70000
65000
65000
60000
60000
55000
55000
50000
ASMA
ASMA
Scatterplot: TMáx vs. ASMA (Casewise MD deletion)
ASMA = 4956E2 - 143E2 * TMáx
Correlation: r = -,4020
45000
50000
45000
40000
40000
35000
35000
30000
30000
25000
31,0
25000
23,6
31,2
31,4
31,6
31,8
32,0
32,2
65000
65000
60000
60000
55000
55000
50000
50000
ASMA
70000
45000
45000
40000
40000
35000
35000
30000
30000
2000
2100
2200
2300
23,9
2400
PRECIPITAÇÃO (mm)
2500
2600
24,0
24,1
24,2
24,3
24,4
24,5
95% confidence
Scatterplot: UR vs. ASMA (Casewise MD deletion)
ASMA = -178E3 + 2673,7 * UR
Correlation: r = ,30146
70000
1900
23,8
TMín
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 38369, + 1,8325 * PRECIPITAÇÃO (mm)
Correlation: r = ,04361
25000
1800
23,7
32,4
95% confidence
TMáx
ASMA
2700
2800
95% confidence
25000
80
81
82
83
UR
84
85
86
95% confidence
103
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1229E4 - 480E3 * TMín
Correlation: r = -,2627
1400000
1400000
1200000
1200000
1000000
1000000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -150E5 + 4958E2 * TMáx
Correlation: r = ,41397
800000
600000
400000
200000
31,2
31,4
31,6
31,8
32,0
32,2
0
23,6
32,4
23,8
23,9
24,0
24,1
24,2
24,3
1400000
1200000
1200000
1000000
1000000
24,4
24,5
95% confidence
TMín
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -234E3 + 408,07 * PRECIPITAÇÃO (mm)
Correlation: r = ,28716
1400000
PNEUMONIA
Scatterplot: UR vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1508E4 - 173E3 * UR
Correlation: r = -,5782
800000
600000
400000
800000
600000
400000
200000
0
1800
23,7
95% confidence
TMáx
PNEUMONIA
600000
400000
200000
0
31,0
800000
200000
1900
2000
2100
2200
2300
2400
PRECIPITAÇÃO (mm)
2500
2600
2700
2800
95% confidence
0
80
81
82
83
UR
84
85
86
95% confidence
104
Manaus – AM:
Asma
Scatterplot: TMín (ºC) vs. ASMA (Casewise MD deletion)
ASMA = -428E4 + 2089E2 * TMín (ºC)
Correlation: r = ,65212
Scatterplot: TMáx (ºC) vs. ASMA (Casewise MD deletion)
ASMA = -168E5 + 5607E2 * TMáx (ºC)
Correlation: r = ,79680
900000
900000
800000
800000
700000
700000
600000
ASMA
ASMA
600000
500000
500000
400000
400000
300000
300000
200000
200000
100000
20,8
100000
30,0
21,2
21,0
30,2
30,4
30,6
30,8
31,0
31,2
31,4
21,6
21,4
22,0
21,8
22,4
22,2
31,6
22,8
22,6
23,2
23,0
23,6
23,4
23,8
95% confidence
TMín (ºC)
95% confidence
TMáx (ºC)
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 5184E3 - 556E2 * UR (%)
Correlation: r = -,2612
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 5533E2 - 29,96 * PRECIPITAÇÃO (mm)
Correlation: r = -,0297
900000
900000
800000
800000
700000
700000
600000
600000
ASMA
ASMA
500000
500000
400000
400000
300000
300000
200000
200000
100000
1700
1800
1900
2000
2100
2200
2300
PRECIPITAÇÃO (mm)
2400
2500
2600
2700
95% confidence
100000
82
83
83
84
84
85
UR (%)
85
86
86
87
87
95% confidence
105
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -190E5 + 9386E2 * TMín
Correlation: r = ,56571
5500000
5500000
5000000
5000000
4500000
4500000
4000000
4000000
3500000
3500000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -471E5 + 1602E3 * TMáx
Correlation: r = ,43962
3000000
2500000
2500000
2000000
2000000
1500000
1500000
1000000
1000000
500000
30,0
30,2
30,4
30,6
30,8
31,0
31,2
31,4
500000
20,8 21,0 21,2 21,4 21,6 21,8 22,0 22,2 22,4 22,6 22,8 23,0 23,2 23,4 23,6 23,8
31,6
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 4616E4 - 517E3 * UR (%)
Correlation: r = -,4700
5500000
5000000
5000000
4500000
4500000
4000000
4000000
3500000
3500000
PNEUMONIA
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1357E2 + 1043,0 * PRECIPITAÇÃO (mm)
Correlation: r = ,19941
5500000
3000000
2500000
3000000
2500000
2000000
2000000
1500000
1500000
1000000
1000000
500000
1700
1800
1900
2000
2100
2200
2300
PRECIPITAÇÃO (mm)
2400
2500
2600
95% confidence
TMín
95% confidence
TMáx
PNEUMONIA
3000000
2700
95% confidence
500000
82,0
82,5
83,0
83,5
84,0
84,5
UR (%)
85,0
85,5
86,0
86,5
87,0
95% confidence
106
Palmas – TO:
Asma
Scatterplot: TMín (ºC) vs. ASMA (Casewise MD deletion)
ASMA = 1628E2 - 6381, * TMín (ºC)
Correlation: r = -,4636
30000
30000
28000
28000
26000
26000
24000
24000
22000
22000
ASMA
ASMA
Scatterplot: TMáx (ºC) vs. ASMA (Casewise MD deletion)
ASMA = -151E2 + 1089,6 * TMáx (ºC)
Correlation: r = ,11516
20000
20000
18000
18000
16000
16000
14000
14000
12000
32,2
32,4
32,6
32,8
33,0
33,2
33,4
33,6
33,8
34,0
34,2
12000
21,4
34,4
28000
28000
26000
26000
24000
24000
22000
22000
ASMA
30000
20000
18000
16000
16000
14000
14000
1700
1800
1900
PRECIPITAÇÃO (mm)
2000
2100
22,2
22,4
22,6
22,8
95% confidence
20000
18000
1600
22,0
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 57579, - 520,8 * UR (%)
Correlation: r = -,2623
30000
1500
21,8
TMín (ºC)
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 36731, - 8,417 * PRECIPITAÇÃO (mm)
Correlation: r = -,3269
12000
1400
21,6
95% confidence
TMáx (ºC)
ASMA
2200
2300
95% confidence
12000
65
66
67
68
69
70
UR (%)
71
72
73
74
75
95% confidence
107
Pneumonia
550000
550000
500000
500000
450000
450000
400000
400000
350000
300000
350000
300000
250000
250000
200000
200000
150000
150000
100000
32,2
32,4
32,6
32,8
33,0
33,2
33,4
33,6
33,8
34,0
34,2
100000
21,4
34,4
21,8
22,0
22,2
22,4
550000
500000
500000
450000
450000
400000
400000
22,6
22,8
95% confidence
TMín (ºC)
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 4374E2 - 97,51 * PRECIPITAÇÃO (mm)
Correlation: r = -,1799
550000
PNEUMONIA
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1648E3 - 200E2 * UR (%)
Correlation: r = -,4767
350000
300000
350000
300000
250000
250000
200000
200000
150000
150000
100000
1400
21,6
95% confidence
TMáx (ºC)
PNEUMONIA
Scatterplot: TMín (ºC) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -331E4 + 1611E2 * TMín (ºC)
Correlation: r = ,55623
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx (ºC) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -235E4 + 78043, * TMáx (ºC)
Correlation: r = ,39188
1500
1600
1700
1800
1900
2000
PRECIPITAÇÃO (mm)
2100
2200
2300
95% confidence
100000
65
66
67
68
69
70
UR (%)
71
72
73
74
75
95% confidence
108
Porto Velho – RO:
Asma
Scatterplot: TMín (ºC) vs. ASMA (Casewise MD deletion)
ASMA = 5007E2 - 154E2 * TMín (ºC)
Correlation: r = -,2752
300000
300000
280000
280000
260000
260000
240000
240000
220000
220000
ASMA
ASMA
Scatterplot: TMáx (ºC) vs. ASMA (Casewise MD deletion)
ASMA = 6413E2 - 151E2 * TMáx (ºC)
Correlation: r = -,5270
200000
200000
180000
180000
160000
160000
140000
140000
120000
120000
100000
28
29
30
31
32
33
TMáx (ºC)
100000
19,5
34
35
95% confidence
280000
280000
260000
260000
240000
240000
220000
220000
ASMA
300000
200000
180000
160000
160000
140000
140000
120000
120000
2100
2200
2300
2400
2500
PRECIPITAÇÃO (mm)
2600
2700
21,0
21,5
22,0
22,5
23,0
23,5
95% confidence
200000
180000
2000
20,5
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = 7537E2 - 7168, * UR (%)
Correlation: r = -,1683
300000
100000
1900
20,0
TMín (ºC)
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 3092E2 - 65,69 * PRECIPITAÇÃO (mm)
Correlation: r = -,3245
ASMA
2800
95% confidence
100000
80
80
81
81
82
82
UR (%)
83
83
84
84
85
95% confidence
109
Pneumonia
Scatterplot: TMín (ºC) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -495E3 + 41851, * TMín (ºC)
Correlation: r = ,26605
700000
700000
650000
650000
600000
600000
550000
550000
500000
500000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx (ºC) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 51692, + 11901, * TMáx (ºC)
Correlation: r = ,14656
450000
400000
400000
350000
350000
300000
300000
250000
250000
200000
200000
150000
28
29
30
31
32
33
34
150000
19,5
35
20,5
21,0
21,5
22,0
22,5
23,0
23,5
95% confidence
TMín (ºC)
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 86998, + 4132,2 * UR (%)
Correlation: r = ,03435
700000
650000
650000
600000
600000
550000
550000
500000
500000
PNEUMONIA
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 1065E3 - 285,7 * PRECIPITAÇÃO (mm)
Correlation: r = -,4997
700000
450000
400000
450000
400000
350000
350000
300000
300000
250000
250000
200000
150000
1900
20,0
95% confidence
TMáx (ºC)
PNEUMONIA
450000
200000
2000
2100
2200
2300
2400
2500
PRECIPITAÇÃO (mm)
2600
2700
2800
95% confidence
150000
79,5
80,0
80,5
81,0
81,5
82,0
UR (%)
82,5
83,0
83,5
84,0
84,5
95% confidence
110
Rio Branco – AC:
Asma
Scatterplot: TMín (ºC) vs. ASMA (Casewise MD deletion)
ASMA = 3466E2 - 134E2 * TMín (ºC)
Correlation: r = -,2209
100000
100000
90000
90000
80000
80000
70000
70000
ASMA
ASMA
Scatterplot: TMáx (ºC) vs. ASMA (Casewise MD deletion)
ASMA = 7318E2 - 218E2 * TMáx (ºC)
Correlation: r = -,6770
60000
60000
50000
50000
40000
40000
30000
30000
20000
29,6
29,8
30,0
30,2
30,4
30,6
30,8
31,0
31,2
31,4
31,6
31,8
20000
20,8
32,0
21,0
21,2
95% confidence
TMáx (ºC)
21,4
21,6
21,8
22,0
22,2
95% confidence
TMín (ºC)
Scatterplot: PRECIPITAÇÃO (mm) vs. ASMA (Casewise MD deletion)
ASMA = 59762, - ,2716 * PRECIPITAÇÃO (mm)
Correlation: r = -,0022
Scatterplot: UR (%) vs. ASMA (Casewise MD deletion)
ASMA = -294E3 + 4143,8 * UR (%)
Correlation: r = ,54911
100000
100000
90000
90000
80000
80000
70000
ASMA
70000
ASMA
60000
60000
50000
50000
40000
40000
30000
30000
20000
1600
20000
76
1700
1800
1900
2000
PRECIPITAÇÃO (mm)
2100
2200
2300
95% confidence
78
80
82
84
UR (%)
86
88
90
95% confidence
111
Pneumonia
Scatterplot: TMín vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 3257E3 - 114E3 * TMín
Correlation: r = -,0841
1600000
1600000
1400000
1400000
1200000
1200000
1000000
1000000
PNEUMONIA
PNEUMONIA
Scatterplot: TMáx vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = -117E5 + 4024E2 * TMáx
Correlation: r = ,55720
800000
600000
600000
400000
400000
200000
200000
0
20,8
0
29,6 29,8 30,0 30,2 30,4 30,6 30,8 31,0 31,2 31,4 31,6 31,8 32,0
95% confidence
TMáx
Scatterplot: PRECIPITAÇÃO (mm) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 2680E3 - 980,1 * PRECIPITAÇÃO (mm)
Correlation: r = -,3615
1600000
1600000
1400000
1400000
1200000
1200000
1000000
1000000
800000
400000
400000
200000
200000
1800
1900
2000
PRECIPITAÇÃO (mm)
2100
2200
2300
95% confidence
21,4
21,6
21,8
22,0
22,2
95% confidence
800000
600000
1700
21,2
Scatterplot: UR (%) vs. PNEUMONIA (Casewise MD deletion)
PNEUMONIA = 7622E3 - 801E2 * UR (%)
Correlation: r = -,4724
600000
0
1600
21,0
TMín (ºC)
PNEUMONIA
PNEUMONIA
800000
0
76
78
80
82
84
UR (%)
86
88
90
95% confidence