Processos de geocodificação em estudos de coorte: métodos aplicados no EpiFloripa Idoso

Autores

DOI:

https://doi.org/10.11606/s1518-8787.2023057004976

Palavras-chave:

Saúde do Idoso, Meio Ambiente e Saúde Pública, Inquéritos Epidemiológicos, Mapeamento Geográfico, Sistemas de Informação Geográfica, Análise Espacial

Resumo

OBJETIVO: Descrever o processo e as implicações epidemiológicas do georreferenciamento nas amostras do EpiFloripa Idoso (2009–2019). MÉTODO: O estudo de coorte EpiFloripa Idoso buscou investigar e acompanhar as condições de vida e saúde da população idosa (≥ 60) de Florianópolis em três ondas de estudo (2009/2010, 2013/2014, 2017/2019). Com uma ferramenta de geocodificação automática, os endereços residenciais foram espacializados, permitindo a investigação do efeito das perdas amostrais do georreferenciamento em relação a 19 variáveis, avaliadas nas três ondas. A influência de diferentes definições de vizinhança (setores censitários, buffers euclidianos e buffers pela rede de ruas) foi examinada nos resultados de sete variáveis: área, renda, densidade residencial, uso misto do solo, conectividade, contagem de unidades de saúde, e contagem de espaços livres públicos. Coeficientes de correlação de Pearson foram calculados para avaliar as diferenças entre as definições de vizinhança de acordo com três variáveis: renda contextual, densidade residencial e diversidade de uso do solo. RESULTADO: As perdas impostas pela geocodificação (6%, n = 240) não ocasionaram diferença estatística significativa entre a amostra total e a georreferenciada. A análise das variáveis do estudo sugere que o processo de geocodificação pode ter incluído uma maior proporção de participantes com melhor nível de renda, escolaridade e condições de vida. Os coeficientes de correlação evidenciaram pouca correspondência entre medidas calculadas pelas três definições de vizinhança (r = 0,37–0,54). A diferença estatística entre as variáveis calculadas por buffers e setores censitários ressalta limitações no uso destes na descrição dos atributos geoespaciais. CONCLUSÃO: Apesar dos desafios relacionados à geocodificação, como inconsistências nos endereços, adequados mecanismos de correção e verificação propiciaram elevada taxa de atribuição de coordenadas geográficas. Os achados sugerem que a adoção de buffers, favorecida pela geocodificação, representa uma potencialidade para análises epidemiológicas espaciais ao aprimorar a representação dos atributos do ambiente e a compreensão dos desfechos de saúde.

Referências

Schulz AJ. Urban environments and health. In : Nriagu JO, ed. Encyclopedia of Environmental Health. [place unknown] : Elsevier; 2011.p. 549-55.

Giles-Corti B, Vernez-Moudon A, Reis R, Turrell G, Dannenberg AL, Badland H, et al. City planning and population health: a global challenge. Lancet. 2016 Dec;388(10062):2912-24. https://doi.org/10.1016/S0140-6736(16)30066-6

Renalds A, Smith TH, Hale PJ. A systematic review of built environment and health. Fam Community Health. 2010;33(1):68-78. https://doi.org/10.1097/FCH.0b013e3181c4e2e5

Bauman AE, Reis RS, Sallis JF, Wells JC, Loos RJ, Martin BW; Lancet Physical Activity Series Working Group. Correlates of physical activity: why are some people physically active and others not? Lancet. 2012 Jul;380(9838):258-71. https://doi.org/10.1016/S0140-6736(12)60735-1

Michael Y, Beard T, Choi D, Farquhar S, Carlson N. Measuring the influence of built neighborhood environments on walking in older adults. J Aging Phys Act. 2006 Jul;14(3):302-12. https://doi.org/10.1123/japa.14.3.302

McElroy JA, Remington PL, Trentham-Dietz A, Robert SA, Newcomb PA. Geocoding addresses from a large population-based study: lessons learned. Epidemiology. 2003 Jul;14(4):399-407. https://doi.org/10.1097/01.EDE.0000073160.79633.c1

Brownson RC, Hoehner CM, Day K, Forsyth A, Sallis JF. Measuring the built environment for physical activity: state of the science [Internet]. Am J Prev Med. 2009 Apr;36(4 Suppl):S99-123. e12. https://doi.org/10.1016/j.amepre.2009.01.005

Frank LD, Fox EH, Ulmer JM, Chapman JE, Kershaw SE, Sallis JF, et al. International comparison of observation-specific spatial buffers: maximizing the ability to estimate physical activity. Int J Health Geogr. 2017 Jan;16(1):4. https://doi.org/10.1186/s12942-017-0077-9

Lopes AA, Hino AA, Moura EN, Reis RS. Hino AAF, Moura EN de, Reis RS. O Sistema de Informação Geográfica em pesquisas sobre ambiente, atividade física e saúde. Rev Bras Atividade Física Saúde. 2019 Aug;23:1-11. https://doi.org/10.12820/rbafs.23e0065

Leslie E, Coffee N, Frank L, Owen N, Bauman A, Hugo G. Walkability of local communities: using geographic information systems to objectively assess relevant environmental attributes. Health Place. 2007 Mar;13(1):111-22. https://doi.org/10.1016/j.healthplace.2005.11.001

Jacquez GM. A research agenda: does geocoding positional error matter in health GIS studies? Spat Spatio-Temporal Epidemiol. 2012 Apr;3(1):7-16. https://doi.org/10.1016/j.sste.2012.02.002

Hino P, Villa TC, Sassaki CM, Nogueira JD, Dos Santos CB. Geoprocessamento aplicado à área da saúde. Rev Lat Am Enfermagem. 2006 Nov;14(6):939-43. https://doi.org/10.1590/S0104-11692006000600016

Oliver LN, Schuurman N, Hall AW. Comparing circular and network buffers to examine the influence of land use on walking for leisure and errands. Int J Health Geogr. 2007 Sep;6(1):41. https://doi.org/10.1186/1476-072X-6-41

Vine MF, Degnan D, Hanchette C. Geographic information systems: their use in environmental epidemiologic research. J Environ Health. 1997 Jun;105(6);598-605. https://doi.org/10.1289/ehp.97105598

Bonner MR, Han D, Nie J, Rogerson P, Vena JE, Freudenheim JL. Positional accuracy of geocoded addresses in epidemiologic research. Epidemiology. 2003 Jul;14(4):408-12. https://doi.org/10.1097/01.EDE.0000073121.63254.c5

Zinszer K, Jauvin C, Verma A, Bedard L, Allard R, Schwartzman K, et al. Residential address errors in public health surveillance data: a description and analysis of the impact on geocoding. Spat Spatio-Temporal Epidemiol. 2010 Jul;1(2-3):163-8. https://doi.org/10.1016/j.sste.2010.03.002

Silveira IH, Oliveira BFA, Junger WL. Utilização do Google Maps para o georreferenciamento de dados do Sistema de Informações sobre Mortalidade no município do Rio de Janeiro, 2010-2012. Epidemiol Serv Saude. 2017 Oct-Dec;26(4):881-6. https://doi.org/10.5123/S1679-49742017000400018

Schootman M, Sterling DA, Struthers J, Yan Y, Laboube T, Emo B, et al. Positional accuracy and geographic bias of four methods of geocoding in epidemiologic research. Ann Epidemiol. 2007 Jun;17(6):464-70. https://doi.org/10.1016/j.annepidem.2006.10.015

Davis CA Jr, Alencar RO. Evaluation of the quality of an online geocoding resource in the context of a large Brazilian city. Trans GIS. 2011;15(6):851-68. https://doi.org/10.1111/j.1467-9671.2011.01288.x

Schneider IJ, Confortin SC, Bernardo CO, Bolsoni CC, Antes DL, Pereira KG, et al. EpiFloripa Aging cohort study: methods, operational aspects, and follow-up strategies. Rev Saude Publica. 2017;51:104. https://doi.org/10.11606/S1518-8787.2017051006776

Weber Corseiul Giehl M, Hallal PC, Weber Corseuil C, Schneider IJ, d’Orsi E. Built environment and walking behavior among Brazilian older adults: a population-based study. J Phys Act Health. 2016 Jun;13(6):617-24. https://doi.org/10.1123/jpah.2015-0355

Corseuil Giehl MW, Hallal PC, Brownson RC, d’Orsi E. Exploring associations between perceived measures of the environment and walking among Brazilian Older adults. J Aging Health. 2017 Feb;29(1):45-67. https://doi.org/10.1177/0898264315624904

Orsi E, Rech CR, Paiva KM, Lopes, AAS, Boing AC, Barbosa AR, et al. Estudo de coorte EpiFloripa Idoso 3a onda (2017-2019) relatório técnico-científico. Florianópolis: Universidade Federal de Santa Catarina; 2020 [citado 30 mar 2021]. Disponível em: https://repositorio.ufsc.br/handle/123456789/219631

Confortin SC, Schneider IJC, Antes DL, Cembranel F, Ono LM, Marques LP, et al. Condições de vida e saúde de idosos: resultados do estudo de coorte EpiFloripa Idoso. Epidemiol Serv Saúde.2017 Apr;26(2):305-17. https://doi.org/10.5123/S1679-49742017000200008

Goldberg DW, Swift JN, Wilson JP. Geocoding best practices: reference data, input data, and feature matching. Los Angeles: University of Southern California; 2008.

Yun HY. Environmental factors associated with older adult’s walking behaviors: a systematic review of quantitative studies. Sustainability (Basel). 2019;11(12):3253. https://doi.org/10.3390/su11123253

Weber D. Differences in physical aging measured by walking speed: evidence from the English Longitudinal Study of Ageing [Internet]. BMC Geriatr. 2016 Jan;16(1):31. https://doi.org/10.1186/s12877-016-0201-x

Instituto Brasileiro de Geografia e Estatística. Censo demográfico. Brasília, DF: Instituto Brasileiro de Geografia e Estatística; 2010.

Malta DC, Iser BP, Santos MA, Andrade SS, Stopa SR, Bernal RT, et al. Estilos de vida nas capitais Brasileiras segundo a pesquisa nacional de saúde e o sistema de vigilância de fatores de risco e proteção para doenças crônicas não transmissíveis por inquérito telefônico (Vigitel), 2013. Rev Bras Epidemiol. 2015;18 suppl 2:68-82. https://doi.org/10.1590/1980-5497201500060007

Saboya RT, Reis AF, Bueno AP. Continuidades e descontinuidades urbanas à beira-mar: uma leitura morfológica e configuracional da área conurbada de Florianópolis. Oculum Ensaios. 2016;13(1):129. https://doi.org/10.24220/2318-0919v13n1a2756

Publicado

2023-11-13

Edição

Seção

Artigos Originais

Como Citar

Salvador, C. C., Lopes, A. A. dos S., Resendes, D., Demarco, F. F., Justina, M. D. D., Saboya, R. T. de, Rech, C. R., & d’Orsi, E. (2023). Processos de geocodificação em estudos de coorte: métodos aplicados no EpiFloripa Idoso. Revista De Saúde Pública, 57(1), 88. https://doi.org/10.11606/s1518-8787.2023057004976

Dados de financiamento