Facebook

Teses e Dissertações


2022


Aluno:Leonardo Zanini Ferreira

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

E-mail:

Área de concentração:

Orientador:Aluisio Barros

Banca examinadora:Christovam Barcellos Neto, Fernando Wehrmeister e In√°cio Silva

Data defesa:08/03/2022

Palavras-chave:

Entre os diversos desafios para melhorar a qualidade de vida de mulheres e crian√ßas em pa√≠ses de baixa e m√©dia renda, aumentar a qualidade e a disponibilidade de dados √© crucial para monitorar o progresso e garantir que os pa√≠ses estejam comprometidos com uma agenda equitativa. De acordo com a meta 17.18 dos Objetivos de Desenvolvimento Sustent√°vel, os pa√≠ses devem fornecer dados confi√°veis desagregados por dimens√Ķes de desigualdade fundamentais, como localiza√ß√£o geogr√°fica. Nesta tese, buscamos investigar o potencial uso de t√©cnicas de modelagem geoespacial como ferramenta para a produ√ß√£o de dados desagregados geograficamente al√©m do que est√° dispon√≠vel no desenho amostral de inqu√©ritos domiciliares nacionais. No primeiro artigo, foi realizada uma revis√£o sistem√°tica para descrever os principais aspectos metodol√≥gicos das abordagens geoespaciais em estudos com foco especial em desfechos de sa√ļde reprodutiva, materna, neonatal e infantil (RMNCH). Esse artigo tamb√©m buscou emponderar leitores n√£o especialistas para que melhor interpretassem os resultados de tais estudos. Identificamos 82 estudos que geraram estimativas para indicadores de RMNCH em resolu√ß√Ķes superiores √†s obtidas diretamente nos inqu√©ritos. A valida√ß√£o do modelo e a incerteza foram significativamente subnotificadas na literatura e a apresenta√ß√£o da incerteza continua sendo um desafio. O segundo artigo implementou as t√©cnicas de modelagem geoespacial para produzir estimativas para o √≠ndice de composto cobertura (CCI) no Peru. Estas estimativas foram apresentadas a n√≠vel provincial, a segunda divis√£o administrativa do pa√≠s, e em malhas de 5 x 5 km ilustrando como as desigualdades geogr√°ficas podem ser mascaradas quando se avalia apenas grandes √°reas agregadas. O uso do CCI permite uma perspectiva integrada de como est√° o progresso em dire√ß√£o √† cobertura universal de sa√ļde em todo o pa√≠s. N√≥s observamos um padr√£o claro de maior cobertura nas √°reas da costa e baixa cobertura no norte e leste do pa√≠s. As estimativas para as prov√≠ncias parecem ser suficientes para descrever os padr√Ķes de cobertura na maior parte do Peru, mas grandes prov√≠ncias em √°reas de selva podem se beneficiar de estimativas de alta resolu√ß√£o. O √ļltimo artigo aborda um fen√īmeno conhecido chamado de problema da unidade de √°rea modific√°vel. Essa quest√£o implica que a interpreta√ß√£o das an√°lises com dados geogr√°ficos pode mudar de acordo com a escala ou delimita√ß√£o das unidades geogr√°ficas. N√≥s realizamos um estudo emp√≠rico para quantificar o impacto desse efeito na avalia√ß√£o das desigualdades geogr√°ficas ao longo do tempo. Para isso, geramos quatro medidas complexas de desigualdade em m√ļltiplas resolu√ß√Ķes usando
modelos geoespaciais em duas pesquisas peruanas como estudo de caso. Descobrimos que a magnitude das desigualdades ao longo do tempo n√£o foi afetada ao comparar anos na mesma resolu√ß√£o, independente da medida de desigualdade utilizada. Al√©m disso, as medidas de desigualdade ponderadas pela popula√ß√£o foram menos suscet√≠veis ao efeito de agrega√ß√£o e apresentaram resultados consistentemente mais est√°veis em todas as resolu√ß√Ķes avaliadas. No geral, nossas descobertas sugerem que os modelos geoespaciais s√£o recursos √ļteis para monitorar e rastrear o progresso dos desfechos de RMNCH e de desigualdades a partir de uma perspectiva geogr√°fica e podem ser de grande ajuda para gestores locais e planejadores de pol√≠ticas para identificar e agir nas √°reas mais desfavorecidas de seus pa√≠ses.



Among the many challenges for improving the quality of life of women and children in low- and middle-income countries, increasing data quality and availability is crucial to monitor the progress and ensure countries are committed to an equitable agenda. As stated in the target 17.18 of the Sustainable Development Goals, countries must supply reliable data disaggregated by key inequality dimensions such as geographic location. In this thesis, we aimed to investigate the potential use of geospatial modeling techniques as a tool for producing geographically disaggregated data beyond what is available in the sample design of national household surveys. In the first article, a systematic review was carried out to describe key methodological aspects of the geospatial approaches in studies with a special focus on reproductive, maternal, newborn and child health (RMNCH) outcomes. This study also sought to empower non-specialist readers to better interpret the results of such studies. We identified 82 studies that generated estimates for RMNCH indicators at resolutions higher than obtainable directly from the surveys. Model validation and uncertainty were significantly underreported in the literature and the presentation of uncertainty remains a challenge. The second article implemented the geospatial modeling techniques to produce estimates for the composite coverage index (CCI) in Peru. These estimates were presented at provincial level, the second administrative division of the country, and in 5 x 5 km grid-cells describing how geographical inequalities can be masked when looking only at large, aggregated areas. The use of the CCI allows for an integrated perspective on how the progress towards universal health coverage stands throughout the country. We observed a clear pattern of higher coverage in the coastal areas and low coverage in the north and east of the country. Estimates for the provinces seems to be sufficient to describe coverage patterns in the majority of Peru but large provinces in jungle areas can benefit from high resolution estimates. The last article addresses a well-known phenomenon called the modifiable areal unit problem. This issue implies that the interpretation of analyses using geographical data may change according to the scale or delimitation of the geographical units. We carried out an empirical study to quantify the impact of this effect on the assessment of geographic inequalities over time. To do so, we generated four complex measures of inequality at multiple resolutions using geospatial models in two Peruvian surveys as a case study. We found that the magnitude of inequalities over time was not affected when comparing years at the same resolution, regardless of the inequality
measure. Furthermore, the population-weighted inequality measures were less susceptible to the aggregation effect and presented consistently more stable results at all estimated resolutions. Overall, our findings suggest that geospatial models are useful resources to monitor and track progress on RMNCH outcomes from a geographical perspective and can be of great assistance to local managers and policy planners to identify and act on the most disadvantaged areas of their countries.


Programa de Pós-Graduação em Epidemiologia - Centro de Pesquisas Epidemiológicas