Spatial dataset of morbidity and mortality associated with climate change through socioeconomic indicators using deep learning

Esses dados são provenientes do projeto de pesquisa intitulado “Análise da correlação espacial por deep learning de taxas de morbimortalidade com indicadores associados às mudanças climáticas e socioeconômicas”, financiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e refere-se ao Processo CNPq: 444734/2023-6. Resumo do projeto: Mudanças climáticas e desigualdades socioeconômicas influenciam o padrão espacial de morbimortalidade de doenças crônicas e transmitidas por vetores. Considerando isso, essa pesquisa analisou a autocorrelação espacial das taxas de morbimortalidade de Doenças Respiratórias, Doenças Circulatórias, Leishmaniose, Dengue, Febre Amarela e Malária, em municípios brasileiros no período de 1999 a 2023. Empregamos o Índice de Moran Global (GISA) e o Índice de Moran Local (LISA) juntamente com técnicas de aprendizado profundo para avaliar esses padrões. Além disso, examinamos a relação entre taxas de morbimortalidade e variáveis socioeconômicas e ambientais, incluindo PIB per capita, densidade demográfica, índice de urbanização e emissões de gases de efeito estufa (GEE). Os resultados revelam que as taxas de morbimortalidade para Doenças Circulatórias e Respiratórias exibem padrões espaciais distintos ao longo do tempo, com uma redução notável na autocorrelação espacial e uma redistribuição de casos. Além disso, variações significativas foram observadas nas correlações entre taxas de mortalidade e fatores socioeconômicos, particularmente no que diz respeito ao PIB per capita e ao nível educacional. As regiões Norte e Nordeste do Brasil, caracterizadas por níveis mais elevados de vulnerabilidade socioeconômica, apresentaram autocorrelação espacial mais forte. Quanto às Doenças Respiratórias, apesar da redução das taxas ao longo do tempo, verificou-se a persistência de clusters de alto risco nas regiões Sul e Sudeste, especialmente entre idosos e indivíduos com maior escolaridade. As emissões de GEE mantiveram padrões espaciais distintos ao longo do período, com CH₄ (Metano) apresentando relativa estabilidade, enquanto CO₂ (Dióxido de carbono) e N₂O (Óxido nitroso) apresentaram aumento da autocorrelação espacial nos anos mais recentes. Os resultados reforçam a importância da análise espacial na identificação das desigualdades territoriais em saúde e fornecem subsídios para políticas públicas integradas alinhadas aos Objetivos de Desenvolvimento Sustentável (ODS) que visem mitigar os efeitos das mudanças climáticas e promover a equidade socioambiental. A análise de correlação expôs a complexidade dos determinantes, como por exemplo o PIB per capita atuando como fator de risco ou de proteção a depender do estrato demográfico (raça, escolaridade, idade). As predições realizadas demonstraram que não há um modelo universalmente eficaz para o território nacional, evidenciando a necessidade de abordagens customizadas para cada localidade/município, além dos desafios computacionais inerentes a análises de grande escala. O trabalho conclui reforçando a importância de políticas de saúde pública direcionadas, que considerem as particularidades territoriais e sociais, e disponibiliza seus métodos e resultados para garantir a reprodutibilidade e avanço da pesquisa na área.