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.本数据集源自题为"气候变化与社会经济相关指标下死亡率与发病率的深度学习空间相关性分析"的研究项目，该项目由国家科学技术发展委员会（Conselho Nacional de Desenvolvimento Científico e Tecnológico，CNPq）资助，对应CNPq项目编号：444734/2023-6。 项目摘要：气候变化与社会经济不平等会影响慢性疾病及虫媒传播疾病的发病率与死亡率空间分布格局。据此，本研究分析了1999年至2023年间巴西各市县呼吸系统疾病、循环系统疾病、利什曼病（Leishmaniose）、登革热（Dengue）、黄热病（Febre Amarela）及疟疾（Malária）的发病率与死亡率的空间自相关性。本研究采用全局莫兰指数（Global Moran Index, GISA）、局部莫兰指数（Local Moran Index, LISA）结合深度学习（Deep Learning）技术对上述分布格局进行评估。此外，本研究还探究了发病率与死亡率与社会经济及环境变量之间的关联，涉及人均国内生产总值（GDP per capita，原文缩写PIB per capita）、人口密度、城市化指数及温室气体（Greenhouse Gas, GEE）排放。 研究结果显示，循环系统疾病与呼吸系统疾病的发病率与死亡率随时间推移呈现出差异化的空间分布格局，其空间自相关性显著降低，且病例分布发生重构。此外，死亡率与社会经济因素之间的相关性存在显著差异，尤以人均国内生产总值与受教育水平的关联最为突出。巴西北部与东北部地区社会经济脆弱性水平较高，其空间自相关性也更强。就呼吸系统疾病而言，尽管其发病率与死亡率随时间有所下降，但南部与东南部地区仍持续存在高风险聚集区，尤以老年群体及受教育程度较高人群为甚。研究期内温室气体（GEE）排放始终保持差异化的空间分布格局：甲烷（CH₄）排放相对稳定，而二氧化碳（CO₂）与一氧化二氮（N₂O）的空间自相关性在近年有所提升。上述研究结果进一步印证了空间分析在识别卫生领域地域不平等方面的重要价值，并为制定契合可持续发展目标（Sustainable Development Goals, ODS）的综合公共政策提供了支撑，以期缓解气候变化影响并促进社会环境公平。相关性分析揭示了疾病影响因素的复杂性：例如人均国内生产总值会根据人口分层（种族、受教育程度、年龄）的不同，分别发挥风险因子或保护因子的作用。所开展的预测结果表明，全国范围内不存在普适有效的模型，这凸显了针对各地区/市县制定定制化研究方案的必要性，同时也体现了大规模分析所固有的计算挑战。本研究最后强调，需制定兼顾地域与社会特殊性的针对性公共卫生政策，并公开研究方法与结果以保障该领域研究的可重复性与进一步发展。