Orientador: Luciana Correia Alves

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Filosofia e Ciências Humanas

Resumo: A identificação das características domiciliares e regionais com influência no risco de mortalidade adulta pode ajudar no desenvolvimento de políticas e ações direcionadas a tratar esse problema de saúde e socioeconômico. Aumentos na expectativa de vida serão menos alcançados por maiores...

Resumo: A identificação das características domiciliares e regionais com influência no risco de mortalidade adulta pode ajudar no desenvolvimento de políticas e ações direcionadas a tratar esse problema de saúde e socioeconômico. Aumentos na expectativa de vida serão menos alcançados por maiores reduções somente na mortalidade infantil. Em todos os países, progressos futuros na expectativa de vida irão depender da mortalidade adulta em algum grau. O objetivo principal do presente estudo foi investigar as relações entre os fatores socioeconômicos, estruturais, contextuais e de saúde e a probabilidade de morte adulta nas microrregiões brasileiras no ano de 2010. As análises baseiam-se nos dados retirados do Censo Demográfico de 2010 e do Sistema de Informações de Mortalidade do DATASUS. Para tal, procedeu-se a correção dos subregistros dos óbitos nas microrregiões brasileiras por meio do método TOPALS com estimação bayesiana para mortalidade em pequenas áreas. Além disso, foi utilizado o método de aprendizado de máquina para estabelecer os determinantes da probabilidade de morte adulta. Métodos de aprendizado de máquina possuem um grande potencial para este tipo de análise, uma vez que permitem um melhor entendimento das interações entre os diferentes fatores. Os resultados encontrados mostraram que as variáveis taxas de mortalidade por causas externas, taxa de desemprego, proporção de negros, cobertura de vacinação e proporção de brancos foram as que obtiveram maior poder preditivo nas probabilidades de morte adulta usando os algoritmos Random Forest, Extreme Boosted Trees, Support Vector Machine e Naive Bayes. Os algoritmos obtiveram bom desempenho e mostraram ser eficazes ao analisar as variáveis, ainda que algumas correlacionadas, com o desfecho de probabilidade de morte adulta. Identificar os determinantes da mortalidade adulta e as principais disparidades entre grupos sociais e em pequenas áreas é de extrema importância no auxílio de construção de políticas públicas que visem responder adequadamente as necessidades específicas de cada região e grupo social, contribuindo para a redução das desigualdades socioeconômicas e mortalidade

Abstract: The identification of domiciliary and regional characteristics influencing the risk of adult mortality can help in the development of policies and actions aimed at addressing this health and socioeconomic problem. Increases in life expectancy will be less achieved by greater reductions...

Abstract: The identification of domiciliary and regional characteristics influencing the risk of adult mortality can help in the development of policies and actions aimed at addressing this health and socioeconomic problem. Increases in life expectancy will be less achieved by greater reductions only in infant mortality. In all countries, future progress in life expectancy will depend on adult mortality to some degree. The main objective of the present study was to investigate the relationships among socioeconomic, structural, contextual and health factors and the adult probability of death in the Brazilian microregions in 2010. The analyses were based on data from the 2010 Demographic Census and Mortality Information System of DATASUS. For this purpose, the correction of underreporting of deaths in the Brazilian microregions was done by the TOPALS method with Bayesian estimation for mortality in small areas. In addition, the machine learning method was used to establish the determinants of the adult probability of death. Machine learning methods have great potential for this type of analysis, since they allow a better understanding of the interactions between the different factors. The results showed that mortality rates due to external causes, unemployment rate, proportion of blacks, vaccination coverage and proportion of whites were the ones that obtained the greatest predictive power in the odds of adult death using the algorithms Random Forest, Extreme Boosted Trees, Support Vector Machine and Naive Bayes. The algorithms obtained good performance and were effective in analyzing the variables, although some correlated, with the outcome of adult death probability. Identifying the determinants of adult mortality and the main disparities between social groups and in small areas is extremely important helping to build public policies that respond adequately to the specific needs of each region and social group, thus contributing to reduce the socioeconomic inequalities and mortality

Requisitos do sistema: Software para leitura de arquivo em PDF