Resumen:
La aplicación del análisis espacial, destinado al estudio de datos epidemiológicos humanos, se hizo notoria en las últimas dos décadas. En este sentido, este artículo aborda la estadística scan para la detección de clústeres espacio-temporales de casos de COVID-19 en Santa Catarina, Brasil. El objetivo es aplicar la estadística scan para la identificación de agrupamientos activos, determinando su localización, dimensión y orden (prioridad). La organización de la base descriptiva abarcó los casos de COVID-19 entre el 01 de marzo a 31 de agosto de 2020, disponibles en el Portal de Datos Abiertos del Estado de Santa Catarina. La base vectorial de los límites municipales y mesorregiones catarinenses, y las poblaciones estimadas para 2020, se obtuvieron en el sitio web del Instituto Brasileño de Geografía y Estadística (IBGE). La covariable tendencia de movilidad de los lugares de trabajo se obtuvo en el documento COVID-19: Informe de Movilidad de la Comunidad de Google. Para la ejecución de la estadística se consideró el modelo discreto de Poisson, apoyado en el abordaje prospectivo. En el resultado del trabajo se evidenció la capacidad del procedimiento para la delimitación de los clústeres, lo cual identificó 17 clústeres activos con la variable respuesta y 18 clústeres activos tras la inclusión de la covariable, distribuidos en todo el estado, predominantes en la costa y en el Oeste Catarinense. El clúster primario se localizó en el Sur Catarinense. La covariable tendencia de movilidad de los lugares de trabajo influenció moderadamente en un 38,89% de los aglomerados. El método fue eficiente para la comprensión de la distribución espacial de la epidemia. Esto caracteriza la estadística scan como una herramienta de apoyo para la ejecución de acciones que deben ser tomadas por gestores, priorizando las áreas más afectadas por la enfermedad.
Palabras-clave:
Coronavirus; Geografía Médica; Análisis Espacio-Temporal
Thumbnail
Thumbnail
Thumbnail

A: Oeste Catarinense; B: Norte Catarinense; C: Vale do Itajái; D: Serrana; E: Grande Florianópolis; F: Sul Catarinense; P1: hierarquização do cluster.Fontes: dados COVID-19 (Portal de Dados Abertos do Estado de Santa Catarina. Dados anonimizados: casos confirmados COVID-19. http://www.dados.sc.gov.br/dataset/covid-19-dados-anonimizados-de-casos-confirmados/resource/76d6dfe8-7fe9-45c1-95f4-cab971803d49, acessado em 04/Set/2020); dados vetoriais (Instituto Brasileiro de Geografia e Estatística. Estimativas de população 2020. https://www.ibge.gov.br/estatisticas/sociais/populacao/9103-estimativas-de-populacao.html?=&t=downloads, acessado em 22/Ago/2020); datum horizontal (Instituto Brasileiro de Geografia e Estatística. Malha municipal. Downloads: municipio_2019. https://www.ibge.gov.br/geociencias/organizacao-do-territorio/15774-malhas.html?=&t=downloads, acessado em 22/Ago/2020).
A: Oeste catarinense; B: Norte catarinense; C: Vale do Itajái; D: Serrana; E: Grande Florianópolis; F: Sul catarinense; P1: hierarquização do cluster.Fontes: dados COVID-19 (Portal de Dados Abertos do Estado de Santa Catarina. Dados anonimizados: casos confirmados COVID-19. http://www.dados.sc.gov.br/dataset/covid-19-dados-anonimizados-de-casos-confirmados/resource/76d6dfe8-7fe9-45c1-95f4-cab971803d49, acessado em 04/Set/2020); taxa relativa de comparecimento ao local de trabalho (COVID-19: relatórios de mobilidade da comunidade. https://support.google.com/covid19-mobility/answer/9824897?hl=pt-BR&ref_topic=9822927, acessado em 22/Ago/2020)