Teses e Dissertações

• Teses
• Dissertações

Entre os diversos desafios para melhorar a qualidade de vida de mulheres e crianças em países de baixa e média renda, aumentar a qualidade e a disponibilidade de dados é crucial para monitorar o progresso e garantir que os países estejam comprometidos com uma agenda equitativa. De acordo com a meta 17.18 dos Objetivos de Desenvolvimento Sustentável, os países devem fornecer dados confiáveis desagregados por dimensões de desigualdade fundamentais, como localização geográfica. Nesta tese, buscamos investigar o potencial uso de técnicas de modelagem geoespacial como ferramenta para a produção de dados desagregados geograficamente além do que está disponível no desenho amostral de inquéritos domiciliares nacionais. No primeiro artigo, foi realizada uma revisão sistemática para descrever os principais aspectos metodológicos das abordagens geoespaciais em estudos com foco especial em desfechos de saúde reprodutiva, materna, neonatal e infantil (RMNCH). Esse artigo também buscou emponderar leitores não especialistas para que melhor interpretassem os resultados de tais estudos. Identificamos 82 estudos que geraram estimativas para indicadores de RMNCH em resoluções superiores às obtidas diretamente nos inquéritos. A validação do modelo e a incerteza foram significativamente subnotificadas na literatura e a apresentação da incerteza continua sendo um desafio. O segundo artigo implementou as técnicas de modelagem geoespacial para produzir estimativas para o índice de composto cobertura (CCI) no Peru. Estas estimativas foram apresentadas a nível provincial, a segunda divisão administrativa do país, e em malhas de 5 x 5 km ilustrando como as desigualdades geográficas podem ser mascaradas quando se avalia apenas grandes áreas agregadas. O uso do CCI permite uma perspectiva integrada de como está o progresso em direção à cobertura universal de saúde em todo o país. Nós observamos um padrão claro de maior cobertura nas áreas da costa e baixa cobertura no norte e leste do país. As estimativas para as províncias parecem ser suficientes para descrever os padrões de cobertura na maior parte do Peru, mas grandes províncias em áreas de selva podem se beneficiar de estimativas de alta resolução. O último artigo aborda um fenômeno conhecido chamado de problema da unidade de área modificável. Essa questão implica que a interpretação das análises com dados geográficos pode mudar de acordo com a escala ou delimitação das unidades geográficas. Nós realizamos um estudo empírico para quantificar o impacto desse efeito na avaliação das desigualdades geográficas ao longo do tempo. Para isso, geramos quatro medidas complexas de desigualdade em múltiplas resoluções usando
modelos geoespaciais em duas pesquisas peruanas como estudo de caso. Descobrimos que a magnitude das desigualdades ao longo do tempo não foi afetada ao comparar anos na mesma resolução, independente da medida de desigualdade utilizada. Além disso, as medidas de desigualdade ponderadas pela população foram menos suscetíveis ao efeito de agregação e apresentaram resultados consistentemente mais estáveis em todas as resoluções avaliadas. No geral, nossas descobertas sugerem que os modelos geoespaciais são recursos úteis para monitorar e rastrear o progresso dos desfechos de RMNCH e de desigualdades a partir de uma perspectiva geográfica e podem ser de grande ajuda para gestores locais e planejadores de políticas para identificar e agir nas áreas mais desfavorecidas de seus países.



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.