Como incluir características dos distritos do município de São Paulo em estudos epidemiológicos

Análise Da Desigualdade De Renda Pelo Uso Do Propensity Score Matching

Bibliographic Data

ID3098185
AuthorsAlexandre D P Chiavegatto Filho (0000-0003-3251-9600, Universidade de São Paulo), Sabina Léa Davidson Gotlieb (Universidade de São Paulo), Samuel Luna De Almeida (0000-0003-2667-4663, Universidade de São Paulo), Ichiro Kawachi (0000-0003-3579-4456, Harvard University)
Year2013
Volume22
Issue4
Pages1145-1153
Publication date2013-12-01
Peer ReviewedYes
Open AccessYes
TypeARTICLE
VenueSaúde e Sociedade (JOURNAL)
Journal identifiersISSN: 0104-1290 • E-ISSN: 1984-0470
PublisherFapUNIFESP (SciELO) (PUBLISHER)
DOI10.1590/s0104-12902013000400016
OpenAlexW2046148050
SCIELO_PIDS0104-12902013000400016
LanguagePT
Citations received1
References cited12

OBJETIVO: o padrão espacial de distribuição de renda do município de São Paulo, frequentemente generalizado como sendo "radial", tem sido muito questionado pela literatura recente. São Paulo tem uma complexa distribuição de características sociais e demográficas entre seus distritos, o que dificulta a análise por meio de modelos estatísticos que permitam a inclusão somente de algumas variáveis de cada vez, como as regressões lineares. O presente estudo objetiva identificar os distritos do município que possam ser considerados como "comparáveis" pelo uso da metodologia estatística conhecida como propensity score matching. METODOLOGIA: os 96 distritos do município de São Paulo foram analisados separadamente; foram incluídas 16 variáveis no modelo, sendo o índice de Gini a variável que permitiu a separação de distritos entre expostos (alta desigualdade) ou não expostos (baixa desigualdade). Do total de distritos, 27 foram considerados comparáveis com algum outro, isto é, possuíram valores de propensity score com uma distância menor de 0,1 de outro com tipo de exposição diferente. RESULTADOS: das 16 variáveis incluídas, 9 apresentaram diferenças estatisticamente significativas entre os distritos incluídos e excluídos, o que é esperado pela metodologia. Dos 17 pares de distritos formados, apenas 3 foram compostos por distritos de uma mesma região administrativa e apenas 1 por distritos que faziam fronteira entre si. CONCLUSÃO: a análise da diferença no padrão de distribuição das variáveis, permitida pelo uso do propensity score matching, indica a dificuldade de dividir a cidade segundo regiões. Para entender São Paulo é preciso considerar suas particularidades e suas complexas distribuições espaciais

Humanities · Physics · Advanced Causal Inference Techniques · Health disparities and outcomes · Philosophy · Spatial and Panel Data Analysis

Tools

Open DOIOpen Access