Identificação de padrão na ocorrência das doenças infecciosas em

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Identificação de padrão na ocorrência das doenças infecciosas em Minas Gerais por
meio de técnicas de mineração de dados
Clarice Murta Dias 1
Fernanda Mara Coelho 1
Sandro Jerônimo de Almeida 1
1
Pontifícia Universidade Católica de Minas Gerais - PUC Minas
Rua Walter Ianni, 255 - São Gabriel - 31980110 - Belo Horizonte - MG, Brasil
{claricemurta, fm.coelho}@yahoo.com.br, [email protected]
Abstract. The occurrence of infectious diseases related to sanitation is associated with poor sanitary and
environment conditions in the cities, which is an ideal environment for proliferation of vectors. The objective of
this study is to identify patterns in the occurrence of infectious diseases in the state of Minas Gerais. The
development of this research is justified to direct public health programs to cities analyzed. The methodology
involves the application of KDD process (Knowledge Discovery in databases), involving the collection,
treatment, processing and data analysis. The patterns of disease occurrence and patterns of the status of
sanitation were obtained by applying the data mining techniques as Clustering and Associations Rules. As a
result, were obtained patterns of disease occurrence, where the space distribution showed a concentration of
diversified groups in the administrative mesoregions of Jequitinhonha, Norte de Minas and Vale do Rio Doce.
The sanitation status points to a health deficiency in the north of Minas Gerais. The techniques of knowledge
discovery in databases revealed an adequate regional space analysis methodology.
Palavras-chave: health geography, sanitation. clustering, geografia da saúde, saneamento básico, agrupamento.
1. Introdução
As doenças infecciosas relacionadas ao saneamento básico são causadas por vírus,
bactérias ou bacilos que em sua grande maioria são transmitidas aos humanos pela picada de
insetos ou pela ingestão de água ou alimento contaminado (SBI, 2011). Cerca de 40% dos
municípios brasileiros diagnosticaram a ocorrência destas doenças em sua população (IBGE,
2008a).
O Governo do Brasil afirma que “a maioria dos problemas sanitários que afetam a
população mundial estão intrinsecamente relacionados com o meio ambiente”, sendo a
diarreia a doença mais comum na humanidade (BRASIL, 2006, p.10).
Ribeiro (2005) aborda a importância da análise geográfica para o entendimento da
distribuição espacial das doenças, assim como a relação existente com as variáveis ecológicas,
demográficas, sociais, culturais e econômicas. A busca deste conhecimento em saúde pública,
para Ribeiro (2005), inicia-se pelo mapeamento das condições de saúde e doença.
Martinelli citado por Costa (2005, p. 82) considera que “os mapas constituem o primeiro
processo acurado de análise, tendo-se em vista que participam do processo de conhecimento e
compreensão da realidade”.
O meio geográfico para Lacaz (1972) deve ser considerado no estudo patológico, uma vez
que os fatores ambientais, humanos, biológicos e as condições sociais negativas são
determinantes na ocorrência de doenças. As condições sociais negativas referem-se a “falta de
instalações sanitárias e de água encanada, péssimas condições de higiene, deficiência em
alimentação e de assistência médica” (LACAZ, 1972, p. 32).
Neste contexto a Geografia da Saúde, ou Geografia Médica, utiliza o espaço como
elemento de análise para compreensão da ocorrência e distribuição das doenças na
coletividade, por meio da percepção da relação entre as doenças e as condições ambientais e
sanitárias prevalecentes (SILVA, 1997).
2274
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Percebe-se que em Minas Gerais cerca de 38% dos municípios diagnosticaram algum tipo
de doença infecciosa (IBGE, 2008a), valor próximo da média nacional. Com uma grande
extensão territorial, o estado apresenta uma diversificação fisiográfica, social, política e
econômica, o que especifica a ocorrência de doenças e sua distribuição espacial, dificultando
o direcionamento de políticas públicas de promoção à saúde.
O objetivo do presente trabalho é a aplicação de técnicas de mineração de dados para
identificar o padrão de ocorrência de doenças infecciosas no estado de Minas Gerais. O
desenvolvimento desta pesquisa justifica-se a medida que seus resultados permitem por que
os agentes públicos de Saúde proponham o direcionamento dos programas de saúde pública
ao contexto territorial abordado. Diagnosticar padrão na ocorrência das doenças e entender
sua distribuição espacial poderá proporcionar um avanço nestas políticas, possibilitando
análise das condições ambientais e suas implicações diretas com a saúde e a qualidade de vida
da população.
2. Descoberta de conhecimento em banco de dados
Um dos processos de descoberta de conhecimento em banco de dados é denominado
Knowledge Discovery in Database, (KDD), que pode assim ser definido: “é um processo, de
várias etapas, não trivial, interativo e iterativo, para identificação de padrões compreensíveis,
válido, novos e potencialmente úteis a partir de grandes conjuntos de dados” (FAYYAD et al.
apud BAÇÃO, 2003, p. 137; GOLDSCHMIDT; PASSOS, 2005, p. 3).
O processo KDD, muitas vezes referido erroneamente por diferentes autores como
mineração de dados ou data mining, é obtido por meio de diversas etapas, dentre elas a
mineração de dados, que envolvem o pré-processamento dos dados até o pós-processamento
dos resultados da mineração de dados (TAN; STEINBACH; KUMAR, 2009;
GOLDSCHMIDT; PASSOS, 2005).
A mineração de dados para Elmasri e Navathe (2002, p. 711) corresponde a “garimpagem
ou descoberta de novas informações em termos de padrões ou regras oriundas de grandes
quantidades de dados”, regras que incluem “análises estatísticas e a otimização sujeita a
restrições, bem como aprendizagem de máquina” (ELMASRI; NAVATHE, 2002, p. 713).
Carvalho (2005) identifica o processo de descoberta de conhecimento como:
1. Identificação de um problema ou definição de um objetivo a ser alcançado;
2. Descobertas de novas relações por técnicas de data mining;
3. Análise humana das novas relações descobertas;
4. Uso racional das novas relações descobertas;
5. Avaliação dos resultados (CARVALHO, 2005, p. 12-13).
Elmasri e Navathe (2002, p. 712) definem seis fases para o processo de descoberta de
conhecimento: “seleção de dados, limpeza de dados, pré-processamento (enriquecimento),
transformação ou codificação de dados, data mining e análise, assimilação, interpretação,
avaliação, divulgação e exposição das informações descobertas”.
A etapa de pré-processamento para Goldschmidt e Passos (2005, p. 11) “compreende
todas as funções relacionadas à captação, à organização e ao tratamento dos dados”
necessárias à mineração de dados.
A visualização é uma importante técnica para análise dos resultados da mineração de
dados, por meio da “interpretação da informação visualizada por uma pessoa e a formação de
um modelo mental das informações” (TAN et al., 2009, p. 125). Tan et a. (2009, p. 127)
sugere o mapeamento das informações para um formato visual, onde “os objetos de dados,
seus atributos e os relacionamentos entre os objetos de dados são traduzidos para elementos
gráficos como pontos, retas, formatos e cores”.
2275
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Bação (2003) expõe a relação entre a Geografia e a Mineração de Dados, onde neste
momento a mineração é encarada, “por grande parte da comunidade da Ciência da Informação
Geográfica (CIG), como a grande esperança para aumentar a qualidade e sofisticação da
análise espacial” (BAÇÃO, 2003, p. 139).
3. Metodologia
Para se identificar os padrões de ocorrência de doenças infecciosas no Estado de Minas
Gerais, utilizou-se o processo KDD e suas etapas. A base de dados selecionada para o
desenvolvimento do presente trabalho contém informações sobre municípios e suas
ocorrências de doenças associadas ao saneamento básico, pertencente à Pesquisa Nacional de
Saneamento Básico (IBGE, 2008a).
Por meio do Sistema IBGE de Recuperação Automática, SIDRA, foi obtida uma planilha
com os dados dos municípios brasileiros. Essa planilha possui três tipos de informações (o
município, os tipo de doença e suas ocorrências) distribuídas em 12.800 linhas. Os dados
indicam a existência [1] ou inexistência [-] de determinada doença em cada município.
Com um número excessivo de linhas na planilha original, fez-se necessária a limpeza da
base de dados, eliminando dados referentes a municípios que não pertencem a Minas Gerais.
O pré-processamentos dos dados consistiu em padronizar as informações sobre
ocorrências de doenças em valores binários (0 ou 1), indicando a existência ou não de
doenças.
Na etapa de transformação do processo KDD, optou-se por decompor os dados referentes
ao tipo de doença em novas colunas. Desta forma a planilha resultante apresenta 13 colunas
referentes ao município e suas ocorrências de doença por tipo (cólera, dengue, dermatite,
diarreia, difteria, doença do aparelho respiratório, febre amarela, hepatite, leptospirose,
malária, tifo e verminoses), e 853 linhas, valor definido pelo número de municípios do estado
de Minas Gerais.
A mineração dos dados foi realizada utilizando o Sistema Gerenciados de Banco de
Dados (SGBD) Microsoft SQL Server 2008 R2 e sua ferramenta de Mineração de Dados
intitulada Analysis Services 1 . Utilizou-se nessa etapa os algoritmos para Agrupamento
(clustering) e extração de Regras de Associação, ambos de propriedade da empresa Microsoft.
A opção pela utilização do algoritmo de agrupamento reflete a necessidade em agrupar
municípios com semelhança na ocorrência de doenças, sendo que o presente trabalho tem por
objetivo diagnosticar padrões na ocorrência destas doenças, e a forma que se distribuem
espacialmente. Carvalho (2005, p.23) afirma que agrupar “é simplesmente [...] classificar uma
massa de dados em classes desconhecidas a priori em número ou forma. Uma tarefa é, dadas
várias categorias ou classes conhecidas, dizer a qual delas um certo dado pertence”.
O algoritmo de extração de regras de associação foi utilizado para identificara-se as
relações estabelecidas entre as doenças e os serviços de saneamento básico existentes. As
regras de associação “são padrões descritivos eficazes na busca por relações entre conjuntos
de itens em uma transação. Uma regra desse tipo é representada por uma expressão do tipo A
 B” (PITONE, 2002, p. 16).
4. Resultados
Ao aplicar ao algoritmo de agrupamento de dados do SQL Server foram gerados dez
grupos em que seus objetos apresentam semelhança na ocorrência de doenças infecciosas. O
mapa 1 representa a distribuição espacial dos clusters encontrados.
1
Fornece múltiplos algoritmos a serem usados nas soluções de mineração de dados
2276
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Mapa 1: Padrão de ocorrência de doenças infecciosas
Fonte: Elaborada pelo autor
Os clusters encontrados possuem o seguinte perfil:
 Cluster 1 – O agrupamento considerou a inexistência de qualquer tipo de doença
infecciosa. Cerca de 62% dos municípios estão representados neste cluster. As
mesorregiões administrativas Sul/Sudoeste de Minas e Triângulo/Alto Paranaíba
apresentam mais de 80% de seus municípios pertencentes a este cluster.
 Cluster 2 – Prevalece a ocorrência de verminoses em 52 municípios. O Vale do Rio
Doce apresenta a maior concentração de municípios pertencentes a este agrupamento.
Percebe-se que 18 municípios estabeleceram proximidade espacial limítrofe a
Governador Valadares, município não pertencente ao cluster.
 Cluster 3 – O grupo corresponde a 75 municípios, sendo que a dengue prevalece em
73% deles. Nos demais municípios foi registrada a ocorrência de diarreia. Este padrão
está presente em todas as mesorregiões administrativas, exceto no Vale do Mucuri.
 Cluster 4 – Agrupamento definido pela ocorrência de diarreia e verminoses em 66
municípios. Entretanto em 15% dos casos foi diagnosticada apenas uma destas
doenças. Padrão expressivo nas mesorregiões Jequitinhonha, Norte de Minas, e Vale
do Mucuri.
 Cluster 5 – O grupo representa 51 municípios, sendo que todos apresentam a
ocorrência de diarreia e verminose, associadas a dermatite e doença do aparelho
respiratório, em 20% dos casos, ou a doença do aparelho respiratório, em 49%, ou
dermatite, que corresponde a 21% da amostra, ou ainda, estão associadas apenas a
ocorrência de hepatite, em 10%. Padrão significativo no Norte de Minas e
Jequitinhonha.
Cluster 6 – Grupo formado por 23 municípios, sendo que a ocorrência de verminoses,
doença do aparelho respiratório, diarreia e hepatite foi identificada em 70% dos casos,
já em 17% dos municípios não se diagnosticou hepatite. Nos demais casos não foi
2277
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
registrada a ocorrência de doença do aparelho respiratório. Agrupamento expressivo
no Norte de Minas e Vale do Mucuri.
 Cluster 7 – Grupo formado por 28 municípios com a ocorrência de diarreia, dengue,
dermatite, doença do aparelho respiratório, hepatite e verminoses, em 32%. Para os
demais municípios excluem-se dermatite, em 32%, hepatite, em 18%, doenças do
aparelho respiratório, em 10%, dengue, em 4%, e hepatite e dermatite, em 4%.
Agrupamento significativo no Jequitinhonha.
 Cluster 8 – Agrupamento definido pela ocorrência de verminoses e diarreia em 12
municípios, associadas a dengue, em 92%, e hepatite, em 75% dos casos. A Zona da
Mata e Campo das Vertentes são significativas neste cluster.
 Cluster 9 – Ocorrência de diarreia, dengue e hepatite associadas a difteria, febre
amarela e verminose, em 88% da amostra. Em 63% dos casos, existe a associação com
doença do aparelho respiratório e leptospirose. É importante ressaltar que este
agrupamento registrou ainda a ocorrência média de 64% de toda a cólera, tifo e
malária registrada no estado. O grupo é composto por 8 municípios localizados no
Campo da Vertentes, Metropolitana de Belo Horizonte, Norte de Minas, Vale do Rio
Doce, Zona da Mata, e Jequitinhonha, sendo esta mesorregião a mais expressiva neste
grupo.
 Cluster 10 – Grupo composto por 7 municípios, onde diagnosticou-se a diarreia
associada a 71% da ocorrência de hepatite, 57% da dengue, dermatite, doença do
aparelho respiratório e verminoses, 43% da febre amarela e leptospirose, e 29% da
difteria, malária e tifo. Estão presentes neste cluster as mesorregiões Metropolitana de
Belo Horizonte, Norte de Minas, Vale do Rio Doce, Zona da Mata e Jequitinhonha,
sendo esta a mais expressiva neste grupo.
Para análise espacial dos padrões da ocorrência de doenças optou-se pela escala regional,
neste caso a mesorregião administrativa do estado, uma vez que sua definição é dada por
processo social, quadro natural e rede de comunicação e de lugares como elemento da
articulação espacial (IBGE apud MINAS GERAIS, 2012).
Os padrões identificados revelam que as mesorregiões Sul/Sudoeste de Minas e
Triângulo/Alto Paranaíba apresentam a menor ocorrência de doenças no estado, entretanto o
Jequitinhonha, Norte de Minas e Vale do Rio Doce apresentam a maior concentração de
doenças. Para estas mesorregiões diagnosticou-se que 75, 67 e 52% dos municípios,
respectivamente, apresentam doenças infecciosas.
É importante destacar que os municípios agrupados nos clusters 9 e 10 apresentaram a
pior situação de saúde, no que se refere às doenças infecciosas, sendo que nestes clusters se
concentram a malária, tifo e cólera (particularidade do cluster 9). Os municípios que
compõem este cluster são: Resende Costa (Campo das Vertentes), Diamantina, São Gonçalo
do Rio Preto, Almenara e Virgem da Lapa (Jequitinhonha), Ribeirão das Neves e São José da
Lapa (Metropolitana de Belo Horizonte), Pirapora, Coração de Jesus e Francisco Sá (Norte de
Minas), Carmésia, Timóteo e Mantena (Vale do Rio Doce) e, Belmiro Braga e Durandé (Zona
da Mata).
Nota-se que não existe uma proximidade espacial entre os municípios, e que por
pertencerem a mesorregiões administrativas diferentes, pressupõem-se que, apresentam
características fisiográficas, sociais, culturais e econômicas distintas, e que, por conseguinte,
precisam de uma pesquisa mais detalhada. Desta forma é necessária que a análise espacial
seja realizada na escala local para cada município, considerando-se dados de população, PIB,
IDH, estruturação urbana, condições ambientais e sanitárias, para que seja possível entender a
distribuição espacial destas doenças e a correlação com o ambiente em que se desenvolvem.
Com o intuito de entender a distribuição espacial dos clusters identificados para a
ocorrência de doenças infecciosas relacionadas ao saneamento básico, o algoritmo de
2278
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
clustering foi aplicado em uma nova base de dados, onde analisou-se a situação do
saneamento básico no estado, com base nos serviços municipais existentes.
Para análise do saneamento básico optou-se pela mineração de dados referentes aos
serviços básicos atribuídos ao saneamento, como acesso a água tratada, esgotamento sanitário
e manejo de resíduos sólidos e águas pluviais (IBGE, 2008b).
O padrão da situação do saneamento básico foi gerado pela aplicação da técnica de
cluster, onde foram identificados quatro agrupamentos, conforme representado no mapa 2.
Mapa 2: Padrão da situação do saneamento básico
Fonte: Elaborada pelo autor
Os agrupamentos mostram que 90% dos municípios apresentam todos os serviços básicos
atribuídos ao saneamento (cluster 1), 63 municípios não possuem rede coletora de esgoto e
concentram-se no Norte de Minas (cluster 2), 13 municípios não possuem manejo de águas
pluviais, destes 38% estão localizados no Jequitinhonha (cluster 3), e 9 municípios não
possuem manejo de águas pluviais e rede coletora de esgoto (cluster 4), localizados nas
mesorregiões administrativas Central Mineira, Noroeste de Minas, Norte de Minas e
Triângulo Mineiro/Alto Paranaíba.
Percebe-se que, por meio do algoritmo de cluster, foi possível estabelecer uma correlação
entre a ocorrência de doenças infecciosas e prestação de serviços de saneamento básico, sendo
o Norte de Minas uma mesorregião com diversificação de doenças atreladas a falta de
esgotamento sanitário. Já para o Jequitinhonha e Vale do Rio Doce, não foi possível
estabelecer nenhuma correlação com o saneamento básico.
A fim de procurar novos padrões e evidências que pudessem confirmar a relação entre
doenças e serviços de saneamanto nos munícios de mineiros, aplicou-se algoritmo de
Extração de Regras de Associação. Nesse caso, foi realizado previamente a junção dos dados
referentes a ocorrência de doenças associadas ao saneamento básico (IBGE, 2008a) e serviço
de saneamento básico (IBGE, 2008b). Ao aplicar o algoritmo proprietário do SGBD SQL
Server, 2000 relações foram estabelecidas, entretanto considerando-se apenas relações do tipo
2279
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
doença  serviço, ou vice-versa, pode-se reduzir para 37% o percentual de regras de
associação consideradas. Nesse universo, as principais regras de associação geradas foram:
 82% das associações consideradas revelam que onde existe uma doença, também
existe prestação de serviço sanitário;
 15% das associações consideradas revelam que onde não existem doenças, existe
prestação de serviço sanitário;
 2% das associações consideradas revelam que onde não existem doenças também
não existem serviço sanitário;
 1% das associações consideradas revelam que onde existe uma doença, não existe
prestação de serviço.
Observa-se que independente de prestação de serviços sanitários, as doenças existem
consideravelmente. Sugere-se nesse sentido, que uma análise mais detalhada sobre tipos
específicos de doenças e serviços sejam considerados na análise, assim como sua localização
e distribuição espacial.
5. Considerações finais
As técnicas de descoberta de conhecimento em banco de dados revelaram uma adequada
metodologia de análise espacial regional. Os agrupamentos extraídos das bases de dados de
doenças infecciosas e serviços de saneamento básico apontaram o Norte de Minas como a
mesorregião com maior deficiência sanitária e consequentemente uma diversificação na
ocorrência de doenças infecciosas relacionadas ao saneamento básico.
O Jequitinhonha e Vale do Rio Doce também apresentaram uma diversificação na
ocorrência de doenças infecciosas, entretanto os padrões da situação do saneamento básico
gerado pela técnica de mineração de dados cluster não revelaram uma relação entre as
doenças e à deficiência sanitária, sendo necessária uma investigação mais aprofundada para
identificar o motivo desta diversificação.
Sugere-se para os municípios que apresentaram a concentração de doenças, que sejam
realizadas análises mais específicas em escala local, levando-se em consideração dados
sociais, culturais, econômicos e ambientais.
Para os administradores públicos estaduais, recomenda-se o desenvolvimento de políticas
que visam excluir a deficiência sanitária presente em 10% dos municípios mineiros,
principalmente no Norte de Minas, sendo necessária a ampliação do serviço de esgotamento
sanitário nestes municípios. Para o Jequitinhonha e Vale do Rio Doce recomenda-se uma
investigação detalhada da existência de esgotamento sanitário clandestino e educação
sanitária e alimentar, sendo estas ferramentas importantes para promoção da saúde pública.
Como trabalho futuro, sugere-se aplicar novamente os algoritmos de agrupamento e
extração de regras de associação, variando seus parâmetros de configuração, tais como
número de clusters desejados e as taxas de suporte e confiança adotadas. Outros algoritmos
também poderiam ser aplicados, vislumbrando a descoberta de novos padrões. No que diz
respeito aos dados utilizados, esses poderiam ser enriquecidos incluindo dados
complementares, tais como índices socioeconômicos. O estudo poderia ser ampliado também
para todos os municípios brasileiros.
Referências bibliográficas
BAÇÃO, Fernando Lucas; PAINHO, Marco. Aspectos metodológicos da utilização do data mining no âmbito
da geografia. Finisterra, Lisboa, v. 38, n. 75, p. 135-147, 2003. Disponível em:
<http://www.ceg.ul.pt/finisterra/>. Acesso em 20 mar. 2012.
BRASIL. Fundação Nacional de Saúde. Manual de saneamento: orientações técnicas. 3. ed. Brasília: Fundação
Nacional de Saúde, 2006. 408 p.
2280
Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
CARVALHO, Luís Alfredo Vidal de. Data mining: a mineração de dados no marketing, medicina, economia,
engenharia e administração. Rio de Janeiro: Editora Ciência Moderna Ltda, 2005. 225 p.
COSTA, Giseli Fernandes da. Geoprocessamento: uso e aplicação na saúde pública e na saúde ambiental. In:
RIBEIRO, Helena (Org.). Olhares geográficos: meio ambiente e saúde. São Paulo: Editora Senac São Paulo,
2005. 81-104 p.
ELMASRI, Ramez; NAVATHE, Shamkant B. Sistemas de banco de dados: fundamentos e aplicações. 3. ed.
Rio de Janeiro: LTC, 2002. 837 p.
GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel Lopes. Data mining: um guia prático: conceitos, técnicas,
ferramentas, orientações e aplicações. Rio de Janeiro: Elsevier, 2005. 261 p.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA. Pesquisa Nacional de Saneamento Básico:
número de municípios com ocorrência de doenças associadas ao saneamento básico, por tipo de doença. 2008a.
Disponível em: <http://www.sidra.ibge.gov.br/bda/tabela/listabl.asp?z=t&c=354>. Acesso em 11 out. 2011.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA. Pesquisa Nacional de Saneamento Básico:
número de municípios com algum serviço de saneamento básico, por tipo de serviço. 2008b. Disponível em:
<http://www.sidra.ibge.gov.br/bda/tabela/listabl.asp?z=t&c=1238>. Acesso em 11 out. 2011.
LACAZ, Carlos da Silva. Relações entre o homem e o meio geográfico. In.: LACAZ, Carlos da Silva;
BARUZZI, Robert G.; SIQUEIRA JÚNIOR, Waldomiro. Introdução à geográfica médica do Brasil. São
Paulo: Edgard Blücher; Editora da Universidade de São Paulo, 1972. Cap. 2, p. 23-38.
MICROSOFT. SQL Server, versão 2008 R2. Microsoft Corporation, 2008. Sistema de Gerenciamento de Banco
de Dados.
MINAS GERAIS, Governo do Estado. Mesorregiões e microrregiões. Disponível em:
<http://www.mg.gov.br/governomg/ecp/contents.do?evento=conteudo&idConteudo=69547&chPlc=69547&ter
mos=s&app=governomg&tax=0&taxp=5922>. Acesso em 23 abr. 2012.
PITONE, Rafael Moreira. Mineração de regras de associação nos canais de informação do direto. 2002. 61f.
Monografia (Conclusão do curso). Universidade Ferderal do Rio Grande do Sul, Instituto de Informática, Porto
Alegre.
RIBEIRO, Helena. Geografia da saúde e da doença aplicada à poluição do ar em São Paulo. In: RIBEIRO,
Helena (Org.). Olhares geográficos: meio ambiente e saúde. São Paulo: Editora Senac São Paulo, 2005. 65-80
p.
SILVA, Luiz Jacintho da. O conceito de espaço na epidemiologia das doenças infecciosas. Caderno de Saúde
Pública, Rio de Janeiro, n. 13, p. 585-593, out-dez. 1997.
SOCIEDADE BRASILEIRA DE INFECTOLOGIA. Guia de doenças. Disponível em:
<http://www.sbinfecto.org.br/publicoleigo/default.asp?site_Acao=mostraPagina&paginaId=9>. Acesso em 28
dez. 2011.
TAN, Pang-Ning; STEINBACH, Michal; KUMAR, Vipin. Introdução ao data mining: mineração de dados.
Rio de Janeiro: Editora Ciência Moderna Ltda, 2009. 900 p.
2281