Análisis de la mortalidad en la ciudad de Tandil utilizando Sistemas de Información Geográfica

• Autores: Tisnés, Adela
• Año de publicación: 2012
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: MORTALIDAD; ANALISIS ESPACIAL; DENSIDAD KERNEL; ANALISIS MULTIVARIADO
• Institución: Consejo Nacional de Investigaciones Científicas y Técnicas

Se propone un abordaje espacial cuantitativo de la distribución de la mortalidad según causas en la ciudad de Tandil, con información obtenida a partir de la sistematización de los certificados de defunción de los registros civiles. El objetivo es presentar una metodología de análisis espacial, a partir de herramientas de análisis ya existentes, para detectar agrupaciones espaciales que luego se delimitarán y se conformarán zonas que surgen, según las causas, a partir de la distribución de los casos de mortalidad. Se trabajará tratando inicialmente a las defunciones como un fenómeno puntual. Así, la distribución de los casos de defunción por causas, podrá reflejar un patrón de distribución homogéneo, o, en caso contrario, heterogeneidad espacial o agregación. Se trata pues de analizar cómo se distribuye la variable en el espacio y por qué sucede de esa manera. Inicialmente se utilizó la aproximación basada en el estudio de la función vecino más próximo, con la utilización de la herramienta de densidad Kernel y con un análisis multivariado Isoclusters, para identificar las zonas vulnerables junto con los factores de riesgo asociados.
We propose a quantitative approach to spatial distribution cause-specific mortality in the city of Tandil according to information collected from the systematization of death certificates at civil registries. This paper aims at presenting a spatial analysis methodology using pre-existing analysis tools to detect spatial clusters that will later delimit and define areas of cause-specific mortality. First, we will deal with deaths as an isolated phenomenon. Thus, the distribution of cause-specific deaths may reflect a homogeneous distribution pattern or, otherwise, spatial heterogeneity or aggregation. Therefore, it will be analyzed how the variable is distributed in space and why this happens in such a way. We have used the method based on the K-nearest neighbor algorithm, kernel density estimation tool and Iso clusters multivariate analysis to identify vulnerable areas which will be associated with risk factors.
Fil: Tisnés, Adela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Instituto de Geografía, Historia y Ciencias Sociales. Universidad Nacional del Centro de la Provincia de Buenos Aires. Instituto de Geografía, Historia y Ciencias Sociales; Argentina