Desenvolvimento de um algoritmo para geocodificar casos de hanseníase por setores censitários

A hanseníase é uma doença infectocontagiosa crônica, capaz de provocar importantes incapacidades físicas quando não diagnosticada e tratada precocemente. Dentre as ferramentas disponíveis para ajudar este diagnóstico precoce, o uso de Sistemas de Informações Geográficas (softwares que possibilitam trabalhar com camadas de dados georreferenciados agregadas com bases de dados) é estimulado pela Organização Mundial da Saúde para auxiliar o estudo da epidemiologia espacial, que busca entender como um agravo se desenvolve em relação aos fatores socioambientais. A análise espacial demanda recursos e tempo para ser concluída, adiando a análise e o planejamento de ações de combate e controle deste agravo, pois as bases de dados disponíveis não possuem a informação de longitude e latitude dos casos notificados, requisitando a coleta individual destas coordenadas geográficas para então se utilizar o SIG para análises. O objetivo deste trabalho foi desenvolver um algoritmo para mapeamento de casos por setores censitários, que são uma subdivisão do território nacional utilizada pelo Instituto Brasileiro de Geografia e Estatística para realização das atividades de recenseamento populacional. Apesar de não apresentar a precisão do mapeamento no local (utilizando um aparelho receptor de sinal GPS), ou do mapeamento remoto com imagens de satélite, esta proposta pode mapear os casos dentro do seu contexto socioeconômico, cultural, e reduzir o tempo entre elaboração de mapas a partir de dados tabulados e a análise estatística, auxiliando no planejamento das estratégias de saúde. Em um primeiro momento foi elaborado o algoritmo em linguagem python para ser executado no terminal integrado do SIG QGIS. Em seguida escolheu-se a cidade de Castanhal, localizada na região nordeste do estado do Pará, para comparar os métodos de mapeamento atuais com o algoritmo proposto. De um total de 1322 casos registrados na zona urbana castanhalense, do período de 2001 a 2016, foram mapeados 1042 casos, o algoritmo final deste trabalho levou por volta de 2 minutos para concluir o geoprocessamento e não apresentou erros ou mapeamentos incorretos.