Geographical information systems (GIS) are tools that have been recently tested for improving our understanding of the spatial distribution of disease. The objective of this paper was to further develop the GIS technology to model and control schistosomiasis using environmental, social, biological and remote-sensing variables. A final regression model (R² = 0.39) was established, after a variable selection phase, with a set of spatial variables including the presence or absence of Biomphalaria glabrata, winter enhanced vegetation index, summer minimum temperature and percentage of houses with water coming from a spring or well. A regional model was also developed by splitting the state of Minas Gerais (MG) into four regions and establishing a linear regression model for each of the four regions: 1 (R² = 0.97), 2 (R² = 0.60), 3 (R² = 0.63) and 4 (R² = 0.76). Based on these models, a schistosomiasis risk map was built for MG. In this paper, geostatistics was also used to make inferences about the presence of Biomphalaria spp. The result was a map of species and risk areas. The obtained risk map permits the association of uncertainties, which can be used to qualify the inferences and it can be thought of as an auxiliary tool for public health strategies.

O impacto da violência sobre o perfil de saúde da população nos grandes centros urbanos brasileiros é uma realidade e tem sido incorporado na agenda das ações de saúde. Embora o crescimento dos crimes contra a vida seja sentido por toda a população, a sua distribuição pela cidade ocorre de modo desigual. Nesse contexto, ferramentas de análise que permitam produzir uma avaliação do risco de homicídio e de sua distribuição espacial potencializam os meios de vigilância e prevenção. Este artigo oferece uma contribuição nessa direção. Uma metodologia geoestatística é empregada para a estimação e mapeamento do risco de homicídio, sob o enfoque de um novo estimador de semivariograma, e tem sua aplicação avaliada na cidade de São Paulo, Brasil, para o período de 2002 a 2004. Cenários para o risco de homicídio são gerados com base na co-krigeagem binomial e de procedimentos de simulação estocástica, possibilitando a delimitação de áreas com maior ou menor risco, que podem ser usados para estudar condicionantes espaciais da violência e auxiliar para um melhor entendimento dos problemas por meio da análise de suas diferenças ao longo dos territórios das cidades.

The impact of violence on the population's health profile in large Brazilian cities is a real concern and has been incorporated into the country's public health agenda. Although violent crimes affect the entire population, they are distributed unequally in the city. In this context, analytical tools to evaluate the risk and spatial distribution of homicide are important for surveillance and prevention. The current article is a contribution in this direction. A geostatistical methodology is used to estimate and map homicide risk, and a new semivariogram estimator is presented and its application is evaluated in the city of São Paulo, Brazil, for the period 2002 to 2004. Homicide risk scenarios are generated using binomial cokriging and stochastic simulation procedures, allowing the demarcation of areas with greater or lesser risk that can be used to study spatial determinants of violence and improve the understanding of problems through analysis of differences across urban territories.

O impacto da violência sobre o perfil de saúde da população nos grandes centros urbanos brasileiros é uma realidade e tem sido incorporado na agenda das ações de saúde. Embora o crescimento dos crimes contra a vida seja sentido por toda a população, a sua distribuição pela cidade ocorre de modo desigual. Nesse contexto, ferramentas de análise que permitam produzir uma avaliação do risco de homicídio e de sua distribuição espacial potencializam os meios de vigilância e prevenção. Este artigo oferece uma contribuição nessa direção. Uma metodologia geoestatística é empregada para a estimação e mapeamento do risco de homicídio, sob o enfoque de um novo estimador de semivariograma, e tem sua aplicação avaliada na cidade de São Paulo, Brasil, para o período de 2002 a 2004. Cenários para o risco de homicídio são gerados com base na co-krigeagem binomial e de procedimentos de simulação estocástica, possibilitando a delimitação de áreas com maior ou menor risco, que podem ser usados para estudar condicionantes espaciais da violência e auxiliar para um melhor entendimento dos problemas por meio da análise de suas diferenças ao longo dos territórios das cidades.

The impact of violence on the population's health profile in large Brazilian cities is a real concern and has been incorporated into the country's public health agenda. Although violent crimes affect the entire population, they are distributed unequally in the city. In this context, analytical tools to evaluate the risk and spatial distribution of homicide are important for surveillance and prevention. The current article is a contribution in this direction. A geostatistical methodology is used to estimate and map homicide risk, and a new semivariogram estimator is presented and its application is evaluated in the city of São Paulo, Brazil, for the period 2002 to 2004. Homicide risk scenarios are generated using binomial cokriging and stochastic simulation procedures, allowing the demarcation of areas with greater or lesser risk that can be used to study spatial determinants of violence and improve the understanding of problems through analysis of differences across urban territories.