O objetivo do estudo foi analisar a distribuição espacial de cárie dentária entre crianças préescolares e criar cenários equiprováveis da ocorrência deste agravo na cidade de Canoas, sul do Brasil. Exame clínico para detecção da experiência de cárie dentária de acordo com o critério da Organização Mundial da Saúde foi realizado por cirurgiõesdentistas treinados e calibrados em uma amostra de 1.100 crianças matriculadas em escolas de educação infantil. Utilizouse o Sistema de Informação Geográfica ArcGis 10.0 para a inserção de dados espaciais e não espaciais. O programa GeoMS foi utilizado nas análises geoestatísticas para a detecção da continuidade espacial e construção de mapas através da simulação estocástica. A prevalência de cárie dentária foi 25%, com diferenciais intraurbanos na sua distribuição. Os resultados permitiram a construção de 100 cenários equiprováveis e de mapas com os melhores e piores cenários no município. Uma maior concentração de ocorrên cias foi encontrada na região oeste da cidade, enquanto que as regiões norte e sul tiveram a menor probabilidade de ocorrência de cárie dentária. A identificação de desigualdades espaciais em condições de saúde e a sua visualização por meio de mapas pode auxiliar na qualificação e organização de intervenções de saúde pública, assim como fornecer subsídios que ajudem no entendimento da influência do meio ambiente sobre as condições adversas de saúde.

The aims of this study were to analyze the spatial distribution of dental caries among preschool children and create equiprobable scenarios of its occurrence in the city of Canoas, Southern Brazil. Trained, calibrated dentists examined 1,100 children enrolled at public preschools to determine dental caries experience following World Health Organization criteria. The ArcGis 10.0 Geographic Information System was used to analyze spatial and non-spatial data. Geostatistical Modeling Software was used in geostatistical analyses to detect spatial continuity and create maps using stochastic simulation. Overall prevalence of dental caries was 25% with intraurban differentials in distribution. The findings enabled the generation of 100 equiprobable scenarios and maps with the best and worst scenarios. The highest concentration of dental caries occurrence was found in the western portion of the city, while the lowest probability of occurrence was found in the northern and southern portions. Identifying spatial inequalities in health conditions and visualizing them through the creation of maps can help to qualify and organize public health interventions and provide information to gain better understanding of the influence of the surrounding environment on adverse health conditions.

A simulação sequencial gera um conjunto de imagens equiprováveis com a mesma variabilidade espacial dos valores experimentais. O objetivo deste estudo foi analisar a dependência espacial dos atributos diagnósticos do solo e aplicar a simulação sequencial para caracterizar a distribuição de probabilidade local dos atributos e verificar as zonas de incerteza. A área de estudo, com 1.200,32 ha, compreende a fazenda experimental Edgardia da Faculdade de Ciências Agronômicas da Universidade Estadual Paulista, Botucatu, SP. Os atributos do solo foram obtidos a partir de uma grade de amostragem de 90 pontos. A partir do modelo de dependência espacial foi realizada a simulação sequencial direta e a simulação sequencial indicativa. Os atributos do solo apresentaram dependência espacial com diferentes direções para menor e maior alcance. A simulação sequencial direta e a simulação sequencial indicativa possibilitaram a avaliação da incerteza da distribuição espacial das variáveis categóricas e contínuas do solo a qual pode ser utilizada para definir, com mais confiança, as classes de solo e para integrar estudos de planejamento amostral em locais em que a variabilidade é mais acentuada.

The sequential simulation generates a set of equiprobable images with the same spatial variability of the experimental values. The aim of this study was to determine the spatial dependence of the diagnostic attributes of soil and use the sequential simulation to characterize the probability distribution of the location attribute and verify areas of uncertainty. The study area, with 1200.32 ha, was the experimental farm Edgardia belonging to the Faculdade de Ciências Agronômicas da Universidade Estadual Paulista, Botucatu, SP. The soil properties were obtained from a sampling grid of 90 points. From the spatial dependency model the direct sequential simulation and sequential indicative simulation was performed. Soil attributes show spatial dependence with different directions to lesser and greater range. The direct sequential simulation and sequential indicative simulation allowed the evaluation of the spatial distribution of the uncertainty of continuous and categorical variables and soil, which can be used to define, with more confidence, soil classes and to integrate studies of sample planning in places where the variability is most pronounced.