This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
Tradutor e/ou intérprete freelance, Usuário do site confirmado
Data security
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Afiliações
This person is not affiliated with any business or Blue Board record at ProZ.com.
português para inglês: A importância de áreas protegidas na contenção da conversão antrópica de habitats naturais na região nuclear do Bioma Cerrado. General field: Ciência Detailed field: Geologia
Texto de origem - português 1. INTRODUÇÃO
A degradação de habitats naturais na região tropical tem ocupado uma importante posição nas agendas políticas nacionais e globais. Com a finalidade de conter ameaças às áreas de habitat natural, em um contexto da conservação da biodiversidade, alguns instrumentos de política ambiental têm sido utilizados, a exemplo da certificação e licenciamento ambiental, pagamento por serviços ecossistêmicos, políticas fiscais e comerciais, e, especialmente, a implantação de áreas protegidas.
Apesar de serem usualmente tratadas como um tipo de estratégia único, as áreas protegidas são estabelecidas com objetivos distintos, os quais estão fixados na Convenção da Diversidade Biológica, além de instrumentos de âmbito nacional. As funções mais comuns a que se destinam são: a proteção de ecossistemas e todas as suas espécies constituintes; a proteção de serviços ecossistêmicos; a proteção de populações de determinadas espécies ameaçadas; ou, ainda, a proteção de culturas tradicionais. No Brasil essas áreas foram definidas por meio do Plano Estratégico Nacional de Áreas Protegidas, sendo que integram o grupo de áreas protegidas as Unidades de Conservação, as quais possuem como principal objetivo a preservação da diversidade biológica, e as Terras Indígenas e Terras Quilombolas, as quais têm como principal objetivo a preservação da biodiversidade sociocultural. As Unidades de Conservação estão divididas em dois grupos principais, as unidades de Proteção Integral e as de Uso Sustentável. Tais grupos diferem quanto ao grau de restrição ao uso e acesso às unidades, sendo que as unidades de Proteção Integral variam entre as categorias I e III da IUCN e as unidades de Uso Sustentável entre as categorias de IV a VI. As Unidades de Conservação podem pertencer à esfera de governamental federal ou estadual, diferindo quanto aos agentes responsáveis pela gestão da unidade.
Dada a variedade de objetivos a serem atingidos por esse conjunto de estratégias de conservação, estudos que avaliam a efetividade dessas áreas sobre seus objetivos apresentam diferentes enfoques e objetos de análise, sendo os mais comuns a influência das áreas protegidas sobre a preservação de habitats naturais. Nesse contexto, a efetividade pode ser abordada como uma medida da influência das áreas protegidas (território com uso e acesso especialmente regulados) sobre a conversão antrópica do hábitat natural. Tal atributo das áreas protegidas pode variar em função de: diferenças regionais e locais; métodos utilizados para a avaliação; ou, ainda, em função de diferentes categorias a que pertencem as áreas protegidas, que podem variar de mais restritivas a menos restritivas. Como resultado desses fatores, há estudos que apontam a existência de unidades ou categorias de unidades cujos efeitos não são diferentes daqueles percebidos em regiões não protegidas e até mesmo estudos que apontam efeitos negativos de determinadas áreas protegidas sobre a preservação de habitats. Unidades que não exercem um efeito relevante ou positivo sobre a conservação são comumente referidas como “parques de papel”.
Naughton-Treves et al. (2005), Nagendra (2008) e Geldmann et al. (2013), realizaram revisões dos estudos produzidos sobre o tema e verificaram que esses abrangem de forma desigual diferentes regiões geográficas ou biogeográficas, bem como enfocam de forma fortemente desigual diferentes tipos de habitat. De 141 conjuntos de dados constantes em 64 artigos relacionados nessas revisões, um total de 132 abordou ambientes florestais, sendo que apenas 3 abordaram ambientes de savana ou outros habitats. A grande maioria dos estudos sobre o tema no Brasil se referem ao Bioma Amazônico, ainda não havendo avaliação sobre o Bioma Cerrado.
A pouca atenção dada a ambientes não florestais, como o Cerrado, não é coerente com a importância biológica e a pressão antrópica que têm sofrido essas regiões. Avaliações atuais sobre a preservação do habitat natural no Brasil colocam o Cerrado como o bioma com a maior área absoluta desmatada, com área convertida de 982.227 km², representando 49,16% de sua área original; além de apresentar as maiores taxas de desmatamento atuais entre os biomas brasileiros, uma situação bem mais grave que o Bioma Amazônico, por exemplo. A riqueza em espécies endêmicas e a pressão antrópica que sofre colocaram o Cerrado entre os 34 hotspots mundiais, áreas de especial interesse para a conservação reconhecidas mundialmente.
O desmatamento histórico e atual não se distribui igualmente entre as diferentes regiões do Cerrado. Esse se concentra principalmente na região sudeste, sul e sudoeste do bioma. Devido às dimensões continentais do Cerrado e sua heterogeneidade em termos ambientais e de composição biológica, uma distribuição concentrada de desmatamentos em regiões específicas implica em que determinadas unidades biogeográficas ou fisiográficas que correspondam a regiões com maior percentual de área desmatada, podem ter espécies, comunidades e ecossistemas especialmente ameaçados, como é o caso da região ocupada pelo Estado de Goiás e Distrito Federal, na região central do Bioma.
Em um contexto de ameaça à biodiversidade, recursos e serviços ambientais, e em que se observa a continuidade do processo de conversão de habitats naturais no Cerrado, é relevante saber se as políticas públicas voltadas à criação de áreas protegidas são eficazes na diminuição do processo de conversão antrópica em uma escala local e regional, bem como se há diferença quanto ao efeito entre as diferentes categorias de unidade. Neste estudo, busca-se avaliar o efeito unidades definidas reconhecidas pela legislação brasileira em conter o avanço do desmatamento sobre áreas naturais na região nuclear do Bioma Cerrado, levando-se em conta a natureza não randômica da alocação desse tipo de unidade ao longo do território e a influência de outras variáveis sobre alterações no uso e ocupação da terra.
2. METODOLOGIA
2.1. Área de Estudo
O estudo teve como área de interesse a região nuclear do Bioma Cerrado, definida pela interseção entre os limites do Estado de Goiás, do Distrito Federal e os limites do Cerrado, conforme definido pelo Mapa de Biomas do Brasil. A área de interesse possui um total aproximado de 335.364 km², importando 16,5% da área total do Bioma e 4% do território continental brasileiro. A área de estudo abrange duas unidades da federação, o Distrito Federal e a maior parte do Estado de Goiás (97% de seu território nos limites do Cerrado). Uma região de cerca de 10.500 km² localizada entre o Estado de Goiás e de Minas Gerais situa-se na área do Bioma Mata Atlântica, não sendo, portanto, considerada (Figura 1).
Trata-se de região com características típicas do Cerrado, com elevado percentual de sua área com formação vegetacional de tipo savânico, que abrange porções de três dos seis principais centros de endemismo biológico do Cerrado. A região possui processo de ocupação e colonização mais antigo e consolidado no Bioma e compreende porção representativa do total de áreas protegidas no Cerrado. Um percentual de 66,44% da área de estudo, aproximadamente 222.823 km², pertencem a classes de uso antrópico, enquanto 33,56% pertencem a áreas de habitat natural (Figura 1).
Figura 1 - Áreas protegidas e uso da terra na região definida para o estudo.
As Unidades de Conservação em Goiás e no Distrito Federal representam cerca de 12% do território do Cerrado. São 56 unidades (excetuado RPPNs), com área total de 21.871 km² (6,52% da área de estudo) dividida entre os grupos Proteção Integral (1,11%) e Uso Sustentável (6,33%) (Tabela 1). A sobreposição entre essas categorias de restrição responde por 3090 km² (0,92% da área de estudo). Quanto à esfera governamental, as Unidades de Conservação podem ser Federais ou Estaduais. Na área de estudo existem 15 unidades federais e 41 unidades estaduais, ocupando uma área total bastante semelhante.
Além das Unidades de Conservação, estão presentes na área de estudo 4 unidades de Terra Indígena, com um área de 412 km² (0,12% da área de estudo) e 5 unidades de Terras Quilombolas, com uma área aproximada de 2.750 km² (0,82% da área de estudo).
Tabela 1 – Unidades de Conservação no Brasil, no Cerrado e na Área de Estudo. Não foram consideradas unidades da categoria RPPN. Ver se vale a pena colocar no suplemento.
2.2. Efeito Médio das Áreas Protegidas
Avaliações sobre o efeito das áreas protegidas em conter a conversão do habitat natural recebem uma ampla diversidade de abordagens, com estudos que avaliam diferentes escalas de análise, abrangem diferentes ambientes, e, principalmente, adotam diferentes metodologias. Os principais fatores que diferenciam tais análises são: 1) a variável resposta ou estimador considerado na análise; 2) a definição do elemento utilizado como base para comparação com aquele obtido para áreas protegidas (elemento contrafactual); 3) utilização de controles de viés estatístico e avaliação sobre o viés oculto em função de outras variáveis não consideradas no estudo.
Quanto à variável resposta, esse tipo de avaliação leva em conta eventos com efeitos diretos ou correlacionados a alterações antrópicas em habitats naturais. A maioria dos estudos utiliza estimadores baseados no cômputo de áreas de desmatamento ou na presença de classes de uso antrópico (e.g. urbano, agrícola, pastagens artificiais, solo exposto), analisando dados absolutos (áreas totais convertidas) para um mesmo período ou entre períodos diferentes. Também são utilizadas taxas de alteração entre períodos ou ainda a probabilidade de alteração entre diferentes estados (antrópico x natural) levando em consideração outras características do ambiente (ex: declividade, distância a estradas, distância a cidades). Para além do cômputo da própria área desmatada, também são utilizados na literatura eventos correlacionados a alterações no uso da terra, como a ocorrência/frequência de incêndios.
Considerando-se que as áreas protegidas são regiões que recebem determinado tratamento cujo efeito se busca quantificar, faz-se necessária a escolha de um elemento contra o qual a variável resposta escolhida será comparada. Conforme Ferraro et al. (2007), o elemento de comparação ideal seria a própria área delimitada pela área protegida, na hipótese de nela não ter sido implantado qualquer unidade dessa natureza. Como não podemos acessar diretamente tal informação, é preciso definir apropriadamente uma referência base para a medida do desflorestamento ou antropização evitada. Os elementos contrafactuais ou de comparação, baseados nas classificações de Joppa & Pfaff (2010) e de Geldmann et al. (2013), podem ser: comparação com períodos próximos (“compare to nearby time”), comparação com toda a área não protegida (“Compare to everywhere”), comparação com regiões adjacentes às áreas protegidas (“Compare to nearby land”) e comparação a regiões similares (“compared to similar habitats outside”).
Embora a comparação com regiões próximas (análise de buffer) ou com toda a região externa seja mais comumente utilizada, a estratégia mais promissora é aquela que considera como elemento contrafactual regiões com características ambientais/sociais similares àquelas apresentadas pelas áreas protegidas. Tal estratégia tem como principal vantagem uma maior eficiência em controlar duas fontes principais de viés: o erro de correlação espacial e o erro da autocorrelação espacial.
O primeiro erro se origina do caráter não aleatório da alocação das unidades de área protegidas ao longo do território e da influência de outras variáveis sobre a conversão antrópica. O caráter não randômico da alocação dessas áreas está relacionado a uma maior frequência de unidades em regiões com menor adequação para o uso humano, com menor oposição política à sua instalação, ou, ainda, à própria natureza dessas áreas, que têm, por definição, o objetivo de preservarem regiões com atributos ambientais ou biológicos especialmente importantes, os quais não estão distribuídos aleatoriamente no território. Portanto, o controle de outras variáveis mostra-se necessário a fim de não se confundir a influência das áreas protegidas com a influência de outras variáveis com influência sobre a probabilidade de alterações no uso da terra. O uso de um modelo amostral que desconsidere formas de controle desse tipo de viés pode tornar frágeis os resultados obtidos sobre o efeito das áreas protegidas, pois comparam regiões com diferentes características ambientais e sob dinâmicas sociais diferentes, implicando em probabilidades de conversão antrópica não similares. Em geral, a falta de controle sobre este tipo de erro tem como efeito uma superestimava da efetividade das áreas protegidas, já que as compara com regiões que, em média, possuem maior probabilidade de conversão antrópica do que a próprias áreas protegidas.
O segundo tipo de erro cujo controle é importante ocorre quando o tipo de uso da terra de uma região pode afetar a probabilidade do tipo de uso e ocupação de áreas próximas, em um efeito relacionado à autocorrelação espacial. No caso de áreas protegidas, tem sido observado que a regulação e restrição do uso da terra por agentes políticos têm resultado em alterações no uso de regiões próximas não reguladas. O “efeito vazamento” (spillover, leakage, displacement ou enhancement) tem sido considerado na literatura como um tipo especial de erro relacionado à autocorrelação espacial. No contexto do estudo de áreas protegidas, tal efeito refere-se ao deslocamento de atividades antrópicas de forma acentuada causado pela regulação do uso da terra por parte do poder público. Ferraro et al. (2007) classificaram o efeito vazamento em negativo, quando a instalação da área protegida tem por consequência o aumento da pressão antrópica em suas imediações (ex: aumento de atividades econômicas agrícolas, turísticas, etc) ou positivo (ex: formação de novas áreas protegidas próximas, inibição do aumento da infraestrutura de transporte na região).
No caso de medidas sobre o efeito de áreas protegidas, a comparação com áreas sob a influência direta dessas unidades resulta em viés estatístico, pois o evento que se busca aferir (a influência das áreas protegidas sobre o estimador – ex: área total desmatada) também está presente nessas regiões. Desenhos amostrais que não busquem controlar esse tipo de erro podem implicar em resultados que subestime o efeito daquelas unidades (no caso de a área protegida diminuir a probabilidade da conversão de habitats naturais nas áreas próximas) ou o superestime (no caso de as áreas protegidas promoverem um aumento da conversão de habitat naturais nas áreas próximas).
O viés causado por esses dois tipos de erro pode ser significativamente reduzido por meio da escolha de um adequado grupo controle, em um desenho amostral que vise mimetizar estudos experimentais randomizados. Nesse tipo de estudo, a avaliação de diferentes tratamentos é realizada por meio da designação aleatória de unidades amostrais ao grupo controle e àquele que recebeu determinado tratamento, cujo efeito deseja-se avaliar. Tais unidades amostrais diferem apenas quanto às características de interesse no estudo, com demais co-variáveis com distribuição comum entre o grupo que recebeu tratamento e aquele que não o recebeu. Em estudos observacionais, como no presente estudo, é desejável a replicação desse tipo de experimento, o mais próximo possível, obtendo-se grupo tratado e controle com co-variáveis que possuam distribuição similar.
No método de matching, aplicado a estudos observacionais, o grupo controle é construído ex post. O objetivo geral do método é encontrar, em um grande universo de unidades amostrais que não participaram do tratamento, aquelas que possuem a maior semelhança possível com as unidades que receberam tratamento quanto a características relevantes (co-variáveis) que têm influência sobre a variável resposta. No contexto deste trabalho, a maior similaridade, é definida como a “menor distância” em termos de uma medida multivariada, considerando-se todas as características que individualizam o terreno e que possuam influência sobre a probabilidade de conversão antrópica.
Com esse tipo de abordagem é possível se reduzir o viés estatístico causado pelas co-variáveis na estimação do efeito das áreas protegidas sobre a conversão de habitats naturais, como demonstraram Andam et al. (2008) e Ferraro et al. (2007). Além de se desviar de efeitos da autocorrelação espacial, uma vez que podem ser levadas em conta unidades amostrais situadas em um espaço não contíguo àquele das áreas protegidas.
O método matching possui quatro pontos principais:
1. A definição das co-variáveis que influenciam no resultado da variável estimadora;
2. A definição de uma medida de proximidade, utilizada para definir um bom par para a comparação. Em geral são utilizados o Índice de Propensão (Propensity Score Matching) ou a Distância de Mahalanobis (Mahalanobis Score Matching);
3. Implementação de um método matching, dadas as medidas de distância (ex: vizinho mais próximo, Kernel, Raio);
4. Avaliação da qualidade dos resultados obtidos do matching;
Baseados nas características do método de análise adotado, bem como dos requisitos teóricos e práticos pertinentes ao tema do presente estudo, subdividiu-se a metodologia em: definição e obtenção das variáveis de interesse (variável tratamento, variável resposta e co-variáveis); pré-seleção de um conjuntos de co-variáveis que melhor expliquem a variação na área antrópica; realização e avaliação da qualidade do matching e estimação dos resultados (Figura 2).
Figura 2 - Fluxograma da metodologia adotada no estudo. 1) Pré-seleção dos melhores conjuntos de variáveis; 2) realização e avaliação da qualidade do matching.
2.3. Processamento de dados geográficos/cadastrais
O processamento foi realizado com o objetivo de se obter informações referentes às variáveis consideradas (variáveis tratamento, resposta e co-variáveis) para cada uma das células de uma grade regular com dimensões de 1000m por 1000m. A grade regular abrangeu toda a área de estudo, ou seja, a interseção entre o Estado de Goiás/Distrito Federal (base IBGE) e o mapa do Bioma Cerrado. As células da grade regular obtida passaram a definir cada uma das unidades amostrais, com dados dos demais planos de informação. Como resultado final do processamento, foram obtidas para cada uma das unidades da grade regular a eventual ocorrência de área protegida (tipo, grupo e esfera governamental), a área de cobertura antrópica no interior de cada célula, além de 17 variáveis independentes (apêndice I).
O mapa de áreas protegidas foi criado a partir das informações espaciais e dados cadastrais das Unidades de Conservação, Terras Quilombolas e Terras Indígenas, obtidos a partir da base de órgãos oficiais. Para o caso de sobreposição espacial entre unidades, foi mantida aquelas de maior restrição, com precedência de Terra Quilombola e Terra Indígena sobre Unidades de Conservação. Apenas unidades amostrais completamente incluídas nos limites de uma unidade de área protegida foram consideradas, sendo desconsideradas células em regiões limítrofes entre área protegida e área não protegida ou entre áreas protegidas de diferentes tipos ou grupos (Figura 3).
Todos os processamentos para a obtenção de dados espaciais foram realizados por meio do software ARCGIS 10.1, sendo adotado como sistema de referência espacial a projeção cônica de Albers (South America Albers Equal Area Conic).
Figura 3 - Grade regular com células de 1000 por 1000m, apresentando unidades amostrais com áreas protegidas, unidades amostrais excluídas da análise e unidades amostrais do buffer de 20 km.
2.4. Variáveis Independentes e seleção de modelos
Segundo Geist & Lambin (2002) e Lambin et al. (2001) a conversão de hábitats naturais está ligado a fatores mediatos e imediatos, locais e regionais, que se originam a partir de combinações de características diversas do contexto social, político, econômico e cultural, e sofre influências de fatores ambientais que predispõem o ambiente à ação humana. Estudos específicos para a região do Cerrado apresentam, sobretudo, uma relação da conversão antrópica com a expansão agrícola e a ampliação da infraestrutura urbana e de transportes na região, sob influência de atributos ambientais, demográficos, econômicos e políticos/institucionais.
Como variáveis que possivelmente possuem influência sobre a conversão antrópica, no presente estudo, foram levadas em conta atributos ambientais (altitude, declividade, distância a rios), econômicos (produção pecuária, produção de grãos, PIB municipal, PIB per capita, renda média rural, renda média urbana), censitários/sociais (densidade populacional, densidade populacional rural, densidade populacional urbana, IDH) e institucionais/infraestrutura (área do município, distância a cidades, distância a estradas, distância a rios).
O conjunto ideal de variáveis independentes é aquele que abrange as características do ambiente que melhor determinam a distribuição da probabilidade de conversão antrópica ao longo do território, na ausência da variável cujo efeito procuramos estimar (a ocorrência de áreas protegidas). Com o objetivo de selecionarmos os melhores conjuntos de variáveis submetemos as 17 co-variáveis a um processo de seleção que consistiu na: 1) combinação das diferentes variáveis a fim de se obter todos os possíveis subconjuntos; 2) realização de análise por meio de regressão logística múltipla para diferentes tratamentos, 3) avaliação dos resultados obtidos e pré-seleção dos 100 melhores conjuntos de variáveis para posterior realização do matching.
Para a pré-seleção dos 100 melhores subconjuntos de co-variáveis, observou-se o percentual médio de acerto entre a condição prevista pelo modelo com base nas co-variáveis e aquela realmente observada no território, levando-se em consideração diferentes graus de antropismo. Foram observados seis distintos tratamentos na obtenção dos modelos de regressão logística: 1) conversão antrópica menor do que 10% da área da unidade amostral 2) conversão antrópica menor do que 20% da área da unidade amostral; 3) conversão antrópica menor do que 30% da área da unidade amostral; 4) conversão antrópica maior do que 70% da área da unidade amostral; 5) conversão antrópica maior do que 80% da área da unidade amostral; 6) conversão antrópica maior do que 90% da área da unidade amostral. Para cada uma dessas situações, a variável dependente Y para a unidade amostral i recebeu o valor 1, no caso de cumprir tal requisito, e 0 no caso de não o cumprir. O percentual de acerto refere-se à coincidência entre a condição prevista (1 ou 0) e a observada (1 ou 0).
Todas as análises do processo de seleção de variáveis foram realizadas por meio do software R 3.0.2, sendo os 100 conjuntos pré-selecionados, posteriormente, submetidos ao matching.
2.5. Análise Matching
Para a estimação do efeito médio do tratamento (ATT), realizou-se o matching com Distância de Mahalanobis (Mahalanobis Score Matching), utilizando-se os 10 vizinhos mais próximos em relação às características observadas. Tal procedimento foi repetido independentemente para a obtenção de resultados para cada um dos grupos avaliados: áreas protegidas (todas), unidades de conservação (todas), unidades de conservação de proteção integral, unidades de conservação de uso sustentável, terra quilombola, terra indígena, unidades de conservação da esfera federal e unidades de conservação da esfera estadual.
Para a seleção do subconjunto de modelos que possuíssem as melhores características quanto à qualidade do matching, foram avaliados o viés, erro padrão do efeito médio do tratamento e pseudo-R² dos modelos obtidos, selecionando-se os 20 melhores.
O modelo que apresentou a melhor qualidade dentre os 20 selecionados foi submetido ao teste para a análise da sensibilidade dos resultados ao viés oculto. O método proposto por Rosenbaum (2002) verifica o efeito que a variável não observada u causaria nos resultados para os diferentes níveis de Г. Para qualquer magnitude de Г ≥ 1 é calculado o intervalo de possíveis p-valores (Pmáx e Pmín) ou intervalos de confiança do efeito tratamento. As conclusões do estudo são alteradas pelo viés causado por variáveis não observadas para determinado nível de Г, em que o Pmín apresentar valor reduzido e o Pmáx apresentar valor elevado (maior do que 0.05). Dessa forma é determinado o viés necessário para que uma variável não considerada no estudo altere de forma significativa os resultados obtidos. Estudos que apresentem um Pmáx elevado (p>0,05) para níveis de Г próximos de 1 são considerados muito suscetíveis ao viés oculto, enquanto níveis maiores de Г indicam maior robustez dos resultados. Um valor de Г próximo a 2 é considerado de moderado a alto para estudos observacionais.
Para a avaliação de eventual influência do efeito da autocorrelação e efeito vazamento sobre os resultados obtidos, foram comparados resultados obtidos para o efeito médio do tratamento quando considerado na análise unidades amostrais do grupo não tratado situadas a uma distância de até 20 km das áreas protegidas, com aqueles em que essas unidades foram excluídas.
Todas as análises estatísticas referentes ao procedimento de matching e análise de sensibilidade ao viés oculto foram realizadas por meio do software Stata 13.0, com a utilização do pacote ‘psmatch2’ e ‘Rbounds’, respectivamente.
3. RESULTADOS
A espacialização das variáveis de interesse no estudo resultou em uma grade regular com 327.457 unidades amostrais, das quais 22.531 referiam-se a unidades pertencentes a áreas protegidas e 304.926 unidades referiam-se ao restante do território. Um total de 48 unidades de área protegida apresentaram requisitos de acordo com a amostragem realizada. As unidades consideradas foram aquelas que permitiram a completa inclusão de no mínimo uma unidade da grade regular dentro dos limites da área protegida, excluída a faixa limítrofe daquela unidade. O grupo de Unidades de Conservação de Uso Sustentável foi o que apresentou a maior área amostrada e número de unidades consideradas no estudo (apêndice II).
Os 100 melhores conjuntos de variáveis pré-selecionados por meio da regressão logística múltipla apresentaram uma pequena diferença quanto ao percentual de corretas classificações por classe de antropismo (Tabela 2). Mesmo sem qualquer ajuste posterior, os modelos de regressão logística obtidos tiveram um alto percentual de corretas classificações das observações para classes com baixo antropismo (70%) apresentaram um percentual de classificação correta inferior, com até 67,70% de corretas classificações.
Tabela 2 – Percentuais de classificação corretas para diferentes classes de antropismo para os 100 melhores conjuntos de dados pré-selecionados.
Após a realização do procedimento de matching com os conjuntos de variáveis pré-selecionadas e avaliação dos atributos da qualidade observados (viés, erro padrão e pseudo R²) foram escolhidos os 20 melhores modelos (apêndice III) e, dentre esses, o que apresentou as melhores características. Cada conjunto de variáveis pertencente ao grupo de 20 melhores modelos selecionados apresentou entre 4 e 8 diferentes co-variáveis, não ocorrendo no mesmo conjunto variáveis com informações semelhantes (ex: declividade percentual e declividade classificada, população rural do município e população total do município). Para todo o grupo, houve a ocorrência de 13 das 17 variáveis observadas no presente estudo (ausentes as variáveis renda média urbana, IDH, PIB do município e PIB per capita). O conjunto de variáveis que apresentou o melhor desempenho relativo para as características da qualidade do matching teve como variáveis: declividade (classificada), cabeças de gado por km², produção de grãos por km², distância a estradas, distância a rios e população total do município por km².
O subconjunto dos 20 melhores modelos apresentou um suporte comum de escore multivariado entre os grupos tratamento e controle, com valores entre 0,5 e 15,7, com maior frequência de menores valores. Na figura 4, observa-se a distribuição dos escores para as unidades pertencentes às áreas protegidas e para aquelas unidades amostrais do grupo controle que foram efetivamente utilizadas na estimação do efeito médio do tratamento. Essas somaram 32.418 unidades amostrais, correspondendo a aproximadamente 10% de toda a área de estudo.
Figura 4 – Distribuição dos escores obtidos para a distância de mahalanobis entre as amostras tratadas e não tratadas.
Tais modelos permitiram uma significativa redução do viés após o matching, representando uma redução de no mínimo 95% e no máximo 99% em relação ao viés observado antes do matching (Tabela 4). Para o grupo dos 20 melhores modelos, houve um viés remanescente médio após o matching de 2,80, enquanto o melhor modelo apresentou viés remanescente médio de 2,04 (Figura 5). Além de redução muito elevada do viés, houve uma redução média superior a 98% em relação ao observado antes do matching, com valor inferior a 1%, para a maioria dos tipos e grupos de área protegida. Tais fatores indicam que foi obtido um bom grupo controle para a obtenção do efeito médio do tratamento.
a) b)
Figura 5 – Gráfico Quantil-Quantil para os escores da Distância de Mahalanobis entre o grupo tratamento e controle antes (a) e após o matching (b).
Os resultados obtidos para o melhor modelo mostraram-se pouco sensíveis à influência de variáveis não observadas no estudo, sendo resistente mesmo sob a influência de um viés elevado (Г próximo a 2) ou muito elevado (Г próximo ou superior a 3) causado por variáveis não observadas (Tabela 3). Os grupos que tiveram um menor desempenho foram as unidades de conservação de uso sustentável (Г ≈ 2,0) e as unidades da esfera estadual (Г ≈ 1,9), mesmo assim, com elevada resistência à influência de viés oculto. Outro fator que aponta a robustez do modelo foi a baixa variação no efeito médio do tratamento entre o melhor modelo e o grupo dos 20 subconjuntos de modelos (apêndice III).
Tabela 3 – Valores de Pmáx para os níveis de Г.
O efeito médio do tratamento demostrou que as áreas protegidas apresentaram um efeito positivo na preservação da cobertura natural (Tabela 4). Foi estimada uma diferença negativa em relação ao grupo controle de 15,32% (erro padrão = 0,84), indicando que, na ausência daquelas áreas na região de estudo, haveria um acréscimo médio de 15,32 hectares de área antrópica por km². Foi observada uma importante variação entre diferentes tipos e grupos de restrição das áreas protegidas, variando de -54,04 ha/km² (erro padrão 0,78 ha/km²), para Unidades de Conservação de Proteção Integral, a -4,82 (erro padrão 0,97 ha/km²), para Terra Quilombola.
Tabela 4 - Efeito médio do tratamento estimado a partir do melhor conjunto de dados.
Além de diferença entre os diferentes tipos e grupos de restrição das áreas protegidas, foi observada uma grande diferença no efeito médio das áreas protegidas em relação às esferas governamentais a que pertenciam as unidades. Aquelas pertencentes à esfera federal evitaram, em média, a conversão de 26,60 ha/km² (erro padrão = 1,54), enquanto as unidades da esfera estadual apresentaram um valor de efetividade 3 vezes menor, 7,95 ha/km² (erro padrão = 0,70) (Tabela 5). Resultado semelhante se repetiu quando foi observada a diferença entre os grupos de Unidades de Conservação. Para Unidades de Proteção Integral, as Unidades Federais apresentaram valor de efetividade cerca de 30% mais elevado do que as unidades estaduais, enquanto unidades de Uso Sustentável apresentaram uma diferença superior a quatro vezes no efeito médio entre as esferas governamentais.
Os resultados obtidos não tiveram influência ou foram muito pouco influenciados pelo efeito da autocorrelação/efeito vazamento. A maioria dos tipos e grupos de área protegidas não apresentaram qualquer diferença significativa para a efetividade estimada entre análises com e sem unidades amostrais do buffer de 20 km (Figura 6). Quando presente, como no caso do grupo de unidades de esfera estadual, o efeito da autocorrelação/vazamento foi de natureza positiva. Isso implica que a região próxima a essas áreas protegidas apresentaram uma menor probabilidade de sofrer conversão para classes antrópicas do que áreas similares não imediatamente próximas, o que resulta em uma subestimação da efetividade média do grupo. Apesar da possível subestimação para esse grupo, a diferença não é capaz de causar alterações importantes na comparação com as áreas da esfera federal.
Figura 6 – Efeito médio do tratamento com unidades amostrais do buffer (preto) e sem unidades amostrais do buffer (cinza).
4. DISCUSSÃO
A conversão de habitat natural em antrópicos possui consequências diretas sobre padrões e processos ecológicos, sendo apontada como a maior ameaça à biodiversidade global. Tal relação se dá diretamente, com a diminuição de disponibilidade de habitat natural e por meio de alterações mediatas sobre atributos da paisagens, mudanças climáticas e a sobrexploração de recursos ambientais. Tais elementos possuem um impacto sinérgico, resultando em um maior risco de perda de populações biológicas. A região de savanas, por sua grande extensão e características ambientais favoráveis ao uso antrópico, responde de forma especialmente importante pelo total de habitat natural convertido no globo e vem sendo apontada como uma das regiões de maior risco para a conservação da biodiversidade e como uma das principais fontes de liberação de carbono para a atmosfera.
O processo de conversão de habitats naturais na região de savanas no Brasil, já tem apresentado efeitos relevantes sobre sua biota, ocupando o Cerrado a segunda pior posição em número de espécies ameaçadas entre os 6 biomas brasileiros, à frente, apenas, do Bioma Mata Atlântica. São previstas para um futuro próximo alterações na distribuição espacial de espécies, na composição e principais descritores de comunidades biológicas devido à ação antrópica sobre o uso e ocupação do solo e alterações climáticas na região. Estimativa recente, levando em conta alterações previstas no uso e cobertura do solo até 2050, apontou que entre 6,4% e 8,4% das espécies de mamíferos do Cerrado desaparecerão até aquela data, sendo que a região central e sudeste do Bioma apresentaram as maiores perdas de biodiversidade e menores incertezas nas estimativas.
O método de matching, juntamente com o procedimento utilizado para a escolha dos melhores conjuntos de variáveis, foi capaz de reduzir de forma muito elevada o viés na estimação do efeito médio das áreas protegidas sobre a conversão antrópica, reduzindo a influência de outras variáveis. Conforme os testes de sensibilidade realizados e a proximidade dos resultados para o efeito médio das áreas protegidas entre diferentes conjuntos de variáveis, os resultados mostraram-se bastante resistentes quanto a eventuais características com potencial influência sobre a antropização de habitats naturais não consideradas no estudo. O método de matching permitiu, ainda, que fosse reduzida a influência do efeito da autocorrelação e do efeito vazamento. Considerando-se a cada vez maior disponibilidade de informações especializadas, a utilização desta metodologia para a avaliação do efeito das áreas protegidas mostra-se cada vez mais promissora, além de permitir a obtenção de resultados com maior rigor e precisão, se comparado com outras metodologias, a exemplo da comparação com regiões próximas (buffer).
Os resultados obtidos no presente trabalho ratificam a importância das áreas protegidas para a contenção da conversão de habitats naturais. Para a área em estudo, o grupo das áreas protegidas foram responsáveis pela contenção de 15 ha/km² na conversão antrópica, variando entre os diferentes tipos e grupos. Dentre os grupos de restrição de Unidades de Conservação, tipo de área protegida cujos objetivos estão diretamente relacionados à preservação do ambiente natural, foi observada variação quanto aos grupos “Proteção Integral” e “Uso Sustentável”. As UCs de Proteção Integral apresentaram uma elevada capacidade de evitar a conversão de habitat natural, com efeito médio de 54,04 ha/km². O grupo de Unidades de Conservação de Uso Sustentável, mais numeroso e com maior área do que o grupo de Proteção Integral, mostrou-se menos efetivo em evitar a conversão antrópica. Na ausência desse tipo de unidade, seria esperado um acréscimo de área antrópica de 9,86 hectares por km². Boa parte da reduzida efetividade apresentada pelo grupo se deve a uma das categorias de Unidades de Conservação, as Áreas de Proteção Ambiental. Esse tipo de unidade permite certo grau de ocupação humana, sendo menos restritiva quanto ao uso do que as demais categorias. Tal resultado sugere que unidades da categoria de Área de Proteção Ambiental podem não ser os instrumentos mais adequados para a redução do processo de conversão antrópica de habitats naturais.
Apesar de as Terras Indígenas não serem um tipo de unidade que tem como objetivo primário a conservação ambiental, sendo sua relação mais estreita com a preservação de culturas e povos tradicionais, os dados obtidos sugerem uma eficiência semelhante à do grupo de Unidades de Conservação (UC), com 16,70 ha/km² da conversão antrópica evitada. Tal semelhança é coerente com resultados observados para outras regiões, como o Bioma Amazônico, por exemplo, em que esse tipo de unidade apresentou efetividade tão elevada quanto a do grupo de Proteção Integral. Quanto a Terras Quilombolas, os resultados sugerem que essas possuem uma baixa efetividade, servindo tal tipo de unidade mais aos propósitos da conservação de culturas tradicionais do que à preservação do habitat natural. Embora os resultados obtidos para esses tipos de área protegida sejam válidos para a região de estudo, é conveniente um maior esforço amostral a fim de se estimar com maior segurança o efeito global desses tipos de áreas protegidas, uma vez que na região de estudo não existe um grande número de unidades desses tipos.
Os resultados do estudo apontaram uma diferença importante entre unidades da esfera governamental federal e estadual. Diversos fatores podem estar relacionados a uma menor efetividade das unidades da esfera estadual, a exemplo de uma maior influência do poder político e econômico local sobre medidas reguladoras do uso da terra, em face de uma menor disponibilidade de recursos econômicos, de infraestrutura e de pessoal voltados para a manutenção das áreas protegidas. A confirmação de tais fatores, contudo, pendem quanto a uma objetiva investigação.
5. CONCLUSÃO
As variáveis observadas neste trabalho, com a utilização do método de matching, foram capazes de reduzir de forma muito elevada o viés na estimação do efeito médio das áreas protegidas sobre a conversão antrópica. Além disso, o método matching permitiu que os resultados fossem obtidos sem a influência do efeito da autocorrelação e do efeito vazamento ou com apenas um pequeno efeito remanescente para algum dos grupos observados. Na maioria das áreas protegidas, foi observada influência positiva das unidades sobre a manutenção do habitat natural, contudo com grande variação do efeito médio em função do tipo, grupo ou categoria de restrição a que pertenciam. Para o grupo de Unidades de Conservação, além de variação do efeito médio do tratamento em função do grupo de restrição, houve, ainda, variação quanto à esfera governamental. As Terras Indígenas e Terras Quilombolas, embora não sejam tipos de unidades que têm como objetivo primário a conservação ambiental, apresentaram um efeito médio positivo para a conservação do habitat para as unidades presentes na área de estudo. As Terras Indígenas apresentaram valores próximos àqueles observados para Unidades de Conservação, enquanto Terras Quilombolas apresentaram o menor efeito médio.
Tradução - inglês 1. INTRODUCTION
The degradation of natural habitats in the tropical zone holds an important place in political agendas, both nationally and globally. With the purpose of containing threats to natural habitat areas, some environmental policy instruments have been used in a context of biodiversity conservation, such as environmental certification and licensing, payment for ecosystem services (Angelsen et al., 2009), fiscal and commercial policies (UNEP, 2004), and – specially –, the establishment of protected areas (Chape, Spalding, & Jenkins, 2008; Naughton-Treves, Holland, & Brandon, 2005; Schmitt et al., 2009).
Although usually treated as a single kind of strategy, protected areas are established with different purposes, which were set in the Convention of Biological Diversity (ONU, 1992), in addition to national policy instruments. Their most common purposes are: protecting ecosystems; and all their constituent species (Nagendra, 2008); protecting ecosystem services (Angelsen et al., 2009); protecting populations of certain threatened species (Dudley, 2008); or even protecting traditional cultures (Beltran & Phillips, 2000; Redford & Fearn, 2007). In Brazil, these areas were defined through the National Strategy Plan for Protected Areas (Plano Estratégico Nacional de Áreas Protegidas, Brasil, 2006). The group of protected areas include Conservation Units, whose main purpose is to preserve biological diversity, and Indigenous and Quilombola Lands, whose main purpose is to preserve socio-cultural diversity. Conservation Units are divided in two main groups: Full Protection units and Sustainable Use units. These groups differ as to the level of restriction to the use and access to the units. Full Protection units vary between IUCN’s categories I and III, while Sustainable Use units vary between categories IV and VI (Dudley, 2008). Conservation Units might be part of either federal or local governmental spheres, differing as to the agents responsible for the unit’s management.
Given the variety of goals that these conservation strategies are trying to reach, studies on the effectiveness of these areas and their purposes have different focuses and subjects of analysis. The most common ones are the influence of protected areas over the preservation of natural habitats (Geldmann et al., 2013; Joppa & Pfaff, 2010). In this context, the effectiveness might be seen as a measure of the influence of protected areas (territories with special regulation of use and access) over the anthropic conversion of the natural habitat. This attribute of protected areas might vary according to: regional and local differences, methods used for evaluation (Geldmann et al., 2013; Joppa & Pfaff, 2010); or even according to different categories attributed to protected areas, which might vary from most restrictive to the least restrictive (Joppa & Pfaff, 2011; A. Nelson & Chomitz, 2009, 2011; Nepstad et al., 2006). As a result, some studies point out the existence of units or categories of units whose effects are not different from those seen in non-protected regions (eg. Abbot; Homewood, 1999; Nelson, G. C.; Harris; Stone, 2013). Some studies even point the negative effects of certain protected areas over habitats preservation. Units which have no relevant or positive effect over the conservation are commonly referred as “paper parks”.
Naughton-Treves et al. (2005), Nagendra (2008) and Geldmann et al. (2013) conducted revisions of the studies produced about this theme and noticed that those studies unequally encompass different geographic or biogeographic regions, with different kinds of habitat also focused unequally. Of the 141 groups of constant data found in 64 revisited articles, a total of 132 were about forest environments, with only 3 about the Savannah or other environments. The great majority of studies in Brazil about this theme refer to the Amazon biome, while the Cerrado biome remains unevaluated (Adeney, Christensen, & Pimm, 2009; Nepstad et al., 2006; Soares-Filho et al., 2006; Yanai, Fearnside, Graça, & Nogueira, 2012).
The little attention given to non-forest environments, like Cerrado, is not consistent with the biological importance and the anthropic pressure on these regions. The latest evaluations on the preservation of Brazil’s natural habitat indicate that Cerrado is the biome with the largest absolute deforested area, with a converted area of 982,227 km² (IBAMA, 2009, 2011a, 2011b), representing 49.16% of its original area; it also has the biggest current rates of deforestation among the Brazilian biomes (MMA, 2011), a more serious situation than in the Amazon biome, for example. The abundance of endemic species and the anthropic pressure make Cerrado one of the 34 world hotspots (Mittermeier et al., 2005), areas globally recognized as of special interest to conservation.
Deforestation, be it historical or present, is not evenly distributed throughout the different regions of Cerrado. It is mainly concentrated in the biome’s southeast, south and southwest regions. Due to the continental dimensions of Cerrado, as well as its heterogeneity in terms of environment and biological composition, a concentrated distribution of deforestation in specific regions indicates that species, communities and ecosystems in bio-geographical (Ratter, Bridgewater, & Ribeiro, 2003) or physiographic (Cochrane, Sánchez, Azevedo, Porras, & Garver, 1985) units representing regions with a larger percentage of cleared area are under threat (Felfili, 2005), such as the region occupied by Goias state and the Federal District, in the biome’s central region.
In a context of threat to biodiversity, environment services and resources, and in which there is a continuing conversion process of Cerrado’s natural habitats, it is relevant to know if public policies related to the creation of protected areas are efficient in reducing the anthropic conversion process in a local and regional scale, as well as if there is a difference as to the effect between different unit categories. This study aims at evaluating the effect of protected areas in preventing the progress of deforestation in natural areas of Cerrado’s nuclear region, considering the non-randomness of the allocation of this kind of unit throughout the territory, as well as the influence of other variables on the changes in the land’s occupation and use.
2. METHODOLOGY
2.1. Area of Study
The study’s area of interest is the nuclear region of the Cerrado biome, defined by the intersection between the borders of Goias state, the Federal District and the Cerrado’s limits as defined by Brazil’s Map of Biomes (IBGE, 2004). The area of interest is of 335,364 km² approximately, accounting for 16.5% of the biome’s total area and 4% of the Brazilian continental territory. The area of study covers two units of the Federation: the Federal District and the largest part of Goias state (97% of its territory within Cerrado’s limits). An area of about 10,500 km² located between the states of Goias and Minas Gerais is located in the Atlantic Forest biome, therefore is not considered (Picture 1).
This is a region with typical Cerrado characteristics, with a big percentage of its area formed by a savannah vegetation, covering parts of 3 of Cerrado’s 6 main centres of biological endemism. It is the region with the oldest process of consolidated occupation and colonization in the biome, comprising a significant portion of the total of protected areas in the Cerrado. A percentage of 66.44% of the area of study, approximately 222,823 km², belong to classes of anthropic use, while the other 33.56% belong to natural habitat areas (Picture 1).
Picture 1 – Protected areas and use of the land in the region defined for study.
The Conservation Units in Goias and in the Federal District account for about 12% of the Cerrado’s territory. They are 56 units (except for RPPNs), with a total area of 21,871 km² (6.52% of the area of study) divided in the groups Full Protection (1.11%) and Sustainable Use (6.33%) (Table 1). The overlap between these categories of restriction accounts for 3090 km² of the area (0.92% of the area of study). As for the government sphere, Conservation Units might be either State or Federal. In the area of study there are 15 federal units and 41 state units, occupying a similar total area.
The Conservation Units also share the area of study with 4 units of Indigenous Land, with an area of 412 km² (0.12% of the area of study) and 5 units of Quilombola Lands, with an area of approximately 2,750% (0.82% of the area of study).
Table 1 – Conservation Units in Brazil, in the Cerrado and in the Area of Study. Units in the RPPN (National Heritage Private Reservations) were not considered.
2.2. Medium-Term Effect of Protected Areas
Evaluations on the effect of protected areas in preventing natural habitat conversion have a wide variety of approaches, with studies evaluating different scales of analysis, covering different environments and specially adopting different methodologies. The main factors distinguishing these analyses are: 1) the response variable or estimator considered in the analysis; 2) the definition of the element used as a base for comparison with the one obtained for protected areas (counterfactual element); 3) use of controls of statistic bias and evaluation on the occult bias according to other variables not considered in the study (Andam, Ferraro, Pfaff, Sanchez-Azofeifa, & Robalino, 2008).
As for the response variable, this kind of evaluation considers events as direct effects or correlated to anthropic changes in natural habitats. Most studies use estimators based on the calculation of areas of deforestation or based in the presence of classes for anthropic use (e.g. urban, agricultural, artificial pastures, exposed soil), analysing absolute data (converted areas) for a same period or between different periods. Rates of change between periods are also used, as well as the probability of change between different states (anthropic x natural), considering other environmental characteristics (for example: declivity, distance to roads, and distance to towns). (Cropper, Puri, & Griffiths, 2001; Pelkey, Stoner, & Caro, 2000; Yanai et al., 2012). In addition to the calculation of the cleared area itself, authors also use events related to changes in the use of land, such as occurrence/frequency of fires (Adeney et al., 2009; A. Nelson & Chomitz, 2011; Nepstad et al., 2006).
Considering that protected areas are regions that are treated in order to quantify their effects, it is necessary to choose an element to which the response variable will be compared. According to Ferraro et al. (2007), the ideal comparison would be between the delimited area and the protected area, in case no unit of this kind is implanted. As we have no direct access to this information, we need to properly define a based reference for measuring deforestation or avoiding anthropization. The counterfactual elements, or comparison elements, are based in the classifications of Joppa & Pfaff (2010) and of Geldmann et al. (2010), and can be: “compared to nearby time”, “compared to everywhere”, “compared to nearby land” and “compared to similar habitats outside.”
Although comparison to nearby regions (buffer analysis) or comparison to the entire outside region might be more commonly used (Geldmann et al., 2013; Nagendra, 2008),, the most promising strategy is the one that considers as counterfactual elements the regions which are environmentally and socially similar to protected areas. The main advantage of this strategy is a better efficiency in the control of two main sources of bias: the mistake in spatial correlation and the mistake in spatial correlation (Ferraro et al., 2007; Joppa & Pfaff, 2010) (Ewers & Rodrigues, 2008; Ferraro et al., 2007; Joppa & Pfaff, 2010; A. Nelson & Chomitz, 2009).
The first mistake comes from the non-randomness of the allocation of protected areas units throughout the territory (Joppa & Pfaff, 2009) and the influence of other variables on the anthropic conversion. The non-randomness of the allocation of these areas is related to a bigger number of units in regions that are less adequate to human use (Green & Sussman, 1990; Hunter & Yonzon, 2013; Pauchard & Villarroel, 2002; Scott et al., 2001), with less political opposition to its instalment (Brandon & Redford, 1998; Evans, 1999), or even to the very aspect of these areas, whose purpose, by definition, is to preserve regions with attributes of biological and environmental importance, which are not randomly distributed in the territory (MMA & SBF, 2002; Myers, Mittermeier, Mittermeier, Fonseca, & Kent, 2000; Scaramuzza et al., 2008). The control of other variables is thus necessary in order not to confuse the influence of protected areas with the influence of other variables on the probability of change in the use of land. Using a sampling model that does not consider controls of this kind of bias might weaken the results obtained on the effect of protected areas, for they are comparing regions with different environment characteristics and which are under different social dynamics, resulting in different probabilities for anthropic conversion (Ferraro et al., 2007; Joppa & Pfaff, 2009, 2010; A. Nelson & Chomitz, 2009). In general, the lack of control in this kind of mistake results in the overestimation of the protected areas’ efficiency, given that they are being compared with regions that usually have a higher probability of anthropic conversion than the protected areas.
The second mistake that should be controlled happens when the use of land in a region might affect the probability of use and occupation in nearby regions, in an effect related to the spatial autocorrelation (Ferraro et al., 2007). In the case of protected areas, it has been noted that regulation and restriction of the use of land by political agents has resulted in changes in the use of nearby regions that are not regulated (Wu, 2000; Wunder, 2008). The “spill over effect” is a special kind of mistake related to spatial autocorrelation (Ewers & Rodrigues, 2008; Ferraro et al., 2007). In the context of study of protected areas, such an effect refers to the wide shift of anthropic activities caused by the public regulation in the use of land (Fearnside, 2008; Joppa & Pfaff, 2010; Yanai et al., 2012). Ferraro et al. (2007). Ferraro et al. (2007) classified the spill over effect negatively – when instalments in a protected area result in anthropic pressure on the surrounding area (e.g. increase in economic, agricultural or touristic activities) –, or positively (e.g. creation of new protected areas nearby, prevention of the increase in the region’s transport infrastructure).
In the case of actions to the effect of protected areas, the comparison with areas directly influenced by these units results in statistic bias, for the event they are trying to assess (the influence of protected areas on the estimator – the total cleared area, for example) is also present on those regions. Sampling designs that do not seek to control this mistake might result in an underestimation of the effect of those units (should the protected are reduce the probability of natural habitats conversion in nearby regions) or an overestimation (should the protected areas promote an increase in natural habitats conversion in nearby regions).
The bias caused by these two mistakes can be reduced significantly by choosing a proper control group, in a sampling design that mimic randomized experimental studies. In this kind of study, the evaluation of different treatments is made by the random designation of sampling units to the control group and to that which received this determined treatment, whose effect will be evaluated. These sampling units differ only in the characteristics that are important to the study, the other co-variables being commonly distributed between the group that received treatment and the other that did not. Observational studies, like the present one, aim at replicating this kind of experiment – the closest possible –, obtaining a treated control group with similarly distributed co-variables (Stuart, 2010).
In the matching method (Rosenbaum, 2010; Rubin, 1974), when applied to observational studies, the control group is formed ex post. The general purpose of this method is to find, in a wide variety of sampling units that are not part of the treatment, those which share most similarities possible with units that received treatment when related to relevant characteristics (co-variables) that have an influence on the response variable (Caliendo & Kopeinig, 2008; Stuart, 2010). In the context of this work, most similarities are defined as the “smaller distance” in terms of a multivariate action, considering all the characteristics that individualize the land and that have an influence on the probability of anthropic conversion.
This kind of approach makes it possible to reduce the statistic bias caused by co-variables on the estimation of the effect of protected areas on natural habitats conversion, as demonstrated by Andram et al; (2008) and Ferraro et al. (2007). It also avoids effects of spatial autocorrelation, given that sampling units located in a space not adjacent to those of protected areas are considered.
The matching method has three main points (Caliendo & Kopeinig, 2008; Stuart, 2010):
1. The definition of co-variables influencing the result of the estimator variable;
2. The definition of a proximity measure, used to define a good pair for the comparison. The Propensity Score Matching or the Mahalanobis Score Matching are more generally used;
3. Implementation of a matching method with the given distance measures (e.g. nearest neighbour, Kernel, Ray);
4. Evaluation of the quality of the results obtained from the matching;
Based on characteristics of the method of analysis adopted, as well as of the theoretic and practical requirements relevant to this present study’s theme, the methodology was divided in: definition and obtaining of the variables of interest (treatment variable, response variable and co-variable); pre-selection of a group of co-variables that better explain the variation in the anthropic zone; realization and evaluation of the matching’s quality and estimation of the results (Picture 2);
Picture 2 – Methodology flowchart used in the study. 1) Pre-selection of the best variable groups; 2) realization and evaluation of the matching’s quality.
2.3. Geographic/registry data processing
The processing was made with the purpose of obtaining information related to the variables considered (treatment variables, response variable and co-variables) for each one of the cells of a regular grade of 1000m for 1000m. The regular grade covered the entire area of study, that is, the intersection between Goias state/Federal District (based by IBGE) and the limits of the Cerrado (IBGE, 2004). The cells of the regular grade obtained started to define each one of the sampling units, with data from other data plans. As a final result of the processing, it obtained, for each one of the regular grade units, the eventual occurrence of protected area (type, group and government sphere) and the area of anthropic covering on the interior of each cell, in addition to 17 independent variables (appendix I).
The map of protected areas was built from spatial information and registry data from Conservation Units, Quilombola Lands and Indigenous Lands, obtained from the base for official agencies. As for the case of spatial overlapping between units, those with more restriction were kept, with precedence of Quilombola and Indigenous Lands over Conservation Units. Only sampling units that were fully included in the borders of a protected area unit were considered, not considering cells in neighbouring regions between protected areas and not-protected areas, or between protected areas of different types or groups (Picture 3).
All the processing to obtain spatial data were conducted with the help of software ARCGIS 10.1, where the South America Albers Equal Area Conic was adopted as a system for spatial reference.
Picture 3 – Regular grade with cells of 1000 for 1000m, showing sampling units with protected areas, sampling units excluded from the analysis and sampling units from the 20km buffer.
2.4. Independent Variables and Models Selection
According to Geist & Lambin (2002) and Lambin et al. (2001), natural habitats conversion is related to distant and immediate factors, locally and regionally, that originate when several characteristics in a social, political, economic and cultural context are combined together, receiving influence from environmental factors that prepare the environment to human action. Specific studies in the Cerrado region show a relation between anthropic conversion with agricultural expansion and the extension of urban and transport infrastructure in the region, influenced by attributes in environment, demography, economy and political institutions (Alho & Martins, 1995; L. G. Ferreira, Ferreira, Rocha, Ferreira, & Nemayer, 2009; M. E. Ferreira, Miziara, Júnior, Ribeiro, & Ferreira, 2009; M. E. Ferreira, 2009; Klink & Moreira, 2002; Sano, Dambrós, Oliveira, & Brites, 2008; Yoshii, Camargo, & Orioli, 2000).
The present study considered some variables that might influence anthropic conversion, such as environment attributes(altitude, declivity, distance to rivers), economic attributes (animal and grain production, local GDP, GDP per capita, average rural income, average urban income), social/income attributes (population density, rural population density, urban population density, HDI) and institutional/infrastructure attributes (municipalities area, distance to towns, distance to roads, distance to rivers). This information was taken from official data given by the Brazilian Institute of Geography and Statistics (Instituto Brasileiro de Geografia e Estatística – IBGE) and by Goias System of Statistic and Geographical Information (Sistema Estadual de Estatística e Informações Geográficas de Goiás – SIEG).
An ideal group of independent variables covers the characteristics of an environment that best determine the probability for anthropic conversion throughout the territory in the absence of a variable whose effect would be estimated (the occurrence of protected areas). Aiming at selecting the best group of variables, we submitted the 17 co-variables to a selection process based on: 1) the combination of different variables in order to obtain all the possible sub-groups; 2) the realization of analysis using multiple logistic regression for different treatments, 3) the evaluation of the results obtained and the pre-selection of the 100 best groups of variables to be subsequently matched.
For the pre-selection of the 100 best sub-groups of co-variables, we observed the average percentage of agreement between the condition required by the model based on the co-variables and the condition that was really observed in the territory, considering different degrees of anthropic conversion. Six different treatments were noticed when gathering the logistic regression models: 1) anthropic conversion of less than 10% of the sampling unit area; 2) anthropic conversion of less than 20% of the sampling unit area; 3) anthropic conversion of less than 30% of the sampling unit area; 4) anthropic conversion of more than 70% of the sampling unit area; 5) anthropic conversion of more than 80% of the sampling unit area; 6) anthropic conversion of more than 90% of the sampling unit area. For each one of these situations, the dependent variable Y for the sampling unit i have received the value of 1 for when it meets this requirement and the value of 0 for when it does not. The percentage of agreement refers to the coincidence between the required condition (1 or 0) and the observed condition (1 or 0).
All the analyses in the variables selection process were conducted with the help of software R 3.0.2, the 100 pre-selected groups being subsequently matched.
2.5. Matching Analysis
For an estimation of the treatment’s medium-term effect (ATT), a Mahalanobis Score Matching was made using 10 nearest neighbours in relation to the characteristics observed. This procedure was repeated independently in order to obtain results for each of the groups assessed: protected areas (all of them), conservation units (all of them), fully protection conservation units, conservation units of sustainable use, quilombola lands, indigenous lands, conservation units in the federal sphere and conservation units in the state sphere.
For the selection of sub-groups of models that had the best characteristics in matching quality, we evaluated the bias, the standard error of the treatment’s medium-term effect and pseudo-R² of the models obtained, selecting the 20 best.
The model that showed the best quality among the 20 selected was submitted to a test for the analysis of the results’ sensitivity to hidden bias. The method proposed by Rosenbaum (2002) checks the effect that the not-observed variable u could have cause on the results for different levels of Г. For any magnitude Г ≥ 1, the interval of possible p-values (Pmax and Pmin) or confidence interval of the treatment effect is calculated. The conclusions of the study are changed by the bias caused by variables not observed for a given level of Г, in which the Pmin shows a reduced value and the Pmax shows an increased value (more than 0.05) (Rosenbaum, 2010). Thus, the necessary bias in order for a variable that are not considered in the study not to change the results obtained significantly. Studies showing an elevated Pmax (p>0.05), for levels of Г near 1 are considered too susceptible to the hidden bias, while higher levels of Г imply greater robustness on the results. For observational studies, a value of Г near 2 is considered in a scale from moderate to high.
For evaluation of an occasional influence of the autocorrelation effect and spill over effect, two situations were compared: the first, in which the control group’s sampling units located at a distance of up to 20 km from protected areas were excluded from the analysis; and the second, in which these sampling units were considered in the analysis. The protected areas medium-term effect was compared between these cases in order to confirm the existence of a supposed indicative difference in the influence of autocorrelation and spill over effect.
All the statistical analysis referring to the matching procedures and analysis of sensitivity to hidden bias were conducted with the help of software Stata 13.0, using the “psmatch2” (Leuven & Sianesi, 2003) and ‘Rbounds’(Gangl, 2004) packages, respectively.
3. RESULTS
The spatialization of variables of interest in the study resulted in a regular grade with 327,457 sampling units, of which 22,531 referred to units in protected areas and 304,926 units referred to the rest of the territory. An amount of 48 protected area units met the requirements of the conducted sampling. The units included enabled the complete inclusion of at least one unit in the regular grade inside the protected area limits, except for that unit’s neighbouring area. The Conservation Units of Sustainable Use group showed the largest sampling area and numbers of units considered in the study (appendix I).
The 100 best groups of variables pre-selected through multiple logistic regressions showed a small difference in the percentage of anthropic classes correctly classified (Table 2). Even without any posterior adjustment, the logistic regression models had a high percentage of correct classifications for classes with a low level of anthropic conversion (70%) showed a lower percentage of correct classifications, with up to 67.70% of correct classifications.
Table 2 – Percentage of different anthropic classes classified correctly for the 100 best groups of pre-selected data.
After the groups of pre-selected variables were matched and the quality attributes (bias, standard error and pseudo R²) were evaluated, the 20 best models were chosen (appendix II) and, among those, the one with the best characteristics. Each group of variables among the 20 best selected models showed between 4 and 8 different co-variables. Variables with similar information (e.g. percentage of declivity and classified declivity, the municipality’s rural population and the municipality’s total population) did not appear in a same group. There was, in the entire group, an occurrence of 13 from the 17 variables seen in this study (except for the variables of average urban income, HDI, municipality’s GDP and GDP per capita). The group of variables which showed the best relative performance for the matching’s quality characteristics had the variables: declivity, cattle units per km², grain production, distance to roads, distance to rivers and the municipality total population per km².
The 20 best models sub-group had a multi-varied score support common to groups of treatment and control, with values ranging from 0.5% and 15.7%, with a higher frequency of smaller values. In picture 4 we can see the distribution of scores for units in protected areas and sampling units of the control group which have been effectively used on the estimation of the treatment’s medium-term effect. Together they summed up 32,418 sampling units, accounting for nearly 10% of the entire area of study.
Picture 5 – Distribution of scores obtained for the Mahalanobis distance in treated and not treated samplings.
These models enabled a significant reduction in the bias after the matching, accounting for a reduction of at least 95% and up to 99% in relation to the bias seen before the matching (Table 4). For the 20 best models group, there has been a medium-term bias left after the 2.80 matching, while the best model had a bias left of 2.04 (Picture 5). The pseudo R² seen after the matching also showed a significant reduction, while the pseudo R² seen before the matching had an average reduction of more than 98%, reaching values lower than 1% to most of the protected area’s types and groups. These factors indicate a good control group to achieve the treatment’s medium-term effect.
Picture 6 – A Q-Q plot to the Mahalanobis distance scores between treatment and control groups before (a) and after the matching (b).
The results obtained for the best model showed little sensitivity to the influence of variables not seen in the study, resisting even to the influence of an elevated bias (Г near 2) or a highly elevated bias (Г near or higher than 3) caused by variables not seen in the study (Table 3). Groups with lower performances were the conservation units of sustainable use (Г ≈ 2.0) and the units in the federal scale (Г ≈ 1.9), even so, they were highly resistant to the influence of hidden bias. Another factor that points out to the model’s robustness is the low variation on the treatment’s medium-term effect between the best model and the group of 20 sub-groups of selected models (appendix III). Even with the inclusion or exclusion of some variables, the results remained similar.
Table 3 – Values of Pmax for levels of Г.
The treatment’s medium-term effect showed that the protected areas have a positive effect on natural hedging preservation (Table 4). A negative difference of 15.32% (standard error = 0.84%) was estimated in relation to the control group, suggesting that, in the absence of those areas, the area of study would have an average increase of 15.32 hectares of anthropic land per km². An important variation between different types and groups of restriction in protected areas has been noticed, varying from -54.04% ha/km² (standard error 0.78 h/km²), for Fully Protection Conservation Units, to -4.82 (standard error 0.97 ha/km²), for Quilombola Lands.
Table 4 – Treatment’s medium-term effect, estimated from the best data group.
In addition to the difference between different types and groups of restriction, a big difference in the protected areas medium-term effect was noticed in relation to governmental spheres to which the units belong. The units in the federal scale would have avoided, on average, the conversion of 26.60 ha/km² (standard error = 1.54), while the units in the state scale showed an efficiency value 3 times lower, 7.95% ha/km² (standard error = 0.70) (Table 5). A similar result was repeated when the difference between Conservation Units groups was noticed. For Fully Protection Units, the Federal Units have shown an efficiency value about 30% higher than the state units, while the Sustainable Use units have shown a superior difference of four times in the medium-term effect among governmental spheres.
Table 5 – Efficiency of units in the federal and state scale.
The results obtained were not influenced, or very little so, by the autocorrelation effect and spill over effect. Most types and groups in protected areas did not showed any significant difference to the estimated efficiency between analyses with and without sampling units from the 20km buffer (Picture 6). When there is an autocorrelation/spill over effect, as in the units group in the state scale, it had positive results. This indicates a smaller probability for the region near these protected areas to be affected by conversion to anthropic classes, opposed to similar areas which are not near the protected areas, which results in an underestimation of the group’s medium-term efficiency. Despite the possible underestimation for the state units group, the difference is not enough to cause important changes in the comparison to areas in the federal scale.
Picture 7 – The treatment’s medium-term effect, with the buffer’s sampling units (black) and without the buffer’s sampling units (grey).
4. DISCUSSION
The conversion of a natural habitat into an anthropic region has direct consequences on ecological processes and standards, and is pointed as the biggest threat to biodiversity in the world (Brook, Sodhi, & Bradshaw, 2008; Faleiro, Machado, & Loyola, 2013; Pereira et al., 2010; Thomas et al., 2004). This is a direct relation, which reduces natural habitat availability through mediate changes in landscape attributes (Fahrig, 2003), climate changes (Thomas et al., 2004) and social changes intensifying the over-exploitation of environment resources. These elements have a synergic impact, resulting in a higher risk of loss of biological population (Brook et al., 2008). Because of its large extension and environmental characteristics favourable to anthropic use, the savannah region accounts for the total of converted natural habitat in the world, and it is also pointed as one of the regions of higher risk to biodiversity conservation (Mittermeier et al., 2005) and as one of the main causes for release of carbon into the atmosphere (Moutinho & Schwartzman, 2005).
The natural habitats conversion process in savannah regions in Brazil have already shown relevant effects on its biota, placing Cerrado in the second worst place in the rank of the 6 Brazilian biomes with more threatened species, behind only the Atlantic Forest biome (Machado, Drummond, & Paglia, 2008; Martinelli & Moraes, 2013). In a nearby future, researchers expect changes in the spatial distribution of species and in the composition and main descriptors of biological communities due to anthropic action over the use and occupation of soil and climate changes in the region (Diniz-filho et al., 2009; Siqueira & Peterson, 2003). A recent estimative, considering changes in the use and covering of soil until 2050, showed that between 6.4% and 8.4% of mammal species in the Cerrado would disappear up until that date, with the biome’s central and southeast region showing the biggest losses in biodiversity and least uncertainties on the estimates (Faleiro et al., 2013).
The results obtained in this work rectify the importance of protected areas for the contention of natural habitats conversion. For the area of study, two protected area groups were responsible for the contention of 15 ha/km² in the anthropic conversion, varying between different types and groups. A variation in the groups “Fully Protection” and “Sustainable Use” was noticed among Conservation Units, a type of protected area whose purposes are directly related to the preservation of natural environment. Fully Protection Conservation Units show a better ability to avoid natural habitats conversion, with a medium-term effect of 54.04 ha/km². The Conservation Units of Sustainable Use group, more numerous and with a larger area than the Fully Protection group, showed a lower efficiency in avoiding anthropic conversion. In the absence of this type of unity, an increase of 9.86% hectares per km² would be expected. Part of the reduced efficiency is due to one of the Conservation Units categories, the Environment Protection Areas, which showed a medium-term effect of 8.65 ha/km². This type of unity enables a certain level of human occupation inside its limits, and it is less restrictive about the use than the rest of the categories. This result suggests that this type of unit might not be an adequate instrument for the reduction of the natural habitats conversion process.
Although Indigenous Lands are not a type of unit whose primary purpose is environment conversion, the data obtained suggest a similar efficiency to the Conservation Units group, accounting for 16.70% ha/km² of avoided anthropic conversion. This similarity is coherent with the results noticed in other regions, like the Amazon biome, in which this type of unity have shown an efficiency as high as the Full Protection group (Barber, Cochrane, Souza, & Veríssimo, 2012; Nepstad et al., 2006). As for Quilombola Lands, the results suggest a lower efficiency of this type of units, which serve more the purposes of conservation of traditional cultures than of natural habitat. Although the results obtained for these types of protected area are valid to the area of study, it is convenient to employ a bigger effort in the samplings in order to estimate the global effects of these protected areas, given their lack of a big representativeness in the area of study.
The study’s results point out to an important difference between units in the federal and state scale. Several factors might be related to a lower efficiency in federal scale units, for example, a greater influence of local political and economic power over regulative measures in the use of land, allied to a lower availability of economic, infrastructural and personal resources for the maintenance of protected areas. The confirmation of such factors, however, leans towards an objective inquiry.
The matching method, together with the procedure used for choosing the best groups of variables, enabled a big bias reduction in estimates of the protected areas medium-term effect over anthropic conversion, reducing the influence of other variables. According to the sensitivity tests conducted, the results proved fairly resistant as for eventual characteristics not considered in the study and which have a potential influence on the probability of natural habitats conversion. The matching method also enabled a reduction in the influence of the auto-correlation and spill over effects. Considering the rising availability to specialized information, the use of this methodology in the evaluation of the protected areas effect proves to be increasingly promising, enabling the achievement of more accurate and précised results.
5. CONCLUSION
With the matching method, the variables seen in this work were able to significantly reduce the bias on the estimates of the medium-term effect of protected areas on anthropic conversion. In addition to that, the matching method allowed the results to be obtained without the influence from either the autocorrelation effect or the spill over effect, or with only a small remainder effect to some groups observed. In most protected areas, a positive influence from the units was noticed on the natural habitats maintenance, although with great variation on the medium-term effect according to the type, group or category of restriction to which they belong. For the Conservation Units group, in addition to the variation on the treatment’s medium-term effect according to restriction, there has also been variation in the government spheres. Indigenous Lands and Quilombola Lands, although not the type of units that have environment conservation as a primary purpose, have shown a positive average effect to the conservation of habitats in the units present at the area of study. Indigenous Lands have shown values similar to those observed in Conservation Units, while Quilombola Units have shown the lower medium-term effect.
português para inglês: Estilos de vida da população brasileira: resultados da Pesquisa Nacional de Saúde, 2013 General field: Medicina Detailed field: Pesquisa
Texto de origem - português Introdução
Doenças crônicas não transmissíveis (DCNT) constituem a maior causa de morbimortalidade do mundo e sua causalidade é complexa, compreendendo a intersecção de diversos fatores. A Organização Mundial da Saúde (OMS) propôs um modelo de causalidade para as DCNT que inclui diversos elementos, como determinantes e condicionantes socioeconômicos, culturais e ambientais, encontrados na base das desigualdades do processo saúde-doença, fatores de risco comportamentais, (tabagismo, alimentação, inatividade física, consumo de álcool e outras drogas) e fatores não modificáveis (sexo, idade e herança genética).(1)
Os fatores de risco podem ser monitorados pelos estilos de vida adotados, que incluem opções e decisões tomadas pelo indivíduo com respeito a sua saúde e modos de levar a vida. Essas opções incluem decisões sobre atividades de lazer, hábitos alimentares, comportamentos autodeterminados ou adquiridos social ou culturalmente, estando, portanto, parcialmente sob seu controle. Condições limitantes dessas escolhas individuais de “estilos de vida” são, em grande medida, o ambiente social e a situação socioeconômica.(2)
O monitoramento dos estilos de vida é realizado em diversos países, com o intuito de apoiar políticas de prevenção das DCNT e promoção da saúde. No Brasil, os inquéritos populacionais têm crescido em importância nas últimas décadas, permitindo o monitoramento das condições de saúde.(3),(4) Por meio dos inquéritos de saúde é possível conhecer o perfil de saúde e a distribuição de exposições e condições de risco. Ademais, as informações obtidas pelos inquéritos de saúde podem complementar, de maneira importante, o conhecimento sobre as desigualdades em saúde, subsidiando a orientação das políticas de saúde para o alcance de maior equidade na Saúde Pública.(3),(4)
Com o intuito de conhecer as condições de saúde da população brasileira, o Ministério da Saúde e o Instituto Brasileiro de Geografia e Estatística (IBGE) realizaram, em 2013, a Pesquisa Nacional de Saúde (PNS), o mais amplo inquérito nacional sobre a saúde da população brasileira. A PNS reúne um conjunto de informações de abrangência nacional de grande relevância como subsídio à formulação, monitoramento e avaliação das políticas públicas de saúde, para o alcance da maior efetividade de suas ações.(5),(6)
A PNS aplicou um questionário sobre temas referentes aos estilos de vida dos brasileiros. O objetivo do presente estudo foi descrever os estilos de vida da população brasileira quanto à alimentação, atividade física, consumo de álcool e tabagismo.
Métodos
Trata-se de estudo descritivo realizado com dados da Pesquisa Nacional de Saúde – PNS, inquérito de base populacional conduzido, em 2013, pelo Instituto Brasileiro de Geografia e Estatística (IBGE) em parceria com o Ministério da Saúde. A PNS é parte integrante do Sistema Integrado de Pesquisas Domiciliares (SIPD) do IBGE e utiliza a amostra mestra desse sistema, de maior cobertura geográfica e ganho de precisão nas estimativas. Com desenho próprio, a PNS foi elaborada especificamente para coletar informações de saúde.(5)-(7)
A pesquisa é domiciliar e o plano amostral empregado foi de amostragem probabilística em três estágios. No primeiro estágio, houve estratificação das unidades primárias de amostragem (UPA), constituídas pelos setores ou conjunto de setores censitários. Os domicílios formaram as unidades de segundo estágio, e os moradores com 18 e mais anos de idade corresponderam às unidades de terceiro estágio. A seleção da subamostra de UPA foi feita por amostragem aleatória simples.(6)
O plano amostral adotado na pesquisa não foi de amostragem aleatória simples de pessoas. Fez-se um ajuste no tamanho de amostra obtido, considerando-se os valores do efeito de plano amostral (EPA). A amostra foi estimada em 81.254 domicílios e foram coletadas informações em 64.348 deles. Considerando-se os domicílios fechados, a proporção de perdas foi de 20,8%, e a proporção de não resposta, de 8,1%.(6)
Foram definidos pesos amostrais para as UPA, os domicílios e todos seus moradores; e um peso para o morador selecionado. Este último foi calculado considerando-se (i) o peso do domicílio correspondente, (ii) a probabilidade de seleção do morador, (iii) ajustes de não resposta por sexo e (iv) calibração pelos totais populacionais por sexo e faixas etárias, estimados com o peso de todos os moradores. As quatro faixas etárias utilizadas foram as de 18 a 24, 25 a 39, 40 a 59 e 60 e mais anos.(6)
As informações coletadas nas entrevistas foram registradas em computadores de mão (personal digital assistance [PDA]).(6) Inicialmente, foi feito contato com a pessoa responsável ou com algum dos moradores do domicílio selecionado. O agente de coleta descreveu para o morador os objetivos e procedimentos do estudo, e a importância de sua participação na pesquisa, sendo elaborada uma lista de todos os moradores adultos do domicílio. Foram identificados o informante, que respondeu ao questionário domiciliar, e todos os moradores do domicílio, além do morador adulto encarregado de responder à entrevista individual, selecionado por programa de seleção aleatória no PDA. As entrevistas foram agendadas nas datas e horários mais convenientes para os informantes, prevendo-se duas ou mais visitas a cada domicílio.(6)
O questionário da PNS sobre estilos de vida englobou questões sobre os seguintes temas: padrão de alimentação e de atividade física; e consumo de tabaco e de bebidas alcoólicas.
Foram estudados os seguintes indicadores de estilos de vida:
a) Alimentação
- frequência de consumo de frutas e hortaliças cinco ou mais vezes ao dia (equivalente a cinco porções ao dia);
- consumo regular de feijão (consumo em cinco ou mais dias da semana);
- consumo de carnes com excesso de gordura (hábito de consumir carnes com gordura visível e ou frango com pele, para aqueles que consomem o alimento ao menos uma vez por semana); e
- consumo regular de refrigerante (consumo de refrigerante ou suco artificial em cinco ou mais dias por semana);
b) Prática de atividade física
- prática do nível recomendado de atividade física no tempo livre (prática de pelo menos 150 minutos semanais de atividade física de intensidade leve ou moderada, ou pelo menos 75 minutos semanais de atividade física de intensidade vigorosa, independentemente do número de dias de prática de atividade física por semana);
- insuficientemente ativos (adultos que não atingiram 150 minutos semanais de atividade física considerando-se o lazer, o trabalho e o deslocamento); e
- assistem televisão por três horas ou mais por dia;
c) Consumo de álcool
Consumo abusivo de bebidas alcoólicas (cinco ou mais doses para homens e quatro ou mais doses para mulheres, em uma única ocasião, nos últimos 30 dias); e
d) Tabagismo
Percentuais de fumantes, ex-fumantes, fumantes passivos no domicílio (não fumantes que relatam pelo menos um dos moradores do seu domicílio com o costume de fumar dentro de casa) e fumantes passivos no local de trabalho (não fumantes que relatam pelo menos uma pessoa com o costume de fumar em seu ambiente de trabalho).
Para o cálculo das prevalências, foi utilizado como denominador o total de adultos entrevistados (≥18 anos de idade). Detalhes metodológicos podem ser encontrados em outra publicação.(6)
As análises dos dados foram realizadas pelo software Stata versão 11.0, utilizando-se o módulo survey para análise de dados de amostra complexa. As estimativas das prevalências foram apresentadas em proporções (%), com seus respectivos intervalos de confiança de 95% (IC95%). As prevalências foram estimadas segundo sexo (masculino e feminino), faixa etária (18 a 24, 25 a 39, 40 a 59 e 60 e mais anos), nível de escolaridade (sem instrução e Fundamental incompleto, Fundamental completo e Médio incompleto, Médio completo e Superior incompleto, Superior completo), raça/cor (branca, preta e parda) e grandes regiões do país (Norte, Nordeste, Centro-Oeste, Sudeste e Sul).
O inquérito foi aprovado pela Comissão Nacional de Ética em Pesquisa para Seres Humanos, do Ministério da Saúde, sob o Parecer no 328.159, de 26 de junho de 2013. O Termo de Consentimento Livre e Esclarecido foi firmado no próprio PDA.
Resultados
A prevalência do consumo de frutas e hortaliças cinco ou mais vezes ao dia entre pessoas de 18 e mais anos de idade foi de 37,3% (IC95% 36,4%- 38,1%) (Tabela 1).
Tabela 1 – Prevalências dos fatores de risco e proteção para doenças crônicas não transmissíveis segundo sexo, com intervalo de confiança de 95% (IC95%) – Pesquisa Nacional de Saúde. Brasil, 2013
Tabela 1
Os adultos nas faixas etárias de 40 a 59 anos (38,7%; IC95% 37,4%- 40,0%), 60 e mais anos (40,1%; IC95% 38,4%- 41,8%), com Ensino Médio completo e Superior incompleto (39,9%; IC95% 38,5%- 41,2%) e com Ensino Superior completo (45,9%; IC95% 43,6%- 48,2%) apresentaram as maiores prevalências desse consumo (tabelas 3 e 5 tabelas 2 e 3). Foi observada menor prevalência de consumo de frutas e hortaliças cinco ou mais vezes ao dia entre indivíduos de cor da pele parda (35,8%; IC95% 34,6%- 36,9%) (Tabela 4).
Tabela 2 – Prevalências dos fatores de risco e proteção para doenças crônicas não transmissíveis por faixa etária, com intervalo de confiança de 95% (IC95%) – Pesquisa Nacional de Saúde. Brasil, 2013
Tabela 3 Tabela 2
Tabela 3 – Prevalências de fatores de risco e proteção para doenças crônicas não transmissíveis por nível de instrução, com intervalo de confiança de 95% (IC95%) – Pesquisa Nacional de Saúde. Brasil, 2013
Tabela 5 Tabela 3
Tabela 4 – Fatores de risco e proteção para doenças crônicas não transmissíveis por raça/cor, com intervalo de confiança de 95% (IC95%) – Pesquisa Nacional de Saúde. Brasil, 2013
Tabela 4
A prevalência de consumo regular de feijão (consumo em cinco ou mais dias da semana) na população adulta brasileira (≥18 anos) foi de 71,9% (IC95% 71,2%- 72,6%), com diferença estatisticamente significativa entre os sexos [masculino (76,8%; IC95% 75,8%- 77,7%) e feminino (67,6%; IC95% 66,6%- 68,5%)] (Tabela 1). Quanto a esse indicador, não houve diferenças entre as faixas etárias; entretanto, adultos com maior escolaridade (Superior completo) relataram menor consumo regular de feijão: 54,9%; (IC95% 52,7%- 57,1%) (Tabela 5 Tabela 3).
Quanto ao hábito de consumir carnes com gordura visível e ou frango com pele pelo menos uma vez por semana, 37,2% (IC95% 36,4%- 38,0%) da população adulta referiram essa prática, com diferenças segundo idade, escolaridade e sexo. Não foram observadas diferenças no que concerne à cor da pele dos entrevistados (tabelas 1, 3, 4 e 5 tabelas 1, 2, 3 e 4).
A prevalência de consumo regular de refrigerante (refrigerante ou suco artificial em cinco ou mais dias da semana) foi de 23,4% (IC95% 22,7%- 24,1%), maior entre os homens (26,6%; IC95% 25,6%- 27,6%), indivíduos na faixa etária de 18 a 24 anos (35,5; IC95% 33,5%- 37,5%), com Ensino Fundamental completo e Médio incompleto (28,9%; IC95% 27,1%- 30,7%) e com Ensino Médio completo e Superior incompleto (26,8%; IC95% 25,6%- 27,9%). Não houve diferenças segundo raça/cor da pele (tabelas 1, 3, 4 e 5 tabelas 1, 2, 3 e 4).
A prevalência da prática do nível recomendado de atividade física no tempo livre (150 minutos semanais de atividade física de intensidade leve ou moderada, ou pelo menos 75 minutos semanais de atividade física de intensidade vigorosa, independentemente do número de dias de prática de atividade física por semana) foi de 22,5% (IC95% 21,8%- 23,1%), sendo maior entre homens (27,1%; IC95% 26,1%- 28,0%), indivíduos de 18 a 24 anos (35,3%; IC95% 33,4%- 37,2%) e com Ensino Superior completo (37,6%; IC95% 35,5%- 39,6%) (tabelas 1, 3 e 4 tabelas 1, 2 e 4).
A prevalência de inatividade física (adultos que não atingiram pelo menos 150 minutos semanais de atividade física considerando-se o lazer, o trabalho e o deslocamento) foi de 46,0% (IC95% 45,2%-46,8%), sendo significativamente maior entre as mulheres (51,5%; IC95% 50,5%-52,5%). Houve diferenças na prevalência de inatividade física entre as faixas etárias, com destaque para os idosos (60 e mais anos) (62,7%; IC95% 61,1%- 64,3%) e para os adultos sem instrução e com Ensino Fundamental incompleto (50,6%; IC95% 49,4%- 51,8%), em proporções significativamente superiores às dos demais grupos (tabelas 1, 3 e 4 tabelas 1, 2 e 3).
A prevalência de pessoas de 18 e mais anos que assistiam televisão por três horas ou mais por dia foi de 28,9% (IC95% 28,2%- 29,6%), significativamente maior entre as mulheres (31,9%; IC95% 31,0%- 32,8%), indivíduos nas faixas etárias de 18 a 24 (32,3%; IC95% 30,3%- 34,3%) e de 60 e mais anos (32,4%; IC95% 30,9%- 33,9%), pessoas com Ensino Fundamental completo e Médio incompleto (32,4%; IC95% 30,7%-34,2%) e de raça/cor da pele preta (32,9%; IC95% 30,7%- 35,1%) (tabelas 1, 3, 4 e 5 tabelas 1, 2, 3 e 4).
Com relação ao consumo abusivo de álcool, a prevalência foi de 13,7% (IC95% 13,1%- 14,2%) nos últimos 30 dias anteriores à pesquisa, sendo superior no sexo masculino (21,6%; IC95% 20,7%- 22,5%), nas faixas etárias de 18 a 24 (17,2%; IC95% 15,7%- 18,8%) e de 25 a 39 anos (18,9%; IC95% 17,9%- 19,8%), e em adultos de raça/cor da pele preta (16,6; IC95% 14,9%- 18,4%). Pessoas sem instrução e com Ensino Fundamental incompleto apresentaram as menores prevalências de consumo abusivo de álcool nos últimos 30 dias anteriores à pesquisa (11,1%; IC95% 10,5%- 11,8%) (tabelas 1, 3, 4 e 5 tabelas 1, 2, 3 e 4).
O percentual de fumantes atuais de cigarro foi de 14,5% (IC95% 14,0%- 15,0%), maior em homens (18,7%; IC95% 17,8%- 19,5%), adultos na faixa etária de 40 a 59 anos (19,0%; IC95% 18,1%- 20,0%), indivíduos sem instrução e com Ensino Fundamental incompleto (19,3%; IC95% 18,4%- 20,1%), pretos (17,4%; IC95% 15,4%- 19,3%) e pardos (15,8%; IC95% 15,0%- 16,6%). Entre os adultos pesquisados, 17,5% (IC95% 16,9%- 18,0%) eram ex-fumantes (tabelas 1, 3, 4 e 5 tabelas 1, 2, 3 e 4).
Os fumantes passivos no domicílio representaram 10,7% (IC95% 10,2%- 11,3%), com maior prevalência entre aqueles na idade de 18 a 24 anos (16,2%; IC95% 14,6%- 17,8%), sem instrução e com Ensino Fundamental incompleto (13,1%; IC95% 12,2%- 14,1%). Com relação aos fumantes passivos no local de trabalho fechado, 13,5% (IC95% 12,6%- 14,4%) dos adultos relataram encontrar-se nessa situação; maiores prevalências foram observadas no sexo masculino (16,9%; IC95% 15,5%- 18,2%), entre aqueles sem instrução e com Ensino Fundamental incompleto (21,0%; IC95% 18,8%- 23,2%), sem diferenças entre as idades (tabelas 1, 3, 4 e 5 tabelas 1, 2, e 3).
Foram observadas diferenças nas práticas alimentares segundo as grandes regiões nacionais. Por exemplo, adultos do Sudeste e do Centro-Oeste apresentaram maiores prevalências de consumo de frutas e hortaliças, hábito menos frequente na região Nordeste. A prevalência do consumo de feijão foi maior no Centro-Oeste e no Sudeste, e menor no Norte e no Sul do país. O consumo abusivo do álcool foi maior no Centro-Oeste e o tabagismo foi maior no Sul do país. (Tabela 2 Tabela 5)
Tabela 5 – Prevalências dos fatores de risco e proteção para doenças crônicas não transmissíveis por grandes regiões do país, com intervalo de confiança de 95% (IC95%) – Pesquisa Nacional de Saúde. Brasil, 2013
Tabela 2 Tabela 5
Discussão
No presente estudo, verificou-se uma prevalência no consumo de frutas e hortaliças de cerca de 40%, e de feijão, próxima aos dois terços da população. Entretanto, o consumo de alimentos não adequados à saúde também foi elevado: o de refrigerantes foi relatado por cerca de um quarto, e o consumo de carnes com excesso de gordura, por dois quintos da população. A prática de atividade física recomendada foi observada em um quinto da população estudada, com importantes diferenças segundo idade e sexo. Mulheres e idosos praticaram menos atividade física. Além disso, a população dedicou longo tempo de seu dia em frente à TV. O tabagismo prevaleceu na população masculina, com menor escolaridade e mais velha. O consumo abusivo de álcool também predominou em homens e na população mais escolarizada e jovem. A maior prevalência dos fatores de risco em geral esteve associada ao sexo masculino e à baixa escolaridade.
A Organização Mundial de Saúde – OMS –, mediante evidências convincentes, estabeleceu que a ingestão de 400 g/dia de frutas e verduras (equivalente a cinco porções/dia) contribui para a redução da incidência de doença cardiovascular e determina¬dos tipos de câncer.(8),(9) Esta recomendação tem como base tanto (i) o aumento do risco de doenças cardiovasculares observado em indivíduos com ingestão de frutas e verduras inferior a 200 g/dia como (ii) os benefícios trazidos para quem ingere quantidades superiores a 400 g/dia desses alimentos.(8),(9) Frutas e hortaliças também são benéficas na prevenção e no tratamento do excesso de peso e do diabetes.(10),(11)
O consumo de feijão, forte componente da dieta tradicional brasileira, também agrega benefícios à saúde, sendo fator protetor de obesidade. Análises do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico (Vigitel), realizado em capitais brasileiras, apontam que o feijão atinge níveis de consumo nas capitais que variam de 39,3 a 83,4%, resultando em uma média nacional de consumo do produto de 66,9%. São níveis elevados, próximos dos dados levantados pela PNS.(12) Já o elevado consumo de alimentos gordurosos e de refrigerantes pelos brasileiros – prevalências de 31% e 23,3%, respectivamente –, segundo estudos prévios do Vigitel, mostrou prevalências semelhantes para todo o país, segundo a PNS. Sabidamente, o consumo desses alimentos constitui fator de risco para doenças cardiovasculares e obesidade.(8),(9),(12),(13)
A prevalência de fumantes no Brasil, de 34,8% no final da década de 1980, vem apresentando declínio consistente ao longo dos anos.(14) O Brasil, considerado uma liderança na implementação da Convenção-Quadro para o Controle do Tabaco, registra a menor prevalência de consumo da substância de acordo com o estudo comparativo do Global Adult Tobbaco Survey (GATS).(15) Frente aos dados do GATS e da Pesquisa Especial de Tabagismo de 2008 (Petab 2008),(16) a PNS revelou continuidade nesse declínio, de forma sustentada, em toda a população, independentemente do sexo, idade, escolaridade e residência por grandes regiões.
O fumo passivo, tanto em casa como no trabalho, foi maior entre a população com menor escolaridade, fato igualmente demonstrado pela Petab 2008 e por estudos do Vigitel.(12),(16) O fumo passivo em casa foi maior entre as mulheres, podendo ser explicado por seu maior tempo de exposição no interior do domicílio. Também encontrou-se maior prevalência de tabagismo entre homens, confirmando dados da Petab 2008.(16)
Novas medidas regulatórias, como a Portaria Interministerial de 2014 e o Decreto nº 2.018, de 1o de outubro de 1996,(17) não só proibiram o fumo em locais públicos fechados e toda e qualquer propaganda do cigarro, também aumentaram as alíquotas dos impostos de cigarros e o espaço das advertências nas embalagens dos maços, abrindo perspectivas bastante promissoras de alcance da meta de redução do tabagismo em 30% até 2022, estabelecida no Plano de Ações Estratégicas para o Enfrentamento das Doenças Crônicas não Transmissíveis (DCNT) no Brasil 2011-2022.(18)-(20)
No Brasil, o consumo abusivo de bebidas alcoólicas encontrado na PNS aponta um consumo mais frequente em homens mais jovens e de maior escolaridade. O consumo de álcool está associado a diversas doenças crônicas, incluindo doenças do fígado, cânceres e doenças mentais, além de agravos, como acidentes.(11),(21),(22) O Plano Global de DCNT da OMS adotou meta de redução relativa de 10% no consumo abusivo de álcool até 2025.(23) Torna-se fundamental avançar em medidas regulatórias como aumento dos preços e restrição da publicidade e propaganda – especialmente das cervejas –, assim como aumento da fiscalização no setor e na venda de bebidas alcoólicas para menores de 18 anos de idade, previstas no Plano de Ações Estratégicas para o Enfrentamento das DCNT.(18),(19),(21)
A atividade física insuficiente constitui a quarta principal causa de morte no mundo.(24) A PNS apontou que a atividade física no lazer está associada a maior escolaridade, sexo masculino e idade jovem, corroborando outros estudos.(25) A atividade física do deslocamento foi mais frequente entre indivíduos do sexo masculino e com baixa escolaridade, enquanto a inatividade física está mais presente entre idosos, no que este estudo se encontra de acordo com a literatura.(25)
Algumas limitações devem ser observadas na apreciação dos resultados aqui apresentados. A principal delas diz respeito à validade e à reprodutibilidade dos indicadores apresentados. Ainda que este estudo não tenha sido conduzido na PNS, pelo fato de utilizar questionário semelhante ao do Vigitel, todos os estudos publicados até o momento comprovam sua validade metodológica.(27),(28) Não obstante, por se tratar de informação autorreferidas pelos entrevistados, é possível haver diferenças na compreensão dos entrevistados, viés de recordatório, sub ou superestimação dos valores referidos. Por exemplo, deve-se destacar a tendência dos indivíduos referirem comportamentos considerados “saudáveis” mesmo quando não os adotam, além de não relatarem comportamentos menos aceitos socialmente. Outrossim, o presente estudo não realizou análise multivariável para ajuste de possíveis fatores de confusão na associação entre os desfechos e as variáveis sociodemográficas estudadas.
A PNS apontou grande diversidade de padrões de exposição a fatores de risco e proteção segundo sexo, idade e escolaridade, raça/cor e macrorregião do país. Segundo a PNS, concorrem prevalências elevadas de fatores de risco, a exemplo do consumo de alimentos excessivamente gordurosos, refrigerantes e bebidas alcoólicas, ao lado de baixas prevalências de tabagismo. A maior frequência de fatores de risco entre adultos menos escolarizados (especialmente mulheres), reflexo das desigualdades sociais existentes no Brasil,(22) enfatiza a importância das equipes da Estratégia Saúde da Família no incentivo e orientação da população para a adoção de práticas de promoção da saúde e de estilos de vida saudáveis.
Os fatores de risco presentes e sua prevenção devem ser considerados nas estratégias de promoção da saúde e de planejamento das intervenções. Medidas regulatórias de restrição do tabagismo, proibição do consumo de álcool combinado com direção de veículo automotor,(18) programas de expansão de práticas de atividade física e promoção da saúde, como o Academia da Saúde,(26) e a publicação do Guia Alimentar para a População Brasileira podem trazer benefícios à população,(13) especialmente aos usuários do Sistema Único de Saúde (SUS).
É mister seguir com a implementação de políticas públicas que propiciem ambientes condizentes com estilos de vida saudáveis. Também é importante a inclusão de políticas fiscais de tributação diferenciada dirigidas a bens e serviços saudáveis e insalubres, o estabelecimento de programas para prevenção e controle das DCNT, o monitoramento contínuo da mortalidade, morbidade e risco para DCNT, bem como seus fatores determinantes presentes na população.(19),(27) As ações para o enfrentamento das DCNT requerem não apenas ações do setor Saúde, e a busca constante de parcerias e ações intersetoriais,(29) pode estabelecer agendas prioritárias no âmbito da Saúde Pública, visando atingir as metas propostas no Plano de Ações Estratégicas para o Enfrentamento das Doenças Crônicas não Transmissíveis (DCNT) no Brasil 2011-2022.(18)
Tradução - inglês Introduction
Chronicle Non-Communicable Diseases (NCDs) are the largest cause for morbidity and mortality in the world and their causality is complex, including the intersection of several factors. The World Health Organization (WHO) has proposed a causality model for NCDs which includes items like socioeconomic, cultural and environmental determinants and constraints found at the base of inequalities in the health-disease process, behavioural risk factors (tobacco use, unhealthy diets, physical inactivity, harmful use of alcohol and other drugs), as well as non-modifiable factors (sex, age and genetic heritage).(1)
Risk factors can be monitored according to the lifestyles adopted, such as the options and decisions an individual takes for their health and way of living. These options include decisions about leisure activities, eating habits and behaviour, be it self-determined or socially or culturally acquired, thus partially self-controlled. The social environment and the socioeconomic situation are, to a large extent, the limiting conditions for these individual lifestyle choices.(2)
The monitoring of lifestyles is made in several countries, with the purpose of supporting policies for prevention of NCDs and health promotion. In Brazil, population surveys have gained more relevance in the last decades, which made possible the monitoring of health conditions.(3),(4) With health surveys it is possible to know the health profiles and the distribution of risk exposures and conditions. Moreover, information obtained in health surveys can serve as an important complement to the acknowledgement of inequalities in health, subsidising the orientation of health policies for better equity in Public Health.(3), (4)
In order to understand the health conditions of the Brazilian population, the Ministry of Health and the Brazilian Geography and Statistics Institute (IBGE) conducted, in 2013, the National Health Survey (PNS), the most comprehensive survey on the health of the Brazilian population. The PNS gathers a group of information with national coverage that serves as a subside to formulation, monitoring and evaluation of public health policies in order to ensure a higher effectiveness of their actions.(5), (6)
The PNS applied a questionnaire on topics related to Brazilians’ lifestyle. This study aimed to describe the lifestyles of the Brazilian population, regarding eating habits, physical activity, alcohol use and tobacco.
Methods
This a descriptive study conducted with the use of data from the National Health Survey - PNS, a population-based survey conducted in 2013 by the Brazilian Geography and Statistics Institute (IBGE) in a partnership with the Ministry of Health. The PNS is part of the IBGE Integrated System for Household Surveys (SIPD), and it uses the master sample of this system, which has a larger geographical coverage and more accurate estimates. The PNS was self-designed and it serves specifically to collect information on health.(5)-(7)
This is a household survey and it employed the probability sampling plan in three stages. In the first stage, the primary sampling unities (UPAs) were stratified based on their sectors or groups of census sectors. Households formed the units in the second stage, and residents older than 18 corresponded to the units in the third stage. The selection of the UPA sub-sample was done with simple random sampling.(6)
The sampling plan used in the survey was not a simple random sampling of people. The final sample size was adjusted based on the values of the Sampling Plan Effect (EPA). 81,254 households were estimated in the sampling, with data being collected in 64,348 of them. Considering the absent households, the proportion of loss was 20.8%, and the proportion of non-response was 8,1%.(6)
Sample weights were defined for the UPAs, the households and all of their residents. A weight for the selected resident was also defined, which was calculated considering (i) the weight of the related household, (ii) the probability of selecting the resident, (iii) adjustments of non-response by sex and (iv) adjustment of population totals by sex and age, estimated with the weight of all residents combined. Four age groups were used: 18 to 24, 25 to 39, 40 to 59 and 60 or older.(6)
The data collected in interviews were registered in personal computers (personal digital assistance [PDA]).(6) Initially, the head of the selected household was contacted, or some other resident. The census agent described the purposes and procedures of the study to the residents, explaining the importance of their involvement in the survey and making a list of all adult residents in that household. The person who replied to the household survey was identified together with the other residents in the household, as well as the adult resident responsible for answering the individual interview, who was selected by the random selection program in the PDA. Interviews were scheduled in dates and times that were most convenient for the selected resident, considering two or more visits to each household.(6)
The PNS lifestyle survey included questions covering the following issues: eating and physical activity standards, alcohol and tobacco use.
The following lifestyle indicators were analyzed:
a) Eating habits
- consumption of fruits and vegetables five times a day or more (equivalent to five servings a day);
- regular consumption of beans (consumed in five or more days a week);
- consumption of excessively fat meat (consumption of meat with visible fat, or chicken with skin, for those who consume this kind of food at least once a week); and
- regular consumption of soft drinks (consumption of soda or artificial juice in five or more days a week);
b) Physical activity
- practice of the recommended level of physical activity during leisure time (practice of at least 150 weekly minutes of light to moderate-intensity activity, or at least 75 weekly minutes of vigorous-intensity activity, regardless of the number of days of physical activity per week);
- insufficiently active (adults who did not reach 150 weekly minutes of physical activity, leisure, work and transport considered); and
- adults who watch television for three or more hours a day;
c) Alcohol consumption
Abusive consumption of alcoholic drinks (five doses or more for men and four doses or more for women, in one single occasion in the last 30 days); and
d) Tobacco
Percentage of smokers, former smokers, passive smokers in the household (nonsmokers who reported that at least one of the residents in the household is used to smoking in the house) and passive smokers at work (nonsmokers who reported that at least one person is used to smoking in the workplace).
To calculate prevalence, the total number of adults interviewed was used as a denominator. Methodological details can be found in another study.(6)
Data were analyzed by the Stata 11.0 software, with the survey module being used for a more complex analysis of sampling data. Prevalence estimates were presented in proportions (%), with their respective confidence intervals of 95% (IC95%). Prevalences were estimated based on sex (male and female), age group (18 to 24, 35 to 39, 40 to 59 and 60 or more), education level (uneducated and unfinished elementary school, complete elementary school and unfinished secondary school, complete secondary school and incomplete university degree, university degree), race/colour (black, white and brown) and the regions in the country (North, Northeast, Central-West, Southeast and South).
The survey was approved by the Ministry of Health's National Commission for Ethics in Research for Human Beings, under technical report n. 328,159, June 26, 2013. The Informed Consent Form was established in the PDA.
Results
Prevalence of fruits and vegetables consumption five times or more a day among people aged 18 or older was 37.3% (IC95% 36.4% - 38.1%) (Table 1).
Table 1 - Prevalence of risk and protection factors for chronicle non-communicable diseases based on sex, with a confidence interval of 95% (IC95%) - National Health Survey. Brazil, 2013
Table 1
Adults in age groups between 40 and 59 (38.7%; IC95% 37.4% - 40.0%), 60 or older (40.1%; IC95% 38.4% - 41.8%), with a complete secondary school and incomplete university degree (39.9%; IC95% 38.5% - 41.2%) and with a University degree (45.9%; IC95% 43.6% - 48.2%) showed the highest prevalence of this consumption (tables 3 and 5; tables 2 and 3). A lower prevalence of fruits and vegetables consumption for five or more times a day was seen in individuals with brown skin (35.8%; IC95% 34.6% - 36.9%) (Table 4).
Table 2 - Prevalence of risk and protection factors for chronicle non-communicable diseases based on age group, with a confidence interval of 95% (IC95%) - National Health Survey. Brazil, 2013
Table 3; Table 2
Table 3 - Prevalence of risk and protection factors for chronicle non-communicable diseases based on education level, with a confidence interval of 95% (IC95%) - National Health Survey. Brazil, 2013
Table 5; Table 3
Table 4 - Prevalence of risk and protection factors for chronicle non-communicable diseases based on race/colour, with a confidence interval of 95% (IC95%) - National Health Survey. Brazil, 2013
Table 4
Prevalence of regular beans consumption (for five or more days a week) in the Brazilian adult population (≥ 18 years old) was 71.9% (IC95% 71.2% - 72.6%), with a statistically relevant difference between men (76.8%; IC95% 75.8% - 77.7%) and women (67.6%; IC95% 66.6% - 68.5%) (Table 1). This indicator did not show differences among age groups; however, adults with higher education (a university degree) reported a lower regular beans consumption: 54.9% (IC95% 52.7% - 57.1%) (Table 5; Table 3).
As for the consumption of meat with visible fat and/or chicken with skin at least once a week, 37.2% (IC95% 36.4% - 38.0%) of the adult population reported this habit, with differences based on age, education level and sex. No differences based on the skin colour of the respondents were noticed (tables 1, 3, 4 and 5; tables 1, 2, 3 and 4).
Prevalence of regular soft drinks consumption (soda or artificial juice in five or more days a week) was 23.4% (IC95% 22.7% - 24.1%) and it was higher in men (26.6%; IC95% 25.6% - 27.6%), individuals aged 18 to 24 (35.5%; IC95% 33.5% - 37.5%), individuals with complete elementary school and unfinished secondary school (28.9%; IC95% 27.1% - 30.7%) and with complete secondary school and an incomplete university degree (26.8%; IC95% 25.6% - 27.9%). No differences based on race/skin colour were noticed (tables 1, 3, 4 and 5; tables 1, 2, 3 and 4). Prevalence of practice of the recommended level of physical activity during leisure time (150 weekly minutes of light-to-moderate physical activity, or at least 75 weekly minutes of vigorous physical activity, regardless of the days of practice of physical activity per week) was 22.5% (IC95% 21.8% - 23.1%) and is higher in men (27.1%; IC95% 26.1% - 28,0%), in individuals aged 18 to 24 (35.3%; IC95% 33.4% - 37.2%) and individuals with a university degree (37.6%; IC95% 35.5% - 39.6%) (tables 1, 3 and 4; tables 1, 2 and 4).
Prevalence of physical inactivity (adults who did not reach at least 150 weekly minutes of physical activity, considering leisure time, work and transport) was 46.0% (IC95% 45.2% - 46.8%), and is significantly higher in women (51.5%; IC95% 50.5% - 52.5%). Differences in the prevalence of physical inactivity was noticed among age groups, notably in elderly groups (60 or older) (62.7%; IC95% 61.1% - 64.3%) and adults with no formal education and incomplete elementary school (50.6%; IC95% 49.4% - 51.8%), in significantly higher proportions to those in other groups (tables 1, 3 and 4; tables 1, 2 and 3).
Prevalence of people aged 18 or older who watched television for three hours or more per day was 28.9% (IC95% 28.2% - 29.6%), and it was significantly higher in women (31.9%; IC95% 31.0% - 32.8%), individuals aged 18 to 24 (32.3%; IC95% 30.3% - 34.3%) and 60 or older (32.4%; IC95% 30.9% - 33.9%), individuals with complete elementary school and incomplete secondary school (32.4%; IC95% 30.7% - 34.2%) and black individuals (32.9%; IC95% 30.7% - 35.1%) (tables 1, 3, 4 and 5; tables 1, 2, 3 and 4).
Concerning abusive consumption of alcohol, the prevalence was 13.7% (IC95% 13.1% - 14.2%) in the 30 days prior to the survey, and it was higher in men (21.6%; IC95% 20.7% - 22.5%), aged 18 to 24 (17.2%; IC95% 15.7% - 18.8%) and 25 to 39% (18.9%; IC95% 17.9% - 19.8%), and in black adults (16.6%; IC95% 14.9% - 18.4%). Uneducated individuals and with incomplete elementary school showed the lowest prevalences of abusive alcohol use in the 30 days prior to the survey (11.1%; IC95% 10.5% - 11.8%) (tables 1, 3, 4 and 5; tables 1, 2, 3 and 4).
Percentage of current smokers was 14.5% (IC95% 14.0% - 15.0%), and it was higher in men (18.7%; IC95% 17.7% - 19.5%), adults aged 40 to 59 (19.0%; IC95% 18.1% - 20.0%), individuals with no former education and with incomplete elementary school (19.3%; IC95% 18.4% - 20.1%), black (17.4%; IC95% 15.4% - 19.3%) and brown (15.8%; IC95% 15.0% - 16.6%). Among the adults interviewed, 17.5% (IC95% 16.9% - 18.0%) were former smokers (tables 1, 3, 4 and 5; tables 1, 2, 3 and 4).
Passive smokers in the household represented 10.7% (IC95% 10.2% - 11.3%), with a higher prevalence in individuals aged 18 to 24 (16.2%; IC95% 14.6% - 17.8%), with no former education and incomplete elementary school (13.1%; IC95% 12.2% - 14.1%). Among the respondents, 13.5% (IC95% 12.6% - 14.4%) of the adults reported that they are passive smokers in the workplace; this prevalence is higher in men (16.9%; IC95% 15.5% - 18.2%), in individuals with no formal education and incomplete elementary school (21.0%; IC95% 18.8% - 23.2%), with no differences among age groups (1, 3, 4 and 5; tables 1, 2,and 3).
Differences in eating habits based on the national regions were noticed. For example, adults in the Southeast and Central-West showed higher prevalences in fruit and vegetables consumption, a less frequent habit in the Northeast. Prevalence of beans consumption was higher in the Central-West and Southeast, and lower in the North and South of the country. Abusive consumption of alcohol was higher in the Central-West and tobacco use, higher in the South of the country. (Table 2; Table 5)
Table 5 - Prevalence of risk and protection factors for chronicle non-communicable diseases by country regions, with a confidence interval of 95% (IC95%) - National Health Survey. Brazil, 2013
(Table 2; Table 5)
Discussion
In the present study, a prevalence of 40% was noticed in the consumption of fruits and vegetables, and a prevalence of nearly two thirds of the population in the consumption of beans. However, consumption of unhealthy food was also high: nearly one fourth of the population reported the consumption of soft drinks, while the consumption of meat with fat was reported by two fifths of adults. The recommended practice of physical activity was noticed in one fifth of the population, with important differences in age and sex. Women and the elderly practice less physical activity. People have also dedicated a long time of their day to sitting in front of the television. Tobacco use is higher among men, the less educated and the elderly. Abusive alcohol consumption has also prevailed among men and the younger and more educated population. The higher prevalence of risk factors in general was associated to the male sex and to low education level.
Based on convincing evidence, the World Health Organization (WHO), has established that the ingestion of 400g of fruits and vegetables per day (the equivalent to five portions per day) helps reducing the incidence of cardiovascular diseases and certain types of cancer.(8), (9) This recommendation is based on both (i) the higher risk of cardiovascular diseases noticed in individuals with an ingestion of less than 200g of fruits and vegetables per day and (ii) the benefits for individuals who have an ingestion of more than 400g of such food per day.(8), (9) Fruits and vegetables are also beneficial in the prevention and treatment of weight excess and diabetes.(10),(11)
Consumption of beans, a strong component of the traditional Brazilian diet, also brings health benefits and is a protective factor against obesity. Analyses from the System of Risk Factors Monitoring and Protection against Chronicle Diseases by Telephone Survey (Vigitel), conducted in Brazilian capitals, show beans have levels of consumption varying from 39.3 to 83.4% in capital cities, resulting in an national average of 66.9%. These are high levels, close to the data collected by the PNS.(12) Also, according to previous data from Vigitel, the high consumption of fat food and soft drinks - a prevalence of 31% and 23.3%, respectively -, showed similar prevalences in the whole country, as reported by the PNS. As it is known, consumption of such food is a risk factor for cardiovascular diseases and obesity.(8), (9), (12), (13)
Prevalence of smokers in Brazil, from 34.8% at the end of the decade of 1980, has been declining consistently over the years.(14) Considered a world leader in implementing the Framework Convention for Tobacco Control, Brazil registers the lowest prevalence of tobacco consumption according to a comparative study of the Adult Tobacco Survey (GATS).(15) In comparison to data from the GATS and the 2008 Special Tobacco Research (Petab 2008),(16) the PNS revealed a sustained continuity of this decline in the entire population, regardless of sex, age, education and residence by regions.
Passive smoking, both at home and at work, was higher in the less educated population, a fact supported by the Petab 2008 and by studies from the Vigitel.(12), (16) Passive smoking at home was higher in women, which can be explained by a longer time of exposure inside the household. A higher prevalence of tobacco use was also found in men, confirming data from the Petab 2008.(16)
New regulatory measures, like the Interministerial Ordinance of 2014 and the Decree n. 2,018, from October 1, 1996,(17) have not only prohibited smoking in public closed places and all kinds of cigarette advertisement, but also increased the tax rates of cigarettes and the space for health warnings in cigarette packets, bringing promising perspectives that the goal for tobacco use of 30% until 2022 , which was established in the 2011-2022 Plan for Strategic Actions Against Chronicle Non-Communicable Diseases (NCDs) in Brazil,(18)-(20) will be reached.
In Brazil, abusive alcohol consumption found in the PNS show a more frequent consumption in younger and more educated males. Alcohol consumption is associated to several chronicle diseases, including liver diseases, mental illness and cancer, in addition to harms, like accidents.(11), (21), (22) WHO's Global Plan for NCDs adopted the goal for a relative reduction of 10% in abusive alcohol consumption until 2025.(23) An advance in regulatory measures like raising prices and restriction of advertisement - especially beer -, has become fundamental, as well as the increase in the inspection of the sector and in the selling of alcoholic drinks for people under 18 years of age, which are described in the Plan for Strategic Actions Against NCDs.(18), (19), (21)
Insufficient physical activity makes up the fourth main cause of death in the world.(24) The PNS showed that recreational physical activity is associated to higher education, the male sex and a young age, which supports other studies.(25) Physical activity during commuting is more frequent among males and less educated individuals, while physical inactivity is more present among the elderly, to which this study is in accordance with scientific literature.(25)
Some restrictions must be noticed when studying these results. The main one is about the validity and reproducibility of the indicators presented. Even though this study was not conducted by the PNS, because it uses a similar survey to that used by the Vigitel, all studies published so far prove its methodological validity.(27), (28) Nevertheless, given the fact that these information are self-reported by the respondents, differences are likely to be found concerning their comprehension, as well as recall bias and under or overestimated values. For example, a tendency of the respondents to report some behaviour considered "healthy", even when they don't adopt it, must be considered, in addition to the fact they do not report any behaviour which is less accepted by society. At the same time, the present study did not make a multivariable analysis for adjustment of possible factors of confusion in the association between results and the sociodemgraphic variables studied.
The PNS showed a great diversity in patterns of exposure to risk factors and protection based on sex, age, level of education, race/colour and country regions. According to the survey, a high prevalence of risk factors can be noticed, such as consumption of excessively fat food, soft drinks and alcohol, in addition to low prevalences of tobacco use. The higher frequency of risk factors that exist among less educated adults (especially women), is a reflection of the social inequalities in Brazil,(22) and it emphasizes the importance of the Family Health Strategy teams encouraging and orienting the population for the adoption of healthy practices and lifestyles.
The present risk factors and their prevention must be considered in the strategies for health promotion and planning of interventions. Regulatory measures for restriction of tobacco, prohibition of alcohol consumption while driving automotive vehicles,(18) programs for the expansion of physical activity and health promotion, such as the Health Gym,(26) and the publishing of a Diet Guide for the Brazilian population,(13) specially for patients of the National Health System (SUS).
A continuity of the implementation of public policies that allow a good environment for a healthy lifestyle is fundamental. Just as important, fiscal policies of different taxes for healthy goods and services must be included, as well as establishment of programs for prevention and control of NCDs, the continuous monitoring of mortality, morbidity and risk for NCDs, in addition to their determinant factors in the population.(19), (27) Actions against NCDs require not only action from the Health Sector with the help of partnerships and intersetorial actions,(29) but also priority agendas in the field of public health, aiming at the goals proposed by the 2011-2022 Plan for Strategic Actions Against Chronicle Non-Communicable Diseases (NCDs) in Brazil.(18)
More
Less
Formação educacional em tradução
Bachelor's degree - Universidade de Brasília
Experiência
Anos de experiência em tradução: 11 Registrado no ProZ.com: Nov 2017.
português para inglês (Universidade de Brasília - Departamento de Línguas Estrangeiras e Tradução) inglês para português (Universidade de Brasília - Departamento de Línguas Estrangeiras e Tradução) italiano para português (Universidade de Brasília - Departamento de Línguas Estrangeiras e Tradução)
Associações
N/A
Software
memoQ, Microsoft Excel, Microsoft Office Pro, Microsoft Word, Smartcat, Smartling, Trados Studio, Wordfast
Brazilian Portuguese - Native | English - Fluent | Italian - Fluent
About me:
I am a Brazilian Freelance Translator with 8 years of experience. I work with the
following pairs: Brazilian Portuguese <> English and Brazilian Portuguese <> Italian.
My main fields of specialization are Legal, Medicine, Games, Technical Manuals, and E-commerce.
Background:
Freelance English Translator |Linguistic Solutions Group
2021 – Ongoing
- Translation of technical texts from English into Brazilian Portuguese.
Freelance English Translator |Magma Translation 2020 – Ongoing
- Translation of several English texts into Brazilian Portuguese.
Freelance English Translator and Proofreader |Beluga Linguistics 2020 – Ongoing
- Translation of several English texts into Brazilian Portuguese.
English Teacher |CNA - School of English and Spanish 2018 – Ongoing
- Planning of classes and teaching. Correction of homework and exams.
Assistance of students with extra classes. Attendance of training on teaching and weekly pedagogical meetings.
Private Italian Teacher |Unlimited Languages 2018 – Ongoing
- Private lessons in students’ home. Planning of classes according to the needs
and characteristics of students. Correction of activities and written assessments.
Italian Teacher |Wizard by Pearson 2018 – 2020
- Planning of classes and teaching. Correction of homework and exams. Assistance
of students with extra classes. Attendance of training on teaching and weekly
pedagogical meetings.
Areas of expertise:
My areas of expertise are Legal, Medicine, Games, Technical Manuals, and
E-commerce.
Especialização