nÃo hà / FundaÃÃo de Amparo à Pesquisa do Estado do Cearà / Este trabalho objetivou analisar o processo de construÃÃo do territÃrio de Fortaleza, estado do CearÃ, Brasil e sua relaÃÃo com a saÃde da populaÃÃo da cidade. Para tanto, foi necessÃrio descrever a evoluÃÃo de sua ocupaÃÃo com base na variaÃÃo da densidade demogrÃfica e na caracterizaÃÃo socioocupacional dos bairros no perÃodo de 1970 a 2010 e nos movimentos (ondas) de ocupaÃÃo territorial e sua relaÃÃo com o perfil socioeconÃmico em 2010, caracterizar o perfil socioeconÃmico e de mortalidade segundo sexo da populaÃÃo de Fortaleza em 2010 e identificar as relaÃÃes entre os perfis socioeconÃmicos e de mortalidade com os determinantes sociais da populaÃÃo de Fortaleza segundo sexo em 2010. Este foi um estudo ecolÃgico, utilizando coleta de dados secundÃrios, a partir do Sistema de InformaÃÃo de Mortalidade (SIM) de Fortaleza-CE, em 2010, pesquisando-se as dez principais causas de mortalidade para homens e mulheres e tambÃm no banco de dados de 2010 do Instituto Brasileiro de Geografia e EstatÃstica (IBGE). O programa STATA 10.0 foi utilizado para a organizaÃÃo do banco de dados estruturado a partir dos seguintes indicadores socioeconÃmicos: densidade demogrÃfica, Ãndice de condiÃÃo de vida, GINI, razÃo da renda mÃdia entre os 10% mais ricos e os 40% mais pobres, taxa de analfabetismo, Ãndice de pobreza e renda mÃdia. Mapas temÃticos foram elaborados para todos os indicadores socioeconÃmicos e de mortalidade por bairro de Fortaleza para o ano de 2010, utilizando o aplicativo ArcGis 10.1. Os resultados apontam que o espaÃo urbano de Fortaleza constituiu-se de maneira diferenciada, o que à refletido na espacializaÃÃo das condiÃÃes de vida da populaÃÃo da cidade. Para algumas causas, a relaÃÃo foi diretamente proporcional Ãs condiÃÃes de vida, ou seja, quanto piores eram estas condiÃÃes, maiores eram as taxas de mortalidade por causa especifica. Chama atenÃÃo a AgressÃo por meio de disparo de outra arma de fogo ou de arma nÃo especificada (AGRES), que percentualmente representa a maior causa bÃsica de morte para homens em Fortaleza, com 35,6% do nÃmero total de mortes em 2010 e apresentando uma relaÃÃo direta com todos os indicadores socioeconÃmicos; quanto piores foram as condiÃÃes de vida encontradas, maiores as taxas de morte por AGRES. AVC nÃo especificado e SÃndrome de DependÃncia tambÃm foram causas bÃsicas de morte, nas quais a relaÃÃo estabelecida foi de quanto piores os indicadores, 10 maiores eram as taxas de mortalidade. Para outras doenÃas como, DoenÃa de Alzheimer de Inicio Precoce, Neoplasia Maligna da Mama e Neoplasia Maligna dos BrÃnquios ou PulmÃes, a relaÃÃo foi quanto melhores os indicadores socioeconÃmicos, maiores eram as taxas de mortalidade. Diante dos resultados encontrados no trabalho, conclui-se que a populaÃÃo mais carente e historicamente segregada à aquela que està sujeita Ãs piores condiÃÃes de vida e consequentemente, mais vulnerÃvel. / This work aimed at analyzing the process of construction of the territory of Fortaleza, Cearà State, Brazil and its relationship with the health of the city population. Therefore, it was necessary to describe the evolution of its occupation based on the variation of population density and socio-occupational characteristics of the neighborhoods in the period 1970-2010 and the movements (waves) of territorial occupation and its relation to the socioeconomic profile in 2010, characterizing socioeconomic profile and mortality by sex of the population of Fortaleza in 2010 and identifying the relationships between socioeconomic profiles and mortality with social determinants of the population of Fortaleza by sex in 2010. This was an ecological study, using secondary data collection, from the Mortality Information System (SIM) of Fortaleza, in 2010, investigating the ten leading causes of mortality for men and women and also from the 2010 database of the Brazilian Institute of Geography and Statistics (IBGE). The program STATA 10.0 was used for organizing the database structured by the following socioeconomic indicators: population density, index of living conditions, GINI, ratio of average income of the 10% richer and 40% poorer, illiteracy rate, poverty rate and average income. Thematic maps were produced for all socioeconomic indicators and of mortality by Fortaleza neighborhood for the year 2010, using the 10.1 ArcGIS applicative. The results show that urban space in Fortaleza was constituted in a differentiated manner, which is reflected in the spatial distribution of living conditions of the city population. For some causes, the relationship was directly proportional to life conditions, that is, the worst were these conditions, higher were the rates of mortality by specific cause. Noteworthy is Aggression by means of another firearm shooting or by unspecified weapon (AGRES), which percentage represents the highest basic cause of death for men in Fortaleza, with 35.6% of the total number of deaths in 2010 and presenting a direct relationship with all socioeconomic indicators; the worst were living conditions found, higher the death rates by AGRES. Unspecified stroke and Dependence Syndrome were also basic death causes in which the relationship established was of the worst the indicators, higher were 12 the mortality rates. For other diseases such as Early-onset Alzheimer Disease, Breast malignant neoplasm and Bronchi or lungs malignant neoplasm, the relationship was much better were socioeconomic indicators, higher were mortality rates. Considering the results found in the study, we conclude that the most needy and historically segregated population is that which is subject to the worst living conditions and consequently, the most vulnerable.

Introdução - A maioria dos estudos sobre a teoria da renda relativa tem encontrado associação estatísticamente significativa entre alta desigualdade de renda e piores condições de saúde em grandes regiões como estados norte-americanos ou países. Por outro lado, análises realizadas em municípios e áreas fora dos EUA tem apresentado resultados no mínimo conflitantes. Os maiores obstáculos para que se atinja consenso na área são a inexistência de elevada desigualdade em regiões menores e a dificuldade de controlar pelo conjunto de variáveis de confusão que podem ter efeito na saúde além da desigualdade de renda. O presente estudo objetiva auxiliar na solução desse problema ao analisar o Município de São Paulo por meio de uma metodologia estatística chamada propensity score matching. Metodologia - A análise abordou os 96 distritos da cidade. Foram incluídas 16 variáveis no modelo para identificar distritos comparáveis. Do total de 96 distritos, 27 foram pareados com algum outro (alguns mais de uma vez), formando 17 pares, dos quais apenas um foi composto por distritos que fazem fronteira entre si. Resultados - Após a aplicação do propensity score matching, distritos mais desiguais apresentaram maior mortalidade geral ajustada por idade (41,58 por 10.000 hab; IC 95por cento : 8,85 73,3 por 10.000 hab). Foram também estatísticamente significativas as diferenças de mortalidade para homicídios (8,57 por 10.000; IC 95por cento : 2,60 14,53), doença isquêmica do coração (5,47 por 10.000; IC 95por cento : 0,76 10,17), aids (3,58 por 10.000; IC 95por cento : 0,58 6,57), doença respiratória (3,56 por 10.000; IC 95por cento : 0,18 6,94) e mortalidade infantil (2,8 por 10.000; IC 95por cento : 0,86 4,74). As dez causas 9 básicas mais frequentes foram responsáveis por 72,3por cento do total da diferença de mortalidade entre os distritos mais e menos desiguais. Conclusões - A metodologia estatística foi eficaz para diminuir as diferenças sociais e demográficas, possibilitando a comparação entre distritos semelhantes. A presença de alta desigualdade de renda no Município de São Paulo permitiu a análise do seu efeito na mortalidade / Introduction - The majority of studies on the relative income theory has detected statistically significant associations between high income inequality and worse health conditions for larger areas such as countries or USA states. Nevertheless, for smaller areas such as municipalities or regions outside the USA, the results have been, at best, mixed. The biggest hindrances to a consensus are the lack of high inequalities within smaller areas and the difficulty to control for the many variables that may also affect health beyond the effect of income inequality. This analysis aims to help to solve these problems by applying a statistical analysis known as propensity score matching and by focusing on a very diverse and unequal city such as São Paulo. Methodology - The analysis was done for the 96 distritos of the Municipality of São Paulo, Brazil. The statistical model included 16 variables to account for local heterogeneity. Of the 96 distritos, 27 were matched with a similar one (sometimes, more than once), making a total of 17 pairs (of those, only one pair was made out of two bordering distritos). Results - After the propensity score matching approach, higher inequality distritos had higher age-adjusted overall mortality rate (41.58 per 10,000, 95per cent CI: 8.85 73.3). The difference between high and low inequality was also statistically significant for homicide (8.57 per 10,000; 95per cent CI: 2.60 14.53), ischemic heart disease (5.47 per 10,000; 95per cent CI: 0.76 10.17), HIV/AIDS (3.58 per 10,000; 95per cent CI: 0.58 6.57), respiratory diseases (3.56 per 10,000; 95per cent CI: 0.18 6.94) and infant mortality (2.8 per 10,000; 95per cent CI: 0.86 4.74). The ten most common causes of death accounted for 72.3per cent of total difference in mortality. 11 Conclusion - The statistical methodology was effective to control for local social and demographic heterogeneity, allowing the comparison of only similar distritos. The use of a large and diverse city such as São Paulo made it possible to analyze the effects of income inequality on health

Introdução - A maioria dos estudos sobre a teoria da renda relativa tem encontrado associação estatísticamente significativa entre alta desigualdade de renda e piores condições de saúde em grandes regiões como estados norte-americanos ou países. Por outro lado, análises realizadas em municípios e áreas fora dos EUA tem apresentado resultados no mínimo conflitantes. Os maiores obstáculos para que se atinja consenso na área são a inexistência de elevada desigualdade em regiões menores e a dificuldade de controlar pelo conjunto de variáveis de confusão que podem ter efeito na saúde além da desigualdade de renda. O presente estudo objetiva auxiliar na solução desse problema ao analisar o Município de São Paulo por meio de uma metodologia estatística chamada propensity score matching. Metodologia - A análise abordou os 96 distritos da cidade. Foram incluídas 16 variáveis no modelo para identificar distritos comparáveis. Do total de 96 distritos, 27 foram pareados com algum outro (alguns mais de uma vez), formando 17 pares, dos quais apenas um foi composto por distritos que fazem fronteira entre si. Resultados - Após a aplicação do propensity score matching, distritos mais desiguais apresentaram maior mortalidade geral ajustada por idade (41,58 por 10.000 hab; IC 95por cento : 8,85 73,3 por 10.000 hab). Foram também estatísticamente significativas as diferenças de mortalidade para homicídios (8,57 por 10.000; IC 95por cento : 2,60 14,53), doença isquêmica do coração (5,47 por 10.000; IC 95por cento : 0,76 10,17), aids (3,58 por 10.000; IC 95por cento : 0,58 6,57), doença respiratória (3,56 por 10.000; IC 95por cento : 0,18 6,94) e mortalidade infantil (2,8 por 10.000; IC 95por cento : 0,86 4,74). As dez causas 9 básicas mais frequentes foram responsáveis por 72,3por cento do total da diferença de mortalidade entre os distritos mais e menos desiguais. Conclusões - A metodologia estatística foi eficaz para diminuir as diferenças sociais e demográficas, possibilitando a comparação entre distritos semelhantes. A presença de alta desigualdade de renda no Município de São Paulo permitiu a análise do seu efeito na mortalidade / Introduction - The majority of studies on the relative income theory has detected statistically significant associations between high income inequality and worse health conditions for larger areas such as countries or USA states. Nevertheless, for smaller areas such as municipalities or regions outside the USA, the results have been, at best, mixed. The biggest hindrances to a consensus are the lack of high inequalities within smaller areas and the difficulty to control for the many variables that may also affect health beyond the effect of income inequality. This analysis aims to help to solve these problems by applying a statistical analysis known as propensity score matching and by focusing on a very diverse and unequal city such as São Paulo. Methodology - The analysis was done for the 96 distritos of the Municipality of São Paulo, Brazil. The statistical model included 16 variables to account for local heterogeneity. Of the 96 distritos, 27 were matched with a similar one (sometimes, more than once), making a total of 17 pairs (of those, only one pair was made out of two bordering distritos). Results - After the propensity score matching approach, higher inequality distritos had higher age-adjusted overall mortality rate (41.58 per 10,000, 95per cent CI: 8.85 73.3). The difference between high and low inequality was also statistically significant for homicide (8.57 per 10,000; 95per cent CI: 2.60 14.53), ischemic heart disease (5.47 per 10,000; 95per cent CI: 0.76 10.17), HIV/AIDS (3.58 per 10,000; 95per cent CI: 0.58 6.57), respiratory diseases (3.56 per 10,000; 95per cent CI: 0.18 6.94) and infant mortality (2.8 per 10,000; 95per cent CI: 0.86 4.74). The ten most common causes of death accounted for 72.3per cent of total difference in mortality. 11 Conclusion - The statistical methodology was effective to control for local social and demographic heterogeneity, allowing the comparison of only similar distritos. The use of a large and diverse city such as São Paulo made it possible to analyze the effects of income inequality on health