A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

DIVISÃO DE CLÍNICA DE MOLÉSTIAS INFECCIOSAS E PARASITÁRIAS

Apresentações semelhantes


Apresentação em tema: "DIVISÃO DE CLÍNICA DE MOLÉSTIAS INFECCIOSAS E PARASITÁRIAS"— Transcrição da apresentação:

1 DIVISÃO DE CLÍNICA DE MOLÉSTIAS INFECCIOSAS E PARASITÁRIAS
HOSPITAL DAS CLÍNICAS-FACULDADE DE MEDICINA/USP HC-FMUSP REUNIÃO GERAL DA CLÍNICA, 19 de Setembro de 2002 Geoprocessamento e Análise Espacial no Contexto de Dados de Saúde: Novos Olhares, Velhos Problemas Antônio Miguel Vieira Monteiro Gilberto Câmara Divisão de Processamento de Imagens DPI/INPE

2 Alguns Colaboradores Aldaíza Esposati, PUC-SP Dirce Koga, PUC-SP
Anderson Kazuo, POLIS Marilia Carvalho, ENSP/FIOCRUZ Christovam Barcellos CICT/FIOCRUZ Suzana Druck Fucks, EMBRAPA Cerrados Renato Assunção, UFMG-LESTE/CRISP Andrea Iabrudi, LESTE-UFMG Fred Roman Ramos, INPE Patricia Carneiro Genovez, INPE Eduardo Gerbi Camargo, INPE Carlos Felgueiras, INPE Virginia Ragoni, INPE Simone Bonisch, INPE E Todo o TIME da Divisão de Processamento de Imagens

3 “An Essay on Diseases Incidental to Europeans in Hot Climates”
Saúde e Espaço: Um “caso” Antigo Fonte: Carvalho,M.S.;1997 James Lind, Médico, Cirurgião Naval (Escocês) em 1768 Escreve “An Essay on Diseases Incidental to Europeans in Hot Climates” Onde, talvez pela primeira vez, se busca explicações para a ‘distribuição espacial’ de doenças, e o conceito de RISCO associado a uma ‘área geográfica’ específica é utilizado!

4 Condições ambientais (x)
Distribuição Espacial: ‘Mapeamento’ de Riscos A epidemia de cólera em Londres, século XIX, Doutor John Snow Fonte: Barcellos,C.;2001 1854 Eventos de saúde (.) (mortes por cólera) que se concentram em algumas áreas da cidade - cluster Condições ambientais (x) (bombas de água). Possíveis fontes de risco Ruas situação geral na cidade - contexto

5 Dr. John Snow London, 1854

6 Espaço Espaço Geográfico Mapas
Distribuição Espacial, Área Geográfica e Mapeamento: Três Conceitos ?? Espaço Espaço Geográfico Mapas

7 Geoprocessamento e Saúde
Processo Saúde-Doença Espaço Geográfico Espaço Dado de Saúde Mapas Representações ‘Computacionais’ De ALGUMAS Dimensões do Espaço Geográfico São Territórios Digitais

8 Foto: Getúlio Batista

9 “Naquele império, a arte da cartografia atingiu uma tal perfeição que o mapa de uma só província ocupava toda uma cidade, e o mapa do império toda uma província. Com o tempo, esses mapas desmedidos não satisfizeram e os colégios de cartógrafos levantaram um mapa do império que tinha o tamanho do império e coincidia ponto a ponto com ele. Menos apegadas aos estudos da cartografia, as gerações seguintes entenderam que esse extenso mapa era inútil e não sem impiedade o entregaram às inclemências do sol e dos invernos”. J.L. Borges (Ficções)

10 (Grifos acrescentados ao texto)
“Guerras Espaciais: Informe de Carreira” (Zygmunt Bauman, 1999, Globalização:As Consequências Humanas, 34:39) A Batalha dos Mapas “…Um aspecto decisivo do processo modernizador foi portanto a prolongada guerra travada em nome da reorganização do espaço. O que estava em jogo na principal batalha desta guerra era o direito de controlar o ofício de cartógrafo .” (Grifos acrescentados ao texto)

11 Retomando o Ofício de ‘Cartografar’ !!
Para muitas das aplicações, a noção estrita de “precisão” não é condição fundamental e necessária. Na verdade, a condição fundamental é quantificar e qualificar a incerteza da informação espacial sendo produzida.

12 Os Territórios em São Paulo

13 O Território

14 O Território e seus Recortes
Divisão distrital Zonas OD87 Zonas OD97

15 Municípios da RMSP e os Distritos de SP

16 Setores Censitários - São José dos Campos
Iex EXCLUSÃO SOCIAL N EXCLUSÃO SOCIAL

17 MULTIDIMENSIONALIDADE DO PROCESSO SAÚDE-DOENÇA
GEOPROCESSAMENTO e SAÚDE MULTIDIMENSIONALIDADE DO PROCESSO SAÚDE-DOENÇA FILOSÓFICA AMBIENTAL GENÉTICA TÉCNICA ECONÔMICA GEOGRÁFICA HISTÓRIC0/POLÍTICA SOCIOLÓGICA DIMENSÕES ...

18 Análise Espacial de Dados
Essencialmente, tomar o ‘lugar’ de ocorrência de uma medida, ou observação, ou coleta, ou ..., o ONDE, como uma variável a ser considerada nas técnicas de análise empregadas. Avançando, tomar também o QUANDO, e temos então o que buscamos: Revelar Padrões Espaço-Temporais característicos dos processos que se desenvolvem no espaço que observamos!

19 Novas Informações / Revisão de Conceitos
Nossa Aposta Metodológica Novas Informações / Revisão de Conceitos UNIVERSO DE PROBLEMAS DA SAÚDE ANÁLISE ESPACIAL Modelo de Dados/ Modelo do Fenômeno

20 Muito Importante não Esquecer!
Computadores nos possibilitam expressar uma representação do mundo ou de fenômeno que buscamos compreender. O que obtemos são os resultados possíveis das manipulações sobre estas representações, portanto uma outra representação. Então, é muito saudável que sempre tenhamos em mente a necessidade de refletir criticamente sobre a nossa prática tecnológica, em particular, quando o instrumento que usamos facilmente nos alimenta, e a outros, da esperança de que obtivemos ali , não uma redução, mas a comprensão universal do problema.

21 Conceitos Básicos considerando Territórios Digitais
Geodado Geoinformação

22 “Escala” dos GeoDados:
Imagens Orbitais

23 Para Que Servem as Imagens ?
Nos Possibilitam “olhar” o Passado Podem nos situar no Presente São Essencialmente ‘Âncoras’ !! Com isso elas Podem Ajudar na Caracterização de “Dinâmicas” de Variáveis da Paisagem: Físico-Territoriais e Geodemográficas

24 “Escala” dos GeoDados/GeoInformação:
Imagens Orbitais FONTE CPTEC/INPE (www.dsa.inpe.br) TSM - Média Semanal 27 a 31 de Agosto 2000 TSM - Média Mensal - Agosto de 2000 TSM-NOOA - Estimativa da Temperatura da Superfície do Mar usando NOOA-AVHRR Regressão Linear, Canais 4 e 5 - Ajuste com bóias a profundidade média de 1 m CPTEC usa Passagem de aprox 14:20 do NOOA-14, para estimativa diária de TSM

25 “Escala” dos GeoDados:
Imagens Orbitais CBERS/WFI, 09/04/2000, 250 m,3 a 5 dias ETM+(TM-7), 05/08/1999, 25 m, 16dias IKONOS-2, 20/08/2000, 1m(4), 3 a 7 dias Mosaico cedido pela organização do X SBSR (www.dsr.inpe.br/sbsr2001) 3

26 Slides: Silvana Amaral
DPI/INPE

27 “Concordância” luz e de sedes de municípios

28 Atividades Humanas Garimpo

29 “Sistemas de Cidades”

30 Novos “Olhares” ?? Novas Possibilidades !!
Maior Disponibilidade (??) de Dados “em Geral”, em particular GeoDados Bases de Dados Digitais Cartograficamente Adequadas  Ampliação dos Mapeamentos Temáticos Disponíveis  Novas Bases com Malha Georeferenciada do Censo-2000  Dados de eventos sendo melhor colhidos e sistematizados

31 Novos “Olhares” ?? Para Uso de Imagens de Satélites, Não Tão Novos Assim ... Quase 30 anos de Programas de Satélites de Observação da Terra !! Tecnologias Aero-Espaciais ERTS-1, NASA 1972 4 Áreas de Aplicações Alvo Florestas, Agricultura, Geologia e SAÚDE PÚBLICA!! Pavlovsky, 1966 “Landscape Epidemiology” Epidemiologia Marco Conceitual Marco Operacional- Ação

32 Slides: Christovam Barcellos
CICT/Fiocruz Velhos Problemas Estratégias de integração Agregação de dados (do ponto para o polígono) 1- Contagem de pontos (casos) em polígonos 2- Cálculo de indicadores epidemiológicos e sócio-ambientais 3- Correlação entre indicadores Problema: Instabilidade de taxas

33 Slides: Christovam Barcellos
CICT/Fiocruz Estratégias de integração Transposição de dados de fundo (do polígono para o ponto) 1- Obtenção de dados de exposição (fundo) para o caso (ponto) 2- Cálculo de indicadores epidemiológicos e sócio-ambientais 3- Correlação entre indicadores Problema: Obtenção de “controles”

34 Slides: Christovam Barcellos
CICT/Fiocruz Estratégias de integração Interpolação de dados (de uma superfície para o polígono) 1- Cálculo da densidade de pontos (casos) 2- Transposição da densidade de casos para os polígonos 3- Correlação entre indicadores Pontos Superfície Polígonos

35 Slides: Christovam Barcellos
CICT/Fiocruz Estratégias de integração Interpolação de dados (de uma superfície para os pontos) 1- Cálculo de superfícies de risco 2- Transposição do risco para os pontos (casos) Pontos Superfície de risco

36 Slides: Christovam Barcellos
CICT/Fiocruz Estratégias de integração Transposição de dados de fundo (da superfície para o ponto) 1- Obtenção de dados de exposição (fundo) para o caso (ponto) 2- Cálculo de indicadores sócio-ambientais 3- Correlação entre indicadores

37 Novos “Olhares” ?? Novas Possibilidades !!
 Maior Disponibilidade de Ferramentas Computacionais (TabWin 2.2/ DATASUS)  Tecnologia de Sistemas de Informações Geográficas- SIG Madura e Disponível (ex. SPRING, TerraLib)  Novas Ferramentas e Métodos de Análise Estatística de Dados de Saúde

38 “Escala” do Cidadão: Mapa da Exclusão/Inclusão Social do MSP
CEDEST (INPE/PUC-SP) Capturar as desigualdades socioterritoriais da cidade de São Paulo 49 VARIÁVEIS SÓCIO-ECONÔMICASAGREGADAS PELOS 96 DISTRITOS DO MUNICÍPIO DE SÃO PAULO

39 “Escala” do Cidadão: Estudo para definição de Regiões Adm.
CEDEST (INPE/PUC-SP) densidade população

40 CEDEST (INPE/PUC-SP) “Escala” do Cidadão: Dinâmica Social SP-Anos 90: Homicídios - Tendência Homicídos - SP 1996 Homicídos - SP 1999

41 CEDEST (INPE/PUC-SP) “Escala” do Cidadão: Dinâmica Social SP-Anos 90: Iex Exclusão/Inclusão Social - Tendência Censo - SP 1991 Censo - SP 2000

42 Slides: Patricia genôvez
DPI/INPE “Escala” do Cidadão: Diagnóstico de Exclusão/Inclusão Social no Espaço Urbano de São José dos Campos.

43 Slides: Patricia genôvez
DPI/INPE EXCLUSÃO SOCIAL

44 “Escala” do Cidadão: Mapeando Violência - Eventos
Slides: Simone&Marília Carvalho ENSP/FIOCRUZ “Escala” do Cidadão: Mapeando Violência - Eventos FONTE: FIOCRUZ

45 Slides: Marília Carvalho
ENSP/FIOCRUZ “Escala” do Cidadão: Avaliação dos Serviços de Saúde: Fratura de colo de fêmur FONTE: FIOCRUZ

46 “Escala” do Cidadão: Avaliação do Contexto de Saúde: Mães Adolescentes no RJ - 1995/Bairros
GAM Kernel

47 APGAR GAM Kernel

48 Baixo Peso GAM Kernel

49 Cesáreas GAM Kernel

50 Importante: Compartilhar Visões do Espaço Geográfico

51 REPRESENTAÇÃO COMPUTACIONAL
Categorias representacionais mais comuns em SIG Possibilidade de transição entre categorias representacionais rompendo com a imobilidade inicial dos dados

52 Slides: Christovam Barcellos
CICT/Fiocruz Na Vida Real... Os Dados Têm uma Natureza Espacial Definida na Coleta, então é necessário observar... Coerência com a escala de análise Significado popular - organização político-administrativa Homogeneidade interna - heterogeneidade externa Presença nos sistemas de informação

53 Lembrando o Dr. John Snow …….

54 Camadas de Informações
Slides: Christovam Barcellos CICT/Fiocruz Camadas de Informações Mortes Eventos de saúde Poços Condições ambientais Ruas Base cartográfica

55 Slides: Christovam Barcellos
CICT/Fiocruz Tipos de Unidades Espaciais + Comuns Físico-territoriais Bacias hidrográfica Ecossistema Quadra Lote Técnicas Micro região geográfica (IBGE) Área de influência de cidades (IBGE) “Região homogênea” (diversos) Populares Bairro Favela

56 Slides: Christovam Barcellos
CICT/Fiocruz Político-administrativas Estado Município Distrito Operacionais Setor Censitário (IBGE) Distrito de água e esgoto (Ag. Saneamento) CEP (Correios) Distrito sanitário (SMS) Área de adscrição (ambulatório)

57 Slides: Christovam Barcellos
CICT/Fiocruz Unidades espaciais geralmente usadas nos sistemas de informação de saúde e ambiente

58 Unidades Espaciais de Análise
Slides: Christovam Barcellos CICT/Fiocruz Unidades Espaciais de Análise Escala de ocorrência dos processos Escala de captação de dados Escala de atuação sobre os determinantes

59 ANÁLISE ESPACIAL: A “Força” do Lugar
- O Problema das Unidades de Área Modificáveis -a estimação empírica de Bayes - Os indicadores de autocorrelação espacial -o índice de moran local -as estatísticas G

60 Problema das Unidades de Área Modificáveis - MAUP
FALÁCIA ECOLÓGICA Problema das Unidades de Área Modificáveis - MAUP A Falácia Ecológica envolve a inferência não apropriada de relações em nível individual a partir de resultados agregados em unidades de área. Isto ocorre, tipicamente, quando o dado agregado é a única fonte disponível, porém o objeto de estudo são características e relacionamentos em nível do indivíduo.

61 Problema das Unidades de Área Modificáveis - MAUP
FALÁCIA ECOLÓGICA Problema das Unidades de Área Modificáveis - MAUP Devido aos efeitos de escala, zoneamento e homogeneidade, componentes do MAUP, os coeficientes de correlação tendem a ser maior, em valor absoluto, do que as correlações desconhecidas das variáveis em nível individual.

62 O MAUP é então essencialmente...
O problema das unidades de áreas modificáveis é a interdependência entre os resultados de qualquer análise quantitativa aplicada sobre dados individuais agrupados associados a subdivisões territoriais e a definição desses grupos de indivíduos ou subdivisões espaciais .

63 Efeitos de Escala - é a tendência, dentro de um sistema de unidades de área modificáveis, onde diferentes resultados estatísticos são obtidos a partir das mesmas variáveis quando a informação é agrupada em diferentes níveis de resolução espacial.(unidades espaciais) (e.g. setores censitários, bairros, distritos, municípios.)

64 Efeitos de Zoneamento -
é a variabilidade dos resultados estatísticos obtidos dentro de um sistema de unidades de área modificáveis, em função das diversas maneiras que estas unidades podem ser agrupadas a uma determinada escala, e não devido a variação do tamanho destas áreas - i.e., os diferentes resultados que ocorrem simplesmente alterando-se as bordas ou configurações destas zonas a uma dada escala.

65 Unidade de Área Modificável pelo Usuário - UMAU
O projeto de agrupamentos como uma ferramenta de análise espacial. Um sistema de zonas é uma forma de descrição muito simples. As bordas da zona devem conter em si significado substantivo, como por exemplo onde elas representem fronteiras ou transições em algum padrão específico. As áreas delimitadas devem, também, conter significado geográfico: por exemplo, unidades de espaço devem possuir algum propósito descritivo, seja devido a um critério de similaridade (e.g. totais populacionais iguais) ou por serem dominadas por diferentes características ( e.g. tipo de regiões) Openshaw,1996

66 O efeito das diferentes possibilidades de agrupamento sobre o valor da correlação

67 O projeto de zoneamento como ferramenta de
análise espacial Um dos requisitos chave no desenvolvimento de novos métodos de projeto de zoneamento em análise espacial está na habilidade para reagregar N pequenas áreas (a mais fina resolução disponível) em M regiões maiores de maneira a otimizar a função geral do dado agregado. As peças existem: os dados quase existem e os computadores de alto desempenho de última geração já são rápidos o suficiente. Openshaw,1996

68 População não alfabetizada
270 ZONAS OD97 DO MSP População >60 anos População não alfabetizada Renda per capita

69 População não alfabetizada
96 DISTRITOS DO MSP População >60 anos População não alfabetizada Renda per capita

70 96 ZONAS RENDA HOMOGENEAS DO MSP
População >60 anos População não alfabetizada Renda per capita

71 Comparação entre as matrizes de correlação para as variáveis selecionadas
ZONAS OD97 VARIÁVEIS A) Porcentagem da população com 60 anos ou mais B) Porcentagem da população não alfabetizada C) Renda individual per capita em reais * DISTRITOS ZONAS RENDA

72 Correção dos Dados: BAYES EMPÍRICO
Quando o atributo de interesse for uma taxa ou proporção, o mapeamento dessas taxas é o primeiro passo óbvio em qualquer análise. Entretanto, o uso de taxas brutas observadas pode ser ilusivo, já que a variabilidade de tais taxas será função do valor da população a que estas estão relacionadas, e esta pode diferir muito de área para área. Bailey,1995

73

74 i Em uma abordagem bayesiana, a melhor estimativa da
(taxa medida) i Em uma abordagem bayesiana, a melhor estimativa da verdadeira e desconhecida taxa é dada por: onde

75 Como se desconhece a distribuição, média e variância, das taxas internas a cada polígono, uma suposição simples é assumir que todos tenham a mesma média e variância de todo o conjunto de polígonos. Assim, assume-se que:

76

77 A AUTOCORRELAÇÃO ESPACIAL
ANÁLISE ESPACIAL A AUTOCORRELAÇÃO ESPACIAL A característica que distingue a análise estatística de dados espaciais é que seu foco principal está em inquirir padrões espaciais de lugares e valores, a associação espacial entre eles e a variação sistemática do fenômeno por localização. Anselin,1992

78 Se o interesse das análises é compreender as localizações relativas dos seus elementos componentes, os indicadores locais de autocorrelação espacial podem trazer expressões quantitativas desta estrutura a partir da capacidade de inferir sobre a distribuição espacial de atributos que a ela estão relacionados. -concentrações -persistências -transições Características distributivas

79 Índice Local de Moran Estatística G Onde é o elemento na matriz de vizinhança para o par de polígonos i e j

80 Iniciativas do INPE no Setor Saúde Formação de Quadros
Em Doutorado: ENSP - Depto Epidemiologia Virginia Ragoni - Pesquisadora da DPI Orientação: Dra Marília de Sá Carvalho TESE: Novos Olhares, Velhos Problemas: O Uso de Geotecnologias na Produção de Mapas de Risco Epidêmico

81 Iniciativas do INPE no Setor Saúde Formação de Quadros
Trabalhos com ênfase em Problemas de Saúde: Estudo da distribuição de incidência da malária na região de Tucuruí – PA, utilizando técnicas de Análise Espacial de padrões de pontos Cíntia Honório Vasconcelos, Doutoranda Centro de Recursos Hidricos e Ecologia Aplicada (USP-Sao Carlos) Orientadora:Evlyn Novo(INPE-USP) Co-orientador:Ulisses Confalonieri(Fiocruz)

82 OBJETIVO GERAL Este trabalho teve por objetivo geral entender as relações entre os padrões de distribuição espacial dos casos de incidência parasitária da malária na região da Usina Hidrelétrica de Tucuruí - PA e os padrões de ocupação da terra induzidos por sua implantação.

83 MATERIAIS E MÉTODOS Entrada dos dados da base cartográfica
digitalizada e imagem TM/LANDSAT 5 no SPRING 3.5 Primeira etapa da montagem do banco de dados “Malária” Aplicação do Modelo Linear de Mistura na imagem Landsat5 Segmentação Classificação Supervisionada Imagem TM/ Landsat5 classificada (uso e ocupação da terra)

84 MATERIAIS E MÉTODOS Padronização das amostras
(Estimador Bayesiano Empírico) Segunda etapa de montagem do banco de dados “Malária” Importação das amostras e de seus atributos para o SPRING Estimador de Intensidade Kernel Aplicação de Estatística Espacial Função K Mapa de distância Transformação da Grade distância em atributo _ Programa LEGAL “Atualize”

85 AMOSTRAS PLOTADAS

86 IMAGEM TM/LANDSAT5 CLASSIFICADA

87 ESTIMADOR DE INTENSIDADE KERNEL

88 MAPA DISTÂNCIA

89 Iniciativas do INPE no Setor Saúde Teórico-Metodológica
Uso da Moderna Geoestatística Espaço-Temporal para Tratar Dados Agregados por Área, Determinação de Risco Face a Incerteza, Uso de Superfícies de Tendência (2 Doutorados em Andamento) CPAC-EMBRAPA/DPI-INPE

90 GERAÇÃO DE SUPERFÍCIES DA TAXA DE HOMICÍDIOS
NA CIDADE DE SÃO PAULO Eduardo Celso Gerbi Camargo Antônio Miguel Vieira Monteiro Suzana Druck Fuks Gilberto Camara OBJETIVO: apresentar, através de procedimentos geoestatísticos, para os tomadores de decisões um cenário que apresente as tendências da variável sobre a área de estudo. IDÉIA: dissolver o dado zonal em superfícies contínuas.

91 CARACTERÍSTICAS DOS DADOS
Natureza: dados sócio-econômicos Unidade de análise: setores censitários, divisões políticas ou administrativas, etc. Agregação por unidade de análise, em geral, representada pelo centróide. Localização geográfica dos eventos eventos Taxas com variâncias muito diferentes entre as unidades de análise => correções. Escala de trabalho Maior área de estudo => maior heterogeneidade => valores menos representativos por unidade de análise. centróide

92 PROCEDIMENTOS DA GEOESTATÍSTICA
Análise Exploratória Cenários Análise Estrutural Validação do Modelo Campo de Amostras Estimação Krigeagem Ord.

93 RESULTADOS DA GEOESTATÍSTICA
1996 1999 SUPERFÍCIES DA TAXA DE HOMICÍDIOS EM SÃO PAULO NOS ANOS DE 1996 e 1999

94 ALGUMAS OBSERVAÇÕES A utilização da geoestatística linear (Krigeagem Ordinária) depende de hipóteses fortes como: a estacionariedade de 2a Ordem ou a estacionariedade intrínseca. Além disso, da distribuição normal dos dados. Segundo Bailey e Gatrel (1995), a transformação nos dados não é uma solução satisfatória quando contagem ou proporções são envolvidas. Uma Possibilidade: Explorar distribuições de probabilidade diferentes da Normal para o conjunto de dados coletados, por exemplo, as distribuições de Poisson e a Binomial.

95 AVANÇOS PRELIMINARES Um modo para tratar com esta espécie de dado (Taxa) é aplicar a Krigeagem Binomial ( Neil [1991], Oliver et. al [1998] ). Simplificadamente, esta técnica objetiva estimar o risco de um fenômeno ocorrer, tendo como informação disponível a taxa ou freqüência local (No. de casos / População). O sistema de Krigeagem Binomial

96 é o valor do Efeito Pepita.
AVANÇOS PRELIMINARES Semivariogramas de risco A principal diferença entre o semivariograma tradicional e o de Risco, é o valor do Efeito Pepita.

97 RESULTADOS PRELIMINARES
Mapeamento da Taxa de homicídios com base no semivariograma corrigido RESULTADOS PRELIMINARES 1996 1996 1999 1999

98 RESULTADOS PRELIMINARES
1996 1996 1999 1999

99 Iniciativas do INPE no Setor Saúde Teórico-Metodológica
Centro de Estudos de Desigualdades Socioterritorias DPI-INPE/Ser. Social PUC-SP/Inst Polis Projeto FAPESP – Em Execução – - MAPA Exclusão SP –2000 – Resultado + Recente - Estudos de Saúde, Ambiente e População NEPO-UNICAMP/DPI-INPE Projeto FAPESP – Proposta (Sendo Trabalhada)

100 “ Geometrias não são Geografias”
Recado Final Mesmo! “ Geometrias não são Geografias” Prof. Milton Santos

101 Geoprocessamento e Pessoas
Visitem! Geoprocessamento e Pessoas Geotecnologias


Carregar ppt "DIVISÃO DE CLÍNICA DE MOLÉSTIAS INFECCIOSAS E PARASITÁRIAS"

Apresentações semelhantes


Anúncios Google