Padrões Espaciais das Denúncias do Disque 100 no Nordeste Brasileiro em 2024




Prof. Dr. Jodavid de Araújo Ferreira

Departamento de Estatística — Universidade Federal de Pernambuco (UFPE)

📧 jodavid.ferreira@ufpe.br | 🌐 jodavid.github.io


Ana Vitória R. Araújo | Martha Liliana H. Madrid

Departamento de Estatística — Universidade Federal de Pernambuco (UFPE)


II GEOTEC — Encontro de Geotecnologias | IFPB Campus João Pessoa — Novembro de 2026

Trajetória da Pesquisa

e Contexto Acadêmico

  • Esta conferência consolida os resultados da pesquisa sobre a dinâmica geoespacial das violações de direitos humanos no Nordeste do Brasil (ano de 2024).

  • Histórico e Maturação Científica do Trabalho:

    • III WDCD (III Workshop de Divulgação Científica e Didáticas): Apresentação dos pilares conceituais de divulgação e democratização do dado público de violência.
    • XIX EMR | V EPE (XIX Escola de Modelos de Regressão & V Encontro Paraibano de Estatística): Discussão aprofundada dos modelos estatísticos, formulação do Estimador Bayesiano Empírico e testes de varredura espacial.
    • II GEOTEC (2026): Apresentação da integração plena com Geotecnologias, análise de clusters territoriais, implicações para SIG e direcionamento de políticas públicas.

Evolução Metodológica

O percurso investigativo evoluiu do tratamento tabular descritivo para uma esteira geotecnológica robusta, capaz de identificar hotspots, neutralizar instabilidades em pequenos municípios e subsidiar a gestão pública.

Foco no II GEOTEC:

Geoprocessamento, análise espacial de áreas, suporte a decisões governamentais e justiça territorial.

Geotecnologias e Direitos Humanos

Por que Conectar?

  • O Território como Determinante Social:
    • A violência e a violação de direitos humanos não ocorrem de forma homogênea no espaço.
    • Padrões de vulnerabilidade refletem assimetrias históricas, segregação socioespacial e desigualdade no acesso a serviços públicos.


  • O Papel Transformador das Geotecnologias:
    • Sistemas de Informação Geográfica (SIG): Integração de bases administrativas e demográficas.
    • Estatística Espacial: Transição da simples visualização cartográfica para a inferência estocástica e detecção de aglomerados significativos.
    • Inteligência Territorial: Conversão de 110.278 denúncias em insumo acionável para alocação prioritária de redes de acolhimento.

Estrutura da Apresentação

  1. Introdução e Contextualização
    • Cenário nacional da violência e marco legal
    • O serviço Disque 100 (Disque Direitos Humanos)
    • Cenário atual do Disque 100 (2023–2026)
    • O território nordestino e seus paradoxos
  2. Arcabouço Metodológico e Teórico
    • Razão de Incidência Espacial (RIE)
    • Autocorrelação Espacial: Moran Global e LISA
    • Estimador Bayesiano Empírico Local (EBEL)
    • Varredura Scan Espacial de Kulldorff
  3. Perfil das Denúncias no Nordeste (2024)
    • Temporalidade (horários e dias da semana)
    • Perfis de denunciantes, vítimas e suspeitos
    • O domicílio como epicentro da violação
  1. Resultados Espaciais e Detecção de Conglomerados
    • Diagnóstico de dependência espacial global
    • Aglomerados Alto-Alto no litoral vs. ausência de aglomerados no oeste
    • O caso emblemático de Salgadinho (PB)
    • Convergência dos métodos (49 municípios críticos)
    • Os 6 municípios de grande porte
  2. Geotecnologias, Políticas Públicas e Tomada de Decisão
    • Cobertura institucional e subnotificação
    • Diretrizes para alocação de equipamentos sociais
    • Trabalhos futuros e considerações finais

Panorama da Violência no Brasil

A URGÊNCIA do Tema

  • Em 1996, a Assembleia Mundial da Saúde (Resolução WHA49.25) declarou a violência como um dos principais problemas de saúde pública do mundo.
  • A OMS define violência como o uso intencional da força física ou do poder, real ou em ameaça, que resulte em lesão, morte, dano psicológico ou privação.


  • Indicadores Críticos no Brasil (18º Anuário FBSP, 2024):
    • 46.328 Mortes Violentas Intencionais (MVI) em 2023.
    • Taxa nacional de 22,8 MVI por 100 mil habitantes.
    • Crescimento de todos os tipos de violência contra as mulheres.
    • Taxa de 41,4 estupros por 100 mil habitantes.

Cenário de Insegurança

Essas formas de violência violam os direitos humanos de milhares de pessoas e impõem um cenário persistente de insegurança à população brasileira.

46.328
Mortes Violentas Intencionais no Brasil em 2023
41,4 / 100k
Taxa de Estupros no Brasil (2023)

Direitos Humanos

Marcos Legais e Garantias


Declaração Universal (1948)

  • Resolução 217 A (III) da Assembleia Geral da ONU.
  • Estabelece 30 artigos universais e inalienáveis, consagrando o direito à vida, integridade, liberdade e igualdade de tratamento perante a lei.

Constituição Cidadã de 1988

  • Eleva a dignidade da pessoa humana a fundamento da República Federativa do Brasil (Art. 1º, III).
  • Garante inviolabilidade do direito à vida, liberdade, igualdade, segurança e propriedade (Art. 5º).

Código Penal e Legislação Correlata

  • Decreto-Lei nº 2.848/1940 e leis protetivas específicas:
    • Estatuto da Criança e do Adolescente (ECA — Lei 8.069/1990)
    • Estatuto da Pessoa Idosa (Lei 10.741/2003)
    • Lei Maria da Penha (Lei 11.340/2006)
    • Lei Brasileira de Inclusão da Pessoa com Deficiência (Lei 13.146/2015)

O Desafio: Como conectar as previsões normativas à realidade concreta dos territórios? A resposta passa pela vigilância geoespacial e canais de denúncia ágeis.

O Serviço Disque 100

(Disque Direitos Humanos)

  • Criado pelo Ministério dos Direitos Humanos e da Cidadania (MDHC), o Disque 100 é um serviço público estratégico e gratuito voltado para o acolhimento de denúncias de violações de direitos fundamentais.

  • Principais Diretrizes Operacionais:

    • Disponibilidade Integral: Opera 24 horas por dia, 7 dias por semana, inclusive feriados.
    • Acesso Gratuito e Universal: Ligação gratuita de qualquer telefone fixo ou móvel.
    • Possibilidade de Anonimato: A denúncia pode ser feita de forma anônima.
    • Alcance Internacional: Atendimento estendido a brasileiros no exterior em mais de 50 países (EUA, Portugal, Espanha, Itália, etc.).

Encaminhamento Rápido

Após triagem e qualificação técnica, as denúncias são despachadas aos órgãos da rede de proteção em até 24 horas.

Múltiplos Canais de Entrada:
  • Chamada Telefônica (100)
  • WhatsApp Oficial do MDHC
  • Aplicativo Direitos Humanos Brasil
  • Portal Web gov.br/mdh

O Fluxo Institucional da Denúncia


1. Recepção 2. Triagem e Qualificação 3. Georreferenciamento 4. Despacho (até 24h) 5. Atuação Local
Cidadão
Telefone 100, App, Web ou WhatsApp		 Operador MDHC
Identificação da suposta violação, vítima e agressor		 Localização
Atribuição do município do fato e dados contextuais		 Rede de Defesa
Envio automatizado aos órgãos competentes		 Acolhimento e Justiça
Conselho Tutelar, Delegacias, MP, Defensoria


Ponto Crítico: O fluxo institucional depende da capacidade de resposta local de cada município. Municípios sem Conselhos Tutelares estruturados ou sem delegacias especializadas acumulam passivos graves.

Visão Geotecnológica: Conhecer o tempo e o destino da denúncia permite mapear a eficiência territorial da rede de proteção social.

Panorama Nacional Recente

Disque 100 nos anos 2023–2025



  • 2024 foi o ano recorde: 657,2 mil denúncias, +22,6% em relação a 2023 (536,1 mil).
  • 2025: 617.837 denúncias e cerca de 4,4 milhões de violações (dados até 14/12/2025).
  • Demanda total: 2.248.408 atendimentos de janeiro a novembro de 2025.

Denúncia ≠ Violação: uma única denúncia pode reunir múltiplas violações associadas (razão ≈ 7 violações por denúncia em 2025).

Fontes: MDHC/ONDH (2025); Agência Gov (dez./2025); Poder360 (jan./2025). Balanços posteriores do MDHC revisam 2024 para ≈ 650,4 mil denúncias (painel atualizado continuamente).

Quem São as Vítimas e Quais as Violações?

Perfil Nacional Segundo os Balanços Oficiais


  • Grupos vulneráveis mais citados (2024):
    • Crianças e adolescentes: 289,4 mil denúncias.
    • Pessoas idosas: 179,6 mil.
    • Mulheres: 111,6 mil.
  • Locus da violação (2024): na maioria dos casos, a casa da vítima e/ou do suspeito (301,4 mil denúncias).
  • 2025: as principais vítimas concentram-se entre pessoas idosas, crianças e adolescentes.
632.657
Negligência contra a integridade (2025)
515.864
Exposição da integridade física a risco à saúde (2025)
476.924
Tortura psíquica (2025)

Fontes: MDHC/ONDH, balanço 2024 (Poder360, jan./2025) e balanço 2025 (Agência Gov, dez./2025).

Distribuição Territorial das Denúncias

O Nordeste no Cenário Nacional (2025–2026)


  • 2025: Bahia (30.958) e Pernambuco (24.365) no top-10 nacional.
  • 2026 (até 13/set): PE é o 7º do país e o 2º do Nordeste, atrás da BA (≈ 82 denúncias/dia).
  • PB (2025): 2ª maior taxa do Nordeste de denúncias envolvendo crianças e adolescentes (127/100 mil hab.).

Contagens absolutas refletem o porte populacional: comparações exigem taxas padronizadas (RIE, suavização bayesiana).

Fontes: Agência Gov (dez./2025); Diario de Pernambuco (set./2026), a partir do painel da ONDH; Jornal da Paraíba / CBN Paraíba (fev./2026).

Tendências Recentes (2025–2026)

Novos Canais e Novas Demandas



  • Modernização operacional (2025): implantação da nova central de atendimento, após conclusão do processo licitatório — ampliação da capacidade e redução de filas.
  • Canais multimodais: telefone, WhatsApp, Telegram, chat, e-mail e videochamada em Libras.
  • Crescimento do WhatsApp: 39 mil (2023) → 57 mil (2024) → 81 mil (2025); só no 1º trimestre de 2026, ≈ 37 mil denúncias.

Violência Política — Eleições 2026

90 denúncias entre 1º e 25/out, contra 20 em todo setembro (+350%); os dois dias de votação concentraram 30% dos registros de outubro.

Racismo — 1º semestre de 2026

No estado de São Paulo: 646 denúncias (jan.–jun./2026) vs. 482 no mesmo período de 2025 (+34%).

Fontes: MDHC (dez./2025); Agência Brasil (abr./2026 e nov./2026); Agência Gov (out./2026); ACidade ON (jul./2026).

A Região Nordeste

O Território em Análise

  • Configuração Geográfica:
    • 9 Unidades Federativas: AL, BA, CE, MA, PB, PE, PI, RN e SE.
    • Total de 1.793 municípios.
    • População estimada em 2024 pelo IBGE (SIDRA): mais de 57 milhões de habitantes.
  • Heterogeneidade Intrarregional:
    • Faixa Litorânea e Zonas da Mata: Alta densidade demográfica, pólos industriais e turísticos, conurbações metropolitanas complexas.
    • Agreste e Sertão Semiárido: Baixa densidade, dependência agropecuária, maiores distâncias geográficas até serviços de alta complexidade.

O Paradoxo Nordestino


Dinamismo Econômico vs. Vulnerabilidade Estrutural: O Nordeste associa expressivo crescimento econômico e desenvolvimento social nas últimas décadas a indicadores críticos de violência (FBSP, 2024).


2 de 3 Estados
com maiores taxas de MVI do Brasil (Bahia e Pernambuco)

Segundo o Anuário de Segurança Pública 2024, a dinâmica do crime organizado e disputas de facções no Nordeste intensificaram as taxas de letalidade violenta.

7 de 10 Municípios
mais violentos do Brasil pertencem ao Nordeste (6 na BA, 1 no CE)

Esse panorama torna a análise espacial das denúncias ao Disque 100 na região um campo de análise relevante e urgente para o planejamento governamental.

Por que a Abordagem Espacial

é Indispensável?


Limitações dos Modelos Aespaciais

  • Agregação Tradicional: Tabelas simples mascaram heterogeneidades locais extremas.

  • Falácia Ecológica: Inferir que indivíduos em uma macrorregião possuem o mesmo risco médio de denúncias.

  • Ignorar a Primeira Lei da Geografia (Tobler, 1970):

    “Todas as coisas estão relacionadas com todas as outras, mas coisas próximas estão mais relacionadas do que coisas distantes.”

Benefícios da Estatística Espacial

  • Detecção de Dependência Espacial: Verificar se o número de denúncias de um município depende do comportamento de seus vizinhos.
  • Identificação de Hotspots Estatísticos: Diferenciar aglomerados reais de flutuações aleatórias.
  • Estabilização de Pequenas Áreas: Evitar falsos alarmes em municípios com populações diminutas.
  • Territorialização de Recursos: Alocar conselheiros tutelares, viaturas e centros de acolhimento onde a demanda é comprovadamente crítica.

Base de Dados e Critérios Metodológicos



  • Fonte de Denúncias:
    • Dados Abertos do Governo Federal / MDHC (2024).
    • Recorte temporal: 01 de janeiro a 31 de dezembro de 2024.
    • Total no Nordeste: 110.278 registros de denúncias.
    • Metadados: data/hora, canal, denunciante, características de vítimas e suspeitos, natureza da violação e município do fato.
  • Fonte Populacional:
    • Estimativa populacional municipal do IBGE para 2024 (SIDRA).
    • Metodologia baseada na relação de tendência intercensitária.

Pressuposto de Independência

Diante da anonimização estrita e da impossibilidade de identificar renotificações da mesma violação em momentos distintos, todas as denúncias foram tratadas como eventos estocasticamente independentes agrupados no nível municipal.

Ambiente Computacional: Software R (R Core Team, 2025) com os pacotes espaciais sf, spdep, SpatialEpi e tmap.

Perguntas Centrais da Investigação


  1. Existe dependência espacial significativa?
    • As denúncias de violações de direitos humanos no Nordeste formam aglomerados territoriais ou sua distribuição decorre puramente do acaso espacial?

  1. Como neutralizar a instabilidade das pequenas áreas?
    • Como garantir que municípios de 2.000 a 5.000 habitantes com 2 ou 3 denúncias não apresentem taxas inflacionadas espúrias?

  1. Onde residem os verdadeiros conglomerados estatísticos?
    • O método de varredura Scan de Kulldorff confirma os mesmos clusters sugeridos pelos índices locais de autocorrelação (LISA)?

  1. Existe convergência multi-método para subsidiar políticas públicas?
    • Quais municípios nordestinos são qualificados simultaneamente como prioritários por critérios empíricos, bayesianos e de varredura espacial?

Fluxograma da Abordagem

Metodológica Integrada


Esteira analítica sequencial: integração do dado bruto ao diagnóstico de convergência territorial multi-método.

O Desafio de Pequenas Áreas


  • Considere a taxa bruta local em uma sub-região \(i\): \[r_i = \frac{y_i}{n_i}\] onde \(y_i\) é o número de denúncias e \(n_i\) é a população.

  • A variância da taxa bruta sob o modelo de Poisson é inversamente proporcional à população: \[\mathrm{Var}(r_i) = \frac{\lambda_i}{n_i}\]

  • Consequência:

    • Em municípios com \(n_i\) muito pequeno (ex.: 2.500 hab.), uma única denúncia adicional provoca grandes oscilações na taxa calculada.
    • Gera picos espúrios no mapa (variabilidade amostral).

O Estimador Bayesiano Empírico Local opera um efeito de shrinkage (encolhimento), estabilizando as taxas de pequenas áreas em direção à média local.

Razão de Incidência Espacial (RIE)


A Razão de Incidência Espacial (RIE) é uma medida padronizada de risco relativo empírico que compara a incidência local observada na sub-região \(i\) com a incidência global da macrorregião:


\[ \text{RIE}_i = \frac{\text{Incidência Local no Município } i}{\text{Incidência Global na Região Nordeste}} = \frac{y_i / n_i}{\displaystyle \frac{\sum_{k=1}^m y_k}{\sum_{k=1}^m n_k}} \]


onde:

  • \(y_i\) é o número de denúncias observadas no município \(i\) em 2024
  • \(n_i\) é a população estimada do município \(i\) em 2024
  • \(m = 1.793\) é o número total de municípios da Região Nordeste
  • \(\sum_{k=1}^m y_k = 110.278\) é o somatório total de denúncias no Nordeste
  • \(\sum_{k=1}^m n_k\) é a população total acumulada da Região Nordeste

Interpretação Cartográfica da RIE


Faixa da RIE Interpretação Implicação Analítica
\(\text{RIE}_i = 0\) Nenhuma denúncia no período Investigar subnotificação
\(0 < \text{RIE}_i < 1\) Inferior à incidência regional Abaixo da referência
\(\text{RIE}_i = 1\) Igual à incidência regional Referência
\(\text{RIE}_i > 1,5\) Incidência ao menos 50% superior à regional Sinal de excesso de incidência
\(\text{RIE}_i > 2,0\) Incidência superior ao dobro da regional Prioridade de investigação


Vantagem da RIE

Permite comparar municípios de portes muito distintos — como capitais e cidades do semiárido — em uma mesma escala adimensional de incidência relativa.

Ressalva: Por basear-se em taxas brutas, a RIE é sensível a populações pequenas, o que motiva a suavização bayesiana.

Matriz de Pesos Espaciais (\(\mathbf{W}\))


Para modelar a dependência espacial entre os \(1.793\) municípios, constrói-se uma matriz de vizinhança espacial \(\mathbf{W} \in \mathbb{R}^{m \times m}\):

  • Critério de Contiguidade de Primeira Ordem por Arestas e Vértices (Queen):
    • Dois municípios \(i\) e \(j\) são considerados vizinhos se compartilham qualquer ponto de fronteira comum (arestas ou vértices): \[w_{ij} = \begin{cases} 1, & \text{se } i \text{ e } j \text{ compartilham fronteira} \\ 0, & \text{caso contrário (ou } i = j) \end{cases}\]
  • Padronização por Linha:
    • Assegura que o somatório dos pesos de cada município seja unitário (\(\sum_j w_{ij}^* = 1\)): \[w_{ij}^* = \frac{w_{ij}}{\sum_{k=1}^m w_{ik}}\]
    • O produto \(\mathbf{W}^*\mathbf{z}\) representa a defasagem espacial (spatial lag), isto é, a média ponderada dos vizinhos.



Arestas e vértices vs. apenas arestas

O critério por arestas e vértices (Queen) considera vizinhos também os municípios que compartilham apenas um vértice, enquanto o critério somente por arestas (Rook) os exclui. Em malhas municipais irregulares, o primeiro reduz o número de áreas sem vizinhos e é amplamente adotado em análises de dados de área.

Índice I de Moran Global


O Índice I de Moran Global (Moran, 1950) mede o grau de autocorrelação espacial global de uma variável contínua ou de contagem na malha territorial:


\[ I = \frac{m}{\sum_{i=1}^m \sum_{j=1}^m w_{ij}} \frac{\sum_{i=1}^m \sum_{j=1}^m w_{ij} (x_i - \bar{x})(x_j - \bar{x})}{\sum_{i=1}^m (x_i - \bar{x})^2} \]


onde:

  • \(m\) é o número total de municípios analisados (\(m = 1.793\))
  • \(x_i\) e \(x_j\) são os valores observados (número de denúncias) nos municípios \(i\) e \(j\)
  • \(\bar{x} = \frac{1}{m}\sum_{i=1}^m x_i\) é a média aritmética global
  • \(w_{ij}\) é o elemento da matriz de conectividade espacial \(\mathbf{W}\)
  • \((x_i - \bar{x})(x_j - \bar{x})\) é o produto cruzado dos desvios em relação à média

Teste de Hipóteses e

Inferência do Moran Global


Teste de Aleatoriedade Espacial

  • Hipótese Nula (\(H_0\)): Distribuição espacialmente aleatória das denúncias. Ausência de dependência espacial.
  • Hipótese Alternativa (\(H_1\)): Presença de autocorrelação espacial estruturada.

Propriedades Estatísticas sob \(H_0\)

  • O valor esperado sob \(H_0\) é dado por: \[E[I] = -\frac{1}{m - 1} \approx -\frac{1}{1792} \approx -0,000558\]

  • A estatística de teste padronizada (\(z\)-score) é: \[Z_I = \frac{I - E[I]}{\sqrt{\mathrm{Var}(I)}} \sim \mathcal{N}(0, 1)\]

Escala de Interpretação

  • \(I > E[I]\) (\(Z_I > 0\) e \(p < 0,05\)):
    • Autocorrelação Espacial Positiva: Municípios com altos números de denúncias vizinham municípios também altos, e baixos vizinham baixos. Aglomeração (clustering).
  • \(I \approx E[I]\) (\(p \ge 0,05\)):
    • Aleatoriedade Espacial: Ausência de estrutura espacial (independência entre vizinhos).
  • \(I < E[I]\) (\(Z_I < 0\) e \(p < 0,05\)):
    • Autocorrelação Espacial Negativa: Padrão alternado entre vizinhos (valores dissimilares adjacentes).

Índice de Moran Local (LISA)


Proposto por Anselin (1995), o LISA (Local Indicators of Spatial Association) decompõe o índice global para identificar a contribuição individual de cada município na formação de clusters espaciais:


\[ I_i = \frac{z_i - \bar{z}}{s^2} \sum_{j=1}^m w_{ij} (z_j - \bar{z}) \]


  • \(z_i\) e \(z_j\) são as variáveis padronizadas nos municípios \(i\) e \(j\)
  • \(s^2 = \frac{1}{m}\sum_i (z_i - \bar{z})^2\) é a variância amostral
  • A soma de todos os índices locais é proporcional ao Moran Global: \[\sum_{i=1}^m I_i = m \cdot I\]

Propriedades Fundamentais

  • Permite testar a significância estatística local via pseudo-p-valores obtidos por permutações condicionais de Monte Carlo (ex.: 999 permutações).
  • Gera o Moran Scatterplot e o Mapa de Clusters LISA.

O Diagrama de Dispersão de Moran

Moran Scatterplot


  • Q1 — Alto-Alto (Hotspots):
    • Municípios com alta incidência rodeados por vizinhos também com alta incidência. Focos de intervenção prioritária.
  • Q3 — Baixo-Baixo (Coldspots):
    • Municípios de baixa incidência cercados por vizinhos de baixa incidência.
  • Q2 — Baixo-Alto (Outlier Espacial):
    • Município de baixa incidência cercado por vizinhos de alta incidência (possível ilha de subnotificação).
  • Q4 — Alto-Baixo (Outlier Espacial):
    • Polo isolado de alta incidência em meio a vizinhos de baixa incidência.

Estimador Bayesiano Empírico Local

EBEL



  • Baseado na formulação de Marshall (1991), o estimador assume que a verdadeira taxa de ocorrência \(\theta_i\) em cada município é uma variável latente não observada.

  • As contagens observadas \(y_i\) condicionais a \(\theta_i\) seguem uma distribuição de Poisson: \[y_i \mid \theta_i \sim \text{Poisson}(n_i \theta_i)\] onde \(n_i\) é a população em risco.

  • A média e a variância a priori de \(\theta_i\) são estimadas pelo método dos momentos na vizinhança espacial de \(i\), resultando em uma média ponderada entre a taxa local e a taxa da vizinhança.

Intuição Bayesiana

Se a população \(n_i\) é grande, a estimativa permanece próxima da taxa observada \(r_i\). Se \(n_i\) é pequena, a estimativa incorpora informação da vizinhança (borrowing strength), sendo encolhida em direção à média local.

Reduz a instabilidade das taxas e os falsos positivos associados a populações pequenas.

Dedução Matemática do Estimador EBEL


O estimador da taxa suavizada para o município \(i\), denotado por \(\hat{\theta}_i\), é dado pela combinação convexa:


\[ \hat{\theta}_i = w_i r_i + (1 - w_i) \bar{r}_i \]


onde o fator de ponderação (shrinkage factor) \(w_i \in [0, 1]\) é expresso por:

\[ w_i = \frac{s_i^2}{s_i^2 + \frac{\bar{r}_i}{n_i}} \]

e os parâmetros da distribuição local da vizinhança \(V_i\) (incluindo o próprio município \(i\)) são:

\[ \bar{r}_i = \frac{\sum_{j \in V_i} y_j}{\sum_{j \in V_i} n_j}, \qquad s_i^2 = \frac{\sum_{j \in V_i} n_j (r_j - \bar{r}_i)^2}{\sum_{j \in V_i} n_j} - \frac{\bar{r}_i}{\bar{n}_i} \]

com \(r_j = y_j / n_j\) a taxa bruta no município \(j\) e \(\bar{n}_i\) a população média dos municípios de \(V_i\).

Varredura Scan Espacial de Kulldorff



  • Desenvolvido por Kulldorff & Nagarwalla (1995), o método de varredura espacial testa se eventos pontuais ou de área apresentam agrupamentos anômalos.

  • Mecanismo das Janelas Circulares:

    • Posiciona-se um círculo centrado no centróide geográfico de cada município.
    • O raio da circunferência cresce de forma contínua e gradual, englobando centróides adjacentes.
    • A expansão é contida por um limiar máximo predefinido da população sob risco da região (adotado 0,1% da população total do Nordeste, equivalente a 57.112 pessoas).

Função de Verossimilhança e

Simulação de Monte Carlo


Sob a hipótese nula \(H_0\), o risco de uma denúncia é constante em todo o Nordeste (\(p = q\)). Sob \(H_1\), o risco dentro da janela circular \(Z\) é superior ao risco externo (\(p > q\)).

A Razão de Verossimilhança (LRR) sob o modelo Poisson é calculada para cada círculo candidato \(Z\):


\[ \mathrm{LRR}(Z) = \left( \frac{c_Z}{E[c_Z]} \right)^{c_Z} \left( \frac{C - c_Z}{C - E[c_Z]} \right)^{C - c_Z} \cdot \mathbb{I}(c_Z > E[c_Z]) \]


onde:

  • \(C\) é o total de denúncias no Nordeste (\(110.278\)) e \(c_Z\) é o total de denúncias observadas dentro da janela \(Z\)
  • \(E[c_Z] = N_Z \cdot (C / N)\) é o número esperado de denúncias sob \(H_0\), proporcional à população \(N_Z\)
  • O círculo que maximiza \(\mathrm{LRR}(Z)\) é o Cluster Mais Provável (Most Likely Cluster)
  • A significância estatística (\(p\)-valor) é obtida via Simulação de Monte Carlo sob \(H_0\), adotando \(\alpha = 0,05\)

Resultados Descritivos

Panorama das 110.278 Denúncias



110.278
denúncias no Nordeste (2024)
≈ 61,5 por município
85,22%
feitas por terceiros
própria vítima: 14,64%
90,86%
por ligação telefônica
WhatsApp: 8,20% · outros: 0,94%
10h
pico diário de registros
concentração entre 8h e 18h; mínimo às 5h
80,5%
registradas em dias úteis
sábado: 10,7% · domingo: 8,8%
79,33%
na casa onde a vítima reside
48,90% com vítima e suspeito no mesmo domicílio
46,74%
vítimas de 0 a 17 anos
bebês, crianças e adolescentes
33,81%
vítimas com 60 anos ou mais
faixa etária isolada mais frequente
36,57%
violação à integridade física
seguida da integridade psíquica: 33,48%

■ Acesso ao serviço    ■ Temporalidade e local    ■ Perfil e violações

Dinâmica Temporal

A Rotina das Notificações





  • Padrão Circadiano (Painel A):
    • Pico às 10h (8,0%) e segundo pico às 14h.
    • 70,0% dos registros ocorrem entre 8h e 17h59.
    • Menor volume às 5h (0,2%), com queda no fim da noite e na madrugada.
  • Efeito Fim de Semana (Painel B):
    • Dias úteis: entre 14,5% e 17,3% ao dia.
    • Sábado (10,7%) e domingo (8,8%) apresentam redução.
    • Hipótese: a menor oferta de serviços da rede de proteção no fim de semana pode reduzir os encaminhamentos.

Perfil dos Atores

Denunciantes e Canais



  • 85,22% feitas por Terceiros:
    • Evidencia o papel da rede comunitária, de profissionais e de vizinhos na notificação.
    • A própria vítima denunciou em 14,64% dos casos.
  • 90,86% via Telefonia:
    • WhatsApp respondeu por 8,20% e os demais canais por 0,94%.
    • A ligação gratuita permanece como principal canal de acesso.

Perfil das Vítimas

Distribuição por Faixa Etária

80,6% das Vítimas são Crianças/Adolescentes ou Idosos

A maior parte das denúncias ao Disque 100 envolve indivíduos nos extremos da pirâmide etária; adultos de 18 a 59 anos somam 15,85% e 3,59% não têm a idade informada.

46,74%
Crianças e Adolescentes (0 a 17 anos)
  • Até 2 anos: 6,22%.
  • 3 a 11 anos: 25,66%.
  • 12 a 17 anos: 14,87%.
33,81%
Idosos (60 a 90+ anos de idade)
  • Faixa etária individual mais frequente.
  • Contexto de envelhecimento populacional e dependência de cuidados.

Perfil dos Suspeitos

Características dos Suspeitos



  • Faixa Etária do Agressor:
    • 59,3% pertencem à faixa de 18 a 59 anos de idade (adultos em idade produtiva e de chefia domiciliar).
    • 1,72% de 12 a 17 anos, 6,41% com 60 anos ou mais e 32,62% sem informação.
  • Sexo dos Suspeitos (total de denúncias):
    • 23,23% de mulheres apontadas como suspeitas.
    • 19,27% de homens apontados como suspeitos.
    • Em 57,50%, o sexo do suspeito não foi informado.
    • Hipótese: maior presença feminina nas funções de cuidado no domicílio.

O Problema do Dado Faltante

O fato de 57,50% dos registros de suspeitos e 54,62% de vítimas não informarem o sexo evidencia limitações no preenchimento administrativo.

Demanda Geotecnológica: Necessidade de algoritmos de imputação espacial e padronização digital dos formulários de atendimento.

Onde a Violência Ocorre?

O Domicílio como Local de Ocorrência

48,90%
Residência Compartilhada (Vítima e Suspeito moram juntos)
30,43%
Casa da Vítima (suspeito não reside)
20,67%
Casa do Suspeito (4,46%) e Outros Locais (16,21%)

79,33% na Casa da Vítima

Diferentemente de crimes em vias públicas, as violações denunciadas ocorrem predominantemente no espaço privado, onde o policiamento ostensivo tem alcance limitado.


Impacto Territorial: Estratégias baseadas apenas em policiamento ostensivo têm alcance limitado nesse contexto. A prevenção exige agentes comunitários de saúde, assistentes sociais e visitas domiciliares georreferenciadas.

Natureza das Violações e

Distribuição por Estados


Tipologia das Violações

  • Integridade Física: 36,57%
  • Integridade Psíquica: 33,48%
  • Negligência: 17,82%
  • Direitos Sociais: 3,46%
  • Liberdade Sexual: 3,30%
  • Integridade Patrimonial: 2,89%
  • Outras: 2,48%

Liderança por Estados e Cidades

  • Bahia: Concentra 25,1% das denúncias do Nordeste (estado mais populoso da região).
  • Fortaleza (CE): Município que registrou a maior quantidade absoluta de casos em toda a Região Nordeste.
  • Pernambuco e Ceará formam, junto com a Bahia, os três grandes eixos de volume absoluto.

Efeito de Escala: Grandes cidades lideram em contagens absolutas devido ao contingente populacional; a comparação exige taxas relativas.

Resultados Espaciais

Autocorrelação Global Confirmada


Índice I de Moran Global = 0,12 (\(p < 0,01\))

Rejeição da hipótese nula de aleatoriedade espacial ao nível de 1% de significância.

O que significa \(I = 0,12\)?

  • Confirma a existência de autocorrelação espacial positiva estatisticamente significativa.
  • Municípios com elevado volume de denúncias não são eventos isolados: tendem a estar cercados por vizinhos que também apresentam elevadas denúncias.
  • A magnitude (\(I = 0,12\)) indica autocorrelação positiva de intensidade fraca, porém significativa.

Validação Metodológica

  • O valor esperado sob independência espacial seria \(E[I] = -1/1792 \approx -0,00056\).
  • O \(p\)-valor inferior a 0,01 indica que é improvável que tal agrupamento decorra apenas do acaso.
  • Justifica a análise de decomposição local (LISA).

Mapeamento dos Clusters Locais LISA



Tipologia dos Clusters LISA

  • 51 Municípios Alto-Alto (Hotspots):
    • Parte deles localizada mais próxima ao litoral.
  • 9 Municípios Baixo-Baixo (Coldspots):
    • Localizados mais próximos ao oeste e noroeste da região.
  • 219 Municípios Outliers Espaciais:
    • Alto-Baixo ou Baixo-Alto (zonas de contraste e ruptura territorial).

A Geografia dos Clusters LISA

Litoral vs. Interior Ocidental


O Corredor Litorâneo (Hotspots Alto-Alto)

  • Localização: Parte dos municípios do cluster Alto-Alto situa-se mais próxima ao litoral.
  • Hipóteses explicativas (não testadas no estudo):
    • Maior penetração de campanhas informativas.
    • Maior cobertura de telecomunicações.
    • Maior presença de órgãos da rede de proteção.

Os Coldspots do Oeste (Baixo-Baixo)

  • Apenas 9 municípios no cluster Baixo-Baixo, situados mais próximos ao oeste e noroeste da região.
  • O Dilema da Subnotificação:
    • Menor ocorrência de violações ou subnotificação?
    • Possíveis barreiras de acesso aos canais e receio de exposição em comunidades pequenas.

Conclusão do LISA: O mapa do Moran Local pode refletir tanto a ocorrência das violações quanto a propensão local à notificação.

Razão de Incidência Espacial no Nordeste


Distribuição Empírica da RIE

  • 80% dos municípios: Apresentaram \(\text{RIE} < 1\) (incidência local abaixo da média regional).
  • 136 municípios: Apresentaram \(\text{RIE} > 1,5\) (incidência ao menos 50% superior à regional).
  • 52 municípios: Apresentaram \(\text{RIE} > 2,0\) (incidência superior ao dobro da regional).

Espacialização

  • Há maior quantidade de municípios com \(\text{RIE} > 1,5\) mais próximos ao litoral.
  • Maior valor: Salgadinho (PB), \(\text{RIE} = 12,9\).

O Caso Extremo de Salgadinho (PB)

Análise de um Valor Extremo


  • Os Dados de Salgadinho - PB:
    • População estimada IBGE 2024: 3.437 habitantes (85 denúncias).
    • Maior RIE do Nordeste: 12,9.
    • Maior taxa suavizada: 24,27 por mil hab.
  • Como Interpretar este Valor?
    • RIE = 12,9 significa quase 13 vezes mais denúncias por habitante do que a média da Região Nordeste.
    • Em população pequena, poucas dezenas de denúncias produzem taxa muito elevada.

Questão Interpretativa

O valor reflete maior ocorrência de violações ou maior propensão local à notificação (p. ex., registros concentrados por um mesmo órgão)? Os dados agregados não permitem distinguir.

O Papel do Estimador Bayesiano:

Mesmo após a suavização bayesiana empírica local, Salgadinho manteve a maior taxa do Nordeste (24,27 por mil hab.), indicando que o valor elevado não é explicado apenas pela instabilidade de pequena área.

Mapeamento da Taxa Suavizada Bayesiana


  • 825 Municípios: Taxa suavizada inferior a 1 denúncia por 1.000 habitantes.

  • 311 Municípios: Taxa suavizada superior a 2 denúncias por 1.000 habitantes.

  • O que a Suavização Evidencia?

    • Atenua flutuações aleatórias de municípios com pequena população.
    • Observa-se maior concentração de municípios com taxas superiores a 1,5 próximo ao litoral, padrão semelhante ao da RIE.

Comparação

RIE Bruta vs. Taxa Suavizada Bayesiana

RIE (bruta)
EBEL (suavizada)

Razão direta: \(r_i \,/\, r_{\text{global}}\)

Cálculo

Média ponderada: \(w_i r_i + (1-w_i)\,\bar{r}_i\)

Muito sensível ao ruído amostral

Pequenas populações

Estabilizada por shrinkage para a vizinhança

Compara cada município com o total da região

Uso da geografia

Usa a vizinhança \(V_i\) de cada município

Triagem rápida de picos e anomalias

Papel na gestão

Estimativa estável para mapas temáticos

52
municípios com RIE > 2
12,9
RIE máxima (Salgadinho-PB)
311
municípios com taxa > 2 por mil hab.
24,27
taxa máxima por mil hab. (Salgadinho-PB)

Síntese: a RIE evidencia anomalias locais, mas oscila em municípios pequenos; o EBEL troca parte desse ruído por estabilidade espacial. As contagens não são diretamente comparáveis: a RIE é uma razão adimensional, e o EBEL, uma taxa por mil habitantes.

Varredura Scan de Kulldorff

291 Municípios em Clusters


  • 291 Municípios Significativos (\(p < 0,05\)):
    • Municípios em que a quantidade de denúncias em relação à população é estatisticamente superior ao esperado sob o modelo de Poisson.
  • Configuração Espacial:
    • Maior concentração de municípios significativos próximo ao litoral.
    • Ausência de municípios significativos no oeste da região.

O Oeste Nordestino:

Por que Não Há Clusters no Oeste?


Ausência de Aglomerados Significativos no Oeste

Um dos resultados da varredura Scan é a ausência de municípios significativos no oeste da região, enquanto os conglomerados concentram-se mais próximos ao litoral.


Hipótese 1: Baixa Cobertura Institucional

  • Ausência de postos físicos do Estado e baixa atuação de conselhos tutelares.
  • Populações rurais dispersas sem conectividade estável para ligar ao 100.
  • Receio quanto ao anonimato em municípios de pequeno porte.

Hipótese 2: Fatores Socioculturais

  • Dinâmicas comunitárias tradicionais em que conflitos são mediados intrafamiliarmente.
  • O dado reflete menor propensão à denúncia formal, e não necessariamente ausência de violência.

Convergência Multi-Método

Triangulação Estatística


  • Os Três Filtros Estatísticos:
    1. \(\text{RIE} > 2,0\) (52 municípios)
    2. Taxa Bayesiana \(> 2,0\) por mil hab. (311 municípios)
    3. Varredura Scan Significativa, \(p < 0,05\) (291 municípios)

A Interseção Tríplice

49 municípios satisfazem simultaneamente os três critérios: RIE > 2, taxa suavizada > 2 por mil hab. e significância na varredura Scan.

Os 6 Municípios de Grande Porte


Dentre os 49 municípios da interseção tríplice, 6 possuem população superior a 57.112 habitantes (limiar populacional de 0,1% da varredura Scan):


  1. Recife (PE) — Capital de Pernambuco
  2. Natal (RN) — Capital do Rio Grande do Norte
  3. Parnaíba (PI) — Segundo maior município do Piauí
  4. Casa Nova (BA) — Submédio São Francisco
  5. Ceará-Mirim (RN) — Região Metropolitana de Natal
  6. Extremoz (RN) — Região Metropolitana de Natal

Independência de Vizinhos

Como cada um possui população superior ao limite da janela (0,1% da população), esses 6 municípios não tiveram influência de seus vizinhos para serem considerados significativos na varredura Scan.

Destaque para o RN: 3 dos 6 municípios situam-se no Rio Grande do Norte (Natal, Ceará-Mirim e Extremoz), todos na Região Metropolitana de Natal.

Geotecnologias na Prática

Da Tabela ao SIG Decisório

A Realidade dos Dados Públicos Tradicionais

  • Planilhas CSV ou Excel com milhões de linhas.
  • Análises resumidas a rankings estaduais ou médias macroeconômicas.
  • Inviabilidade de visualização por equipes técnicas de assistência social e segurança pública.

A Abordagem via Geotecnologias

  • Geocodificação e Padronização: Conversão de metadados em camadas vetoriais geográficas.
  • Interoperabilidade: Cruzamento dinâmico de dados de denúncias com camadas de infraestrutura social (CRAS, CREAS, escolas, postos de saúde).
  • Painéis Interativos (WebGIS / Dashboards): Alertas territoriais automáticos para gestores municipais e estaduais.

O dado ganha vida quando associado às coordenadas geográficas da malha territorial.

Cobertura Institucional

e o Dilema da Subnotificação


  • Em 80% dos municípios nordestinos, a RIE foi menor que 1,0, e em centenas de cidades do sertão as denúncias foram nulas ou residuais.

  • Interpretação de Taxas Nulas:

    • Município com zero denúncias no Disque 100 não significa município isento de violações.
    • Pode refletir subnotificação, baixa cobertura institucional ou barreiras de acesso aos canais.

  • A Contribuição do Geoprocessamento:

    • Identificar sobreposição espacial entre baixas taxas de denúncias e indicadores de infraestrutura de telecomunicações e IDHM.
    • Mapear áreas de baixa cobertura institucional, onde o acesso aos canais de denúncia é limitado.


Subnotificação e Alocação de Recursos

Alocar recursos apenas onde há denúncias registradas pode reforçar a baixa cobertura das áreas com subnotificação. O geoprocessamento permite identificar e corrigir esse viés.

Ação Proativa: Ações itinerantes de cidadania nos municípios do cluster Baixo-Baixo do oeste da região.

Alocação de Equipamentos Públicos


Com base nos 49 municípios identificados pela convergência dos métodos, sugerem-se diretrizes de planejamento territorial:


1. Conselhos Tutelares e Infância

  • Priorizar o fortalecimento de conselhos tutelares nos municípios da interseção (p. ex., Recife, Natal, Ceará-Mirim, Parnaíba).
  • Garantir estrutura física, veículos e psicólogos para atendimento emergencial.

2. Delegacias Especializadas

  • Implantação de DEAMs (Delegacias da Mulher) e Delegacias de Proteção ao Idoso com funcionamento 24h nas capitais e grandes cidades conurbadas.

3. Fortalecimento da Rede CRAS / CREAS

  • Centros de Referência Especializados de Assistência Social capacitados para realizar busca ativa em domicílios com histórico de negligência.

4. Integração de Informações

  • Conectar o banco de dados do Disque 100 aos prontuários do SUS (notificações do SINAN) e registros escolares da rede municipal/estadual via identificador espacial unificado.

Limitações Metodológicas do Estudo


1. Escala Municipal Agregada

  • Os dados abertos oficiais do MDHC são anonimizados em nível de município para proteção das vítimas e denunciantes.
  • Não é possível, na base pública, analisar variações intra-urbanas em nível de bairro ou setor censitário.


2. Pressuposto de Independência

  • Possibilidade de duplicidade em que diferentes vizinhos denunciam a mesma violência para o mesmo domicílio.

3. Campos com Preenchimento Ignorado

  • Elevada proporção de registros sem informação de sexo da vítima (54,62%) e do suspeito (57,50%).
  • Limita análises interseccionais refinadas de gênero e raça.


4. Dependência do Meio Físico

  • A denúncia via telefone 100 requer acesso a sinal telefônico estável, favorecendo áreas urbanizadas frente a comunidades rurais e ribeirinhas isoladas.

Trabalhos Futuros

e Novas Fronteiras Geotecnológicas

  • Modelagem Espaço-Temporal:
    • Aplicação da estatística de varredura espaço-temporal (Space-Time Scan) para capturar a formação e dissipação dinâmica de clusters ao longo dos 12 meses do ano.


  • Deep Learning e Aprendizado Estatístico de Máquina:
    • Modelos para dados tabulares (p. ex., TabNet e TabR) integrando covariáveis socioeconômicas do Censo Demográfico 2022 (saneamento, renda, escolaridade).
  • Análise Espacial Intra-Urbana em Capitais:
    • Celebração de acordos de cooperação técnica com o MDHC para acesso a dados georreferenciados por endereçamento pontual em capitais (Recife, João Pessoa, Fortaleza e Salvador).


Impacto Social Direto

O objetivo final é criar um Sistema de Alerta Precoce de Vulnerabilidade Territorial baseado em IA e Geoprocessamento para as secretarias estaduais de direitos humanos.

Síntese dos Principais Resultados

Dimensão Achado Central da Pesquisa Significado Estratégico
Volume e Padrão 110.278 denúncias registradas em 2024 na Região Nordeste Magnitude crítica da demanda social por proteção de direitos
Vulnerabilidade 80,6%: crianças/adolescentes (46,74%) ou idosos (33,81%) Necessidade de políticas intersetoriais para infância e envelhecimento
Ambiente 79,33% das violações ocorrem na casa onde reside a vítima Exige busca ativa e acompanhamento domiciliar
Autocorrelação \(I = 0,12\) (\(p < 0,01\)); 51 municípios Alto-Alto (LISA) Dependência espacial positiva, com concentração próxima ao litoral
Convergência 49 municípios na interseção (RIE > 2, EBEL > 2, Scan significativo) Territórios prioritários para investimentos públicos
Grande Porte 6 municípios com pop. > 57.112 hab. (Recife, Natal, Parnaíba, Casa Nova, Ceará-Mirim e Extremoz) Significativos sem influência de vizinhos (Scan)

Conclusões


  1. A Força da Estatística Espacial:
    • A combinação da Razão de Incidência Espacial, do Estimador Bayesiano Empírico Local e da Varredura Scan permitiu ir além de rankings de contagens absolutas e caracterizar a distribuição espacial das denúncias.


  1. Superação do Viés de Pequenas Áreas:
    • A suavização bayesiana estabiliza taxas de municípios pequenos; Salgadinho (PB) manteve-se como o maior valor mesmo após a suavização.
  1. Justiça Territorial em Direitos Humanos:
    • A identificação dos 49 municípios na convergência dos métodos oferece subsídio para o MDHC e as secretarias estaduais priorizarem a alocação de recursos.


  1. O Compromisso das Geotecnologias:
    • A integração de SIG, estatística espacial e dados administrativos abertos contribui para a tomada de decisão e a proteção de populações vulneráveis.

Referências Bibliográficas

  • ANSELIN, L. Local Indicators of Spatial Association—LISA. Geographical Analysis, v. 27, n. 2, p. 93-115, 1995.
  • BESAG, J.; NEWELL, J. The detection of clusters in rare diseases. Journal of the Royal Statistical Society: Series A (Statistics in Society), v. 154, n. 1, p. 143-155, 1991.
  • KULLDORFF, M.; NAGARWALLA, N. Spatial disease clusters: detection and inference. Statistics in Medicine, v. 14, n. 8, p. 799-810, 1995.
  • MARSHALL, R. J. Mapping disease and mortality rates using empirical Bayes estimators. Journal of the Royal Statistical Society: Series C (Applied Statistics), v. 40, n. 2, p. 283-294, 1991.
  • MORAN, P. A. P. Notes on continuous stochastic phenomena. Biometrika, v. 37, n. 1-2, p. 17-23, 1950.
  • ORGANIZAÇÃO MUNDIAL DA SAÚDE (OMS). Violence: a public health priority. World Health Organization, 1996 (Resolução WHA49.25).
  • ORGANIZAÇÃO DAS NAÇÕES UNIDAS (ONU). Declaração Universal dos Direitos Humanos. Resolução 217 A (III), Paris, 1948.
  • TOBLER, W. R. A computer movie simulating urban growth in the Detroit region. Economic Geography, v. 46, p. 234-240, 1970.
  • FERREIRA, J. A.; GOMES, R. G. S.; FREIRE, D. T. G.; MORAES, R. M. Análise de padrões espaciais do dengue no estado da Paraíba no período de 2001 à 2010. Anais do Evento Científico UFPB, 2012.
  • FERREIRA, J. A.; FREIRE, D. T. G.; MORAES, R. M. Detecção de conglomerados espaciais de tuberculose no estado da Paraíba utilizando o método Besag e Newell. Anais UFPB, 2012.

Referências Bibliográficas

  • FÓRUM BRASILEIRO DE SEGURANÇA PÚBLICA. 18º Anuário Brasileiro de Segurança Pública. São Paulo: FBSP, 2024.

  • FREIRE, D. T. G.; FERREIRA, J. A.; MORAES, R. M. Análise dos casos de tuberculose no estado da Paraíba no período de 2008 a 2010. Anais UFPB, 2012.

  • FREITAS, W. W. L.; FERREIRA, J. A.; MORAES, R. M. Análise do padrão espacial do dengue em 2010 no estado da Paraíba. PIBIC/UFPB/CNPq, 2012.

  • FREITAS, W. W. L.; MORAES, R. M. Análise de Padrões Espaciais e Espaço-Temporal de Homicídios em João Pessoa. SIMED, 2012.

  • LUCENA, S. E. F. Avaliação de modelos espaço-temporais aplicados aos homicídios por arma branca e arma de fogo em João Pessoa, PB, nos anos de 2001 a 2009. Monografia (Graduação em Estatística) — UFPB, 2010.

  • LUCENA, S. E. F.; MORAES, R. M. Detecção de agrupamentos espaço-temporais para identificação de áreas de risco de homicídios por arma branca em João Pessoa, PB. Boletim de Ciências Geodésicas, v. 18, n. 4, p. 605-623, 2012.

  • NEIVAS, G. S.; BAPTISTA, A. C. Análise exploratória de dados espaciais da violência contra LGBTQIA+ no Brasil. Revista Brasileira de Cartografia, v. 74, n. 1, p. 159-173, 2022.

  • PONTES, C. F. Análise Espacial e Espaço-Temporal da COVID-19 no Estado da Paraíba. Revista Espaço & Geografia, v. 26, 2023.

Referências — Cenário Atual do Disque 100

  • BRASIL. MDHC. Disque 100 registra mais de 2 milhões de atendimentos até novembro de 2025 e mantém protagonismo no enfrentamento às violações de direitos humanos. Brasília: MDHC, dez. 2025. Disponível em: gov.br/mdh.
  • AGÊNCIA GOV. Disque 100 registra mais de 2 milhões de atendimentos até novembro de 2025. Brasília: EBC, dez. 2025.
  • PODER360. Disque 100 registra recorde de 657 mil denúncias. Brasília, 8 jan. 2025.
  • AGÊNCIA BRASIL. Ano já tem quase 37 mil denúncias feitas pelo Disque 100 no WhatsApp. Radioagência Nacional, abr. 2026.
  • AGÊNCIA GOV. Disque 100 teve 350% de aumento nas denúncias de violência política durante as eleições. Brasília: EBC, out. 2026.
  • AGÊNCIA BRASIL. Denúncias de violência política quadriplicam em outubro no Disque 100. Brasília: EBC, nov. 2026.
  • DIARIO DE PERNAMBUCO. Pernambuco é o sétimo estado do Brasil com mais denúncias de violações dos direitos humanos. Recife, set. 2026.
  • JORNAL DA PARAÍBA. Paraíba tem a 2ª maior taxa de denúncias de violência contra crianças e adolescentes no Nordeste. João Pessoa, 20 fev. 2026.
  • ACIDADE ON. Denúncias de racismo crescem 56% em Campinas no 1º semestre de 2026. Campinas, jul. 2026.

Muito Obrigado!


Prof. Dr. Jodavid de Araújo Ferreira

Departamento de Estatística — UFPE

📧 jodavid.ferreira@ufpe.br  |  🌐 jodavid.github.io  |  github.com/jodavid

Feito com auxílio de IA, usando o modelo Claude Opus 5.5 (Anthropic) mas a responsabilidade pelo conteúdo, pelos dados e pelas referências é do autor.

II GEOTEC 2026 — Encontro de Geotecnologias | IFPB Campus João Pessoa