# Plano de análise — Fase 2: geração de hipóteses para o câncer de esôfago (registrado antes dos resultados)

Registrado no git antes de baixar as variáveis de exposição e antes de cruzá-las com a mortalidade. Até este registro,
só foram consultados os catálogos do IBGE (nomes de tabelas, categorias e anos disponíveis) e a disponibilidade de uma
API de altitude. Plano registrado localmente, não um pré-registro formal em plataforma pública. O que não estiver aqui
será rotulado como "não pré-especificado".

## Pergunta

Que características municipais, medidas em dados públicos, distinguem as áreas com excesso de mortalidade por câncer de
esôfago (Fases 1 e 1b) das demais e das vizinhas? O objetivo é **gerar hipóteses** para um estudo caso-controle com
parceiros acadêmicos, não testar causas. Associações ecológicas não valem para pessoas (falácia ecológica).

## Desfecho

Óbitos por câncer de esôfago (C15) de residentes, 2015–2024 (10 anos, para estabilidade), por município. Esperados em
relação ao próprio estado, por sexo e faixa etária: soma dos esperados de 2015–2019 (população interpolada para 2017,
como na validação) e de 2020–2024 (Censo 2022, como na Fase 1). Como o esperado é do próprio estado, as associações são
**dentro dos estados**.

## Variáveis de exposição (definidas antes de ver os dados)

Produção agrícola e extrativa usa a média de 2005 a 2010 (cerca de 15 anos antes dos óbitos, por causa da latência do
câncer). Variáveis de produção, muito assimétricas, entram como log(1 + x).

| Código | Variável | Fonte |
|---|---|---|
| `fumo` | % da área do município colhida com fumo em folha | IBGE PAM, tabela 1612, produto 2703 |
| `mate_cultivo` | % da área colhida com erva-mate (folha verde) | PAM, tabela 1613, produto 2729 |
| `mate_extracao` | erva-mate extraída (t) por 1.000 habitantes de 2010 | IBGE PEVS, tabela 289, produto 3406 |
| `cafe` | % da área colhida com café em grão | PAM, tabela 1613, produto 2723 |
| `lenha` | lenha da extração vegetal e da silvicultura (m³) por habitante de 2010 (aproximação grosseira do uso de lenha) | PEVS, tabelas 289 (3434) e 291 (3456) |
| `agua_poco` | % de domicílios com poço (profundo ou raso) como forma principal de abastecimento | Censo 2022, tabela 6803 |
| `agua_nascente` | % de domicílios com fonte, nascente ou mina como forma principal | Censo 2022, tabela 6803 |
| `rural` | % da população rural | Censo 2022, tabela 9923 |
| `pib_pc` | log do PIB per capita de 2010 | IBGE, tabela 5938 (PIB) e Censo 2010 (população) |
| `altitude` | altitude do centroide do município (m) | Open-Meteo, modelo Copernicus DEM 90 m |

Ajuste para qualidade do registro: % de óbitos com causa mal definida (já calculado na Fase 1).

## Análises

**A. Associações univariadas (principal).** Para cada variável, regressão de Poisson dos óbitos observados com log dos
esperados como offset, por desvio-padrão da variável (após a transformação). Erros-padrão robustos agrupados por região
imediata do IBGE (para a dependência espacial) e corrigidos para sobredispersão. Resultado: razão de taxas (RT) por
desvio-padrão, IC 95% e p; correção de Benjamini–Hochberg entre as 10 variáveis. Ordenação pela força da associação.

**B. Modelo conjunto.** As 10 variáveis juntas, mais a % de causas mal definidas. Descritivo: mostra quais associações
sobrevivem ao ajuste mútuo; colinearidade relatada (correlações entre as variáveis).

**C. Controles negativos.** As mesmas regressões univariadas para câncer de pulmão (C33–C34) e para todos os cânceres
(C00–C97). Uma variável é **mais específica do esôfago** se a RT do esôfago for maior que 1 com IC acima de 1 e maior que
a do pulmão e a de todos os cânceres. Associações que aparecem igualmente em todos os cânceres sugerem acesso,
diagnóstico ou registro, não exposição específica.

**D. Agrupamentos versus vizinhança.** Para cada um dos 24 agrupamentos de esôfago (Fase 1b), comparar a média de cada
variável dentro do agrupamento com a dos municípios vizinhos do mesmo estado (até 100 km de algum município do
agrupamento e fora de qualquer agrupamento de esôfago). Diferença padronizada (dentro − vizinhos, em desvios-padrão).
Resumo por variável: mediana das diferenças e quantos agrupamentos têm diferença positiva (teste do sinal).

**E. Descritivo dos 16 municípios.** Valores de cada variável nos 16 municípios com sinal, comparados com a mediana do
estado.

## Interpretação prevista

Um ranking de hipóteses, não de causas. Uma variável com associação forte na análise A, específica na C e consistente
na D vira candidata a ser medida individualmente num estudo caso-controle (por exemplo: temperatura e volume do mate ou
do café, fumo de rolo ou de palha, fogão a lenha, fonte de água). Variáveis sem associação não são descartadas como
causa: as medidas municipais são aproximações grosseiras da exposição individual.

## Ressalvas

Estudo ecológico; exposições medidas por produção e características do município, não por consumo individual; vários
testes (corrigidos dentro de cada análise, mas o conjunto é exploratório); dependência espacial tratada só de forma
aproximada; a produção local pode não refletir o consumo (mate e café circulam entre regiões).