ANÁLISE DA DISTRIBUIÇÃO ESPACIAL DO NÚMERO DE CASOS DE COVID-19 NO MUNICÍPIO DE TOLEDO - PARANÁ/Analysis of the spatial distribution of the number of COVID-19 cases in the municipality of Toledo-Paraná

A estatística espacial desempenha um papel importante em diferentes áreas do conhecimento, fornecendo metodologias que possibilitam a identificação de padrões espaciais (clusters) e a determinação de regiões com características semelhantes dos dados em estudo. No presente estudo, foi utilizada a metodologia  chamada de estatística espacial de dados de  áreas para investigar a taxa de crescimento de casos de COVID-19 no município de Toledo, no estado do Paraná-Brasil, nos períodos de junho a outubro do ano de 2020. Foram gerados mapas que identificaram as regiões em que a autocorrelação espacial apresentou significância estatística. Concluiu-se que bairros que apresentavam baixa taxa de contaminação pela COVID-19 foram incorporados pelos bairros adjacentes, que possuíam alta taxa de contaminação. Essa constatação ressalta a relevância da estatística espacial de dados  de áreas, uma vez que, mediante a devida atenção das autoridades de saúde municipais, permitem uma alocação adequada de recursos para tratamentos localizados, reduzindo os impactos causados pelas doenças, possibilitando prevenir a ocorrência de situações semelhantes no futuro e evitando a transformação de toda a região em um extenso aglomerado caracterizado por taxas elevadas de contaminação. Abstract: Spatial statistic play a significant role in various fields of knowledge, providing methodologies that enable the identification of spatial patterns (clusters) and the determination of regions with similar characteristics of the data under study. In the present study, a methodology called spatial statistics of area data was used to investigate the growth rate of COVID-19 cases in the city of Toledo, in the state of Paraná-Brazil, during the periods from june to october 2020. Maps were generated that identified the regions where spatial autocorrelation showed statistical significance. It was concluded that neighborhoods that had a low rate of COVID-19 contamination were incorporated by adjacent neighborhoods, which had a high rate of contamination. This finding underscores the relevance of spatial statistic of area data, as, with due attention from municipal health authorities, they allow for an appropriate allocation of resources for localized treatments, reducing the impacts caused by diseases, enabling the prevention of similar situations in the future, and avoiding the transformation of the entire region into an extensive cluster characterized by high contamination rates.