Identificação de fatores determinantes da severidade das lesões sofridas por pedestres nas rodovias federais brasileiras entre 2017 e 2019: Análise via regressão logística multinomial

Abstract

A mobilidade a pé é uma das principais formas de deslocamento da população brasileira, representando 41% das viagens realizadas no país em 2016. Entretanto, o compartilhamento do espaço entre pessoas e veículos motorizados em locais desprovidos de infraestrutura adequada tem provocado situações de conflito, aumentando os riscos de ferimentos e fatalidades entre os transeuntes. Neste estudo, foi realizada uma análise sobre os fatores determinantes da severidade das lesões sofridas por pedestres nas rodovias federais brasileiras no período entre 2017 e 2019. Para tanto, foram utilizados dados oficiais da Polícia Rodoviária Federal para a construção de um modelo de regressão logística multinomial, que descreveu o estado físico dos pedestres a partir das variáveis explicativas presentes na base de dados. Os resultados obtidos apontam que: pedestres atropelados por veículos de grande porte, como caminhões, ônibus e utilitários apresentam maiores chances de morte; fases do dia com menor luminosidade natural, como a plena noite, o amanhecer e o anoitecer, oferecem maiores riscos de lesões graves e fatalidades; perímetros urbanos oferecem menor risco de fatalidades em relação às áreas rurais; pedestres do sexo masculino têm maiores chances de apresentarem ferimentos graves ou virem a óbito; pistas múltiplas e finais de semana oferecem maiores chances de morte ou lesões graves ao pedestre. Por fim, foi identificada uma tendência de aumento anual nas chances de lesão grave (9,9% ao ano) e morte (3,3% ao ano) entre os pedestres brasileiros, bem como maiores riscos à integridade física dos pedestres das regiões norte, nordeste e centro-oeste.

Binary logistic regression model applied to data on accidents occurred on federal highways in Brazil

“…When considering the relevance of these accidents and especially the deaths caused, some authors, such as Roquim et al (2019), Miranda et al (2021) and Junior et al (2019), analyzed and explored these data aiming to identify factors that increase the probability of occurrence of these events.…”