Introdução. A mortalidade infantil vêm decrescendo em todo país e em todos estados da federação o componente neonatal é predominante. A tendência decrescente observada por da taxa de mortalidade neonatal no município de São Paulo foi insuficiente para reduzir a os diferenciais de mortalidade. A análise espacial com escala de distrito administrativo pode mascarar a existência de áreas de risco, devido sua heterogeneidade. A análise espacial pelo padrão de pontos pode contribuir para identificar áreas de risco de alta mortalidade na Região Sul do Município de São Paulo (RSMSP). Objetivo. Analisar espacialmente a coorte de nascidos vivos e a mortalidade neonatal na Região Sul do Município de São Paulo. Material e Métodos. Estudo observacional da coorte de nascidos vivos de mães residentes e ocorridos na RSMSP do ano de 2002 e dos respectivos óbitos neonatais. Fonte de dados: nascidos vivos (SINASC) e óbitos neonatais (SIM). Foram consideradas as gestações únicas e nascimentos com peso maior ou igual a 500g, sendo excluídos os nascimentos sem possibilidade de localização do endereço e sem registro de peso ao nascer. Foram realizados os seguintes procedimentos: processo de preparação e padronização dos endereços de residência materna dos bancos de dados SINASC e SIM, linkage dos bancos de dados e georreferenciamento. Do conjunto de 43587 DNs e 394 DOs foram georreferenciadas 99,6% e 99,0%, respectivamente. Na análise espacial empregou-se o padrão de pontos, calculando-se os seguintes estimadores: estimador de intensidade de Kernel e estimador de dependência espacial-Método do Vizinho Mais Próximo. Para obter as taxas de mortalidade foi utilizada a técnica de sobreposição (Overlay) de camadas, sendo o numerador a camada da interpolação dos óbitos neonatais e no denominador a camada da interpolação de nascidos vivos multiplicado por 1000. Foram selecionadas as áreas com taxas de mortalidade estimada igual ou maior de 20/1000nv e identificados como Clusters de alta mortalidade estimada Nesses Clusters com o uso da técnica de polígonos e de contagem de pontos foi calculada a probabilidade de morte neonatal. Para verificar a significância dos Clusters encontrados utilizou-se a Probabilidade de Poisson, α < 0,05 Resultados. Os clusters de nascidos vivos obtidos na Região Sul mostraram um perfil mais desfavorável do que aquele existente nas áreas de melhor condição de vida. As diferenças encontradas não se restringem à proporção de mães de escolaridade inferior a 4 anos, verificando-se existir diferentes padrões de escolaridade. Houve elevada participação de nascimentos de mães com pré-natal inadequado na região. Na análise da mortalidade neonatal identificou-se 18 clusters de alta mortalidade, 9 foram significantes (p<0,05). A probabilidade de morte neonatal encontrada nos Clusters foi de 13,8/1000nv a 32,6/1000nv. Estes clusters concentraram cerca de 35% dos nascidos vivos e 61 % dos óbitos da região. Os nascimentos localizados nos clusters de alta mortalidade apresentaram características mais desfavoráveis (maior freqüência de mães adolescentes e de baixa escolaridade, maior proporção de ausência ou de atenção pré-natal inadequada). Conclusões. A distribuição espacial dos nascidos vivos e da mortalidade neonatal não apresentou padrão aleatório e regular, havendo formação de clusters intra e inter-distritos na região, representando um ganho analítico. Os clusters de nascidos da Região Sul mostram ter um perfil mais desfavorável que nas áreas de melhor condição de vida Nos cluslers de alta mortalidade neonatal encontraram-se freqüências elevadas de dois ou mais desfechos negativos dos nascidos vivos. A identificação de cluslers de mortalidade neonatal pode contribuir para a vigilância de nascidos vivos de risco e óbitos neonatais.

Introduction. Child mortality has been going down all over Brazil, and the neonatal component prevails in every state of the federation. The falling trend in the neonatal mortality rate in the city of São Paulo has not been enough to reduce mortality differences. The spatial analysis with administrative district scale may mask the existence of areas of risk because of their heterogeneity. The spatial analysis per point pattern can contribute to identify risk areas of high mortality in the South Region of the City of São Paulo (RSMSP). Objetivo. To conduct a spatial analysis of the cohort of liveborn infants and neonatal mortality in the South Region of the City of São Paulo. Material and Methods. This is an observational study of the cohort of liveborn infants from mothers living and giving birth in the RSMSP in the year of 2002 and the respective neonatal deaths. Source of data: liveborn infants (SINASC) and neonatal deaths (SIM). This study included single pregnancies and infants with birth weight equal or greater than 500g, and excluded the births without possibility of locating the address and without birth weight record. The following procedures were conducted: preparation process and standardization of maternal residency addresses in the SINASC and SIM databases, and their linkage with geo-referencing databases. Out of a total of 43587 liveborn infants and 394 neonatal death 99.6% and 99.0% were respectively geo-referenced. The spatial analysis used the point pattern method to calculate the following estimators: Kernel intensity estimator and spatial dependence estimator. To obtain mortality rates, the overlay technique was used, and the numerator was the interpolative layer of neonatal deaths and the denominator was the interpolative layer of liveborn infants multiplied by 1000. The areas with mortality rates estimated to be equal or greater than 20/1000lb were chosen and identified as high mortality clusters. In these clusters, the probability of neonatal death was calculated based on the use of the polygon technique and point counting. To determine the significance of the clusters found, we used Poisson Probability, α < 0,05. Results. The liveborn clusters obtained for the South Region showed a more unfavorable profile than those existing in areas with better living conditions. The differences found were not limited to proportion of mothers with less than 4 years of education; there were different education patterns. There was a high share of mothers with inadequate antenatal care in the region. The analysis of neonatal mortality identified 18 clusters of high mortality, 9 of them significant (p<0,05). The probability of neonatal death found in the clusters ranged from 13.8/1000lb to 32.6/1000lb. These clusters concentrate about 35% of liveborn infants and 61 % of the deaths in the region. Births located in high mortality clusters presented more unfavorable characteristics (greater frequency of teenager mothers with little education, greater ratio of absent or inadequate antenatal care). Conclusions. The spatial distribution of liveborn infants and neonatal mortality did not present a random and regular pattern, and there were intra and inter-district clusters in the region, which provided an analytic gain. The clusters of those born in the South Region showed a more unfavorable profile than in areas with better living conditions. In the clusters with high neonatal mortality there were high frequencies of two or more negative outcomes for liveborn infants. The identification of neonatal mortality clusters may contribute to the surveillance of risk liveborn infànts and neonatal deaths.