Resumo

O mundo foi extremamente impactado pela pandemia do Novo Coronavírus em 2020. No Brasil, a doença chegou primeiro na cidade de São Paulo, e aos poucos foi se alastrando por todo o Estado. Devido às medidas de distanciamento social, paralisação da economia e demais restrições, o vírus levou a impactos em diversos setores da sociedade, envolvendo um enorme esforço dos setores público e privado para serem mitigados. Isso destacou ainda mais a enorme desigualdade presente no Brasil. Estudos que contemplem a influência cruzada de indicadores, sob a perspectiva geográfica, são importantes.

Esta pesquisa busca compreender a relação entre os casos e óbitos da COVID-19 e indicadores socioeconômicos e demográficos (representados pelas condições de vida) em municípios (granularidade) paulistas. A proposta é explorar como os casos de COVID-19 estão espacialmente dispostos pelo Estado e verificar se indicadores socioeconômicos e características populacionais possuem influência no número de casos ou na severidade da doença. Buscou-se analisar o período compreendido entre as semanas epidemiológicas 10 e 45 (01 de março a 07 de novembro) de 2020.

A fundamentação teórica se baseia em três pilares: (i) Espaço Geográfico, Epidemiologia e Estatística – o espaço geográfico é um forte preditor das condições de saúde de um indivíduo; (ii) Indicadores Socioeconômicos e Saúde – discussão positiva e negativa quanto ao uso de indicadores socioeconômicos em estudos na área de saúde; e (iii) Estatística Espacial – apresentação dos métodos analíticos exploratórios e preditivos utilizando predicados geográficos (auto-correlação espacial e regressão espacial).

Os dados foram obtidos da plataforma Brasil.IO (COVID-19). Os dados socioeconômicos são advindos do IBGE, Fundação SEADE, PNUD, IPEA, Ministério da Saúde (GeoSES) e plataforma Longeviver, georeferenciados e agregados em municípios. Foram realizadas regressões lineares múltiplas (OLS) e espaciais (SAR), com recortes temporais, visando avaliar a explicação das variáveis relacionadas à COVID-19 (Incidência e Taxa de Mortalidade) a partir das demais. Indicadores de auto-correlação espacial (Moran´s I) e mapas de clusters espaciais complementaram as análises.

A dispersão espaço-temporal do vírus se deu nos centros urbanos e depois nas cidades mais interioranas, talvez pelo maior fluxo de pessoas e mercadorias e utilizando a malha rodoviária como vetor de transmissão. A variável Incidência apresentou Moran´s I de 33,0%, indicando agrupamento espacial. A regressão da Incidência apresentou R2 de 12,00% (OLS), melhorando para 27,35% no modelo SAR. A Taxa de Mortalidade apresentou Moran´s I de 4,5%, indicando baixa dependência espacial. A regressão da Mortalidade apresentou R2 baixo (4,05% no OLS e 4,74% no SAR).

Utilizar a perspectiva espacial melhora a análise e permite que se chegue a conclusões mais assertivas. Os resultados do presente trabalho corroboram essa ideia. Isso reforça a necessidade que autoridades públicas que lidem com a gestão da saúde e controle epidemiológico embarquem conhecimentos de Sistemas de Informação Geográfica (GIS) em seu cotidiano. Oo uso de GIS e Estatística Espacial pode ser útil para identificar locais mais vulneráveis e suscetíveis a doenças. Esse planejamento e conhecimentos podem tanto salvar vidas como gerar grandes economias para o sistema público de saúde.

Principais autores: ADLER & OSTROVE (1999), ANDERSON, SWEENEY & WILLIAMS (2006), ANSELIN, IBNU & YOUNGIHN (2006), ANSELIN & BERA (1998), BARROZO (2019), CÂMARA (2003), DAOUD (2017), FRANCISCO (2010), GRAHAM (2016), JANNUZZI (2002), MCLEOD (2000), MEIJER (2012), MORAN (1948), OMS (2020), ROUZ, MAIR (2010), SANTOS (1979), CASTRO, KIM, BARBERIA, RIBEIRO, GURZENDA, RIBEIRO, ABBOTT, BLOSSOM, RACHE & SINGER (2021)