La mortalidad por COVID-19 aumenta con la urbanización, pero el distanciamiento social fue en gran medida ineficaz para reducir las muertes en Brasil y en la mayor parte del mundo
DOI:
https://doi.org/10.33448/rsd-v11i11.32788Palabras clave:
Pandemia; Capacidad de camas de hospital; Unidades de cuidados intensivos; SARS-CoV-2; La temperatura.Resumen
Nuestro objetivo es evaluar cómo las variables ambientales y sociales están asociadas con la mortalidad por COVID-19 entre los países y en la primera y segunda ola entre los estados brasileños. Mostramos que el aislamiento social no se asoció significativamente o se asoció positivamente con la mortalidad por COVID-19, lo que probablemente refleja que las personas se quedan en casa en los períodos de alta mortalidad. La magnitud de los efectos de la temperatura en Brasil varió dependiendo de si el Índice de Desarrollo Humano se incluyó o no en los análisis de regresión, pero las temperaturas más altas redujeron consistentemente las muertes per cápita entre los países. La disponibilidad de camas de hospital o unidades de cuidados intensivos no tuvo un efecto detectable sobre la mortalidad entre los países, y dentro de Brasil existe una relación positiva con el exceso de muertes y una relación negativa con las muertes por caso durante la segunda ola. Contrariamente a la intuición, la edad media se asoció negativamente con las muertes entre los estados brasileños, pero se asoció positivamente con la mortalidad entre los países. La mortalidad tendió a ser mayor en los estados y países con mayor urbanización. En general, observamos que las relaciones de la planitud de la curva de mortalidad, el aislamiento social, la temperatura y la infraestructura hospitalaria con la mortalidad por COVID-19 son mucho más débiles de lo que a menudo se supone o tienen un signo opuesto a las predicciones, lo que indica que se necesitan modelos más complejos para enfrentar futuras epidemias.
Citas
Atlas Brasil. (2021). Atlas Brasil. http://www.atlasbrasil.org.br/ranking/.
Barceló, M. A. & Saez, M. (2021). Methodological limitations in studies assessing the effects of environmental and socioeconomic variables on the spread of COVID 19: a systematic review. Environmental Science Europe, 33, 10.
Bastos, L. S. L., Ranzani O. T., Souza T. M. L., Hamacher, S. & Bozza, F. A. (2021). COVID-19 hospital admissions: Brazil’s first and second waves compared. The Lancet Respiratory Medicine, 9(8), E82-E83.
Boumans, M. (2021). Flattening the curve is flattening the complexity of covid-19. HPLS, 43, 18.
Branswell, H. (2020). Why ‘flattening the curve’ may be the world’s best bet to slow the coronavirus. https://www.statnews.com/2020/03/11/flattening-curve-coronavirus/.
Brazilian Ministry of Health. (2021a). Painel Coronavírus https://covid.saude.gov.br/.
Brazilian Ministry of Health. (2021b). Portal da Saúde https://tabnet.datasus.gov.br/.
Brodeur, A., Cook, N. & Wright, T. (2020). On the effects of COVID-19 safer-at-home policies on social distancing, car crashes and pollution. Journal of Environmental Economics and Management, 106, 102427.
Candido, D. S., Claro, I. M., De Jesus, J. G., Souza, W. M., Moreira, F. R. R., et al. (2020). Evolution and epidemic epread of SARS-CoV-2 in Brazil. Science, 369(6508), 1255-1260.
Castro, M. C. et al. (2021). Spatiotemporal pattern of COVID-19 spread in Brazil. Science, 372(6544), 821-826.
Chaib, J. (2020). Bolsonaro Denies that He Called Covid-19 A "Little Flu". Folha de São Paulo. https://www1.folha.uol.com.br/internacional/en/scienceandhealth/2020/11/bolsonaro-denies-that-he-called-covid-19-a-little-flu.shtml.
De Souza, B. C. & De Souza, F. M. C. (2021). Does Social Isolation Really Curb COVID-19 Deaths? Direct Evidence from Brazil that it Might do the Exact Opposite. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3706464.
Feng, Z., Glasser, J. W. & Hil, A. N. (2020). On the benefits on flattening the curve: a perspective. Mathematical Biosciences, 326, 108389.
Gomez, J., Prieto, J., Leon, E. & Rodríguez, A. (2021). INFEKTA—An agent-based model for transmission of infectious diseases: The COVID-19 case in Bogotá, Colombia. PLOS One, 16(2), e0245787.
Greer, S. L., King, E. J., Fonseca, E. M. & Peralta-Santos, A. (2021). Coronavirus Politics: The Comparative Politics and Policy of COVID-19. University of Michigan Press.
IBGE (2021). Instituto Brasileiro de Geografia e Estatística. http://www.ibge.gov.br/
INMET (2021). Instituto Nacional de Meteorologia. https://bdmep.inmet.gov.br/
Kleinschroth, F. & Kowarik, I. (2020). COVID-19 crisis demonstrates the urgent need for urban greenspaces. Frontiers in Ecology and Environment, 18(6), 318-319.
Lessler, J. et al. (2021). Household COVID-19 risk and in-person schooling. Science, 372(6546), 1092-1097.
Magnusson, W. E., Mourão, G. &. Costa, F. (2015). Estatística sem Matemática: A ligação entre as questões e a análise. Editora Planta, Londrina.
Mathews, J. D., Chesson, J. M., Mccaw, J. M. & Mcvernon, J. (2009). Understanding influenza transmission, immunity and pandemic threats. Influenza and Other Respiratory Viruses, 3, 143–149.
Mcnamara, J. et al. (2020). COVID-19, Systemic Crisis, and Possible Implications for the Wild Meat Trade in Sub-Saharan Africa. Environmental and Resourse Economics, 76, 1045–1066.
Mena, G. E. et al. (2021). Socioeconomic status determines COVID-19 incidence and related mortality in Santiago, Chile. Science, 372, 934.
Morawska, L. et al. (2020). How can airborne transmission of COVID-19 indoors be minimised? Environment International, 142, 105832.
Naito, R. et al. (2021). Impact of social isolation on mortality and morbidity in 20 high-income, middle-income and low-income countries in five continents. BMJ Global Health, 6, e004124.
O’driscoll, M. et al. (2021). Age-specific mortality and immunity patterns of SARS-CoV-2. Nature, 590, 140–145.
Oguzoglu, U. (2020). COVID-19 lockdowns and decline in traffic related deaths and injuries. Iza Institute of Labor Economics DP, 13278.
Oliveira, E. et al. (2021). ICU outcomes and survival in patients with severe COVID-19 in the largest health care system in central Florida. PLOS One, 16(3), e0249038.
Osenberg, C. W.,Sarnelle, O., Cooper, S. D., & Holt, R. D. (1999). Resolving ecological questions through metanalysis: goals, metrics and models. Ecology, 80, 1105-1117.
Our World in Data. (2021). Urbanization data. https://ourworldindata.org/urbanization/
Pequeno, P. et al. (2020). Air transportation, population density and temperature predict the spread of COVID-19 in Brazil. PeerJ, 8, e9322.
Pequeno, P., Junior, S. S., Rosa, C., Bergallo, H. G. & Magnusson, W. E. (2022). COVID-19 in Brazil: the logic of failure. Research, Society and Development, 11(4), e31211427371.
Pinchoff, J., Mills, C. W. & Balk, D. (2020). Urbanization and health: The effects of the built environment on chronic disease risk factors among women in Tanzania. PLOS One, 15, e0241810.
Prata, D. N., Rodrigues, W. & Bermejo, P. H. (2020). Temperature significantly changes COVID-19 transmission in (sub)tropical cities of Brazil. Science of the Total Environment, 729, 138862.
Reuters. (2021). Ministério ignorou oferta de 160 milhões de doses da CoronaVac em julho, diz Butantan. https://www.infomoney.com.br/economia/ministerio-ignorou-oferta-de-160-milhoes-de-doses-da-coronavac-em-julho-diz-butantan.
Salom, I. et al. (2021). Effects of demographic and weather parameters on COVID-19 basic reproduction number. Frontiers in Ecology and Evolution, 8, 617841.
Schaefer, B. M., Resende, R. C., Epitácio, S. S. F. & Aleixo, M. T. (2020). Government actions against the new coronavirus: evidence from the Brazilian states. Revista de Admnistração Pública, 54 (5), 1429-1445.
Tangcharoensathien, V., Bassett, M., Meng, Q. & Mills A. (2021). Are overwhelmed health systems an inevitable consequence of covid-19? Experiences from China, Thailand, and New York State. BMJ, 372, n83.
Tukey, J. W. (1980). We need both exploratory and confirmatory. American Statistician, 34, 23-25.
Walker, R. S., Sattenspiel, L. & Hill, K. R. (2015). Mortality from contact-related epidemics among indigenous populations in greater Amazonia. Scientific Reports, 5, 14032.
World Health Organization. (2021). Using COVID-19 lockdown road-crash data to inform transport safety policy, Cali, Colombia. https://www.who.int/news-room/feature-stories/detail/using-covid-19-lockdown-road-crash-data-to-inform-transport-safety-policy-cali-colombia
Worldclim. (2021). Global Climate Data. https://worldclim.org/
Yang, F. et al. (2021). Shared B cell memory to coronaviruses and other pathogens varies in human age groups and tissues. Science, 372(6543), 738-741.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Sergio Santorelli Junior; Pedro Pequeno; Clarissa Rosa; Helena G. Bergallo; William E. Magnusson
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
