A mortalidade por COVID-19 aumenta com a urbanização, mas o distanciamento social foi amplamente ineficaz na redução de mortes no Brasil e na maior parte do mundo

Autores

DOI:

https://doi.org/10.33448/rsd-v11i11.32788

Palavras-chave:

Pandemia; Capacidade de leitos hospitalares; Unidades de terapia intensiva; SARS-CoV-2; Temperatura.

Resumo

Nosso objetivo é avaliar como variáveis ambientais e sociais estão associadas à mortalidade por COVID-19 entre os países e na primeira e segunda onda entre os estados brasileiros. Mostramos que o isolamento social não foi significativamente ou foi associado positivamente à mortalidade por COVID-19, o que provavelmente reflete as pessoas que ficam em casa nos períodos de alta mortalidade. A magnitude dos efeitos da temperatura no Brasil variou dependendo da inclusão ou não do Índice de Desenvolvimento Humano nas análises de regressão, mas temperaturas mais altas reduziram consistentemente as mortes per capita entre os países. A disponibilidade de capacidade de leitos hospitalares ou unidades de terapia intensiva não teve efeito detectável na mortalidade entre os países, e no Brasil há uma relação positiva com o excesso de óbitos e uma relação negativa com os óbitos por caso durante a segunda onda. Contra intuitivamente, a média de idade foi negativamente associada a óbitos entre os estados brasileiros, mas positivamente associada à mortalidade entre os países. A mortalidade tendeu a ser maior em estados e países com maior urbanização. No geral, observamos que as relações da planicidade da curva de mortalidade, isolamento social, temperatura e infraestrutura hospitalar com a mortalidade por COVID-19 são muito mais fracas do que muitas vezes se supõe ou são de sinal contrário às previsões, indicando que são necessários modelos mais complexos para enfrentar futuras epidemias.

Referências

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.

Downloads

Publicado

15/08/2022

Como Citar

SANTORELLI JUNIOR, S.; PEQUENO, P.; ROSA, C.; BERGALLO, H. G. .; MAGNUSSON, W. E. A mortalidade por COVID-19 aumenta com a urbanização, mas o distanciamento social foi amplamente ineficaz na redução de mortes no Brasil e na maior parte do mundo. Research, Society and Development, [S. l.], v. 11, n. 11, p. e41111132788, 2022. DOI: 10.33448/rsd-v11i11.32788. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/32788. Acesso em: 25 dez. 2024.

Edição

Seção

Ciências da Saúde