• fortesufrrj

COVID-19 e Desigualdade Social na Região Metropolitana do Rio de Janeiro

Uma Análise Crítica dos Dados Disponíveis


Ricardo C. Corrêa, Universidade Federal Rural do Rio de Janeiro

Alexandre Fortes, Universidade Federal Rural do Rio de Janeiro


Desde o início das ações de acompanhamento e combate à epidemia de COVID-19 no Estado do Rio de Janeiro, as secretarias de saúde do Município do Rio de Janeiro (MRJ) e do Estado do Rio de Janeiro (ERJ) vêm divulgando dados que permitem acompanhar o comportamento agregado nos respectivos domínios. Várias informações anônimas sobre casos confirmados da doença coletados pelas diferentes unidades de saúde são tornados acessíveis sob diferenças formas para consulta livre por cidadãos e cidadãs. Além dos painéis exibidos na rede mundial de computadores, os dados coletados que alimentam esses painéis são disponibilizados na forma de planilhas, permitindo que pesquisadores e estudiosos efetuem diferentes análises e contribuam para o enfrentamento da epidemia. Naturalmente, quanto mais amplas e precisas as informações fornecidas, mais precisas são as análises delas decorrentes. Nesse sentido, mesmo considerando que, devido à integração de seus sistemas, tanto o MRJ quanto o ERJ coletem registros de muitos casos comuns, as informações que são divulgadas podem diferir. Alguns tipos de informação presentes nas planilhas, como sexo do paciente e data de início dos sintomas são comuns a ambas as bases de dados, e outros tipos são exclusivos de uma planilha ou de outra. Em particular, a planilha fornecida pelo MRJ informa o bairro de residência do paciente, enquanto a do ERJ informa apenas as cidades de residência. Assim sendo, as planilhas são complementares e, consequentemente, o cruzamento dessas planilhas enriquece o conjunto de dados para análise.

Conforme tem sido apontado por diversos especialistas, tanto no Brasil quanto em outros países, há fortes indícios de subnotificação, tanto no que diz respeito às informações sobre infectados quanto, em menor escala, em relação ao próprio registro de óbitos. A subnotificação, contudo, não impede a identificação de tendências a partir dos dados de casos e óbitos confirmados, desde que eles sejam processados e analisados a partir de parâmetros padronizados e precisos. O acompanhamento dos dados divulgados pelas duas secretarias ao longo das últimas semanas, entretanto, revelou problemas relativos à geração e divulgação desses dados que demandam um processo de revisão crítica a fim de evitar distorções na percepção da realidade da COVID-19 no contexto regional.

A seguir, apresentamos uma análise do comportamento da epidemia na região metropolitana do Rio de Janeiro através da combinação das planilhas do MRJ e do ERJ divulgadas em 15/06/2020. Com base nesse exercício metodológico, identificamos o impacto das desigualdades sociais no impacto da pandemia em diferentes áreas da Região Metropolitana do Rio de Janeiro, tanto no que diz respeito à média de idade dos mortos quanto no que diz respeito às taxas de recuperação em diferentes faixas etárias. Alguns trabalhos têm buscado estimar o número total de óbitos por COVID-19 a partir de diversos parâmetros, tais como a comparação entre os números de internações e óbitos por Síndrome Respiratório Aguda Grave (SRAG) em anos anteriores. Neste momento, porém, nos limitaremos a trabalhar com as informações sobre óbitos confirmados por COVID-19.


Metodologia de Revisão Crítica dos Dados

Embora as secretarias de saúde disponibilizem painéis explicativos do quadro da epidemia no RJ, vários são os obstáculos que dificultam a realização de análises diretamente a partir dos dados divulgados. Atrasos na divulgação dos óbitos, informações ausentes das planilhas, casos repetidos, incongruência entre as planilhas do município e do estado, são alguns deles. Mais recentemente, até mesmo a frequência diária de atualização tem sido violada. A fim de superar esses problemas, desenvolvemos uma metodologia de análise baseada em um conjunto de dados resultantes do cruzamento das planilhas do Município do Rio de Janeiro (MRJ) e do Estado do Rio de Janeiro (ERJ). Esse processo é realizado em três fases, buscando detectar e eliminar os erros de informação, assim como preencher os dados incompletos. A primeira fase identifica todos os casos de óbitos, a segunda, os recuperados, e o alvo da terceira fase são os casos ativos. A principal ação realizada nas três fases é a comparação entre as planilhas do dia corrente, com objetivos específicos dependendo da fase. Em certos casos, algumas informações ausentes são recuperadas total ou parcialmente de planilhas de datas passadas. O propósito final é a determinação, para cada caso registrado da doença, os atributos de Sexo, Faixa Etária, Data de Início dos Sintomas, Data de Notificação, Data de Óbito (quando se aplicar), Bairro ou Cidade de Residência e Evolução da Doença. O papel que cada um desses atributos desempenha nas análises é esclarecido oportunamente. O ponto de partida para as três fases são as duas planilhas resultantes da eliminação de casos repetidos e da recuperação de dados de planilhas passadas. No caso da planilha do MRJ, os casos são comparados em pares e dois casos são considerados repetidos se e somente se possuem os mesmos valores nos atributos Sexo, Raça/Cor, Faixa Etária, Data de Início dos Sintomas, Data de Notificação, Data de Óbito, Bairro de Residência e Evolução. De forma análoga, os casos da planilha também são comparados entre si, usando os atributos Classificacao, Comorbidades, Dias, Dt.Coleta.Dt.Notif, Dt.Evento, Dt.Obito, Dt.Sintoma, Evolucao, Fonte, Hoje, Idade, Municipio.Res, Sexo e Uf. Em ambos os casos, pela quantidade e variedade de atributos fazem com que a probabilidade de repetições é muito baixa. Portanto, a ocorrência de muitas repetições é um indicativo de alguem erro nos dados. Finalmente, a evolução dos casos da planilha de 18/05/2020 do ERJ são recuperados.

Cruzamento dos Casos de Óbito

Os procedimentos da primeira fase são mostrados tabela abaixo, na qual vê-se a sequência de tratamentos efetuados sobre as planilhas a fim de contornar alguns dos obstáculos com relação aos casos de óbitos. Esse são os casos analisados em mais detalhe na sequência do artigo, assim como outros estudos que concentram-se na quantidade de óbitos por se acreditar que a subnotificação afeta demasiadamente as análises sobre a quantidade de infectados. Nesse aspecto, alguns parâmetros têm sido usados no Brasil para lidar, por vezes até estimar, o nível de subnotificação de óbitos, fato que também ocorre. Na análise apresentada a seguir, são levados em conta apenas os óbitos relatados, o que já nos permite observar algumas tendências relevantes. Uma particularidade em favor desses registros é que as datas de ocorrência são divulgadas, mesmo com algum atraso, mas trazendo algum grau de precisão às análises. A inclusão de dados relativos a internações e óbitos por SRAG nas análises é deixada para uma segunda etapa. Os procedimentos da primeira fase são indicados na tabela abaixo, que demonstra a sequência de tratamentos efetuados sobre as planilhas a fim de contornar alguns dos obstáculos com relação aos óbitos confirmados. Concentraremos nossa atenção sobre esses dados por compartilhar das conclusões dos especialistas de que a subnotificação afeta de forma mais acentuada os registros sobre a quantidade de infectados. Etapas de cruzamento das planilhas do MRJ e do ERJ para determinação da totalidade dos óbitos.



Aplicando a metodologia descrita acima ao cruzamento das informações sobre óbitos disponibilizadas nas duas planilhas (MRJ e ERJ), chega-se a um total de 4949 óbitos na capital até 15/06/2020. Os casos de óbito remanescentes na planilha do ERJ (ou seja, aqueles que não foram encontrados na planilha do MRJ com os critérios de cruzamento empregados) são transferidas para a planilha MRJ. A quantidade de casos transferidos é de 32. Como não possuímos as informações sobre bairro de residência desses casos de óbito remanescentes, elas são estimadas a partir de um modelo bayesiano. Nesse modelo, as probabilidades condicionadas aos atributos Sexo, Faixa Etária, Data do Início dos Sintomas, Data de Notificação e Data de Óbito são obtidas pelas distribuições dos 4949 casos de óbito com as informações completas. Essas probabilidades são então usadas para amostrar os bairros faltantes.


Cruzamento dos Casos Ativos e Recuperados

As duas fases seguintes tratam dos casos informados como ativos e recuperados, respectivamente, na planilha do ERJ. Nessas fases, a evolução da doença de vários casos remanescentes do ERJ, referentes ao MRJ, não consta da planilha. Os cruzamentos de tais casos são feitos na forma indicada abaixo, com as respectivas quantidades de casos envolvidos em cada ação. Etapas de cruzamento das planilhas para determinação da totalidade dos recuperados e ativos.



Quadro Geral dos Óbitos no ERJ


Ao final da execução das três fases mencionadas acima, obtém-se uma planilha com a totalidade dos casos registrados. Um procedimento complementar é a estimativa dos dados ausentes, usando-se um modelo bayesiano construído com as informações dos casos completos (denomina-se “caso completo” um caso possuindo as informações de Localidade, Idade, Sexo, Evolução e, quando for o caso, Data de Óbito). Chega-se, com todos esses procedimentos, a 59039 casos recuperados, 2900 ainda ativos e 7740 de óbitos até 15/06/2020 para todo o ERJ. Esse total de casos é menor que os 37546 casos relatados na planilha do ERJ. A diferença consiste em casos, ocorridos fora do MRJ, dos quais somente os atributos Município de Residência e Sexo estão preenchidos. Como consequência, a estimativa de faixa etária e de evolução da doença (entre recuperados e ativos) seria muito imprecisa. Por essa razão, esses casos são descartados.

Um quadro geral da evolução dos óbitos em todo o ERJ segundo as datas de ocorrência é mostrada a seguir. Observa-se um ritmo de crescimento da quantidade de óbitos praticamente constante durante várias semanas. À primeira vista, esse ritmo de crescimento parece arrefecer nas últimas duas semanas. No entanto, é preciso levar em conta que as informações disponíveis sobre os óbitos desse período ainda estão incompletas, havendo uma quantidade de óbitos ainda não divulgados em razão do atraso nessa divulgação. Com o intuito de estimar alguns desses óbitos ainda não divulgados, realiza-se uma estimativa da evolução dos casos já conhecidos e atualmente divulgados como ativos. Mias uma vez, utiliza-se um modelo bayesiano para estimar a proporção provável de evolução dos casos para recuperado ou óbito. Nos casos pertinentes, a data de óbito também é estimada. A evolução, incluindo os casos de óbitos previstos dentre os atualmente ativos, também é mostrada na figura. Observe-se que, mesmo considerando que ainda serão divulgados óbitos de casos que atualmente não estão informados como ativos, a curva de previsão de óbitos ainda mantém uma tendência de crescimento.



A desigualdade entre as Áreas da Região Metropolitana


Um olhar mais atento à região metropolitana coloca a necessidade de buscar um agrupamento dos dados que permita analisar as diferenças na forma como a doença atinge diferentes estratos sociais da população. Com esse propósito, estabelecemos um agrupamento por regiões que guardam certa uniformidade geográfica e social.


Agrupamento em Regiões

O agrupamento adotado nas análises posteriores é mostrado nas tabelas a seguir. Um dos objetivos da divisão adotada foi reunir bairros e municípios nos quais a maioria da população recorra, predominantemente, às mesmas unidades de saúde, públicas ou privadas. Espera-se que, dessa forma, os indicadores relativos aos moradores de uma região sirvam também de indicação do desempenho do sistema de saúde naquela mesma região. Na capital, estabelecemos uma relação entre os agrupamentos de bairros utilizados nesta análise e as áreas de planejamento do município. Em relação às demais áreas da Região Metropolitana do Rio de Janeiro, agrupamos os municípios em duas regiões.

Composição das regiões da capital conforme as áreas de planejamento



Um critério adicional no agrupamento em regiões toma como base um estudo realizado pelo Centro de Políticas Sociais da Fundação Getúlio Vargas. Utilizando os valores divulgados nesse estudo, o critério adotado considera a fração da renda per capita de residentes em favelas em uma região na renda per capita de toda a população dessa mesma região. Esse critério combina renda com situação de urbanização. Na tabela a seguir, observa-se, por exemplo, que a renda per capita dos residentes em favelas da região CAPITAL SUL corresponde a aproximadamente 1/4 da renda per capita (mais precisamente, 23.81%) dessa região. Esse é um indicador da grande desigualdade de renda existente. No outro extremo, 2/3 da renda per capita da região CAPITAL OESTE (mais especificamente, 67.55%) é a renda dos residentes em favelas. Esse critério de renda é restrito ao MRJ visto que este é o escopo do referido estudo sobre renda per capita. Em relação aos demais municípios da região metropolitana, utilizamos, de maneira especulativa, outros dados que permitem formular algumas hipóteses sobre a relação entre renda e impacto da pandemia.




Análise de Óbitos e Recuperados segundo Faixa Etária e Áreas da Região Metropolitana


O primeiro indicador a ser analisado é a evolução da quantidade acumulada de óbitos por região. A primeira constatação é que, aparentemente, o fator “fração de renda per capita em favelas” não é determinante para determinar a proporção entre óbitos e população. A região com menor fração de renda per capita em favelas na capital, a Capital Sul, possui um número proporcionalmente muito mais alto de infectados, apresentando pouco mais de 109 óbitos por 100mil habitantes, e, consequentemente, registra mais óbitos dentre seus residentes. Em um patamar similar se situa a região Capital JPA, com cerca de 66 óbitos/100 mil habitantes. Observa-se ainda uma estabilidade desse critério ao longo das últimas semanas, não havendo indícios de inversão significativa de tendência entre as regiões analisadas.

São diversos os fatores que influenciam esses dados. Certamente, a importação dos casos iniciais foi marcadamente mais intenso nas regiões de maior renda. Além disso, podemos especular sobre sobre os fatores adicionais. Possivelmente, subnotificação mais elevada em regiões mais empobrecidas tenha algum impacto. Outro possível fator que mreceria uma maior observação é a confiança da população na capacidade de acesso a uma assistência adequada em caso de infecção. A verificação dessa hipótese demandaria pesquisa adicional, mas é comum ouvir em regiões mais desfavorecidas que “quem procura a UPA para ser atendido não volta”. Tal crença pode gerar uma espécie de círculo vicioso: como os atendimentos nas UPAs se dão em uma grande quantidade de casos mais avançados, a chance de recuperação é menor, o que realimenta a desconfiança da população no sistema de saúde. Com uma maior desconfiança no sistema de saúde, naturalmente a população, quando possível, procura ser resguardar mais. Por outro lado, regiões mais abastadas, que em geral têm melhores condições de praticar o distanciamento social, podem superestimar a capacidade do sistema de saúde, resultando no relaxamento das medidas preventivas e, consequentemente, em uma maior taxa de infecção.



Independentemente dos motivos que expliquem a manutenção de uma maior concentração proporcional de casos confirmados em áreas de maior renda, a análise dos dados chama a atenção para o peso da desigualdade em relação aos impactos da pandemia. Observando-se os perfis etários de óbitos e recuperados por região, observa-se uma diferença pronunciada entre CAPITAL SUL e as demais regiões quanto aos óbitos, mas uma semelhança quanto aos recuperados. Na região CAPITAL SUL, a média etária dos óbitos dentre os seus residentes é de 76.90 anos. A curva de distribuição mostra que a média é bastante influenciada pela relativa grande quantidade de óbitos em faixas etárias mais altas, resultado que decorre, ao menos em parte, de fatores demográficos. No outro extremo, vemos as regiões BAIXADA e CAPITAL OESTE, com médias etárias de 63.66 e 63.58 anos, respectivamente. Esses números indicam que nessas duas regiões, os óbitos afetam, proporcionalmente, residentes mais jovens do que na região CAPITAL SUL. No geral, nota-se, por esse indicador, uma alta correlação (-0.9682141) entre as idades médias de falecimento por COVID-19 e as frações de renda per capita relativas a moradores de favelas. As semelhanças entre Baixada e Capital Oeste e entre Grande Niterói e Capital Centro Tijuca permite presumir, mesmo sem dispormos de dados precisos, que as frações de renda per capita referentes a favelas nesses pares de regiões sejam semelhantes.



Contrariamente aos que ocorre nos casos de óbitos ilustrados acima, os gráficos por faixa etária para os casos de recuperados mostram bastante semelhança entre as regiões no que diz respeito às médias etárias. A combinação dos dois perfis por faixa etária nos leva a mais um outro indicador de análise, comentado abaixo.




Ao analisarmos as taxas de recuperação dentre as pessoas com a infecção registradas nas planilhas de dados, verificamos claramente o impacto da situação socioeconômica. Para chegar ao indicador apresentado na figura abaixo, usamos a definição adotada no painel do ERJ. Primeiro, identificamos, para cada região, a totalidade de residentes que tiveram diagnóstico confirmado de COVID-19 pelo sistema de saúde. Posteriormente, analisamos quais deles chegaram a óbito. Novamente encontramos as regiões de maior e menor fração de renda per capita em favelas em extremos opostos no que diz respeito ao impacto da pandemia.




Há dois tipos de comportamento relacionando taxa de recuperação e fração de renda per capita. Nas faixas etárias de 20 a 29 a 80 a 89 anos, observamos uma forte correlação: quanto maior a fração da renda per capita localizada em favelas em uma região, maior a taxa de letalidade, aproximadamente na mesma proporção. Nas demais faixas, essa correlação reduz-se, provavelmente em razão de fatores como comorbidades e demografia. Ou seja, em uma região, como a CAPITAL SUL, cuja renda per capita em favelas é 1/4 da renda per capita da região, a probabilidade de um paciente com diagnóstico confirmado de COVID-19 (esse é um paciente que atende aos critérios de investigação de infecção com o novo coronavírus) falecer é de 10% na faixa etária de 60 a 69 anos; de quase 19% entre 70 e 79 anos e de quase 31% entre 80 e 89 anos. Já nos bairros da CAPITAL OESTE, onde a fração da renda per capita nas favelas é mais de 2/3 da renda per capita da região, essa taxa de letalidade sobe para 37% entre 60 e 69 anos, 51% entre 70 e 79 anos e 51% entre 80 e 89 anos.



Conclusões Preliminares


A análise realizada até aqui indica, ainda que de forma preliminar, um conjunto de conclusões de grande importância. Em primeiro lugar, é necessário aperfeiçoar as metodologias de produção e disponibilização de dados a fim de possibilitar uma orientação segura para a definição das medidas necessárias ao combate à pandemia. Em segundo lugar, após uma depuração metodológica cuidadosa, não se identificam até o momento sinais de redução na curva epidemiológica que possam justificar qualquer medida de flexibilização do isolamento social. Em terceiro lugar, embora os dados oficiais ainda registrem uma concentração proporcionalmente maior de casos e áreas de renda mais elevada, o ônus no que diz respeito ao risco de morte decorrente da COVID-19 se concentra em áreas marcadas por extrema vulnerabilidade, nas quais a pandemia constituir um fator adicional de agravamento das desigualdades sociais estruturais.



179 visualizações

© 2020 por PPGIHD-UFRRJ

  • Black Facebook Icon
  • Black Twitter Icon
  • Black LinkedIn Icon