Análise espacial e covid-19: revisão sistemática sobre os aspectos metodológicos de georreferenciamento

ARTIGO DE REVISÃO

PINHEIRO, Rejane Barbosa Ciriaco ^[1], SOARES, Ricardo de Sousa ^[2], ABREU, Sandra Costa Cavalcante Leite de ^[3]

PINHEIRO, Rejane Barbosa Ciriaco. SOARES, Ricardo de Sousa. ABREU, Sandra Costa Cavalcante Leite de. Análise espacial e covid-19: revisão sistemática sobre os aspectos metodológicos de georreferenciamento. Revista Científica Multidisciplinar Núcleo do Conhecimento. Ano 09, Ed. 03, Vol. 01, pp. 95-114. Março de 2024. ISSN: 2448-0959, Link de acesso: https://www.nucleodoconhecimento.com.br/saude/analise-espacial-e-covid-19, DOI: 10.32749/nucleodoconhecimento.com.br/saude/analise-espacial-e-covid-19

RESUMO

Introdução:A pandemia da COVID-19 demandou uma rápida reorganização das estratégias e ferramentas de vigilância e controle da doença. Uma das técnicas bastante utilizada para compreensão do vírus e sua evolução foi o georreferenciamento e as análises espaciais. Objetivo: Analisar as evidências cientificas sobre quais métodos são utilizados para análise espacial da COVID-19. Metodologia: Trata-se de uma revisão sistemática orientada pelas diretrizes e recomendações do PRISMA. Foram pesquisados artigos relevantes sobre o tema, publicados nas bases de dados PubMed, BVS e SCIELO, no período de 2020 a 2023. Após a busca, os artigos passaram por uma avaliação que ocorreu em duas etapas: leitura do título e resumo; em seguida, avaliação do texto na integra. Resultados: Foram encontrados 54 artigos, restando 17 após a exclusão das duplicidades e aplicação dos critérios de seleção e elegibilidade. Conclusão: Dentre os principais resultados identificados nos estudos, destacamos que a letalidade pela COVID-19 está associada a baixas condições sociais e econômicas. As taxas de mortalidade foram maiores em regiões com maior carência de leitos de UTI e ventiladores pulmonares.

Palavras-chaves: Análise Espacial, COVID-19, SARS-CoV-2, Coronavírus, Revisão Sistemática.

1. INTRODUÇÃO

Em 2020, o mundo parou com a pandemia do novo coronavírus. Inicialmente identificado na China por meio de um surto epidêmico, em poucas semanas, a COVID-19 foi considerada uma epidemia para além das fronteiras desse país. Em março de 2020, foi declarada uma pandemia pela Organização Mundial de Saúde (Organização Pan-Americana de Saúde, 2020). Até 2023, o novo coronavírus já tinha infectado mais de 700 milhões de pessoas e levado a óbito mais de 6 milhões (Organização Mundial da Saúde, 2023).

A COVID-19 é uma doença infecciosa viral que acomete as vias respiratórias, podendo se apresentar como uma Síndrome Gripal (SG), acompanhada de alguns sintomas como tosse, febre e dor na garganta. O individuo também pode evoluir para uma Síndrome Respiratória Aguda Grave (SRAG), em decorrência da piora do quadro gripal, que pode leva-lo a morte (Brasil, 2018; Brasil, 2022).

Em relação a outras síndromes respiratórias, a COVID-19 chamou atenção pelo alto poder de contágio, a proporção de casos graves e a rápida disseminação da doença. Esses fatores levaram os sistemas de saúde a um colapso em alguns países, em decorrência do aumento brusco na quantidade de casos e de óbitos (Barreto et al., 2021; Riboli; Arthur; Mantovani, 2020).

Além de possuir potencial evolutivo de extrema gravidade, como no caso da SRAG (Araújo et al., 2020), outro aspecto importante da COVID-19 é o fato de apresentar manifestações dos sintomas em longo prazo, independendentemente do individuo ter adoecido de forma leve, moderada ou grave. Essa persistência de sintomas recebeu o nome de COVID-19 longa. Atualmente, pode-se observar sua predominância nas pessoas que desevolveram as formas graves da doença (Miranda et al., 2022).

Ao longo dos primeiros anos de pandemia, a progressão da COVID-19 se apresentou nos vários países de maneira diversa, a depender das estratégias de distanciamento e isolamento social adotadas (Houvèssou; Souza; Silveira, 2021). No Brasil, devido ao negacionismo da pandemia pelo governo federal, houve um protagonismo dos estados na definição de medidas restritivas para combater o avanço da doença (Carvalho et al., 2022).

O Brasil foi o primeiro país da América Latina a identificar casos de COVID-19 (Alvarez; Harris, 2020). Trata-se de um país claramente marcado pelas desigualdades sociais, o que pode ter favorecido a disseminação da doença dentro de seu território, ocasionando um aumento na taxa de incidência e letalidade (Bógus; Magalhães, 2022).

A vacina foi a maneira mais eficaz de se combater o vírus da COVID-19. O imunizante contribuiu para diminuição da curva epidemiológica da doença e encerramento da pandemia no mundo (Organização Mundial da Saúde, 2023). No Brasil, as vacinas possuem uma história de sucesso no combate a doenças preveníveis, incluindo poliomielite, sarampo e rubéola (Organização Pan-Americana de Saúde, 2023).

Por se tratar de uma doença recém-descoberta, vários estudos foram realizados sobre a COVID-19 com a finalidade de mostrar a situação epidemiológica ocasionada pelo vírus. Nesse sentido, o uso de ferramentas tecnológicas foi essencial para o mapeamento da distribuição espacial dos casos, contribuindo na identificação de áreas geográficas mais susceptíveis, possibilitando o monitoramento da doença em diferentes regiões (Silva; Costa, 2021).

Essa situação demonstra necessidade de compreender o desenvolvimento espacial de casos e mortes ocasionadas pela COVID-19 e suas possíveis influências na história da doença. Assim, é importante conhecer as diferentes metodologias utilizadas na análise da distribuição espacial da COVID-19.

2. METODOLOGIA

Trata-se de uma revisão sistemática, cujo objetivo principal é analisar as evidências cientificas sobre quais métodos são utilizados para análise espacial da COVID-19.

Utilizou-se como referência as diretrizes e recomendações do PRISMA (Principais itens para relatar Revisões Sistemáticas e Meta-análises) (Galvão; Pansani; Harrad, 2015).

Inicialmente, escolheu-se o tema pretendido. Em seguida, foi realizada uma busca no meio digital com o propósito de identificar pesquisas relacionadas à temática abordada. Após essa identificação, procedeu-se uma leitura introdutória do conteúdo. Por fim, delimitou-se a formulação da pergunta norteadora e a estruturação da pesquisa.

Foi realizada a busca nas bases de dados PUBMED/Medline na National Library of Medicine (NLM), na Biblioteca Virtual de Saúde (BVS) e na Scientific Electronic Library Online (SCIELO), no período de 2020 a 2023. A última busca foi realizada no dia 16 de junho de 2023.

Utilizou-se para a busca nas bases de dados os seguintes Descritores em Ciências da Saúde/Medical Subject Headings (DeCS/MeSH): Análise Espacial (Spatial Analysis), COVID-19, SARS-CoV-2 e Coronavírus, utilizando a combinação dos operadores booleanos (AND e OR) na seguinte estratégia de busca, no PubMed: “Spatial Analysis“[Mesh] AND ( “COVID-19″[Mesh] OR “SARS-CoV-2″[Mesh] OR “Coronavirus”[Mesh] ), na BVS: ( mh:(“Análise Espacial”)) AND ( ( mh:(“COVID-19”)) OR ( mh:(“SARS-CoV-2”)) OR ( mh:(“Coronavirus”)) ). Na Scielo.org: (“Análise Espacial”) AND (“COVID-19”) OR (“SARS-CoV-2”) OR (“Coronavirus”).

A seleção dos artigos ocorreu em duas etapas, facilitando a leitura e a análise dos achados bibliográficos. A primeira etapa se deu com base na leitura do título e resumo. Foram priorizados estudos com os descritores em ciências da saúde identificados para esta pesquisa e que tenham utilizado alguma técnica de análise espacial, com dados sobre casos, óbitos e hospitalizações por COVID-19.

Na segunda etapa, foi realizada a leitura do artigo completo. Nessa fase, era de extrema importância identificar características sobre a área geográfica, softwares e técnicas de análise espacial utilizados pelos pesquisadores, excluindo aqueles estudos que não atenderam ao objetivo e à pergunta norteadora da pesquisa.

Todos os autores no período da busca dos artigos realizaram o mesmo percurso metodológico de forma independente, na intenção de identificar possíveis artigos que sejam de interesse para o estudo, mas que não tenham sido selecionados no primeiro momento de pesquisa literária. Ao término, foi realizada análise e discussão dos dados à luz da literatura pertinente; as informações a serem contempladas foram apresentadas em forma de figuras e quadros.

Os critérios definidos para elegibilidade foram: artigos que abordassem aspectos metodológicos de análise espacial sobre casos, óbitos e hospitalizações por COVID-19, que tenham descrito área geográfica do estudo e os softwares usados. Utilizou-se como limites os idiomas: Português, Inglês, Francês, Italiano e Espanhol. Optou-se por estudos revisados pelos pares.

Para a exclusão, utilizou-se os seguintes critérios: artigos que não atendem à temática proposta, que não foram avaliados por pares (pré-print), que tenham disponibilizado apenas o resumo, pesquisas que não tenham apresentado a área geográfica que foi analisada, nem as técnicas de análise espacial, além de estudos que não descrevem os softwares empregados.

3. RESULTADOS

Foram encontrados na revisão sistemática 54 artigos em três bases de dados; dentre esses, 04 estavam duplicados. Dos 50 restantes, 32 foram excluídos após a leitura do título e resumo por não abordar análise espacial, restando 18 artigos selecionados para leitura do texto completo. Houve ainda a exclusão de 1 deles por não ter abordado indicadores relacionados ao COVID-19. Portanto, tivemos 17 artigos elegíveis para compor este estudo (Figura 1).

Figura 1- Fluxograma com as etapas de seleção dos estudos de acordo com as recomendações dos Principais itens para relatar Revisões Sistemáticas e Meta-análises (PRISMA)

O Quadro 1 apresenta uma listas dos artigos, métodos de análise espacial utilizados pelos autores, desfecho e principais achados na aplicação das técnicas de geoprocessamento.

Dos 17 artigos analisados, 14 (82%) tinham como área geográfica o Brasil. Suas unidades territoriais corresponderam aos estados da Bahia, Paraná, Santa Catarina, Rio de Janeiro, Pernambuco, Sergipe e Ceará. Duas pesquisas (12%) foram desenvolvidas nos Estados Unidos da América (EUA), nas cidades da Filadélfia, Nova York, Chicago e Los Angeles. Finalmente, 1 estudo (6%) analisou 14 países Europeus, a saber: Austria, Croácia, Dinamarca, Inglaterra, Estônia, França, Alemanha, Itália, Lituânia, Luxemburgo, Polônia, Eslováquia, Eslovênia e Suécia.

Quadro 1-Descrição dos estudos de acordo com autor, ano de publicação, métodos espaciais, desfecho e principais achados

Fonte: Elaboração própria, 2023.

Um artigo que utilizou mapas de Kernel por meio de varredura espacial para visualização de clusters dos leitos de UTI e ventiladores respiratórios em todas das regiões de saúde do Brasil concluiu que as maiores taxas de mortalidade estavam nos locais com maior carência de leitos de UTI e ventiladores, destacando-se o Nordeste, com 70% da taxa de UTI, e a região Norte, com 93,3% dos ventiladores do SUS, aquém do esperado (Moreira, 2020).

A análise de Kernel permitiu a identificação de clusters espaço-temporais ativos de COVID-19 no estado de Sergipe, com maior densidade de casos na região metropolitana (Andrade et al., 2020). A mesma técnica de análise foi utilizada para detectar locais que possuiam um alto risco de contaminação e mortes pela COVID-19 na macrorregião de saúde Oeste da Bahia, corroborando o perfil do país de que a doença estava se espalhando pelos municípios do interior (Gomes et al., 2021).

Um estudo que avaliou 14 países europeus realizou análise de ponto de acesso com a ferramenta Getis-OrdGi*. Os resultados revelaram diferenças no acesso a leitos de UTI entre os países e suas consequências na letalidade por COVID-19, com média de 7,4%. Os países com maior acesso aos leitos de UTI foram Alemanha, Estônia e Áustria; com menor, Suécia e Dinamarca. Além disso, foram observadas particularidades locais em relação aos leitos de cada país, configurando-se como sua principal diferença (Bauer et al., 2020).

O deslocamento de pacientes e as internações de SRAG por COVID-19 na região metropolitana do Rio de Janeiro foram analisadas por meio de mapas de fluxo. O estudo identificou que o município do Rio de Janeiro recebe mais pacientes por SRAG do que encaminha, destacando-se a relevância de uma rede de atendimento especializada (Cavalcante et al., 2021).

A técnica de Combinação Linear Ponderada por álgebra de mapas foi utilizada para identificar áreas de maior vulnerabilidade as formas graves de COVID-19 no município do Rio de Janeiro. Os resultados obtidos com essa análise retrataram que os locais mais vulneráveis à doença estavam presentes nas regiões Norte e Oeste da cidade, além de comunidades pobres que se instalaram nas áreas nobres das zonas Sul e Oeste, ambas litorâneas (Santos et al., 2020).

Os bairros da Zona Sul do Rio de Janeiro possuem um alto risco de contaminação e morte pela COVID-19; os bairros da Zona Norte se destacam pelo risco de morte (Cavalcante; Abreu, 2020). No primeiro ano de pandemia, a cidade apresentou elevadas taxas de incidência pela COVID-19. Ambos os estudos utilizaram em suas análises as técnicas espaciais de Moran Global (I) e Local (LISA) (Santos et al., 2021).

A análise da correlação espacial dos 499.777 casos confirmados de COVID-19 no estado do Paraná e dos 1.029 leitos de UTI exclusivos para a doença permitiram a identificação da autocorrelação espacial direta dos casos com os leitos. Além disso, através do Índice de Moran Local, foram encontradas áreas carentes de atendimento prioritário para controle da doença no estado (Covre et al., 2022).

A análise espacial do COVID-19 e dos leitos de UTI no estado do Ceará, com a técnica de Moran bivariado (Global e Local) mostrou que a capital Fortaleza (85% dos casos) e região metropolitana do estado apresentavam as maiores taxas de COVID-19. Em relação aos leitos de UTI (459), o estudo revelou que existia uma maior disponibilidade em locais com aglomerados da doença. Fortaleza contava com 307 leitos (Pedrosa; Albuquerque, 2020).

A maior concentração de casos de COVID-19 estava na região Metropolitana do Recife (640,22/100 mil hab.) e no interior (361,29/100 mil hab.), em virtude da alta densidade populacional e taxa de urbanização (Quinino et al., 2021).

Foram encontradas diferenças espaciais em relação a testes de COVID-19, positividade, casos e mortes pela doença nos bairros de três cidades americanas: Chicago, Nova York e Filadélfia (Bilal et al., 2021).

O modelo discreto de Poisson (mapa de cluters) auxiliou na identificação de conglomerados ativos de COVID-19 em Santa Catarina. Atingiu-se de maneira mais intensa o Sul, Oeste e Grande Florianópolis, utilizando a ferramenta estatística scan para análise (Merêncio; Monteiro; Vieira, 2021).

Realizada a análise de Poisson juntamente com o Índice de Moran Bivariado, os resultados concluiram que o NO₂ (dióxido de nitrogênio) anual tinha relação coma taxa de incidência e mortalidade pela COVID-19 nos bairros do condado de Los Angeles, apresentando uma letalidade de 2,5% (Lipsitt et al., 2021).

O maior número de ocorrências de COVID-19 foi identificado na capital da Bahia (58,2%), apresentando letalidade de 3,2%. O estudo utilizou o Índice de Moran Bivariado para analisar espacialmente a incidência da doença no estado (Souza et al., 2022).

Foi observado um aumento da SRAG em Pernambuco 13 vezes maior no primeiro semestre de descoberta da COVID-19, após comparação do mesmo período antes da doença (Silva; Maia; Souza, 2020).

Os individuos menos favorecidos foram infectados de maneiras diferentes pela COVID-19, situação que chama atenção para as desigualdades sociais. É importante destacar que, nos bairros de Fortaleza, há uma parcela da população vivendo na pobreza, correspondendo a um percentual superior a 39% (Sanhueza-Sanzana et al., 2021).

Os artigos publicados correspondem aos anos de 2020 a 2022. Todas as pesquisas utilizaram base de dados secundários. O tipo de estudo predominante foi o ecológico. Já o período de análise dos dados variou com tempo mínimo de 1 mês e tempo máximo de 1 ano e 6 meses.

4. DISCUSSÃO

A maior parte dos estudos selecionados para compor a amostra optou por mais de um software para realizar suas análises estatísticas e processar os dados geoespaciais. Foram utilizadas as seguintes ferramentas: QGIS, GeoDa, ArcGis, TerraView, SaTScan, R, Excel, SPSS, Mplus e Stata.

Observamos que os autores utilizaram diversas metodologias e tipos de mapas temáticos, representando geograficamente os dados identificados em suas pesquisas. Dessa forma, pôde-se localizar territórios que concentravam as maiores taxas de incidência de COVID-19, mortalidade e letalidade (Gomes et al., 2021; Quinino et al., 2021; Santos et al., 2021; Souza et al., 2022; Moreira, 2020; Pedrosa; Albuquerque, 2020; Cavalcante; Abreu, 2020), áreas mais vulneráveis à COVID-19 (Santos et al., 2020) e os locais com déficit de leitos de UTI, diferença de acesso, desigualdade de distribuição e maior oferta de leitos (Bauer et al., 2020; Covre et al., 2022; Moreira, 2020; Pedrosa; Albuquerque, 2020). Esses dados auxiliaram os gestores no direcionamento dos recursos necessários para conter o avanço da doença e fortalecer as ações de saúde (Diniz et al., 2022).

A pandemia da COVID-19 no Brasil aumentou a condição de vulnerabilidade social existente no país. A doença atingiu muitas pessoas, principalmente as que detinham poucos recursos e viviam em condições socias precárias, embora a entrada do vírus no país tenha sido atribuída a indivíduos pertencentes a classes econômicas abastadas, cuja contaminação se deu em viagens realizadas para o exterior (Estrela et al., 2020).

A robusta revisão sistemática sobre a COVID-19 e seus aspectos espaciais relata que a doença se espalhou rapidamente pelo mundo e possui correlação com a vulnerabilidade social (Diniz et al., 2022).

No Brasil, os leitos de UTI não são distribuídos de forma igualitária, além de terem sido insuficientes para suprir as necessidades dos pacientes diante da crise sanitária originada pela COVID-19. Foi observada ainda a falta de ventiladores pulmonares, que atingiu diversos países no mundo, inclusive o Brasil (Barbosa; Zanatta; Campiolo, 2020). A baixa oferta desses equipamentos poderia ocasionar a morte dos pacientes, em decorrência da privação de tratamento adequado pela ausência de tais aparelhos (Marmelstein; Morozowski, 2020).

A oferta de leitos de UTI também variou entre países da europa por diversos motivos, destacando-se as diferenças na oferta de cuidados intensivos (Rhodes et al., 2012).

O vírus da COVID-19 infectou muitas pessoas. A doença esteve presente não apenas na região metropolitana, mas também no interior do país (Andrade et al., 2020; Gomes et al., 2021; Pedrosa; Albuquerque, 2020; Quinino et al., 2021; Souza et al., 2022).

A maneira como a COVID-19 se espalhou foi comum a vários países. Inicialmente, a doença se concentrou nas metropóles, mas logo adentrou municípios menores, situação justificada pela locomoção dos indivíduos, dispondo de diversos meios de transportes, favorecendo a rápida circulação do vírus (Magalhães et al., 2021).

O mapeamento da COVID-19 com Kernel foi realizado em três estudos (Andrade et al., 2020; Gomes et al., 2021; Moreira, 2020). Essa técnica gera um mapa de calor que consiste basicamente em estimar a intensidade de pontos dispostos no espaço de acordo com a área de interesse. Ela é considerada uma ferramenta eficaz no mapeamento dos casos de COVID-19 (Rizzatti et al., 2020).

As técnicas de análise espacial com Getis-Ord Gi*, Mapa de Fluxo e Combinação Linear Ponderada (CLP) aparecem uma única vezem cada estudo (Bauer et al., 2020; Cavalcante et al., 2021; Santos et al., 2020).

Por meio do mapa de fluxo, foi possível identificar o deslocamento dos pacientes com câncer de mama para realizar tratamento oncológico fora do seu domicilio (Saldanha et al., 2019). Esse tipo de mapa representa os movimentos do objeto que se pretende estudar, realizando análise dos dados pela sua origem e destino (Archela; Théry, 2008).

A cidade do Rio de Janeiro foi objeto de pesquisa em relação ao fluxo das internações de SRAG por COVID-19, regiões que apresentaram maior vulnerabilidade à doença e locais mais passíveis ao adoecimento e morte (Cavalcante; Abreu, 2020; Cavalcante et al., 2021; Santos et al., 2020; Santos et al., 2021). O município apresenta discrepâncias sociais que assolam a cidade, além de concentrar uma grande quantidade de pessoas vivendo em moradias subnormais (Malta; Costa; Magrini, 2017).

A ferramenta estatística de Moran Global (I) e Local (LISA) foi a mais utilizada pelos pesquisadores, independentemente do foco de estudo (Bilal et al., 2021; Cavalcante; Abreu, 2020; Covre et al., 2022; Lipsitt et al., 2021; Pedrosa; Albuquerque, 2020; Quinino et al., 2021; Sanhueza-Sanzana et al., 2021; Santos et al., 2021; Souza et al., 2022). Esse método consiste na identificação de um padrão de distribuição espacial e na autocorrelação local, permitindo realizar comparação de valores entre municípios vizinhos (Brasil, 2007).

A revisão sistemática apresentou os principais métodos de análise espacial sobre a COVID-19 utilizados pelos estudos contemplados em sua amostra, sendo Moran Global e Local como os mais presentes, seguidos do Getis-Ord Gi* (Nazia et al., 2022).

Um estudo realizado em Los Angeles mostrou associação de NO₂ anual com a incidência e mortalidade por COVID-19 (Lipsitt et al., 2021). Esse dado foi corroborado com uma pesquisa realizada na Inglaterra, a qual descreve que a exposição ao NO₂ em 2014-2018 pode ter relação com a mortalidade por COVID-19 (Konstantinoudis et al., 2021).

5. LIMITAÇÃO

Algumas limitações foram relatadas pelos autores, incluindo a utilização do censo demográfico de 2000 e de 2010 (Cavalcante; Abreu, 2020; Merêncio; Monteiro; Vieira, 2021; Sanhueza-Sanzana et al., 2021; Santos et al., 2020; Santos et al., 2021). Por mais que esses dados apresentem um número aproximado de indivíduos, é possível que os valores atribuídos não correspondam à realidade (Cavalcante; Abreu, 2020).

As subnotificações também apareceram como uma limitação, podendo ter como consequência a redução do número de casos (Cavalcante; Abreu, 2020; Gomes et al., 2021; Quinino et al., 2021; Sanhueza-Sanzana et al., 2021; Santos et al., 2021; Silva; Maia, Souza, 2020; Souza et al., 2022).

Uma das possíveis causas atribuíveis às subnotificações é o método de confirmação dos casos de COVID-19, quando este se limita apenas ao critério laboratorial (Cavalcante; Abreu, 2020; Gomes et al., 2021).

O exame laboratorial considerado padrão ouro pelo Ministério da Saúde para diagnóstico da COVID-19 é o RT-PCR em tempo real (Brasil, 2022). Além disso, a subnotificação pode ter relação com a capacidade de testagem de casos (Sanhueza-Sanzana et al., 2021; Santos et al., 2021).

A falta de testes para o diagnóstico da COVID-19 pode resultar em diferenças significativas nas taxas de casos (Bilal et al., 2021). Alimitação da capacidade de testar apenas indivíduos que apresentaram sintomas característicos da doença pode ter contribuído para a subestimação do número de doentes (Pedrosa; Albuquerque, 2020).

Por fim, identificamos como uma limitação em nosso estudo o fato de alguns autores não descreverem claramente o método de análise espacial utilizado.

6. CONCLUSÃO

Os estudos apresentados nesta revisão sistemática corroboram com os resultados de outros artigos sobre as relações entre distribuição e quantidade de leitos de UTI, vulnerabilidade social na incidência, mortalidade e letalidade por COVID-19 (Barbosa; Zanatta; Campiolo, 2020; Diniz et al., 2022; Estrela et al., 2020; Rhodes et al., 2012).

As metodologias mostram diferentes apresentações espaciais e finalidades, não sendo possível nesta revisão inferir superioridade entre elas. A capacidade de analisar vários dados simultaneamente com a criação de indicadores e índices tem possibilitado o aprimoramento dos dados epidemiológicos, apoiando as decisões em saúde (Diniz et al., 2022).

É importante que, nessa fase de cronificação do novo coronavírus e circulação de novas cepas, sejam aprimorados esses processos de análise e decisão.

CONTRIBUIÇÕES DO AUTOR

Os autores participaram de forma igualitária na elaboração de todas as etapas do artigo.

REFERÊNCIAS

ALVAREZ, Reinaldo Pierre; HARRIS, Paulo R. COVID-19 en América Latina: Retos y oportunidades. Rev. Chil. Pediátrico. Santiago, v. 91 n. 2, p. 179-182, abr. 2020. Disponível em: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0370-41062020000200179. Acesso em: 07 jul. 2023.

ANDRADE, Lucas Almeida et al. Surveil lance of the first cases of COVID-19 in Sergipe using a prospective spatio temporal analysis: the spatial dispersion and its public health implications. Revista da Sociedade Brasileira de Medicina Tropical, v. 53, 2020. Disponível em: https://doi.org/10.1590/0037-8682-0287-2020. Acesso em: 11 mai. 2023.

ARAÚJO, Kamilla Lelis Rodrigues de et al. Fatores associados à síndrome respiratória aguda grave em uma região central do Brasil. Ciência & Saúde Coletiva, v. 25, suppl 2, p. 4121-4130, out. 2020. Disponível em: https://doi.org/10.1590/1413-812320202510.2.26802020. Acesso em: 09 jul. 2023.

ARCHELA, Rosely Sampaio; THÉRY, Hervé. Orientação metodológica para construção e leitura de mapas temáticos. Confins [online], n. 3, 2008. Disponível em: https://journals.openedition.org/confins/3483?lang=pt. Acesso em: 04 ago. 2023.

BARBOSA, Laura Diehl; ZANATTA, Grazielle; CAMPIOLO, Edmara Laura. O uso de ventiladores na pandemia do COVID-19. Inter American Journal of Medicine and Health, v. 3, 2020. Disponível em: https://doi.org/10.31005/iajmh.v3i0.141. Acesso em: 28 jul. 2023.

BARRETO, Ivana Cristina de Holanda Cunha et al. Colapso na saúde em Manaus: o fardo de não aderir às medidas não farmacológicas de redução da transmissão da COVID-19. Saúde Debate, Rio de Janeiro, v. 45, n. 131, p. 1126-1139, out-dez 2021. Disponível em: https://www.scielo.br/j/sdeb/a/ktbLC8Qcncmt4nKgKgJr6TS/?format=pdf&lang=pt.  Acesso em: 06 jul. 2023.

BAUER, Jan et al. Access to intensive care in 14 European countries: a spatial analysis of intensive care need and capacity in the light of COVID-19. IntensiveCare Medicine, v. 46, n. 11, p. 2026-2034, 4 set. 2020. Disponível em: https://doi.org/10.1007/s00134-020-06229-6. Acesso em: 04 mai. 2023.

BILAL, Usama et al. Spatial Inequities in COVID-19 Testing, Positivity, Confirmed Cases, and Mortality in 3 U.S. Cities: Na Ecological Study. Annal sof Internal Medicine, v. 174, n. 7, p. 936-944, jul. 2021. Disponível em: https://doi.org/10.7326/m20-3936. Acesso em: 04 mai. 2023.

BÓGUS, Lucia M. Machado; MAGALHÃES, Luís Felipe Aires. Desigualdades sociais e espacialidades da COVID-19 em regiões metropolitanas. Caderno CRH, v. 35, p. 1-16, 2022. Disponível em: https://www.scielo.br/j/ccrh/a/8KZPyqRMyGKbzNMcPwWVXyJ/. Acesso em: 07 jul. 2023.

BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Vigilância das Doenças Transmissíveis. Protocolo de tratamento de Influenza: 2017. Departamento de Vigilância das Doenças Transmissíveis. Brasília: Ministério da Saúde, 49p., 2018. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/protocolo_tratamento_influenza_2017.pdf. Acesso em: 05 jul. 2023.

BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde.Guia de vigilância epidemiológica: emergência de saúde pública de importância nacional pela doença do cornoavírus 2019 – COVID-19. Brasília: Ministério da Saúde, 131p., 2022. Disponível em: https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/coronavirus/guia-de-vigilancia-epidemiologica-covid-19_2021.pdf/view. Acesso em: 09 jul. 2023.

BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde.Fundação Oswaldo Cruz. Introdução à Estatística Espacial para a Saúde Pública. Série: Capacitação e atualização em geoprocessamento em saúde. Brasília: Ministério da Saúde, v. 3, 120p., 2007. Disponível em: http://www.escoladesaude.pr.gov.br/arquivos/File/TEXTOS_CURSO_VIGILANCIA/capacitacao_e_atualizacao_em_geoprocessamento_em_saude_3.pdf. Acesso em: 23 jul. 2023.

CARVALHO, André Luís Bonifácio de et al. Os governos estaduais no enfrentamento da COVID-19: um novo protagonismo no federalismo brasileiro?. Saúde em Debate, Rio de Janeiro,v. 46, n. Especial 1, p. 62-77, mar. 2022. Disponível em: https://doi.org/10.1590/0103-11042022E104. Acesso em: 22 ago. 2023.

CAVALCANTE, João Roberto; ABREU, Ariane de Jesus Lopes de. COVID-19 no município do Rio de Janeiro: análise espacial da ocorrência dos primeiros casos e óbitos confirmados. Epidemiol. Serv. Saúde, Brasília, v. 29, n. 3, 2020. Disponível em: https://doi.org/10.5123/S1679-49742020000300007 Acesso em: 16 jun. 2023.

CAVALCANTE, João Roberto et al. Análise espacial do fluxo origem-destino das internações por síndrome respiratória aguda grave por COVID-19 na região metropolitana do Rio de Janeiro. Rev. Bras. Epidemiol, v. 24, 2021. Disponível em: https://www.scielo.br/j/rbepid/a/DNyHxvjJ9vHGjmVF6J5NDjq/?format=pdf&lang=pt.Acesso em: 03 de mai. 2023.

COVRE, Eduardo Rocha et al. Correlação espacial da COVID-19 com leitos de unidade de terapia intensiva no Paraná. Rev. Saúde Pública, v. 56, n. 14, 2022. Disponível em: https://www.scielo.br/j/rsp/a/NDB7dYnVxgbtWPFskqxMgKR/?format=pdf&lang=en.  Acesso em: 03 mai. 2023.

DINIZ, Alexandre Magno Alves et al. Espaço e COVID-19: uma revisão sistemática da literatura. Caderno de Geografia, v.32, n.70, 2022. Disponível em: http://periodicos.pucminas.br/index.php/geografia/article/view/28800/20035. Acesso em: 17 mai. 2023.

ESTRELA, Fernanda Matheus et al. Pandemia da COVID19: refletindo as vulnerabilidades a luz do gênero, raça e classe. Ciência & Saúde Coletiva, v. 25, n. 9, p. 3431-3436, 2020. Disponível em: https://www.scielo.br/j/csc/a/bbcZzgN6Sns8mNPjKfFYRhb/?lang=pt. Acesso em: 02 ago. 2023.

GALVÃO, Taís Freire; PANSANI, Thaís de Souza Andrade; HARRAD, David. Principais itens para relatar Revisões Sistemáticas e Meta-análises: A recomendação PRISMA*. Epidemiol. Serv. Saúde, Brasília, v. 24, n. 2,p. 335-342, abr-jun 2015. Disponível em: https://doi.org/10.5123/S1679-49742015000200017. Acesso em: 08 mar. 2023.

GOMES, Daiane Rosa et al. Interiorização da COVID-19 no Oeste da Bahia: perfil epidemiológico e análise espacial dos óbitos e casos confirmados. Ciência & Saúde Coletiva, v. 26, n. 10, p. 4665-4680, 2021. Disponível em: https://doi.org/10.1590/1413-812320212610.11262021. Acesso em: 03 mai. 2023.

HOUVÈSSOU, Gbènankpon Mathias; SOUZA, Tatiana Porto de; SILVEIRA Mariângela Freitas da. Medidas de contenção de tipo lockdown para prevenção e controle da COVID-19: estudo ecológico descritivo, com dados da África do Sul, Alemanha, Brasil, Espanha, Estados Unidos, Itália e Nova Zelândia, fevereiro a agosto de2020. Epidemiol. Serv. Saúde, Brasília, v. 30, n. 1, 2021. Disponível em: http://dx.doi.org/10.1590/s1679-49742021000100025. Acesso em: 04 jul. 2023.

KONSTANTINOUDIS, Garyfallos et al. Long-term exposure to air-pollution and COVID-19 mortality in England: A hierarchical spatial analysis. Environment International, v. 146, p. 106316, jan. 2021. Disponível em: https://doi.org/10.1016/j.envint.2020.106316. Acesso em: 08 ago. 2023.

LIPSITT, Jonah et al. Spatial analysis of COVID-19 and traffic-related air pollution in Los Angeles. Environment International, v. 153, p. 106531, ago. 2021. Disponível em: https://doi.org/10.1016/j.envint.2021.106531. Acesso em: 03 mai. 2023.

MAGALHÃES, Mônica de Avelar Figueiredo Mafra et al. 5 – Pandemia de COVID-19: o processo de interiorização e aceleração da transmissão no país. In: FREITAS, Carlos Machado; BARCELLOS, Christovam; VILLELA, Daniel AntunesMaciel. Covid-19 no Brasil: cenários epidemiológicos e vigilância em saúde. [S. l.]: Série Informação para ação na Covid-19 | Fiocruz, 2021. p. 85-98. Disponível em: https://doi.org/10.7476/9786557081211.0006. Acesso em: 30 jul. 2023.

MALTA, Fernanda Siqueira; COSTA, Eduarda Marques da; MAGRINI, Alessandra. Índice de vulnerabilidade socioambiental: uma proposta metodológica utilizando o caso do Rio de Janeiro, Brasil. Ciência & Saúde Coletiva, v. 22, n. 12, p. 3933-3944, 2017. Disponível em: https://doi.org/10.1590/1413-812320172212.25032017. Acesso em: 02 ago. 2023.

MARMELSTEIN, George; MOROZOWSKI, Ana Carolina. Que Vidas Salvar? Escassez de Leitos de UTI, Critérios Objetivos de Triagem e a Pandemia da COVID-19. Revista Publicum, Rio de Janeiro, v. 6, n. 1, p. 94-117, 2020. Disponível em: https://doi.org/10.12957/publicum.2020.57573. Acesso em: 30 jul. 2023.

MERÊNCIO, Ivan; MONTEIRO, Gecielle Martins; VIEIRA, Carlos Antônio Oliveira.Aglomerados ativos de COVID-19 em Santa Catarina, Brasil, e tendência de mobilidade dos locais de trabalho. Cad. Saúde Pública, v. 37, n. 6, 2021. Disponível em: https://doi.org/10.1590/0102-311X00301620. Acesso em: 03 mai. 2023.

MIRANDA, Daniel A.P. de et al. Long COVID-19 syndrome: a 14-months longitudinal study during the two first epidemic peaks in Southeast Brazil. Transactions of The Royal Societyof Tropical Medicine and Hygiene, v. 116, n. 11, p. 1007-1014, nov. 2022. Disponível em: https://doi.org/10.1093/trstmh/trac030. Acesso em: 07 jul. 2023.

MOREIRA, Rafaela da Silveira. COVID-19: unidades de terapia intensiva, ventiladores mecânicos e perfis latentes de mortalidade associados à letalidade no Brasil. Cad. Saúde Pública, v. 36, n. 5, 2020. Disponível em: https://doi.org/10.1590/0102-311X00080020. Acesso em: 04 mai. 2023.

NAZIA, Nushrat et al. Métodos usados na análise espacial e espaço-temporal da epidemiologia da COVID-19: uma revisão sistemática. Int J Environ Res Public Health, v. 19, n. 14, jul. 2022. Disponível: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9324591/. Acesso em: 06 ago. 2023.

ORGANIZAÇÃO MUNDIAL DE SAÚDE (OMS). Painel do Coronavírus da OMS (COVID-19). OMS, 2023. Disponível em: https://covid19.who.int/. Acesso em: 10 jul. 2023.

ORGANIZAÇÃO PAN-AMERICANA DE SAÚDE (OPAS). Boletim de Imunização, v. 45, n. 2, jun. 2023. Disponívelem: https://iris.paho.org/handle/10665.2/57732. Acesso em: 10 jul. 2023.

ORGANIZAÇÃO PAN-AMERICANA DE SAÚDE (OPAS). Histórico da Pandemia de COVID-19. OPAS, 2020. Disponível em: https://www.paho.org/pt/covid19/historico-da-pandemia-covid-19. Acesso em: 26 jun. 2023.

PEDROSA, Nathália Lima; ALBUQUERQUE, Nila Larisse Silva de. Análise Espacial dos Casos de COVID-19 e leitos de terapia intensiva no estado do Ceará, Brasil. Ciência & Saúde Coletiva, v. 25, p. 2461-2468, jun. 2020. Disponível em: https://doi.org/10.1590/1413-81232020256.1.10952020. Acesso em: 16 jun. 2023.

QUININO, Louisiana Regadas de Macedo et al. Aspectos espacial e temporal e fatores associados à interiorização da COVID-19 em Pernambuco, Brasil. Ciência & Saúde Coletiva, v. 26, n. 6, p. 2171-2182, 2021. Disponível em: https://doi.org/10.1590/1413-81232021266.00642021. Acesso em: 04 maio 2023.

RHODES, Andrew et al. The variability of critical care bed numbers in Europe. Intensive Care Medicine, v. 38, n. 10, p. 1647-1653, 10 jul. 2012. Disponível em: https://doi.org/10.1007/s00134-012-2627-8. Acesso em: 01 ago. 2023.

RIBOLI, Elisabetta; ARTHUR, Juliana Perez; MANTOVANI, Maria De Fátima. No epicentro da epidemia: um olhar sobre a covid-19 na itália. Cogitare Enfermagem, v. 25, 13 mai 2020. Disponível em: https://doi.org/10.5380/ce.v25i0.72955. Acesso em: 06 jul. 2023.

RIZZATTI, Maurício et al. Mapeamento da COVID-19 por meio da densidade de Kernel. Metodologias e Aprendizado, v. 3, p. 44-53, 12 jun. 2020. Disponível em: https://doi.org/10.21166/metapre.v3i0.1312. Acesso em: 22 jul. 2023.

SALDANHA, Raphael de Freitas et al. Estudo de análise de rede do fluxo de pacientes de câncer de mama no Brasil entre 2014 e 2016. Cadernos de Saúde Pública, v. 35, n. 7, 2019. Disponível em: https://doi.org/10.1590/0102-311×00090918. Acesso em: 04 ago. 2023.

SANHUEZA-SANZANA, Carlos et al. Desigualdades sociais associadas com a letalidade por COVID-19 na cidade de Fortaleza, Ceará, 2020. Epidemiologia e Serviços de Saúde, v. 30, n. 3, 2021. Disponível em: https://doi.org/10.1590/s1679-49742021000300022. Acesso em: 16 jun. 2023.

SANTOS, Cleber Vinicius Brito dos et al. Análise espaço temporal do primeiro ano da pandemia de COVID-19 no município do Rio de Janeiro. Rev Bras Epidemiol, v. 24, 2021. Disponível em: https://www.scielo.br/j/rbepid/a/qc8PH5nyPkvb5LHhNwyCkVN/?lang=pt#. Acesso em: 16 jun. 2023.

SANTOS, Jefferson Pereira Caldas dos et al. Vulnerabilidade a formas graves de COVID-19: uma análise intramunicipal na cidade do Rio de Janeiro, Brasil. Cad. Saúde Pública, v. 36, n. 5, 2020. Disponível em: https://doi.org/10.1590/0102-311X00075720. Acesso em: 15 mai. 2023.

SILVA, Amanda Priscila de Santana Cabral; MAIA, Lívia Teixeira de Souza; SOUZA, Wayner Vieira de. Síndrome Respiratória Aguda Grave em Pernambuco: comparativo dos padrões antes e durante a pandemia de COVID-19. Ciência & Saúde Coletiva, v. 25, suppl 2, p. 4141-4150, out. 2020. Disponível em: https://doi.org/10.1590/1413-812320202510.2.29452020. Acesso em: 16 jun. 2023.

SILVA, José Lindemberg Bernardo da; COSTA, Franklin Roberto da. Geotecnologias aplicadas no mapeamento da COVID-19 na Região Nordeste do Brasil. RevistaTecnologia e Sociedade, Curitiba, v. 17, n. 46, p.275-296, jan. /mar. 2021. Disponível em: https://periodicos.utfpr.edu.br/rts/article/view/12129. Acesso em: 17 maio 2023.

SOUZA, Samuel Santos et al. Análise espacial dos casos de COVID-19 notificados no estado da Bahia, Brasil. Cad. Saúde Coletiva, v. 30, n. 4, p. 572-583, 2022. Disponível em: https://doi.org/10.1590/1414-462×202230040307. Acesso em: 16 jun. 2023.

NOTA

Embora o autor tenha expressado sua recusa quanto ao uso de Inteligência Artificial, nosso relatório indica que ela foi empregada para a correção gramatical e ortográfica. O autor justificou que encaminhou o material para um profissional, o qual utilizou Inteligência Artificial para as correções.

^[1] Mestranda do Programa de Pós-Graduação em Saúde Coletiva pela Universidade Federal da Paraíba – UFPB (2023). Especialista em Epidemiologia Aplicada aos Serviços do SUS (Episus-Intermediário) pela Fundação Oswaldo Cruz – Fiocruz Brasília (2021). Graduação em Enfermagem pela Faculdade de Enfermagem São Vicente de Paula – FESVIP (2009). ORCID: 0000-0002-6529-6901. Currículo Lattes: http://lattes.cnpq.br/3737951339101105.

^[2] Doutor em Modelos de Decisão em Saúde pela Universidade Federal da Paraíba – UFPB (2016). Mestre em Gestão de Organizações Aprendentes – UFPB (2013). Especialista em Gestão em Saúde ENSP/FIOCRUZ (2010). Residência em Medicina de Família e Comunidade, Grupo Hospitalar Conceição (2008). Graduação em Medicina pela UFPB (2005). Professor de Saúde Coletiva da UFPB. ORCID: 0000-0003-0716-4350. Currículo Lattes: http://lattes.cnpq.br/3633764108179305.

^[3]  Graduação em Tecnologia em Geoprocessamento pelo Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (2008). ORCID: 0009-0002-6008-1167. Currículo Lattes: http://lattes.cnpq.br/2744372459128507.

Material recebido: 04 de outubro de 2023.

Material aprovado pelos pares: 24 de novembro de 2023.

Material editado aprovado pelos autores: 26 de fevereiro de 2024.