ANÁLISE DA VULNERABILIDADE SOCIAL A COVID-19 NOS MUNICÍPIOS COSTEIROS DO BRASIL
DOI
https://doi.org/10.25267/Costas.2023.v.3.i2.05Informação
Autores
- CIBELE OLIVEIRA LIMA (BR) Doutoranda em Geografia pela Universidade Federal de Santa Catarina (UFSC); coleta e análise de dados, concepção da metodologia, obtenção de resultados, aporte de material de estudo, redação do artigo
- Tiago Borges Ribeiro Gandra (BR) Professor do Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul (IFRS); concepção da metodologia e produção de dados
- Carla Van der Haagen Custódio Bonetti (BR) Professora da Universidade Federal de Santa Catarina (UFSC); concepção da metodologia e aporte de material de estudo
- Jarbas Bonetti (BR) Professor da Universidade Federal de Santa Catarina (UFSC); concepção da metodologia e revisão final da redação
Resumo
A pandemia de Covid 19 vem causando e intensificando diversos problemas sociais e econômicos, impondo desafios para a gestão pública de muitos países. Nesse sentido é essencial a coleta, análise e comunicação de dados de fontes confiáveis em diversas escalas espaciais e sua integração em ferramentas que possam dar suporte à tomada de decisão das diferentes esferas de poder público. Visando contribuir para a organização de informações cruciais ao entendimento desta crise sanitária, este artigo apresenta o Índice de Vulnerabilidade Social à COVID-19 (IVS-Cov), camada de informação da Plataforma de Informações Espaciais da COVID-19 (PIE-COVID). A Plataforma encontra-se disponível com atualizações diárias no site do IFRS (http://covid19.riogrande.ifrs.edu.br/) e integra dados de casos e óbitos de Covid-19 com variáveis sociodemográficas, econômicas e de saúde na escala municipal. Este artigo utilizou 7 variáveis principais para a composição do IVS-Cov: (1) renda média por domicílio, (2) percentual de idosos, (3) percentual de população urbana, (4) moradores por domicílio, (5) número de leitos de tratamento intensivo (UTI), (6) distância do município sem leito ao hospital mais próximo com leito e (7) percentual de pessoas dependentes do SUS, integradas no a partir da metodologia proposta por Gornitz (1991). Os resultados encontrados são robustos e apresentam uma boa leitura da situação das populações costeiras mais vulneráveis aos efeitos da crise causada pelo coronavírus, indicando um aumento da vulnerabilidade nos estados do nordeste e norte do Brasil, além de uma menor vulnerabilidade em todas as capitais dos estados.
Palavras-chave
Agências de fomento
Como Citar
Licença
Copyright (c) 2023 Cibele Oliveira Lima, Tiago Borges Ribeiro Gandra, Carla Van der Haagen Custódio Bonetti, Jarbas Bonetti.
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Referências
ANSELIN, L.; SYABRI, I.; KHO, Y. Geoda: An introduction to Spatial Data Analysis. Geographical Analysis, The Ohio State University; 38; 5–22r, 2006.
BAILEY, T.C. Spatial statistical methods in health. Cad. Saúde Pública, Rio de Janeiro, 17(5):1083-1098, set-out, 2001.
BAILEY, T. C., & GATRELL, A. C. Interactive spatial data analysis. In Interactive spatial data analysis. Social Science & Medicine, Volume 42, Issue 6, March 1996, Pages 843-855, 1996.
BRASIL, Lei n°10.741, de 1º de outubro de 2003. Estatuto do Idoso. Artigo 1º. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/2003/l10.741.htm Acesso em junho de 2021.
DATASUS. Informações de saúde dos municípios brasileiros. Ministério da Saúde. Disponível em: https://datasus.saude.gov.br/informacoes-de-saude-tabnet/. Acesso em junho de 2021.
BRASIL, Ministério da Saúde. Introdução à Estatística Espacial para a Saúde Pública. Série B. Textos Básicos de Saúde, Série Capacitação e Atualização em Geoprocessamento em Saúde, 120 p, Brasília, 2007.
CARVALHO M.S.; SOUZA-SANTOS, R. Análise de dados espaciais em saúde pública: métodos, problemas, perspectivas. Cad. Saúde Pública, Rio de Janeiro, 21(2):361-378, 2005.
CDC. Centers for Disease Control and Pevention. National Strategy for Pandemic Influenza. Implementation Plan. Homeland Security COuncil, Washington, USA, 2006.
DOS SANTOS, J. P. C.; SIQUEIRA, A. S. P.; PRAÇA, H. L. F.; ALBUQUERQUE, H. G. Vulnerabilidade a formas graves de COVID-19: uma análise intramunicipal na cidade do Rio de Janeiro, Brasil. Cadernos de Saúde Pública, 36(5), 1–12, 2020.
FUNDAÇÃO OSWALDO CRUZ - Fiocruz. A gestão de riscos e governança na pandemia por Covid-19 no Brasil - Análise dos decretos estaduais no primeiro mês. Relatório Técnico e Sumário Executivo. Rio de Janeiro: Fiocruz/ENSP/CEPEDES, 78 p., 2020
GIULIANI, D.; DICKSON, M. M.; ESPA, G.; SANTI, F. Modelling and predicting the spatio-temporal spread of Coronavirus disease 2019 (COVID-19) in Italy. The Lancet, Preprint, 2020. Disponível em SSRN: https://ssrn.com/abstract=3559569
GOMES, A.L.B.B. Desafios metodológicos da análise espacial aplicada à investigação de surtos epidêmicos. Tese apresentada ao Programa de Pós-graduação em Epidemiologia em Saúde Pública, Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, 106p., Rio de Janeiro, 2018.
GORNITZ, V. Global coastal hazards from future sea level rise. Palaeogeography, Palaeoclimatology, Palaeoecology, v. 89, n. 4, p. 379–398, 1991.
IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Censo Demográfico 2010. Disponível em: http://www.ibge.gov.br
JENKS, G. F.; CASPALL, F. C. Error on choroplethic maps: definition, measurement, reduction. Annals of the Association of American Geographers, 61(2):217-244, 1971.
LIN M, BELIAVSKY A, KATZ K, POWIS JE, NG W, WILLIAMS V. What can early Canadian experience screening for COVID-19 teach us about how to prepare for a pandemic? Mar;192(12): E314-E8, CMAJ, 2020.
OMS- Organização Mundial da Saúde. WHO Coronavirus (COVID-19) Dashboard. Disponível em https://covid19.who.int/. Acesso em julho de 2021.
LIMA, J. C.; RANGEL, F.; PIRES, A. S. Combate à COVID-19 e a falácia da política economicista. Boletim Coletividade - Sociologia na Pandemia, PPGS/UFSCar, 2020.
PIRES, L. L.; CARVALHO, L.; XAVIER, L. L. COVID-19 e desigualdade: a distribuição dos fatores de risco no Brasil. Disponível em: https://ondasbrasil.org/wp-content/uploads/2020/04/COVID-19-e-desigualdade-a-distribui%C3%A7%C3%A3o-dos-fatores-de-risco-no-Brasil.pdf
ORGANIZAÇÃO MUNDIAL DA SAÚDE – OMS. Declaração Política do Rio sobre Determinantes Sociais da Saúde. Rio de Janeiro: OMS, 2011.
PNUD - Programa das Nações Unidas para o Desenvolvimento. Relatório do Desenvolvimento Humano 2019: Além do rendimento, além das médias, além do presente: Desigualdades no desenvolvimento humano no século XXI. 1 UN Plaza, New York, NY 10017 USA, 2019.
RASMUSSEN, S. A. SMULIAN, J. C. Redefining vulnerability in the era of COVID-19. The Lancet, 395(April), 4–10, 2020.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2021. Disponível em: https://www.R-project.org/.
RODRIGUES, W.; DA COSTA F.H.; TREVISAN, D.M.DQ.; PRATA, D.; REIS, G.R.; RESENDE, R. A. Social, Economic, and Regional Determinants of Mortality in Hospitalized Patients With COVID-19 in Brazil. Frontiers in Public Health, vol.10, 2022.
WERNECK, G. Como se dará a evolução de Covid-19 na população que vive em condições precárias. Entrevista cedida ao Instituto Humanitas da UNISINUS, 2020. Disponível em: http://www.ihu.unisinos.br/597542-como-se-dara-a-evolucao-de-covid-19-na-populacao-que-vive-em-condicoes-precarias-entrevista-especial-com-guilherme-werneck-2
WERNECK G. L.; STRUCHINER C. J. Estudos de agregados de doenças no espaço-tempo: conceitos, técnicas e desafios. Cadernos de Saúde Pública, 13(4), 611–624, 1997.
ZHOU, C. et al. COVID-19: Challenges to GIS with Big Data. Geography and Sustainability, 2020.