Traducido del portugués al español - www.onlinedoctranslator.

com

EDICIÓN COMPLEMENTARIA 2

ORONAVIRUS/COVID-19 ARTÍCULO ORIGINAL

Determinantes sociales de la salud y la infección por COVID-19 en Brasil:

un analisis de la pandemia
Determinantes sociales de la salud y la infección por COVID-19 en Brasil: un análisis de la epidemia
Determinantes sociales de la salud y la infección por COVID-19 en Brasil: un análisis de la pandemia

Alejandro Medeiros de Figueiredoyo
ORCID: 0000-0003-1433-088X
Daniela Cristina Moreira Marculino de Figueiredoyo
ORCID: 0000-0001-9443-1191
RESUMEN
Objetivo:Analizar la influencia de factores socioeconómicos, demográficos, epidemiológicos y la estructura
del sistema de salud en la evolución de la pandemia de COVID-19 en Brasil. Métodos:Estudio ecológico con
variables extraídas de bases de datos, teniendo como variables de respuesta la incidencia y la mortalidad
por COVID-19 hasta el 23 de agosto de 2020, en los estados brasileños. La magnitud de las asociaciones se
estimó mediante el coeficiente de correlación de Spearman y análisis de regresión múltiple.Resultados:En
los estados brasileños, el 59,8% de la variación en la incidencia de la COVID-19 se justificó por la desigualdad

Luciano Bezerra Gomesyo
ORCID: 0000-0002-1957-0842
Adriano MasudaII
de ingresos, la importante densidad de viviendas y la mayor mortalidad. En el caso de la mortalidad, esas
mismas variables explicaron el 57,9% de las variaciones del país en unidades federativas.Conclusión:
Nuestros resultados indican que los factores socioeconómicos influyeron en la evolución y el impacto de
COVID-19 en Brasil. Por lo tanto, sugerimos acciones integrales para garantizar las condiciones económicas

ORCID: 0000-0002-3928-136X y el fortalecimiento de las redes de salud para las poblaciones con vulnerabilidad socioeconómica.

Eugenia Gil Garcíatercero Descriptores:Los determinantes sociales de la salud; Epidemiología; infecciones; Infección de coronavirus;
ORCID: 0000-0003-3862-6845 epidemias

Rodrigo Pinheiro de Toledo Viannayo

RESUMEN
ORCID: 0000-0002-5358-1967
Meta:Analizar la influencia de factores socioeconómicos, demográficos, epidemiológicos y la
antonio daponteIV estructura del sistema de salud en la evolución de la pandemia de COVID-19 en Brasil.Métodos:
Estudio ecológico con variables extraídas de bases de datos, teniendo como variables de respuesta
ORCID: 0000-0002-9581-5944
la incidencia y la mortalidad por COVID 19 hasta el 23 de agosto de 2020, en los estados brasileños.
La magnitud de las asociaciones se estimó mediante el coeficiente de correlación de Spearman y el
análisis de regresión múltiple.Resultados:En los estados brasileños, el 59,8% de la variación en la
incidencia de la COVID-19 se explicó por la desigualdad de ingresos, mayor densidad de hogares y
Universidad Federal de Paraíba. João Pessoa, Paraíba, Brasil.
yo
mayor letalidad. En el caso de la mortalidad, estas mismas variables explicaron el 57,9% de las
II Fundación Getúlio Vargas. Sao Paulo, Sao Paulo, Brasil. variaciones encontradas en las Unidades de la Federación del país.Conclusión:Nuestros resultados
terceroUniversidad Sevilla, Departamento de Enfermería. indican que los factores socioeconómicos influyeron en la evolución y el impacto de COVID-19 en
Sevilla, Andalucía, España. Brasil. Por lo tanto, sugerimos acciones integrales para garantizar las condiciones económicas y el
IV Escuela Andaluza de Salud Pública, Observatorio de Salud y fortalecimiento de las redes de salud para las poblaciones en situación de vulnerabilidad
socioeconómica.
Medio Ambiente de Andalucía. Granada, Andalucía, España.
Descriptores:Los determinantes sociales de la salud; Epidemiología; infecciones; infecciones por
coronavirus; Epidemias.
Cómo citar este artículo:
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-
RESUMEN
García E, Vianna RPT, et al. Determinantes sociales de la salud y la
Meta:Analizar la influencia de factores socioeconómicos, demográficos, epidemiológicos y la
infección por COVID-19 en Brasil: un análisis de la pandemia. estructura del sistema de salud en la evolución de la COVID-19 en Brasil.Métodos:Estudio ecológico
Rev Bras Enferm. 2020;73(Suplemento 2):e20200673. con variables extraídas de bases de datos, mostrando la incidencia y mortalidad por COVID-19
doi: http://dx.doi.org/10.1590/0034-7167-2020-0673 hasta el 23 de agosto de 2020, en los estados brasileños, como respuesta de las variables. Las
relaciones se estimaron mediante el coeficiente de correlación de Spearman y análisis de regresión
múltiple.Resultados:En los estados brasileños, el 59,8% de la variación en la incidencia de la
Autor correspondiente:
COVID-19 se justifica por la desigualdad de ingresos, mayor densidad de hogares y mayor letalidad.
Alejandro Medeiros de Figueiredo
En mortalidad, estas mismas variables explicaron el 57,9% de las variaciones encontradas en las
Correo electrónico: potiguar77@gmail.com
Unidades de la Federación del país.Conclusión:Nuestros resultados indican que los factores
socioeconómicos influyeron en la evolución y el impacto de COVID-19 en Brasil. Por ello, sugerimos
acciones integrales para garantizar las condiciones económicas y el fortalecimiento de las redes de
REDACTORA JEFE: Dulce Barbosa salud para las poblaciones en situación de vulnerabilidad socioeconómica. Descriptores:
Determinantes Sociales de la Salud, Epidemiología; infecciones; infecciones por coronavirus;
EDITORA ASOCIADA: Álvaro Sousa
Epidemias.

Envío:2020-29-08 Aprobación:2020-07-09

http://dx.doi.org/10.1590/0034-7167-2020-0673 Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 1de7

 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
INTRODUCCIÓN
El coronavirus del síndrome respiratorio agudo severo2(SARS-CoV-2) se
transmite principalmente por contacto con secreciones y fluidos del sistema
respiratorio, tanto a través de gotitas y aerosoles como por contacto con
superficies contaminadas(1). La transmisibilidad del SARS-CoV-2 es alta, con un R
0 (número de reproducción básico) que oscila en los primeros estudios
pandémicos de 2,68 (IC del 95 %: 2,47-2,86)(dos)a 5,7 (95%IC 3,8-8,9)(3).
A pesar de las investigaciones y avances prometedores, no existe una
vacuna o un tratamiento farmacológico específico disponible, por lo que
las medidas de prevención individual y el distanciamiento social son
esenciales para evitar aumentar el número de casos y muertes.(4). Estas
medidas son recomendadas por la Organización Mundial de la Salud
(OMS), y cada país las utiliza con mayor o menor intensidad, según su
realidad(5). Recientemente, estudios han demostrado que tales acciones
han logrado reducir el número de casos y muertes por COVID-19(6).
Al igual que otras enfermedades, es probable que los determinantes
sociales de la salud influyan en el riesgo de infección, morbilidad y
mortalidad asociados con la COVID-19(7). Sin embargo, pocos estudios han
evaluado la asociación de la evolución e impacto de la pandemia por
COVID-19 con factores socioeconómicos(7). Estos factores pueden ser
particularmente importantes en países como Brasil, caracterizados por la
desigualdad social, donde un gran contingente de la población vive por
debajo de la línea de pobreza y en viviendas sin saneamiento básico.(8).
Además, existen inequidades regionales de acceso a la salud que se
suman a estas desigualdades, debido a que hay concentración de camas y
profesionales de unidades de cuidados intensivos (UCI) en regiones de
salud con mejores indicadores socioeconómicos(9). El agravamiento de
este escenario ocurre por la reducción de recursos del Sistema Único de
Salud (SUS) generada por la reforma constitucional que limitó el gasto
federal en salud por 20 años(10).
OBJETIVO
Analizar la influencia de factores socioeconómicos, demográficos,
epidemiológicos y la estructura del sistema de salud en la evolución
de la pandemia de COVID-19 en Brasil.
MÉTODOS
Aspectos Éticos
El estudio utilizó datos secundarios de dominio público que no
identifican a los participantes. Por lo tanto, la aprobación del Comité
de Ética no era obligatoria.
Diseño, período y lugar de estudio
Estudio ecológico, guiado por el STROBE(11)herramienta, basada
en datos secundarios del Ministerio de Salud de Brasil sobre el
número de casos confirmados y muertes por COVID-19 hasta el 23
de agosto de 2020(12).
Población y criterios de inclusión
El estudio incluyó datos relacionados con factores socioeconómicos,
demográficos, epidemiológicos y la estructura de salud de todos
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.
Unidades de la Federación Brasileña (FU), que fue la unidad de
agregación para el análisis.
protocolo de estudio
Las tasas de incidencia y mortalidad se utilizaron como variable de
respuesta a la evolución de la pandemia, por lo que se analizaron los
desenlaces. Se calcularon las tasas de incidencia y mortalidad por cada
100.000 habitantes según el total de casos y defunciones confirmadas por
COVID-19(12)y datos de las proyecciones de población del Instituto
Brasileño de Geografía y Estadística (IBGE) para el año 2019(13).
Se utilizaron variables independientes de cuatro dimensiones:
epidemiológica, demográfica, estructura del sistema de salud y
socioeconómica. El tiempo de pandemia fue el período comprendido
entre la fecha de primera notificación en cada UF y el 23 de agosto
de 2020. La tasa de letalidad se calculó a través de la relación entre
las defunciones y los casos confirmados por COVID-19. Las
prevalencias de personas con tabaquismo, hipertensión, diabetes y
sobrepeso (IMC > 25 kg/m2) fueron extraídas de la encuesta VIGITEL
2019, considerando como parámetro para cada UF la prevalencia de
la capital del estado(14). Estas condiciones fueron elegidas debido a
estudios que sugieren tales factores asociados con la morbilidad y
mortalidad por COVID-19(15-16). La proporción de personas mayores
de 60 años se calculó según estimaciones de la Encuesta Nacional
Trimestral Continua de Hogares del cuarto trimestre de 2019(17)
y las proyecciones de población del IBGE para 2019(13). El número de
médicos fue extraído de la base del Registro Nacional de
Establecimientos de Salud, incluyendo médicos vinculados y no
vinculados al SUS(18), y el número de camas de UCI se basó en los
datos disponibles en la Sala de Apoyo a la Gestión Estratégica del
Ministerio de Salud para mayo de 2020(19).
Variables socioeconómicas como el Índice de Gini de ingreso per
cápita del hogar, tasa de desempleo, porcentaje de población sin
educación y porcentaje de personas que viven con ingreso per cápita
del hogar en dólares por debajo de la línea de pobreza, acceso a
agua y alcantarillado, y hacinamiento (hogares con tres o más
habitantes por dormitorio) fueron extraídos de las tablas de la
Síntesis de Indicadores Sociales (SSI) de 2019 del IBGE, con datos
referentes al año 2018(20). Los datos sobre el Producto Interno Bruto
(PIB) fueron extraídos de las tablas puestas a disposición por el IBGE
. El valor per cápita se obtuvo a partir de los valores del PIB de
(21)
2017 y la población en cada UF.
Análisis de resultados y estadísticas
Para identificar y estimar la magnitud de la asociación entre las
variables independientes y las variables respuesta, se realizó el
análisis de correlación de Spearman. Luego se excluyeron las
variables independientes que no mostraron poder predictivo bajo la
variable dependiente, manteniendo en los modelos las variables
independientes con resultados significativos en el análisis de
correlación. Posteriormente, se realizó un análisis de regresión lineal
múltiple, con modelos separados para incidencia y mortalidad, para
verificar si las variables independientes podían explicar o predecir la
variable dependiente. Para cumplir con los supuestos de normalidad
y homogeneidad de los datos, las tasas de incidencia se
transformaron logarítmicamente.
Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 dosde7
 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.

ϒ (Iniciar sesión
incidencia
) = β0+ β 1χ +1 β χ2+2 …+ βk χ k +tu i
(i) RESULTADOS

ϒ (Iniciar sesión
mortalidad
) = β0+ β 1 x 1 + βdosx dos+ …+ βk χ k +tu
ϒse refiere al valor predicho de la variable dependiente
(incidencia o mortalidad), transformado en logaritmo, β 0representa la
constante (intersección), βn es el coeficiente de cada variable
independiente (n = 1, 2, ...k), χ trata con cada variable independiente
no
(n = 1, 2, ...k), donde k es el número de variables independientes, ytu
es el error o excedente.
Se obtuvo el ajuste de cada modelo y el análisis de varianza
(ANOVA). Las variables independientes fueron analizadas por su
relevancia en el modelo usando elt-prueba con significado de PAG<
0.05. También se analizó la independencia de los residuos mediante
la prueba de Durbin Watson (DW > 1.5) y la prueba de colinealidad (
tolerancia>0.1 yFactor de inflación de varianza[FIV] < 10). Los datos
fueron procesados y analizados utilizando el Paquete Estadístico
para Ciencias Sociales (SPSS), versión 20.0.
i
(ii)
Desde el inicio de la pandemia, el tiempo varió de 151 días en
Roraima a 176 días en São Paulo, siendo un 16,6% superior en este
estado. Las tasas de incidencia variaron considerablemente entre las
UF, como se muestra en la Tabla 1. La menor incidencia fue de 919,3
casos por 100.000 habitantes en Minas Gerais, y la mayor en
Roraima, con 6.688,9 casos por 100.000 habitantes, que es 7,29 veces
mayor. El más bajo fue de 22,6 muertes por
100.000 habitantes en Minas Gerais, y la mayor mortalidad fue en
Roraima, con 95,6 muertes por cada 100.000 habitantes. La tasa de
mortalidad promedio en Brasil fue de 2,77%, variando del 1,34% en
Tocantins al 7,3% en Río de Janeiro, a un valor 5,4 veces superior.
La Tabla 2 presenta la prevalencia relacionada con las condiciones crónicas,
los hábitos y las condiciones de vivienda. Es posible observar variación entre las
UF, especialmente en relación con las condiciones de vivienda.

tabla 1–Variables epidemiológicas y de estructura del Sistema de Salud por Unidad Federativa, Brasil, 2020

letalidad Camas de UCI para adultos

periodo de Incidencia por mortalidad por personas mayores Médico por
Unidad Federativa por 10,000
60 años (%)
Velocidad
pandemia 100.000 personas 100.000 personas 100.000 personas
(%) gente

Acre 154 2689.43 68.03 2.53 11.00 0,66 1.10

alagoas 165 2272.97 54.47 2.40 15.00 1.28 1.32
amapá 153 4862.07 74.61 1.53 9.00 0.92 0.98
Amazonas 158 2789.54 85.97 3.08 9.00 1.09 1.12
Bahía 167 1587.10 32.98 2.08 16.00 1.05 1.36
Ceará 156 2249.66 90.77 4.03 16.00 1.10 1.27
Distrito Federal 166 4941.45 75.42 1.53 13.00 3.31 3.44
Espíritu Santo 167 2635.01 75.30 2.86 16.00 2.00 2.21
Goias 160 1662.27 08.39 2.35 14.00 1.71 1.73
maranhão 152 2040.94 47.38 2.32 13.00 0.96 0.82
Mato Grosso 153 2331.86 72.46 3.11 12.00 1.70 1.53
Mato Grosso del Sur 157 1529.26 26.56 1.74 14.00 1.52 2.00
Minas Gerais 165 919.34 22.63 2.46 17.00 1.49 2.24
Para 154 2200.30 70.41 3.20 12.00 0.77 0.85
Paraíba 154 2516.89 57.44 2.28 16.00 1.33 1.55
Parana 161 1031.66 04.26 2.52 16.00 1.78 2.14
Pernambuco 161 1246.62 77.32 6.20 16.00 1.72 1.54
Piauí 153 2196.27 52.36 2.38 16.00 0.90 1.24
Rio de Janeiro 168 1221.83 88.57 7.25 21.00 2.33 2.40
Rio Grande do Norte 160 1699.02 61.88 3.64 16.00 1.50 1.49
Rio Grande do Sul 163 965.73 26.91 2.79 20.00 1.46 2.47
Rondônia 153 2893.33 59.92 2.07 12.00 1.60 1.44
Roraima 151 6888.86 95.58 1.39 7.00 0.41 1.46
Santa Catarina 160 1849.21 28.50 1.54 16.00 1.49 2.25
San Pablo 176 1642.30 61.99 3.77 17.00 2.02 2.58
Sergipe 158 3065.74 77.52 2.53 12.00 1.28 1.63
Tocantins 154 2771.76 37.19 1.34 14.00 1.02 1.48

Tabla 2–Prevalencia de condiciones crónicas, hábitos de vida y condiciones de vida por Unidad Federativa, Brasil, 2020

personas con
gente sin
prevalencia de prevalencia de prevalencia de exceso de peso sin acceso a personas en
Unidad Federativa acceso a alcantarillado
esmoquin (%) hipertensión (%) diabetes (%) gente aguas generales hogares superpoblados
red
suministro

Acre 11.90 18.50 4.90 56.60 45,90 64.54 12.76

alagoas 5.50 26.80 8.20 54.40 22.81 58.20 6.95
amapá 7.30 23.30 5.20 53.30 40.94 85.70 02.24
Amazonas 5.20 18.40 6.00 60,90 28.16 68.61 22.41
Bahía 5.40 25.20 6.70 51.80 07.16 44.53 5.18
Ceará 7.90 21.20 7.40 55,60 21.30 58.17 7.42
Distrito Federal 12.00 28.50 7.70 55.00 5.00 13.55 4.87
Espíritu Santo 7.50 24.30 6.40 49.10 14.37 21.83 4.99
Goias 8.70 24.30 6.60 52.70 12.29 46.02 4.07
maranhão 4.80 16.90 6.40 50.30 29.96 78.49 12.25

continuará

Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 3de7

 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.

Tabla 2 (conclusión)

personas con
gente sin
prevalencia de prevalencia de prevalencia de exceso de peso sin acceso a personas en
Unidad Federativa acceso a alcantarillado
esmoquin (%) hipertensión (%) diabetes (%) gente aguas generales hogares superpoblados
red
suministro

Mato Grosso 7.90 22.80 7.00 55.80 01.20 66.30 5.85

Mato Grosso del Sur 10.30 24.90 5.90 58.00 11.92 52.33 4.58
Minas Gerais 8.20 25.80 8.00 52.50 11.33 18.56 2.71
Para 6.60 19.30 6.80 53.30 50.39 85.71 14.11
Paraíba 6.80 25.60 6.80 54.70 05.24 50.77 5.27
Parana 11.30 21.10 7.00 53.70 9.75 30.79 3.14
Pernambuco 7.90 28.40 8.10 59.50 23.90 45.19 5.98
Piauí 4.40 22.40 6.30 52.70 14.92 92.98 6.39
Rio de Janeiro 10.10 28.00 8.30 57.10 11.26 12.09 8.64
Rio Grande do Norte 7.60 24.50 7.30 56.60 14.88 76.83 7.39
Rio Grande do Sul 14.60 28.20 8.60 59.20 10.18 30.71 3.49
Rondônia 8.00 19.60 4.60 56.60 58.01 90.59 5.29
Roraima 7.20 20.40 7.00 54.30 13.11 60.09 17.84
Santa Catarina 10.70 21.60 6.10 53.60 16.46 43.53 1.99
San Pablo 13.50 24.40 7.90 55.80 4.17 7.71 7.74
Sergipe 4.70 25.10 7.30 51.80 13.80 46.83 5.33
Tocantins 7.00 17.60 4.70 49.90 18.55 70.05 6.70

Tabla 3 -Indicadores Económicos por Unidad Federativa, Brasil, 2020

población promedio abajo bajo el

gini PIB per cápita vacante gente sin
Unidad Federativa mensual ingreso La pobreza extremo
Índice (R$) Velocidad (%) educación (%)
(R$) línea línea de pobreza

Acre 0,56 1,715.00 16,180.00 13.20 23.89 14.38 13.22

alagoas 0,55 1,348.00 15,830.00 16.33 29.60 17.23 16.91
amapá 0,55 1,667.00 18,300.00 20.54 24.76 9.79 7.75
Amazonas 0,55 1,651.00 22,490.00 13.79 25.18 13.78 7.68
Bahía 0,55 1,504.00 18,060.00 16.43 22.98 12.95 14.55
Ceará 0,55 1,561.00 16,190.00 11.49 07.23 12.49 13.42
Distrito Federal 0.57 4,189.00 81,150.00 12.24 5.33 3.11 4.22
Espíritu Santo 0.51 2,265.00 28,210.00 10.93 8.03 3.97 6.09
Goias 0.47 2,015.00 27,340.00 9.10 6.23 3.10 6.81
maranhão 0,53 1,223.00 12,650.00 14.36 31.85 19.93 16.73
Mato Grosso 0,46 2,152.00 36,390.00 7.72 4.95 2.39 8.11
Mato Grosso del Sur 0.49 2,352.00 34,680.00 7.95 6.22 2.95 5.25
Minas Gerais 0.49 2,040.00 27,220.00 10.67 7.28 3.52 4.93
Para 0,56 1,446.00 18,040.00 11.57 23.71 11.81 7.92
Paraíba 0,55 1,529.00 15,530.00 10.31 22.36 11.24 14.17
Parana 0.49 2,428.00 36,850.00 8.23 5.32 2.71 5.94
Pernambuco 0,53 1,630.00 19,000.00 08.16 22.68 11.41 11.03
Piauí 0,53 1,385.00 13,860.00 12.58 24.61 14.15 04.13
Rio de Janeiro 0.54 2,822.00 38,890.00 14.70 7.62 3.80 3.62
Rio Grande do Norte 0.54 1,758.00 18,330.00 12.77 20.72 10.31 8.00
Rio Grande do Sul 0.49 2,586.00 37,190.00 8.26 5.12 1.93 2.70
Rondônia 0.50 1,883.00 24,480.00 9.23 10.15 4.71 8.50
Roraima 0.57 2,063.00 19,980.00 12.79 17.42 8.43 7.72
Santa Catarina 0.42 2,466.00 38,690.00 6.29 2.92 1.44 3.18
San Pablo 0.54 2,891.00 46,170.00 12.99 5.61 2.75 3.11
Sergipe 0.58 1,605.00 17,710.00 16.26 24.66 13.92 12.12
Tocantins 0,53 1,736.00 21,680.00 10.84 14.44 6.59 12.94

Las variables relacionadas con la economía en las UF se presentan en
la Tabla 3. Cabe señalar que la proporción de personas por debajo de la
línea de pobreza extrema varió entre 1,44% en Santa Catarina y 19,93% en
Maranhão.
La correlación del tiempo de pandemia fue positiva con el
número de médicos por mil habitantes (r = 0,685; p < 0,01),
número de camas por 10 mil habitantes (r = 0,635; p < 0,01) y PIB
per cápita (r = 0,512 ; p < 0,01) en la UF. El tiempo de evolución
de la pandemia presentó una correlación negativa con la
proporción de personas que viven en viviendas sin acceso a
alcantarillado (r = -0,827; p < 0,01) y agua (r = -0,569; p < 0,01),
con el porcentaje de personas sin educación (r = -0,420; p < 0,05)
y por debajo de la línea de pobreza FU (r = -0,409; p < 0,05).
Las tasas de incidencia presentaron correlación moderada
con el hacinamiento (r = 0,562; p < 0,01) y con el Índice de Gini (r
= 0,471; p < 0,05). Se observó una correlación negativa entre la
incidencia y el porcentaje de personas mayores de 60 años (r =
- 0,755; p < 0,01), tasa de letalidad (r = -0,445; p < 0,05) y tiempo de inicio
de la pandemia en la UF (r = -0,387; p < 0,05). Las tasas de mortalidad se
correlacionaron con el Índice de Gini (r = 0,605; p < 0,01), hacinamiento (r
= 0,556; p < 0,01), tasa de vacancia (r = 0,459; p < 0,05), tasa de letalidad (r
= 0,408; p < 0,05 ).
El modelo de regresión, considerando como variable dependiente la
incidencia del COVID-19, incluyó como predictores tres variables
independientes, siendo estas el Índice de Gini de ingreso del hogar (β =
0.365; t = 2.355; p = 0.027), el hacinamiento del hogar (β = 0.353 ); t

Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 4de7

 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
= 2289; p = 0.032) y la tasa de letalidad (β = - 0.489; t = -3.630; p =
0.001) generando un modelo con R2 mejor ajustado y mejor nivel de
significancia estadística [F (3.23) = 111,387; p < 0,001; R2 = 0,598]. En
este modelo, el 59,8% de la variación de la incidencia puede
explicarse por variables independientes. No se identificó
dependencia de residuos ni multicolinealidad.
En cuanto a la variable dependiente “mortalidad”, el modelo final
también incluyó las variables independientes Índice de Gini (β =
0,407; t = 2,567; p = 0,017) y hacinamiento (β = 0,352; t = 2,236; p =
0,017); y tasa de letalidad (β = 0,351; t = 2,565; p = 0,035). De esta
forma, se generó un modelo con R2 ajustado y mejor nivel de
significancia estadística [F (3.23) = 10,528; p < 0,001; R2 = 0,579]. Con
este modelo se sugiere que el 57,9% de la variación de la mortalidad
puede ser explicada por estas variables. No se identificó
dependencia de residuos ni multicolinealidad.
DISCUSIÓN
Las tasas de incidencia y mortalidad fueron bastante distintas
entre las UF brasileñas, mostrando heterogeneidad en la evolución
de la pandemia en el país. Las tasas de incidencia presentaron una
correlación negativa con el tiempo de pandemia, lo que indica que la
propagación del SARS-CoV-2 fue diferente en las UF. La correlación
positiva entre el tiempo de la pandemia, el PIB per cápita y variables
de la estructura del sistema, asociada a la correlación negativa con
variables relacionadas con condiciones habitacionales inadecuadas y
mayor porcentaje de personas sin educación, sugiere que la
pandemia inició en FU con mejores condiciones socioeconómicas y
ampliado a zonas más vulnerables.
La asociación de la variable Índice de Gini del ingreso del hogar
con la incidencia encontrada en el modelo de regresión muestra que
los estados con mayor desigualdad en la distribución del ingreso
presentaron transmisión del SARS-CoV-2. Una de las probables
justificaciones de esta asociación sería la dificultad de sectores
excluidos y económicamente vulnerables para adherirse a las
medidas de distanciamiento social implementadas por estados y
municipios, debido a la necesidad de continuar con su labor para
garantizar la subsistencia.(22-23). Estos hallazgos están en línea con un
estudio ecológico realizado en los Estados Unidos de América (EE.
UU.) que señala un mayor porcentaje de casos de COVID-19 en áreas
con menores ingresos y mayores niveles de pobreza.(23).
Las tasas de incidencia más altas también se asociaron con una mayor
proporción de personas que vivían en hogares hacinados. La literatura
destaca que vivir en condiciones inadecuadas es un factor de riesgo para
infecciones respiratorias(24.27). Recientemente, un estudio ha demostrado
que las zonas con mayor número de personas por hogar presentaban
mayores tasas de infección por COVID-19 y que la densidad de población
de la zona no era un factor de riesgo para el aumento de la transmisión(26).
Estos resultados muestran que parte de la población tiene limitaciones
para el aislamiento de personas con COVID-19 leve y la aplicación de
medidas de protección individual necesarias para mitigar la transmisión
del SARS-CoV-2 en el hogar(26.28-29). Además, los estratos de población con
menores ingresos y mayor vulnerabilidad social presentan una mayor
probabilidad de residir en viviendas en condiciones inadecuadas(22).
En el caso de la letalidad, hubo una correlación negativa con
la tasa de incidencia. Las tasas de letalidad en el país fueron
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.
heterogéneo. Un estudio anterior demostró variaciones en la letalidad entre
países desarrollados, incluso en tiempos de pandemia similares(4). Parte de las
variaciones encontradas pueden estar relacionadas con diferencias en el perfil
de la población, factores socioeconómicos o acceso a la atención médica(4). Sin
embargo, gran parte de esta variación puede estar relacionada con la
heterogeneidad en la oferta de pruebas diagnósticas y la subestimación de los
casos. En este sentido, la alta tasa de letalidad encontrada en algunos estados
estaría parcialmente relacionada con una menor oferta de pruebas y, en
consecuencia, con una menor identificación de casos y menores tasas de
incidencia. Según el Boletín Epidemiológico del Ministerio de Salud, entre la 10ª
y la 34ª semana epidemiológica se realizaron en el SUS 2.307.575 pruebas de
diagnóstico molecular para COVID-19(30). Este valor es proporcionalmente más
bajo que la mayoría de los países del mundo.(4), lo que debilita el
dimensionamiento y la planificación de acciones para enfrentar la pandemia en
Brasil.
El modelo de regresión mostró que peores resultados en el Índice de
Gini de ingreso del hogar, mayor porcentaje de personas viviendo en
hogares hacinados, mayor tasa de desempleo y letalidad se asociaron con
mayores tasas de mortalidad. Estos resultados sugieren la importancia de
los factores socioeconómicos también en el aumento de la mortalidad por
COVID 19. La asociación entre altas tasas de letalidad y mortalidad
también puede sugerir debilidades en el acceso a una atención de calidad,
especialmente en áreas con menor desarrollo económico.
Los resultados del estudio muestran que existe una determinación
social tanto en la incidencia como en la mortalidad por COVID-19 y que se
ha producido una expansión de la pandemia a zonas de mayor
vulnerabilidad(31). Análisis realizados en la ciudad de Río de Janeiro(32)
señalan un comportamiento similar, con un desplazamiento de la
incidencia para áreas más vulnerables de la ciudad y mayor mortalidad en
estas regiones, lo que corrobora la hipótesis de asociación entre factores
socioeconómicos y la pandemia de COVID-19 en Brasil. Otro aspecto
relevante es que la crisis económica prevista para el momento posterior a
esta primera ola epidémica tiende a impactar especialmente a ese
segmento de la población, haciéndola cada vez más vulnerable ante las
eventuales nuevas pandemias del COVID-19.
Limitaciones del estudio
Este estudio se basó en la cantidad de casos y muertes reportadas por
el Ministerio de Salud aún en ascenso de la curva de la pandemia, por lo
que es un análisis parcial. Además, presenta limitaciones debido a la baja
capacidad de prueba del país y las debilidades en el proceso de vigilancia
y notificación. La agregación de información por UF puede introducir
limitaciones al reducir la capacidad del estudio debido al bajo número de
UF comparadas y no permitir la identificación de la variabilidad
intraestatal. Por el contrario, utilizar la UF como unidad de análisis
representa una ventaja, ya que las respuestas de alcance regional han
sido definidas mayoritariamente a nivel estatal y el hecho de que una
parte esencial de las acciones de gestión y financiamiento del SUS opera a
escala estatal.
Aportes al área de Enfermería, Salud o Políticas Públicas
El estudio revela la importancia de los determinantes sociales en
la evolución de la pandemia de COVID 19 en Brasil. Señala la
necesidad de considerar tales factores al desarrollar políticas
públicas para enfrentar la pandemia de COVID-19.
Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 5de7
 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.

CONCLUSIÓN zonas vulnerables, mejorando la estructura física, ampliando el número

Nuestros factores socioeconómicos e inequidades
sociales influyen en la diseminación y mortalidad de las
acciones del COVID-19 en Brasil. . Otro aspecto a
considerar es ampliar la inversión pública en salud y
fortalecer las redes de salud en
de equipos de salud y asegurando las condiciones de trabajo.
RECONOCIMIENTO
Agradecimiento: agradecemos a la población y a los investigadores por su
esfuerzo para enfrentar la epidemia y a los profesionales de la salud, en
especial a los profesionales de enfermería, que trabajan en primera línea para
asistir a las personas afectadas por el COVID-19.

REFERENCIAS

1. Amirian ES. Transmisión fecal potencial de SARS-CoV-2: evidencia actual e implicaciones para la salud pública. Int J Infect Dis. 2020;95:363-70. doi: 10.1016/
j.ijid.2020.04.057

2. Wu JT, Leung K, Leung GM. Pronóstico inmediato y pronóstico de la posible propagación nacional e internacional del brote de nCoV 2019 que se
originó en Wuhan, China: un estudio de modelado. Lanceta. 2020;395(10225):689-97. doi: 10.1016/S0140-6736(20)30260-9

3. Sanches S, Lin YT, Xu C, Romero-Severson E, Hengartner N, Ke R. Alta contagiosidad y rápida propagación del coronavirus del síndrome
respiratorio agudo severo 2. Emerg Infect Dis. 2020;26(7):1470-77. doi: 10.3201/eid2607.200282

4. Figueiredo AM, Daponte A, Figueiredo DCMM, Gil-Garcia E, Kalache A, Letalidad del COVID-19: ausencia de patrón epidemiológico. Gac Sanit
[Internet]. 2020 [citado el 15 de junio de 2020]. doi: 10.1016/j.gaceta.2020.04.001

5. Bedford J, Enria D, Giesecke J. COVID-19: hacia el control de una pandemia. Lanceta. 2020;395(10229):1015-18. doi: 10.1016/
S0140-6736(20)30673-5

6. Tobias A. Evaluación de los confinamientos por la epidemia de SARS-CoV-2 en Italia y España tras un mes de seguimiento. Sci Medio ambiente total.
2020;725(10). doi: 10.1016/j.scitotenv.2020.138539

7. Khalatbari-Soltani S, Cumming RG, Delpierre C, Kelly-Irving M. Importancia de recopilar datos sobre los determinantes socioeconómicos desde la etapa
inicial del brote de COVID-19 en adelante. J Epidemiol Salud Comunitaria [Internet]. 2020 [citado el 8 de junio de 2020]. doi: 10.1136/jech-2020-214297

8. Instituto Brasileño de Geografía y Estadística. Síntesis de indicadores sociales: un análisis de las condiciones de vida de la población brasileña: 2019 [Internet]. Río de
Janeiro: IBGE; 2019. [citado el 10 de mayo de 2020]. 130p. Disponible en: https://biblioteca.ibge.gov.br/visualizacao/livros/liv101678.pdf

9. Rache B, Rocha R, Nunes L, Spinola, P, Massuda A. Más allá de la financiación: necesidades de inversión en camas de UCI en el SUS en diferentes
escenarios de COVID-19 [Internet]. São Paulo: Instituto de Estudios para Políticas de Salud; 2020. (Nota Técnica, 7). [citado el 20 de mayo de 2020].
Disponible en: https://ieps.org.br/wp-content/uploads/2020/04/IEPS-NT7.pdf

10. Silva GA, Giovanella L, Camargo Jr KR. El Sistema Nacional de Salud de Brasil en riesgo de perder su carácter universal. Am J Salud Pública.
2020;110(6):811-12. doi: 10.2105/AJPH.2020.305649

11. von Elm E, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP. La Declaración de Fortalecimiento de la Notificación de Estudios Observacionales en
Epidemiología (STROBE): directrices para la notificación de estudios observacionales. J Clin Epidemiol. 2008;61(4):344-9. doi: 10.1016/j. jclinepi.2007.11.008

12. Ministerio de Salud (BR). Coronavirus Brasil: Panel Coronavirus. [Internet]. Brasilia: Ministerio de Salud; 2020 [citado el 24 de agosto de 2020]. Disponible
en: https://covid.saude.gov.br/

13. Instituto Brasileño de Geografía y Estadística. Población residente. Estimaciones para el TCU – Brasil. [Internet]. 2019 [citado el 10 de mayo de 2020].
Disponible en: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?ibge/cnv/poptuf.def

14. Ministerio de Salud (BR). Vigitel Brasil 2019: vigilancia de factores de riesgo y protección para enfermedades crónicas por encuesta telefónica: estimaciones sobre
la frecuencia y distribución sociodemográfica de los factores de riesgo y protección para enfermedades crónicas en las capitales de los 26 estados brasileños y
el Distrito Federal en 2019. [Internet] . Brasilia: Ministerio de Salud; 2020 [citado el 10 de mayo de 2020]. 137p. Disponible en: https://
portalarquivos.saude.gov.br/images/pdf/2020/April/27/vigitel-brasil-2019-vigilancia-fatores-risco.pdf

15. Richardson S, Hirsch JS, Narasimhan M, Crawford JM, McGinn T, Davidson KW, et al. Presentación de características, comorbilidades y resultados entre
5700 pacientes hospitalizados con COVID-19 en el área de la ciudad de Nueva York. JAMA. 2020;323(20):2052-59. doi:10.1001/jama.2020.6775.

16. Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, et al. Curso clínico y factores de riesgo de mortalidad de pacientes adultos hospitalizados con COVID-19 en Wuhan, China: un
estudio de cohorte retrospectivo. Lanceta. 2020;395(10229):1054-62. doi: 10.1016/S0140-6736(20)30566-3

17. Instituto Brasileño de Geografía y Estadística. Sistema de Recuperación Automática del IBGE – SIDRA. Encuesta Nacional por Muestra de Hogares
Continua trimestral. Tabla 5918 - Población por grupos de edad[Internet]. 2019 [citado el 10 de mayo de 2020]. Disponible en: https://
sidra.ibge.gov.br/tabela/5918

18. Ministerio de Salud (BR). DATOS. Registro Nacional de Establecimientos de Salud (CNES). Recursos Humanos - Profesionales - Particulares
- según CBO 2002, Brasil [Internet] 2020 [citado el 10 de mayo de 2020]. Disponible en: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?cnes/cnv/
prid02br.def

Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 6de7

 Determinantes Sociales de la Salud y la infección por COVID-19 en Brasil: un análisis de la pandemia
Figueiredo AM, Figueiredo DCMM, Gomes LB, Massuda A, Gil-García E, Vianna RPT, et al.

19. Ministerio de Salud (BR). Sala de Apoyo a la Gestión Estratégica. Panel de camas y suministros [Internet]. 2020 [citado el 10 de mayo de 2020]. Disponible en: https://
covid-insumos.saude.gov.br/paineis/insumos/painel_leitos.php

20. Instituto Brasileño de Geografía y Estadística. Síntesis de indicadores sociales: 2018: tabulaciones especiales sobre las condiciones de vida de la población
brasileña [Internet]. 2018 [citado el 10 de mayo de 2020]. Disponible en: https://www.ibge.gov.br/estatisticas/multidominio/condicoes-devida-
desigualdade-e-pobreza/9221-sintese-de-indicadores-sociais.html?edicao=27611&t=sobre

21. Instituto Brasileño de Geografía y Estadística. Sistema de Recuperación Automática del IBGE (SIDRA). Producto interno bruto a precios corrientes,
impuestos, netos de subsidios, sobre productos a precios corrientes y valor agregado bruto a precios corrientes total y por actividad económica, y
sus respectivas participaciones [Internet]. 2017 [citado el 10 de mayo de 2020]. Disponible en: https://sidra.ibge.gov.br/tabela/5938

22. Blumenshine P, Reingold A, Egerter S, Mockenhaupt R, Braveman P, Marks J. Planificación de la influenza pandémica en los Estados Unidos desde la perspectiva de las
disparidades en la salud. Emergente Infect Dis. 2008;14(5):709-15. doi: 10.3201/eid1405.071301

23. Hawkins D. Determinantes sociales de COVID-19 en Massachusetts, Estados Unidos: un estudio ecológico. J Prev Med Salud Pública. 2020;53(4):220-
227. doi: 10.3961/jpmph.20.256

24. Fonseca W, Kirkwood BR, Victora CG, Fuchs SR, Flores JA, Misago C. Factores de riesgo de neumonía infantil entre los pobres urbanos en Fortaleza,
Brasil: un estudio de casos y controles. Toro Órgano Mundial de la Salud. 1996;74:199-208. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/
articles/PMC2486894/pdf/bullwho00400-0081.pdf

25. Krieger J, Higgins DL. Vivienda y Salud: otra vez la hora de la acción en salud pública. Am J Salud Pública. 2002:92(5):758-68. doi: 10.2105/
AJPH.92.5.758

26. Maroko AR, Nash D, Pavilonis BT. COVID-19 e inequidad: un análisis espacial comparativo de los puntos críticos de la ciudad de Nueva York y Chicago. J Salud
Urbana. 2020;97(4):461-70. doi: 10.1007/s11524-020-00468-0

27. Rozenfeld Y, Beam J, Maier H. Un modelo de disparidades: factores de riesgo asociados con la infección por COVID-19. Int J Equity Health. 2020;19(1):126. Duele:
10.1186/s12939-020-01242-z

28. Smith JA, Judd J. COVID-19: vulnerabilidad y el poder del privilegio en una pandemia. Promoción de la salud J Austr. 2020;31(2):158‐60. doi: 10.1002/
hpja.333

29. Bambra C, Riordan R, Ford J, Matthews F. La pandemia de COVID-19 y las desigualdades en salud. J Epidemiol Salud Comunitaria. 2020. dos:
10.1136/jech-2020-214401

30. Ministerio de Salud (BR). Departamento de Vigilancia Sanitaria. Boletín Epidemiológico Especial - 28 Semana Epidemiológica 34 [Internet]. Brasilia:
Ministerio de Salud; 2020 [citado el 24 de agosto de 2020]. 65p. Disponible en: https://saude.gov.br/images/pdf/2020/August/27/
Boletimepidemiologico-COVID-28-FINAL-COE.pdf

31. Souza WM, Buss LF, Candido DS, Carrera JP, Li S, et al. Características epidemiológicas y clínicas de la fase temprana de la epidemia de COVID-19
en Brasil. medRxiv. [Internet]. 2020 [citado el 20 de mayo de 2020]. doi: 10.1101/2020.04.25.20077396

32. Instituto de Investigaciones Económicas Aplicadas (BR). Aspectos socioeconómicos del Covid-19: ¿qué dicen los datos del Municipio de Río de Janeiro?
[Internet]. Brasilia: Instituto de Investigaciones Económicas Aplicadas (IPEA); 2020 (Nota Técnica, 72). [citado el 28 de agosto de 2020]. Disponible
en: https://www.ipea.gov.br/portal/images/stories/PDFs/nota_tecnica/200731_nt_diset_n_72.pdf

Rev Bras Enferm. 2020;73(Suplemento 2): e20200673 7de7