Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Social Determinants of Health and Covid 19 Infection in Brazil - Pt.es
Social Determinants of Health and Covid 19 Infection in Brazil - Pt.es
com
EDICIÓN COMPLEMENTARIA 2
RESUMEN
Objetivo:Analizar la influencia de factores socioeconómicos, demográficos, epidemiológicos y la estructura
Alejandro Medeiros de Figueiredoyo
del sistema de salud en la evolución de la pandemia de COVID-19 en Brasil. Métodos:Estudio ecológico con
ORCID: 0000-0003-1433-088X 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
Daniela Cristina Moreira Marculino de Figueiredoyo
estimó mediante el coeficiente de correlación de Spearman y análisis de regresión múltiple.Resultados:En
ORCID: 0000-0001-9443-1191
los estados brasileños, el 59,8% de la variación en la incidencia de la COVID-19 se justificó por la desigualdad
Luciano Bezerra Gomesyo 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:
ORCID: 0000-0002-1957-0842
Nuestros resultados indican que los factores socioeconómicos influyeron en la evolución y el impacto de
Adriano MasudaII 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
Envío:2020-29-08 Aprobación:2020-07-09
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 i
(ii)
Desde el inicio de la pandemia, el tiempo varió de 151 días en
ϒse refiere al valor predicho de la variable dependiente Roraima a 176 días en São Paulo, siendo un 16,6% superior en este
(incidencia o mortalidad), transformado en logaritmo, β 0representa la estado. Las tasas de incidencia variaron considerablemente entre las
constante (intersección), βn es el coeficiente de cada variable UF, como se muestra en la Tabla 1. La menor incidencia fue de 919,3
independiente (n = 1, 2, ...k), χ trata con cada variable independiente casos por 100.000 habitantes en Minas Gerais, y la mayor en
no
(n = 1, 2, ...k), donde k es el número de variables independientes, ytu Roraima, con 6.688,9 casos por 100.000 habitantes, que es 7,29 veces
es el error o excedente. mayor. El más bajo fue de 22,6 muertes por
Se obtuvo el ajuste de cada modelo y el análisis de varianza 100.000 habitantes en Minas Gerais, y la mayor mortalidad fue en
(ANOVA). Las variables independientes fueron analizadas por su Roraima, con 95,6 muertes por cada 100.000 habitantes. La tasa de
relevancia en el modelo usando elt-prueba con significado de PAG< mortalidad promedio en Brasil fue de 2,77%, variando del 1,34% en
0.05. También se analizó la independencia de los residuos mediante Tocantins al 7,3% en Río de Janeiro, a un valor 5,4 veces superior.
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 La Tabla 2 presenta la prevalencia relacionada con las condiciones crónicas,
fueron procesados y analizados utilizando el Paquete Estadístico los hábitos y las condiciones de vivienda. Es posible observar variación entre las
para Ciencias Sociales (SPSS), versión 20.0. 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
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
continuará
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
Las variables relacionadas con la economía en las UF se presentan en Las tasas de incidencia presentaron correlación moderada
la Tabla 3. Cabe señalar que la proporción de personas por debajo de la con el hacinamiento (r = 0,562; p < 0,01) y con el Índice de Gini (r
línea de pobreza extrema varió entre 1,44% en Santa Catarina y 19,93% en = 0,471; p < 0,05). Se observó una correlación negativa entre la
Maranhão. incidencia y el porcentaje de personas mayores de 60 años (r =
La correlación del tiempo de pandemia fue positiva con el - 0,755; p < 0,01), tasa de letalidad (r = -0,445; p < 0,05) y tiempo de inicio
número de médicos por mil habitantes (r = 0,685; p < 0,01), de la pandemia en la UF (r = -0,387; p < 0,05). Las tasas de mortalidad se
número de camas por 10 mil habitantes (r = 0,635; p < 0,01) y PIB correlacionaron con el Índice de Gini (r = 0,605; p < 0,01), hacinamiento (r
per cápita (r = 0,512 ; p < 0,01) en la UF. El tiempo de evolución = 0,556; p < 0,01), tasa de vacancia (r = 0,459; p < 0,05), tasa de letalidad (r
de la pandemia presentó una correlación negativa con la = 0,408; p < 0,05 ).
proporción de personas que viven en viviendas sin acceso a El modelo de regresión, considerando como variable dependiente la
alcantarillado (r = -0,827; p < 0,01) y agua (r = -0,569; p < 0,01), incidencia del COVID-19, incluyó como predictores tres variables
con el porcentaje de personas sin educación (r = -0,420; p < 0,05) independientes, siendo estas el Índice de Gini de ingreso del hogar (β =
y por debajo de la línea de pobreza FU (r = -0,409; p < 0,05). 0.365; t = 2.355; p = 0.027), el hacinamiento del hogar (β = 0.353 ); t
= 2289; p = 0.032) y la tasa de letalidad (β = - 0.489; t = -3.630; p = heterogéneo. Un estudio anterior demostró variaciones en la letalidad entre
0.001) generando un modelo con R2 mejor ajustado y mejor nivel de países desarrollados, incluso en tiempos de pandemia similares(4). Parte de las
significancia estadística [F (3.23) = 111,387; p < 0,001; R2 = 0,598]. En variaciones encontradas pueden estar relacionadas con diferencias en el perfil
este modelo, el 59,8% de la variación de la incidencia puede de la población, factores socioeconómicos o acceso a la atención médica(4). Sin
explicarse por variables independientes. No se identificó embargo, gran parte de esta variación puede estar relacionada con la
dependencia de residuos ni multicolinealidad. heterogeneidad en la oferta de pruebas diagnósticas y la subestimación de los
En cuanto a la variable dependiente “mortalidad”, el modelo final casos. En este sentido, la alta tasa de letalidad encontrada en algunos estados
también incluyó las variables independientes Índice de Gini (β = estaría parcialmente relacionada con una menor oferta de pruebas y, en
0,407; t = 2,567; p = 0,017) y hacinamiento (β = 0,352; t = 2,236; p = consecuencia, con una menor identificación de casos y menores tasas de
0,017); y tasa de letalidad (β = 0,351; t = 2,565; p = 0,035). De esta incidencia. Según el Boletín Epidemiológico del Ministerio de Salud, entre la 10ª
forma, se generó un modelo con R2 ajustado y mejor nivel de y la 34ª semana epidemiológica se realizaron en el SUS 2.307.575 pruebas de
significancia estadística [F (3.23) = 10,528; p < 0,001; R2 = 0,579]. Con diagnóstico molecular para COVID-19(30). Este valor es proporcionalmente más
este modelo se sugiere que el 57,9% de la variación de la mortalidad bajo que la mayoría de los países del mundo.(4), lo que debilita el
puede ser explicada por estas variables. No se identificó dimensionamiento y la planificación de acciones para enfrentar la pandemia en
dependencia de residuos ni multicolinealidad. Brasil.
El modelo de regresión mostró que peores resultados en el Índice de
DISCUSIÓN Gini de ingreso del hogar, mayor porcentaje de personas viviendo en
hogares hacinados, mayor tasa de desempleo y letalidad se asociaron con
Las tasas de incidencia y mortalidad fueron bastante distintas
mayores tasas de mortalidad. Estos resultados sugieren la importancia de
entre las UF brasileñas, mostrando heterogeneidad en la evolución
los factores socioeconómicos también en el aumento de la mortalidad por
de la pandemia en el país. Las tasas de incidencia presentaron una
COVID 19. La asociación entre altas tasas de letalidad y mortalidad
correlación negativa con el tiempo de pandemia, lo que indica que la
también puede sugerir debilidades en el acceso a una atención de calidad,
propagación del SARS-CoV-2 fue diferente en las UF. La correlación
especialmente en áreas con menor desarrollo económico.
positiva entre el tiempo de la pandemia, el PIB per cápita y variables
Los resultados del estudio muestran que existe una determinación
de la estructura del sistema, asociada a la correlación negativa con
social tanto en la incidencia como en la mortalidad por COVID-19 y que se
variables relacionadas con condiciones habitacionales inadecuadas y
ha producido una expansión de la pandemia a zonas de mayor
mayor porcentaje de personas sin educación, sugiere que la
vulnerabilidad(31). Análisis realizados en la ciudad de Río de Janeiro(32)
pandemia inició en FU con mejores condiciones socioeconómicas y
señalan un comportamiento similar, con un desplazamiento de la
ampliado a zonas más vulnerables.
incidencia para áreas más vulnerables de la ciudad y mayor mortalidad en
La asociación de la variable Índice de Gini del ingreso del hogar
estas regiones, lo que corrobora la hipótesis de asociación entre factores
con la incidencia encontrada en el modelo de regresión muestra que
socioeconómicos y la pandemia de COVID-19 en Brasil. Otro aspecto
los estados con mayor desigualdad en la distribución del ingreso
relevante es que la crisis económica prevista para el momento posterior a
presentaron transmisión del SARS-CoV-2. Una de las probables
esta primera ola epidémica tiende a impactar especialmente a ese
justificaciones de esta asociación sería la dificultad de sectores
segmento de la población, haciéndola cada vez más vulnerable ante las
excluidos y económicamente vulnerables para adherirse a las
eventuales nuevas pandemias del COVID-19.
medidas de distanciamiento social implementadas por estados y
municipios, debido a la necesidad de continuar con su labor para Limitaciones del estudio
garantizar la subsistencia.(22-23). Estos hallazgos están en línea con un
estudio ecológico realizado en los Estados Unidos de América (EE. Este estudio se basó en la cantidad de casos y muertes reportadas por
UU.) que señala un mayor porcentaje de casos de COVID-19 en áreas el Ministerio de Salud aún en ascenso de la curva de la pandemia, por lo
con menores ingresos y mayores niveles de pobreza.(23). que es un análisis parcial. Además, presenta limitaciones debido a la baja
Las tasas de incidencia más altas también se asociaron con una mayor capacidad de prueba del país y las debilidades en el proceso de vigilancia
proporción de personas que vivían en hogares hacinados. La literatura y notificación. La agregación de información por UF puede introducir
destaca que vivir en condiciones inadecuadas es un factor de riesgo para limitaciones al reducir la capacidad del estudio debido al bajo número de
infecciones respiratorias(24.27). Recientemente, un estudio ha demostrado UF comparadas y no permitir la identificación de la variabilidad
que las zonas con mayor número de personas por hogar presentaban intraestatal. Por el contrario, utilizar la UF como unidad de análisis
mayores tasas de infección por COVID-19 y que la densidad de población representa una ventaja, ya que las respuestas de alcance regional han
de la zona no era un factor de riesgo para el aumento de la transmisión(26). sido definidas mayoritariamente a nivel estatal y el hecho de que una
Estos resultados muestran que parte de la población tiene limitaciones parte esencial de las acciones de gestión y financiamiento del SUS opera a
para el aislamiento de personas con COVID-19 leve y la aplicación de escala estatal.
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 Aportes al área de Enfermería, Salud o Políticas Públicas
menores ingresos y mayor vulnerabilidad social presentan una mayor
probabilidad de residir en viviendas en condiciones inadecuadas(22). El estudio revela la importancia de los determinantes sociales en
la evolución de la pandemia de COVID 19 en Brasil. Señala la
En el caso de la letalidad, hubo una correlación negativa con necesidad de considerar tales factores al desarrollar políticas
la tasa de incidencia. Las tasas de letalidad en el país fueron públicas para enfrentar la pandemia de 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
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