Uma análise estatística comparativa das evidências de subnotificação da COVID-19 no Brasil

Autores

DOI:

https://doi.org/10.26512/gs.v11i3.32425

Palavras-chave:

Notificação de Doenças, Estatística & Dados Numéricos, Computação Matemática, Transmissão de Doença Infecciosa

Resumo

Este artigo investigou a subnotificação da COVID-19 nos estados brasileiros tomando como base os dados da Coreia do Sul e da Itália como referências de testagem e avaliando a subnotificação relativa com base em suas respectivas taxas de letalidade. Desenvolveu-se modelo estatístico que incorpora aspectos temporais e espaciais, o qual analisou a dispersão da COVID-19 a partir de um epicentro para três unidades federativas brasileiras e quatro estados norte-americanos; a influência relativa da malha rodoviária para a dispersão da COVID-19 nesses estados também foi verificada. Os resultados indicam que 16 das 27 unidades federativas brasileiras apresentaram notificação superior aos níveis observados da Itália, embora todas tenham demostrado evidências de subnotificação quando comparadas com os níveis observados da Coreia do Sul. Evidências de subnotificação do interior em relação à capital de cada estado também foram discutidas. Os achados do estudo podem contribuir para a melhor compreensão das heterogeneidades de subnotificação para diferentes regiões do Brasil, bem como auxiliar no diagnóstico da demanda dos sistemas regionais de saúde e na estimativa da duração da pandemia em nível regional.

Downloads

Não há dados estatísticos.

Referências

Istituto Superiore di Sanità. Integrated surveillance of COVID-19 in Italy. Disponível em: https://www.epicentro.iss.it/en/coronavirus/bollettino/Infografica_15maggio%20ENG.pdf. Acesso em 27/06/2020.

Cota W. Monitoring the number of COVID-19 cases and deaths in Brazil at municipal and federative units level. SciELO Preprints. 2020; 362: 1-7. Disponível em: https://preprints.scielo.org/index.php/scielo/preprint/view/362. Acesso em 05/06/2020.

Dudel C, Riffe T, Acosta E, van Raalte AA, Myrskyla M. Monitoring trends and differences in COVID-19 case fatality rates using decomposition methods: Contributions of age structure and age-specific fatality. Preprint medRxiv. 2020. Disponível em: https://www.medrxiv.org/content/medrxiv/early/2020/04/08/2020.03.31.20048397.full.pdf . Acesso em 22/05/2020.

Jagodnik K, Ray F, Giorgi FM, Lachmann A. Correcting under-reported COVID-19 case numbers: estimating the true scale of the pandemic. Preprint medRxiv. 2020; 14. Disponível em: https://ravikollimd.com/resources/COVID/2020.03.14.20036178v2.full.pdf. Acesso em 19/05/2020.

Kim DH, Choe YJ, Jeong JY. Understanding and interpretation of case fatality rate of coronavirus disease. 2019. Journal of Korean Medical Science. 2020; 35(12): 1-3.

Krantz SG, Rao ASS. Level of under-reporting including under-diagnosis before the first peak of COVID-19 in various countries: Preliminary retrospective results based on wavelets and deterministic modeling. Infection Control & Hospital Epidemiology. 2020: 1-8.

Prado M, et al Análise de subnotificação do número de casos confirmados da COVID-19 no Brasil. 2020. Disponível em: http://www.supersuporte.com/myRpubs/NT7_Subnotificacao_notaDia11-abr-2020.pdf. Acesso em 23/04/2020.

Reis, RF, et al. Characterization of the COVID-19 pandemic and the impact of uncertainties, mitigation strategies, and underreporting of cases in South Korea, Italy, and Brazil. Chaos, Solitons & Fractals. 2020: 109888.

Ribeiro LC, et al. Estimate of underreporting of COVID-19 in Brazil by Acute Respiratory Syndrome hospitalization reports. IDEAS. 2020. Disponível em: https://saci2.ufop.br/data/solicitacao/18528_nt_estimativa_subnotificacao.pdf. Acesso em 15/06/2020.

Richardson, S, et al. Presenting characteristics, comorbidities, and outcomes among 5700 patients hospitalized with COVID-19 in the New York City area. Jama. 2020.

Rivas, AL., et al. Lessons from Nigeria: the role of roads in the geo-temporal progression of avian influenza (H5N1) virus. Epidemiology & Infection. 2010; 138 (2): 192-198.

Roda WC, Varughese MB, Han D, Li MY, Why is it difficult to accurately predict the covid-19 epidemic?. Infectious Disease Modelling. 2020.

Russell TW, et al., Estimating the infection and case fatality ratio for coronavirus disease (covid-19) using age-adjusted data from the outbreak on the Diamond Princess cruise ship. 2020. Eurosurveillance; 25: 2000256.

Salje H, et al., Estimating the burden of SARS-CoV-2 in France, Science. 2020.

Tobler WR, A computer movie simulating urban growth in the Detroit region. Economic geography. 1970; 46: 234–240.

World Health Organization, Coronavirus disease 2019 (COVID-19): situation report. 2020; 1: 1-5.

Center for Systems Science and Engineering (CSSE) at Johns Hopkins University, COVID-19 Data Repository. Disponível em: https://github.com/CSSEGISandData/COVID-19. Acesso em 01/08/2020.

Hale T, Petherick A, Phillips T, Webster S, Variation in government responses to COVID-19. Blavatnik. School of government working paper. 2020; 31: 1-23.

Verelst F, Kuylen E, Beutels P, Indications for healthcare surge capacity in European countries facing an exponential increase in coronavirus disease (COVID-19) cases, March 2020. Eurosurveillance. 2020; 25 (13): 2000323.

Arabi YM, Murthy S, Webb S, COVID-19: a novel coronavirus and a novel challenge for critical care. Intensive care medicine. 2020; 46: 833-836.

Cordes J, Castro MC, Spatial analysis of COVID-19 clusters and contextual factors in New York City. Spatial and Spatio-temporal Epidemiology. 2020; 34: 100355.

Publicado

2020-12-21

Como Citar

1.
Ferreira do Nascimento I, Rodrigues do Nascimento A, Yaohao P. Uma análise estatística comparativa das evidências de subnotificação da COVID-19 no Brasil. Rev. G&S [Internet]. 21º de dezembro de 2020 [citado 28º de janeiro de 2021];11(3):261-80. Disponível em: https://periodicos.unb.br/index.php/rgs/article/view/32425

Edição

Seção

Artigos de Pesquisa

##plugins.generic.recommendByAuthor.heading##