SciELO - Scientific Electronic Library Online

 
vol.30 número2Tomada de decisão em Adolescentes: um constructo multifacetadoDesistência do abortamento de gestação decorrente de violência sexual: o papel do agressor sexual índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Journal of Human Growth and Development

versão impressa ISSN 0104-1282versão On-line ISSN 2175-3598

J. Hum. Growth Dev. vol.30 no.2 São Paulo maio/ago. 2020

http://dx.doi.org/10.7322/jhgd.v30.10360 

ARTIGO ORIGINAL

 

Medidas de distanciamento social podem ter reduzido as mortes estimadas relacionadas à COVID-19 no Brasil

 

 

Vitor E. ValentiI; Pedro de Lemos MenezesII; Ana Carolina Gonçalves de AbreuIII; Gustavo Nakamura Alves VieiraIV; David M. GarnerV

ICentro de Estudos do Sistema Nervoso Autônomo (CESNA), Universidade Estadual de São Paulo, UNESP, Marília, Brasil
IIUniversidade de Ciências da Saúde de Alagoas e Centro Universitário CESMAC, AL, Brasil
IIIEscola de Medicina. Faculdade Santa Maria, Cajazeiras, PB, Brasil
IVInstituto de Química, Universidade Estadual de Paulista, UNESP, Araraquara, Brasil
VGrupo de Pesquisa Cardiorrespiratória, Departamento de Ciências Biológicas e Médicas, Faculdade de Saúde e Ciências da Vida, Universidade de Oxford Brooks, Campus Headington, Gipsy Lane, Oxford, OX3 0BP, Reino Unido

Endereço para correspondência

 

 


RESUMO

INTRODUÇÃO: O distanciamento social foi planejado como uma medida preventiva para controlar a disseminação extensiva da COVID-19. Nós analisamos as mortes relacionadas à COVID-19 no Brasil durante o período de medidas de distanciamento social. Os dados de mortalidade do COVID-19 foram obtidos no site da Worldometer (www.worldometer.info). As mortes foram estimadas até o 31º dia após a 5ª morte. O distanciamento social foi medido por meio dos relatórios de mobilidade comunitária COVID-19; Google (https://www.google.com/covid19/mobility/). As curvas epidêmicas brasileiras foram interligadas e os modelos matemáticos foram avaliados para se ajustarem às curvas de estimativa de mortalidade. O modelo otimista foi fundado no período de abertura da distância social e, portanto, na menor mobilidade (40-60%). O modelo realista foi calculado de acordo com medidas de distanciamento social relaxado (<40%) e o modelo pessimista foi calculado com base em R0 entre 2-3. Sob essa situação, o modelo matemático realista estimou 40.623 mortes em 9 de junho de 2020, enquanto o modelo pessimista antecipou 64.310 mortes e o modelo otimista projetou 31.384. Até hoje (24 de maio de 2020), um total de 22.965 foram relatadas, enquanto nosso modelo projetou 17.452 para o modelo otimista, 22.623 para o modelo realista e 32.825 para o modelo pessimista. Observamos movimento reduzido ao longo deste período. Em resumo, o modelo matemático sugere que a mobilidade reduzida da comunidade diminuiu o total estimado de mortes relacionadas à COVID-19 no Brasil. Enfatizamos que mais procedimentos metodológicos serão necessários para confirmar esta teoria

Palavras-chave: Beta-coronavírus, Centros de Controle e Prevenção de Doenças (EUA), Coronavírus, Infecções por Coronavírus, Morte, Vírus SARS.


 

 

Síntese dos autores

Por que este estudo foi feito?

As medidas de distanciamento social são amplamente utilizadas como medidas não farmacológicas com melhor desempenho no achatamento da curva epidêmica da COVID-19. As intervenções não farmacológicas são medidas de saúde pública com alcance individual, ambiental e comunitário, abrangem o isolamento de casos, a quarentena aplicada a contatos, e a prática voluntária de não frequentar locais com aglomerações de pessoas. O modelo matemático colabora para medidas de intervenção no campo da saúde pública e devem ser amplamente utilizados no cotidiano dos gestores de saúde pública no Brasil e no mundo. Assim, essa pesquisa analisou se o distanciamento social obteve influência sobre o desfecho de mortes esperadas relacionadas à COVID-19.

O que os pesquisadores fizeram e encontraram?

Realizou-se uma projeção matemática sobre o número de desfecho com morte relacionados à COVID-19. As projeções matemáticas do modelo proposto projetaram a estimativa de 17.452 mortes para a hipótese otimista, com 22.623 mortes para o modelo realista e 32.825 mortes para o modelo pessimista. Até a data de 24 de maio de 2020, 22.965 mortes relacionadas à COVID-19 foram confirmadas.

O que essas descobertas significam?

A intervenção não farmacológica de distanciamento social é efetiva como medida de saúde pública com alcance individual, ambiental e comunitário, promovendo o isolamento de casos, diminuição de contato entre os indivíduos e redução no número de mortes relacionadas à COVID-19.

 

INTRODUÇÃO

A Doença do Coronavírus 2019 (COVID-19) causou uma recessão global nos sistemas econômicos e de saúde1-3. É caracterizada como pandemia no Brasil e no mundo.

Em relatos divulgados pelo Imperial College (Inglaterra)4, observa-se a importância de intervenções não farmacológicas para controlar a atual pandemia. Além disso, achados de Dehning et al5 (na Alemanha) e Garcia e Duarte6 (no Brasil) corroboram para a hipótese de que o isolamento social é fundamental para o controle da doença, sendo medida não farmacológica e eficaz para diminuição da curva epidêmica hipotética referente a COVID-19.

Tais medidas têm impactos importantes nas atividades diárias, tanto na vida das pessoas e na sociedade de maneira geral, conforme relatado por Garcia e Duarte6. Há diversos efeitos dessa medida de isolamento social, como o aumento da violência doméstica para mulheres e crianças, pois essas populações ficam mais vulneráveis em seus domicílios e há perdas econômicas para pessoas, famílias, empresas e países6.

Destaca-se que o Brasil adotou o cenário de controle pandêmico utilizando o distanciamento social como uma das medidas sanitárias. Assim, estudos com modelos matemáticos são importantes para auxiliar os gestores públicos na tomada de decisões. Logo, o objetivo desse estudo é analisar os desfechos de mortes por COVID-19.

 

MÉTODO

Trata-se de estudo de projeção matemática e em base de dados secundários. Os dados da mortalidade por COVID-19, que ocorreram no Brasil, foram obtidos pelo sitio da Worldometer (www.worldometer.info)7.

Worldometer7 é gerenciado por uma equipe internacional de desenvolvedores, pesquisadores e voluntários, que fornecem dados estatísticas globais de saúde, disponíveis em tempo apropriado para uma audiência global. É publicado por uma empresa de mídia digital sediada nos estados Unidos da América, sendo reconhecida como independente de influência estatal e de outros agentes da sociedade global, não possuindo afiliações políticas, governamentais ou corporativas.

Foram contabilizados óbitos associados à COVID-19. Esse cálculo das estimativas de mortes foi realizado a partir do 31º dia de ocorrência da quinta morte relacionada com a COVID-19 no Brasil, sendo que esse período compreendeu de 09 de março a 17 de abril de 2020.

O distanciamento social foi definido redução na mobilidade de pessoas8 e foi avaliado através dos Relatórios de Mobilidade Comunitária COVID-19, do Google9, o que disponibiliza relatórios de mobilidade da comunidade a partir de gráficos com tendências e inclinações ao longo do tempo por região e em diferentes categoriais de locais.

Inicialmente, um link foi adquirido para a mortalidade brasileira por COVID-19. Ajustes temporais foram finalizados, permitindo uma comparação de dados no eixo cartesiano X e ajuste no número de mortes a cada 10,000,000 habitantes, o que permitiu a obtenção dos dados do eixo cartesiano y.

Historicamente, houve algumas regressões para determinar o melhor modelo matemático que permitiria uma representação da curva de mortalidade estimada para a doença da COVID-19 no Brasil. Ao procurar por um modelo matemático adequado, que melhor expressava à curva de mortalidade estimada, desenvolveu-se os modelos subsequentes: linear, logarítmico, inverso, quadrático, cúbico, composto, S, crescimento, exponencial e logístico (figura 1).

Como modelo principal, a partir de todos os pontos disponíveis e avaliados, denominou-se de modelo realista. Dois outros modelos foram computados utilizando parte dos dados. Um com uma maior tendência vertical (modelo pessimista) e outro que foi posteriormente comprimido ou achatado (modelo otimista).

O modelo realista foi computado de acordo com um relaxamento das medidas de distanciamento social (<40%) e o modelo pessimista foi calculado com base no R0 2-3. Para esta estimativa, foi implementada uma significância de alfa (α) menor que 0.01 (p<0.01, <1%) e R2 > 0.95.

Os dados foram tabulados pelo Microsoft Excel versão 16.36, para MacOS Catalina versão 10.14.4. Os cálculos estatísticos foram calculados pelo aplicativo IBM SPSS Statistic Subscription 1.0.0.347 64-bits para MacOS. Esses valores foram considerados estatisticamente significativos para (p <0,05, <5%) e o valor reconhecido de beta (β) foi de 0,1.

Por fim, utilizaram-se dados da PNAD contínua10, que promove coleta de dados para o território brasileiro, por grandes regiões, unidades da Federação, regiões Metropolitanas que contêm Municípios das Capitais, Região Integrada de Desenvolvimento (RIDE) da Grande Teresina e Municípios das Capitais para a coleta dos dados móveis por telefonia celular10.

 

RESULTADOS

Detectou-se que os modelos matemáticos que chegaram mais próximo foram o modelo cúbico e o quadrático. Entretanto, o modelo cúbico se ajustou melhor, com R2 = 0.998 (tabela 1).

Já na figura 2, há modelos otimistas, realistas e pessimistas comparados aos dados reais. Observou-se que o modelo cúbico se aproximava da curva de crescimento da mortalidade, e, se aproximava algebricamente da seguinte maneira:

x(t)=11,422+0,269*t+0,265*t^2+0,069*t^3

t é o número de dias após a quinta morte relacionada com a COVID-19.

Para essa situação, o modelo matemático previu 40.623 óbitos em nove de junho de 202011. O modelo pessimista máximo prevê 64,310 mortes e o modelo otimista máximo prevê 31,384 mortes. Até hoje (24 de maio de 2020), foram declaradas 22.965 mortes, enquanto nosso modelo projetava 17.45211 para o modelo otimista, 22.623 para o modelo realista e 32.82511 para o modelo pessimista (tabela 2).

Na figura 3 há ilustração dos dados dos relatórios de mobilidade comunitária nos estados brasileiros. Há indicativo matemático de redução da mobilidade social a partir do final de março de 2020.

 

DISCUSSÃO

Esse estudo foi iniciado para avaliar as mortes relacionadas à COVID-19 no Brasil entre nove de março de 2020 a 17 de abril de 2020. Dessa forma, foi possível projetar possíveis cenários pautados na medida não farmacológica de na mobilidade da comunidade brasileira. Detectou-se que os dados reais estão mais próximos do modelo realista. Entretanto, vale destacar que o modelo matemático apresentado foi adequado, porém, desde que o crescimento de óbitos por COVID-19 continue em crescimento. Na estabilização da curva epidemiológica pandêmica ou sua diminuição, será necessário revisar o modelo matemático.

No modelo matemático, considerando a não implantação do mecanismo de intervenção não farmacológica do distanciamento social, previa-se que em 24 de maio de 2020 haveria um número total de mortes relacionadas à COVID-19 de 32.825. Os achados das tabelas 1 e 2 e figuras 1, 2 e 3 confirmam as projeções matemáticas realizadas, sendo que o número de mortes foi de 22.965.

Em vista de projeção matemática inicial, divulgada em pre-print11, em projeção específica para a data de nove de junho de 2020, estima-se que houve cerca de dez mil vidas poupadas por ação exclusiva do distanciamento social Brasileiro.

Entretanto, em alguns cenários da pesquisa, como o Estado de São Paulo, relatava-se apenas um pequeno número de casos de COVID-19 (o Estado de São Paulo comunicava somente os casos críticos de COVID-19 e relatava ser medida de orientação plena ao Ministério da Saúde do Brasil). Está situação promove o evento de subnotificação da doença. Assim, não foi realizado o modelo de regressão entre mortes totais e mobilidade social, uma vez que o número de casos COVID-19 aumenta exponencialmente. A variável dependente foi à mobilidade social, sendo que essa variável foi registrada via telefonia celular móvel.

Ainda, Garcia e Duarte6 relatam que é fundamental a atuação do Sistema Único de Saúde (SUS) e das demais áreas do sistema de proteção social de forma articulada, de modo a se favorecer a adesão das pessoas às intervenções não farmacológicas e minimizar os impactos deletérios das medidas comunitárias. A proteção da saúde pública deverá ser norteadora das decisões a serem tomadas pelos gestores. É fundamental que essas decisões sejam baseadas nas melhores evidências disponíveis e comunicadas de forma transparente, para se promover a confiança da população e que as orientações das autoridades e a adesão das pessoas às INF serão determinantes para o curso da epidemia da COVID-19 no Brasil6.

É importante destacar que as estimativas matemáticas possuem limitações. Uma delas refere-se ao ponto de análise da variável mobilidade social, que foi coletada a partir da telefonia móvel. Conforme PNAD de 201810, cerca de um quarto da população brasileira não possui acesso à telefonia móvel, logo essa população ficou excluída da análise dos dados brutos dessa pesquisa, em virtude do modelo não incluir aqueles brasileiros que não possuem ou não usam telefonia celular móvel10.

Por fim, conclui-se que o modelo matemático demostrou que a mobilidade reduzida da comunidade, na forma de distanciamento social, foi capaz de diminuir o número total de mortes esperadas e relacionadas à COVID-19 no Brasil, em aproximadamente dez mil vidas.

Agradecimentos

Autores agradecem a equipe técnica da Universidade Estadual Paulista, UNESP/Marília, SP, Brasil e da Universidade de Ciências da Saúde de Alagoas, AL, Brasil. Dr. Vitor recebe um suporte financeiro da FAPESP (Número de processamento 2012/01366-6) e suporte financeiro do Conselho Nacional de Desenvolvimento Científico e Tecnológico, do Ministério de Ciência, Tecnologia, Inovações e Comunicações do Brasil (Número de Processamento 302197/2018-4).

Contribuição dos autores

Pedro de Lemos Menezes redigiu o manuscrito, escreveu a introdução e sessão discussão e deu a aprovação final à versão submetida para publicação.

Ana Carolina Gonçalves de Abreu redigiu o manuscrito, seção de discussão e deu aprovação final à versão submetida para publicação.

Gustavo Nakamura Alves Vieira redigiu o manuscrito, revisou a interpretação de dados e deu aprovação final à versão submetida para publicação.

David M. Garner redigiu o manuscrito, realizou análise estatística e melhorou a análise de interpretação, revisou a gramática e ortografia em inglês.

Vitor Engrácia Valenti redigiu o manuscrito, escreveu a seção introdução e discussão e deu aprovação final à versão submetida para publicação.

Conflitos de interesse

Os autores declaram ausência de interesses financeiros e não financeiros na realização e divulgação dessa pesquisa.

 

REFERÊNCIAS

1. Pimentel RMM, Daboin BEG, Oliveira AG, Macedo Jr H. The dissemination of COVID-19: an expectant and preventive role in global health.J Hum Growth Dev. 2020; 30(1):135-140. DOI: http://doi.org/10.7322/jhgd.v30.9976        [ Links ]

2. Abreu LC. Integrated actions and strengthening of Public Health System in Brazil in a time of pandemic. J Hum Growth Dev. 2020; 30(1):05-08. DOI: https://doi.org/10.7322/jhgd.v30.9980        [ Links ]

3. Silva CMS, Andrade AN, Nepomuceno B, Xavier DS, Lima E, Gonzales I, et al. Evidence-based Physiotherapy and Functionality in Adult and Pediatric patients with COVID-19.J Hum Growth Dev. 2020; 30(1):148-155. DOI: http://doi.org/10.7322/jhgd.v30.10086        [ Links ]

4. Ferguson NM et al. Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. Imperial College COVID-19 Response Team. 16 March 2020. https://www.imperial.ac.uk/media/imperial-college/medicine/sph/ide/gida-fellowships/Imperial-College-COVID19-NPI-modelling-16-03-2020.pdf        [ Links ]

5. Dehning J, Zierenberg J, Spitzner FP, Wibral M, Pinheiro Neto J, Wilczek M, Priesemann V. Inferring Change Points in the Spread of COVID-19 Reveals the Effectiveness of Interventions Science. 2020;eabb9789. doi: 10.1126/science.abb9789.         [ Links ]

6. Garcia Leila Posenato, Duarte Elisete. Intervenções não farmacológicas para o enfrentamento à epidemia da COVID-19 no Brasil. Epidemiol. Serv. Saúde [Internet]. 2020 [cited 2020 June 03] ; 29( 2 ): e2020222. Available from: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2237-96222020000200100&lng=en. Epub Apr 09, 2020. http://dx.doi.org/10.5123/s1679-49742020000200009.         [ Links ]

7. Brazilian deaths related to COVID-19: www.worldometer.info.com        [ Links ]

8. Qualls N, Levitt A, Kanade N, Wright-Jegede N, Dopson S, Biggerstaff M, et al. Community mitigation guidelines to prevent pandemic influenza - United States, 2017. MMWR Recomm Rep [Internet]. 2017 Apr [cited 2020 Mar 27];66(1):1-32. Available from: Available from: https://doi.org/10.15585/mmwr.rr6601a1 [ Links ]        [ Links ]

9. Community mobility from https://www.google.com/covid19/mobility/        [ Links ]

10. Menezes PM, Garner DM, Valenti VE. Brazil is projected to be the next global covid-19 pandemic epicenter. medRxiv 2020.04.28.20083675; preprint doi: https://doi.org/10.1101/2020.04.28.20083675.         [ Links ]

11. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE. PNAD Contínua 2017 - Acesso à Internet e à televisão e posse de telefone móvel celular para uso pessoal. Disponível em: (https://biblioteca.ibge.gov.br/index.php/bibliotecacatalogo?view=detalhes&id=2101631). Acessado em: 03 de junho de 2020.         [ Links ]

 

 

 

Endereço para correspondência:
vitor.valenti@unesp.br

Manuscrito recebido: Setembro 2019
Manuscrito aceito: Janeiro 2020
Versão online: Maio 2020

Creative Commons License