Análise espacial dos casos de COVID-19 notificados no estado da Bahia, Brasil

Samuel Santos Souza, Elayny Lopes Costa, Maria Inês Pardo Calazans, Miúcha Muniz Pereira Antônio, Carolina Rego Chaves Dias, Jefferson Paixão Cardoso
{"title":"Análise espacial dos casos de COVID-19 notificados no estado da Bahia, Brasil","authors":"Samuel Santos Souza, Elayny Lopes Costa, Maria Inês Pardo Calazans, Miúcha Muniz Pereira Antônio, Carolina Rego Chaves Dias, Jefferson Paixão Cardoso","doi":"10.1590/1414-462x202230040307","DOIUrl":null,"url":null,"abstract":"Resumo Introdução Estudos que utilizam georreferenciamento se mostram úteis para tomada de decisão nas ações em saúde. Objetivo Analisar a distribuição espacial de Coronavirus Disease-2019 (COVID-19) no estado da Bahia e unidades de saúde geridas pela rede. Método Estudo ecológico com análise da distribuição espacial dos casos notificados em boletins epidemiológicos da Secretária de Saúde entre 6 de março e 6 de junho de 2020. Na análise espacial foram utilizados os “I de Moran” bruto e ajustado pelo Estimador Bayesiano Global e criados mapas para visualização dos resultados. Foi realizada regressão espacial multivariável, sendo que a variável dependente esteve relacionada com os coeficientes de incidência de COVID-19, ao passo que para as independentes, identificaram-se o Índice de Desenvolvimento Humano, renda per capita, densidade demográfica, quantidade de leitos, profissionais e unidades de saúde. Resultados Foram identificados 26.823 casos em 322 municípios, totalizando 58,2% na capital; municípios com maior coeficiente de incidência foram Ipiaú (718,0), Itajuípe (678,2) e Uruçuca (638,0), em macrorregiões diversas e 42 unidades de saúde em diversos níveis de complexidade, sendo 18 na capital. Conclusão Métodos de análise espacial são evidenciados como meio essencial para compreensão da espacialização da COVID-19, sendo útil como ferramenta no planejamento das ações de prevenção e controle do COVID-19.","PeriodicalId":31264,"journal":{"name":"Cadernos de Saude Coletiva","volume":"34 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Cadernos de Saude Coletiva","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1590/1414-462x202230040307","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Resumo Introdução Estudos que utilizam georreferenciamento se mostram úteis para tomada de decisão nas ações em saúde. Objetivo Analisar a distribuição espacial de Coronavirus Disease-2019 (COVID-19) no estado da Bahia e unidades de saúde geridas pela rede. Método Estudo ecológico com análise da distribuição espacial dos casos notificados em boletins epidemiológicos da Secretária de Saúde entre 6 de março e 6 de junho de 2020. Na análise espacial foram utilizados os “I de Moran” bruto e ajustado pelo Estimador Bayesiano Global e criados mapas para visualização dos resultados. Foi realizada regressão espacial multivariável, sendo que a variável dependente esteve relacionada com os coeficientes de incidência de COVID-19, ao passo que para as independentes, identificaram-se o Índice de Desenvolvimento Humano, renda per capita, densidade demográfica, quantidade de leitos, profissionais e unidades de saúde. Resultados Foram identificados 26.823 casos em 322 municípios, totalizando 58,2% na capital; municípios com maior coeficiente de incidência foram Ipiaú (718,0), Itajuípe (678,2) e Uruçuca (638,0), em macrorregiões diversas e 42 unidades de saúde em diversos níveis de complexidade, sendo 18 na capital. Conclusão Métodos de análise espacial são evidenciados como meio essencial para compreensão da espacialização da COVID-19, sendo útil como ferramenta no planejamento das ações de prevenção e controle do COVID-19.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
巴西巴伊亚州报告的COVID-19病例的空间分析
摘要介绍使用地理参考的研究对卫生行动的决策是有用的。目的分析2019冠状病毒病(COVID-19)在巴伊亚州和由该网络管理的卫生单位的空间分布。方法生态学研究,分析2020年3月6日至6月6日卫生部流行病学通报病例的空间分布。在空间分析中,使用了原始的“莫兰I”,并通过全球贝叶斯估计器进行了调整,并创建了可视化结果的地图。采用多变量空间回归,因变量与COVID-19发病率系数相关,自变量为人类发展指数、人均收入、人口密度、床位数量、专业人员和卫生单位。结果在322个城市发现26823例病例,在首都占58.2%;发病率最高的城市是几个宏观区域的ipiau(718.0)、itajuipe(678.2)和urucuca(638.0),以及42个不同复杂程度的保健单位,其中18个在首都。结论空间分析方法是了解COVID-19空间分布的重要手段,是规划COVID-19预防和控制行动的有用工具。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
49
审稿时长
11 weeks
期刊最新文献
Noncommunicable chronic diseases clusters in Brazilian adults and older adults: correlations as multimorbidity Percepção de adultos e idosos sobre os seus comportamentos e sua condição de saúde bucal segundo o seu nível de literacia em saúde Validade do autorrelato de hipertensão arterial em trabalhadores Adverse oral conditions associated with worse emotional and social well-being of Brazilian teenagers: a population-based study in a deprived rural-urban boundary Perfil epidemiológico e distribuição espacial dos casos de hanseníase na Paraíba
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1