Pesquisadores da UFSCar publicaram dois estudos geográficos pioneiros no uso de método de escaneamento estatístico espaço-temporal para monitorar a Covid-19. O primeiro abrange o estado de São Paulo, avaliando a dispersão da doença nos municípios paulistas, tendo como base o número de casos diários e identificando clusters (agrupamentos) espaço-temporais emergentes ativos nesses municípios. Já a segunda pesquisa determina os clusters emergentes em todo o Brasil, levantando o risco relativo da doença para os 5.570 municípios brasileiros. Neste, também são considerados na análise o risco relativo com índices de vulnerabilidade social (IVS), desigualdade (GINI) e com a taxa de mortalidade.
Os trabalhos são fruto de uma parceria entre instituições do Brasil e Estados Unidos e são assinados pelos pesquisadores Rogério Hartung Toppa, do Departamento de Ciências Ambientais (DCA-So), Marcos Roberto Martines, do Departamento de Geografia, Turismo e Humanidades (DGTH-So), ambos do Campus Sorocaba da UFSCar; Ricardo Ferreira Vicente, da Universidade Federal do Triângulo Mineiro (UFTM); Luiza Maria de Assunção, da Universidade do Estado de Minas Gerais (UEMG), Michael Richard Desjardins, da Johns Hopkins Bloomberg School of Public Health; e Eric M. Delmelle, da Universidade da Carolina do Norte.
“No estudo sobre os municípios paulistas, nós subdividimos todo o período de estudo – 25 de fevereiro (data do primeiro caso de Covid-19 confirmado no Brasil) a 5 de maio – em três recortes temporais: 25/2 a 24/3; 25/2 a 15/4; e 25/02 a 05/05. Isso permitiu determinar o arranjo geográfico deste risco relativo para o estado de São Paulo por meio dos clusters emergentes”, detalham Toppa e Martines. Enquanto no primeiro período não havia nenhum cluster significativo no Estado, no terceiro recorte, que abrangeu todo o período de análise (70 dias da pandemia), foram identificados três clusters emergentes significativos e 23 municípios com risco relativo maior do que 1, ou seja, com mais casos observados de Covid-19 do que esperados. “O que chamou a atenção é que esses clusters estavam todos próximos da capital do Estado, o que corrobora com a ideia de que a cidade de São Paulo era o epicentro da doença no período analisado”, destacam.
No segundo estudo, que inclui variáveis socioeconômicas, os professores da UFSCar e demais colaboradores observaram uma “correlação positiva do risco relativo com essas variáveis, ou seja, locais mais vulneráveis e mais desiguais socialmente têm uma maior tendência de apresentarem os maiores riscos relativos da doença, além de uma maior taxa de mortalidade”.
Para esse estudo de abrangência nacional foi feito um recorte temporal de 103 dias (de 25 de fevereiro a 7 de junho). “Encontramos 11 clusters emergentes de Covid-19 ocorrendo em todas as regiões do Brasil, sendo que sete deles apresentaram um risco relativo maior do que 1, o que significa que esses clusters têm mais casos observados do que esperados. O cluster mais crítico foi observado predominantemente na região norte, também incluindo o estado do Tocantins”, revelam os professores da UFSCar.
“Nesse estudo nós listamos os três municípios mais críticos em relação aos sete clusters ativos identificados e cujos casos observados são maiores do que os casos esperados”, descrevem Toppa e Martines. Segundo eles, a situação mais crítica se encontra no município de Pedra Branca do Amapari, no estado do Amapá. “Vale destacar que todos os 16 municípios do estado do Amapá estão com o risco relativo maior do que 1”, completam. Por outro lado, foram encontrados municípios com risco relativo zero e outros com baixos valores de risco relativo em diversos estados brasileiros.
“Os resultados obtidos são um sinal de alerta sobre os casos de Covid-19 em municípios mais vulneráveis socioeconomicamente. Acreditamos que a ampla divulgação desse trabalho chama a atenção do poder público sobre o arranjo geográfico da doença em diferentes condições socioeconômicas do País, e que é necessário ter uma maior atenção em regiões mais vulneráveis”, analisam.
De acordo com os docentes da UFSCar, o método usado nesses estudos permite a identificação de padrões espaciais e/ou espaço-temporais que geram agrupamentos de dados como resultados, possibilitando que os tomadores de decisão identifiquem pontos críticos estatisticamente significativos dos casos de Covid-19. “Dentre as aplicabilidades possíveis está a capacidade de identificar e prever ocorrências de fenômenos com base na identificação de áreas – conjuntos – de dados. Isso pode subsidiar possíveis medidas de prevenção para minimizar os danos à população exposta ao risco do fenômeno estudado”, concluem os professores da UFSCar.