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.
Abstract Background Studies using georeferencing are useful for decision-making in health actions. Objective To analyze the spatial distribution of Coronavirus Disease-2019 (COVID-19) in the state of Bahia and health units managed by the network. Method Ecological study consisted of an analysis regarding the spatial distribution of cases reported in epidemiological bulletins of the Health Secretary between March 6 and June 6, 2020. In the spatial analysis, the crude "I de Moran" was used and adjusted by the Bayesian Global Estimator and maps were created to visualize the results. Multivariate spatial regression was performed, since the dependent variable was associated with the incidence coefficients of COVID-19, whereas the independent one was related to the Human Development Index, per capita income, demographic density, number of beds, professionals and health units were dependent. Results This study could identify 26,823 cases in 322 municipalities, comprising 58.2% in the capital; i.e., municipalities with the highest incidence coefficient were Ipiaú (718.0), Itajuípe (678.2) and Uruçuca (638.0), in diverse macroregions and 42 health units at various levels of complexity, 18 in the capital. Conclusion Spatial analysis methods are evidenced as an essential tool to understand the spatialization of COVID-19, thus being useful as a tool in planning the prevention and controlling actions of COVID-19.