ABSTRACT
Spatial analysis can help measure the spatial accessibility of health services with a view to improving the allocation of health care resources. The objective of this study was to analyze the spatial distribution of COVID-19 detection rates and health care resources in Brazil's Amazon region. We conducted an ecological study using data on COVID-19 cases and the availability of health care resources in 772 municipalities during two waves of the pandemic. Local and global Bayesian estimation were used to construct choropleth maps. Moran's I was calculated to detect the presence of spatial dependence and Moran maps were used to identify disease clusters. In both periods, Moran's I values indicate the presence of positive spatial autocorrelation in distributions and spatial dependence between municipalities, with only a slight difference between the two estimators. The findings also reveal that case rates were highest in the states of Amapá, Amazonas, and Roraima. The data suggest that health care resources were inefficiently allocated, with higher concentrations of ventilators and ICU beds being found in state capitals.
O método de análise espacial permite mensurar a acessibilidade espacial dos serviços de saúde para alocação dos recursos de forma eficiente e eficaz. Diante disso, o objetivo deste estudo foi analisar a distribuição espacial das taxas de COVID-19 e dos recursos de saúde na Amazônia Legal. Estudo ecológico realizado com casos de COVID-19 e os recursos de saúde nos 772 municípios em dois picos da pandemia. Utilizou-se o método bayesiano global e local para elaboração de mapas coropléticos, com cálculo do índice de Moran para análise da dependência espacial e utilização do Moran map para identificação dos clusters da doença. Os índices de Moran calculados para os dois períodos demonstraram autocorrelação espacial positiva dessa distribuição e dependência espacial entre os municípios nos dois períodos, sem muita diferença entre os dois estimadores. Evidenciaram-se maiores taxas da doença nos estados do Amapá, Amazonas e Roraima. Em relação aos recursos de saúde, observou-se alocação de forma ineficiente, com maior concentração nas capitais.
Subject(s)
COVID-19 , Humans , COVID-19/epidemiology , Brazil/epidemiology , Bayes Theorem , Spatial Analysis , Health ResourcesABSTRACT
The geographical distribution of COVID-19 through Geographic Information Systems resources is hardly explored. We aimed to analyze the distribution of COVID-19 cases and the exclusive intensive care beds in the state of Ceará, Brazil. This is an ecological study with the geographic distribution of the case detection coefficient in 184 municipalities. Maps of crude and estimated values (global and local Bayesian method) were developed, calculating the Moran index and using BoxMap and MoranMap. Intensive care beds were distributed through geolocalized points. In total, 3,000 cases and 459 beds were studied. The highest rates were found in the capital Fortaleza, the Metropolitan Region (MR), and the south of this region. A positive spatial autocorrelation has been identified in the local Bayesian rate (I = 0.66). The distribution of beds superimposed on the BoxMap shows clusters with a High-High pattern of number of beds (capital, MR, northwestern part). However, a similar pattern is found in the far east or transition areas with insufficient beds. The MoranMap shows clusters statistically significant in the state. COVID-19 interiorization in Ceará requires contingency measures geared to the distribution of specific intensive care beds for COVID-19 cases in order to meet the demand.
A distribuição geográfica da COVID-19 por meio de recursos de Sistemas de Informação Geográfica é pouco explorada. O objetivo foi analisar a distribuição de casos da COVID-19 e de leitos de terapia intensiva exclusivos para a doença no estado do Ceará, Brasil. Estudo ecológico, com distribuição geográfica do coeficiente de detecção de casos da doença em 184 municípios. Construíram-se mapas dos valores brutos e estimados (método bayesiano global e local), com cálculo do índice de Moran e utilização do "BoxMap" e "MoranMap" Os leitos foram distribuídos por meio de pontos geolocalizados. Estudaram-se 3.000 casos e 459 leitos. As maiores taxas encontram-se na capital Fortaleza, região metropolitana (RM) e ao sul dessa região. Há autocorrelação espacial positiva na taxa bayesiana local (I = 0,66). A distribuição dos leitos de terapia intensiva sobreposta ao "BoxMap" evidenciou aglomerados com padrão Alto-Alto apresentando número de leitos (capital, RM, porção noroeste); porém, há o mesmo padrão (extremo leste) e em áreas de transição com insuficiência de leito. O "MoranMap" evidenciou "clusters" estatisticamente significativos no estado. A interiorização da COVID-19 no Ceará demanda medidas de contingência voltadas à distribuição dos leitos de terapia intensiva específicos para casos de COVID19 para atender à demanda.
Subject(s)
Betacoronavirus , Coronavirus Infections/epidemiology , Geographic Mapping , Hospital Bed Capacity/statistics & numerical data , Intensive Care Units/supply & distribution , Pandemics , Pneumonia, Viral/epidemiology , Bayes Theorem , Brazil/epidemiology , COVID-19 , Coronavirus Infections/transmission , Geographic Information Systems , Humans , Pneumonia, Viral/transmission , SARS-CoV-2ABSTRACT
Objetivo: analisar casos acumulados da COVID-19 em Brasil, Espanha, Itália, China e EUA. Métodos: estudo ecológico, com uso de dados secundários. Realizou-se série temporal de casos cumulativos de COVID-19 por 28 dias, após o 100º caso confirmado de cada país (baseado nas estatísticas do Worldometer 2020). Modelos de tendência linear, exponencial, potencial e logaritmo foram testados, sendo escolhido o melhor coeficiente de determinação (R²). No Brasil, a linha de tendência foi segmentada em 1º-14º dia e 15º-28º dia. Resultados: no 100º dia, os EUA possuíam maior número de casos e o Brasil, o menor. Houve linha de tendência em sua maioria exponencial, com maior velocidade de crescimento nos EUA. No Brasil, houve tendência de crescimento mais lento no segundo período. Conclusão: as linhas de tendência calculadas demonstraram pior prognóstico para os EUA. No Brasil, o crescimento do número cumulativo de casos foi mais lento na no segundo período do estudo. Objective: to examine cumulative cases of COVID-19 in Brazil, Spain, Italy, China, and USA. Method: in this ecological study, secondary data were used to produce time series of cumulative cases of COVID-19 over 28 days after the 100th case confirmed in each country (from Worldometer 2020 statistics). Linear, exponential, potential and logarithmic trend models were tested, and the best coefficient of determination (R²) was chosen. In Brazil, the trend line was segmented into days 1-14 and 15-28. Results: on day 100, the USA had the highest number of cases and Brazil, the lowest. The trend lines were mostly exponential, with highest growth rate in the USA. In Brazil, the growth trend was slower in the second period. Conclusion: the calculated trend lines showed a worse prognosis for the USA. In Brazil, the cumulative number of cases grew more slowly in the second period of the study. Objetivo: examinar casos acumulados de COVID-19 en Brasil, España, Italia, China y Estados Unidos. Método: en este estudio ecológico, se utilizaron datos secundarios para producir series de tiempo de casos acumulados de COVID-19 durante 28 días después del 100o caso confirmado en cada país (de las estadísticas del Worldometer 2020). Se probaron modelos de tendencia lineal, exponencial, potencial y logarítmica y se eligió el mejor coeficiente de determinación (R²). En Brasil, la línea de tendencia se segmentó en los días 1-14 y 15-28. Resultados: el día 100, EE.UU. tuvo el mayor número de casos y Brasil, el menor. Las líneas de tendencia fueron en su mayoría exponenciales, con la tasa de crecimiento más alta en los EE. UU. En Brasil, la tendencia de crecimiento fue más lenta en el segundo período. Conclusión: las líneas de tendencia calculadas mostraron un peor pronóstico para EE. UU. En Brasil, el número acumulado de casos creció más lentamente en el segundo período del estudio.
ABSTRACT
The geographical distribution of COVID-19 through Geographic Information Systems resources is hardly explored. We aimed to analyze the distribution of COVID-19 cases and the exclusive intensive care beds in the state of Ceará, Brazil. This is an ecological study with the geographic distribution of the case detection coefficient in 184 municipalities. Maps of crude and estimated values (global and local Bayesian method) were developed, calculating the Moran index and using BoxMap and MoranMap. Intensive care beds were distributed through geolocalized points. In total, 3,000 cases and 459 beds were studied. The highest rates were found in the capital Fortaleza, the Metropolitan Region (MR), and the south of this region. A positive spatial autocorrelation has been identified in the local Bayesian rate (I = 0.66). The distribution of beds superimposed on the BoxMap shows clusters with a High-High pattern of number of beds (capital, MR, northwestern part). However, a similar pattern is found in the far east or transition areas with insufficient beds. The MoranMap shows clusters statistically significant in the state. COVID-19 interiorization in Ceará requires contingency measures geared to the distribution of specific intensive care beds for COVID-19 cases in order to meet the demand.