Efeitos de confundimento para análises comparativas da incidência da Covid-19 nos estados brasileiros: os diferenciais de idade e a capacidade de testagem

Na busca e divulgação de informações sobre a pandemia da Covid-19 que assola o Brasil e o mundo, dois números ganham destaque nas manchetes e boletins epidemiológicos: o número de casos confirmados e de óbitos. Muito embora esses indicadores possibilitem uma análise do comportamento da doença em determinada região geográfica, por serem dados brutos, pouca utilização eles têm para efeitos e propósitos de comparação. Por exemplo, é intuitivo o pensamento de que não se pode comparar a gravidade da doença entre os estados do Rio Grande do Norte (RN) e São Paulo (SP) apenas pelos números absolutos de casos e óbitos. Por óbvio, SP deveria apresentar maiores quantitativos, em grande medida, por ter uma população muito maior do que a do RN.

Portanto, para efeitos de comparação, muito se utiliza medidas relativas, sendo a mais comum a Taxa de Incidência, que representa o número de casos confirmados para cada 100.000 habitantes. Desse modo, é relativizado o tamanho da população e comumente é visto na imprensa o uso dessa taxa para comparar os níveis de agravamento da pandemia entre as Unidades da Federação e/ou do Brasil com outros países do mundo.

No entanto, por razões que serão exploradas ao longo desse texto, ainda existem problemas com uso dessa taxa para se traçar comparações entre duas populações. Um estudante de pós-graduação em Demografia aprende cedo que várias medidas são influenciadas pela estrutura etária da população e que, portanto, suas taxas brutas não podem ser utilizadas para se fazer comparações.

Um exemplo bem didático é a mortalidade. Uma medida que sintetiza a mortalidade de uma região é a Taxa Bruta de Mortalidade (TBM), que corresponde ao número de óbitos para cada 1.000 habitantes. Ao se comparar a TBM de dois países totalmente antagônicos sob os aspectos sociais e econômicos, como a Alemanha e Zimbábue, por exemplo, verifica-se valores bastante semelhantes. Isso quer dizer que o nível da mortalidade ou o risco de morte no país europeu é igual ao africano? Não.

A explicação para essa aparente incoerência é que a TBM é influenciada pela estrutura etária da população. No nosso exemplo, a Alemanha por ter uma proporção de idosos (que são as pessoas com o maior risco de morte) muito maior do que a apresentada pelo Zimbábue, produz um número de óbitos grande o suficiente para equiparar as TBM dos dois países. Na verdade, por ter uma população bem mais jovem do que a do país europeu e apresentar a mesma TBM, pode-se afirmar que Zimbábue possui um nível maior de mortalidade. Portanto, conclui-se que as taxas brutas, por serem “contaminadas” pela composição da população por idade (entre outros atributos), não poderiam ser utilizadas para comparar níveis de mortalidade.

Essa conclusão é análoga ao uso da Taxa de Incidência para se fazer comparações de níveis de ocorrência de Covid-19 entre duas regiões. Sabe-se que o novo coronavírus possui um padrão de incidência de forma mais aguda nas idades da fase adulta e idosa. Para o Brasil, especificamente, com base no número de casos confirmados para Covid-19 informados pelas Secretarias Estaduais de Saúde e coletados entre os dias 29/06 a 01/07, verifica-se que as taxas de incidência por idade tem seus valores mais elevados entre as idades de 30 a 49 anos e acima de 70 anos (Gráfico 1).

Gráfico 1 – Taxas Específicas de Incidência de Covid-19 por grupos etários, Brasil, 2020 | Fonte: Secretarias Estaduais de Saúde para dados de casos confirmados; e Instituto Brasileiro de Geografia e Estatística – IBGE para dados populacionais. | OBS: Por indisponibilidade (ou nível de agregação inadequado) do número de casos por idade, não foram contemplados os dados dos estados do Amapá, Paraíba e Distrito Federal.

Percebe-se, portanto, que o risco de se contrair o novo coronavírus é mais elevado a partir dos 30 anos quando comparado ao dos grupos etários mais jovens, embora seja necessário sobrepesar o grande percentual de quadros assintomáticos nas primeiras idade, influenciando dessa forma no número de casos confirmados nessa faixa etária. Assim sendo, é possível que duas populações que apresentam o mesmo tamanho populacional e as mesmas taxas específicas de incidência por idade produzam número de óbitos e taxas de incidência “geral” (ou “bruta”) totalmente diferentes simplesmente porque as composições das populações por idade são distintas.

É nesse contexto de heterogeneidade de estruturas etárias que estão as Unidades da Federação (UF) do Brasil, algumas possuindo populações muito envelhecidas e semelhantes de países europeus; e outras apresentando ainda uma população relativamente jovem. Para ilustrar esse cenário, com base nas projeções populacionais do IBGE, estão apresentados no Gráfico 2 os percentuais da população com 30 anos ou mais em cada UF. Nota-se que os estados do Rio Grande do Sul (60,06%), Rio de Janeiro (59,37%) e São Paulo (58,68%) são as UF com as maiores porcentagens de pessoas com mais de 30 anos; e as UF com os três menores valores, sendo todas oriundas da Região Norte, são Amazonas (43,59%), Amapá (43,12%) e Acre (42,55%). Portanto, comparar a Taxa de Incidência de uma UF com a de outra que possui estrutura etária distinta pode não refletir um correto ranqueamento da gravidade e risco de contração da Covid-19.

Gráfico 2 – Participação da população de 30 anos e mais na população total por UF, Brasil, 2020. | Fonte: Projeções populacionais do Instituto Brasileiro de Geografia e Estatística – IBGE.

Para uma melhor comparação seria necessário garantir que todos os estados possuíssem a mesma estrutura etária. Feito isto, para fins de comparação, a taxa de incidência da UF seria influenciada apenas pelo risco de contaminação em cada idade. Para tanto, há uma técnica demográfica denominada de Padronização Direta, cujo objetivo, em termos simples, é eliminar a influência da estrutura etária em determinado indicador ou medida a fim de possibilitar o seu uso para comparações entre populações onde há reconhecida distinção na distribuição etária.

Com esse propósito, foi aplicada essa técnica para calcular as taxas de incidência de Covid-19 das UF do Brasil simulando um cenário em que todos os Estados apresentassem uma mesma estrutura etária padrão. Foi escolhida como tal estrutura etária a média de toda a população do Brasil em 2020. Como resultado, tem-se as taxas de incidência de cada UF padronizadas pela estrutura etária média do país.

No Gráfico 03 estão dispostas as Taxas de Incidência brutas e padronizadas para cada UF. Ressalta-se mais uma vez que as Taxas de Incidência brutas dependem do risco de contaminação em cada faixa etária e da estrutura etária da população; enquanto que e Taxa de Incidência Padronizada reduz o efeito de composição etária e está sujeita ao risco propriamente dito do acometimento da doença em cada idade, sendo esta a medida de comparação mais adequada para efeito de ranqueamento.

Gráfico 3 – Taxas de Incidência e Taxas de Incidências Padronizadas por Covid-19 por UF, Brasil, 2020.  | Fonte: Secretarias Estaduais de Saúde para dados de casos confirmados; e Instituto Brasileiro de Geografia e Estatística – IBGE para dados populacionais. | OBS: Por indisponibilidade (ou nível de agregação maior) do número de casos por idade, não foram contemplados os dados dos estados do Amapá, Paraíba e Distrito Federal.

Após a padronização, percebe-se que algumas UF, notadamente as da Região Norte, apresentaram uma Taxa de Incidência onde a estrutura da idade tem grande influência. Ou seja, ao simular uma única estrutura etária para todas as UF, verifica-se que os estados de Roraima, Amapá e Acre, por exemplo, apresentariam considerável aumento em suas taxas de incidência. Isso pode ser atribuído ao fato de que esses estados possuem as populações mais jovens do Brasil e que, ao experimentar uma estrutura etária mais envelhecida, apenas por esse fato, sem alterar o risco de contaminação em cada faixa etária, apresentaria uma maior taxa de incidência da doença. De forma análoga, tem-se uma diminuição das taxas de incidência para aquelas UF quem possuem uma estrutura etária mais envelhecida do que a média brasileira, com destaque para o Rio de Janeiro.

Para ficar mais claro e objetivo o impacto do efeito da estrutura etária no ranqueamento das Taxas de Incidência, tem-se na Tabela 1 o ranking das UF com as 10 maiores Taxas de Incidência brutas e as 10 maiores taxas padronizadas. Percebe-se uma significativa troca de posições, embora as três primeiras colocações mantiveram-se inalteradas, tendo Roraima, Amazonas e Pará nas três primeiras colocações, respectivamente. Já o Espírito Santo, que ocupava a 4ª posição, passou ser a sétima após a padronização. Verifica-se que o Amazonas e Acre subiram posições quando padronizadas as taxas, com destaque para este último estado, que passou da 10ª para 5ª posição. Considerando apenas as taxas de incidência padronizadas, chama atenção de que das seis primeiras posições, cinco são ocupadas por estados da região Norte.

Tabela 1 – Ranking das UF do Brasil de acordo com as Taxas de Incidência originais e Padronizadas por Covid-19, 2020. | Fonte: Secretarias Estaduais de Saúde para dados de casos confirmados; e Instituto Brasileiro de Geografia e Estatística – IBGE para dados populacionais. | OBS: Por indisponibilidade (ou nível de agregação inadequado) do número de casos por idade, não foram contemplados os dados dos estados do Amapá, Paraíba e Distrito Federal.

Uma ressalva deve ser feita a esses resultados. Sabe-se que há uma considerável subnotificação de casos por Covid-19 que pode atribuída ao fato de uma parte dos infectados apresentarem quadro assintomático, bem como (e especialmente no Brasil) a baixa quantidade de testes realizados. Segundo dados do Worldometer, o nosso país é o 2º maior em número de casos, mas ocupa apenas a posição 111º no número de testes por milhão de habitantes. Embora esse cenário sugira uma grande subnotificação de casos de Covid-19 no Brasil, esse fato não teria grande impacto nos resultados aqui apresentados se considerarmos uma subnotificação uniforme entre todas as UF. No entanto, isso não é o que acontece na prática, pois há grandes diferenciais em taxas de testagem entre os Estados brasileiros.

O Gráfico 4 apresenta uma relação entre a taxa de incidência padronizada (casos por 100 mil habitantes) e a taxa de testagem (testes por 100 mil habitantes) das UF brasileiras, sendo possível supor uma forte correlação entre o números de testes e a taxa de incidência. Ou seja, pode haver uma relação de causalidade entre as duas variáveis. Verifica-se que as UF das Regiões Norte e Nordeste, que são as que apresentam as maiores taxas de incidência, são também as que realizaram mais testes em relação a sua população. Já os estados da Região Sul e Sudeste são aqueles com as menores taxas de incidência e testagem.

Gráfico 4 – Taxas de incidência padronizadas e de Testagem de Covid-19 por UF, Brasil, 2020.  |  Fonte: Secretarias Estaduais de Saúde para dados de casos confirmados para nº de casos; Instituto Brasileiro de Geografia e Estatística – IBGE para dados populacionais; e Painel https://covid19br.wcota.me/ para dados de testagem.| OBS: Por indisponibilidade (ou nível de agregação inadequado) do número de casos por idade, não foram contemplados os dados dos estados do Amapá, Paraíba e Distrito Federal.

Portanto, pode-se concluir que as padronização das taxas de incidência resolve parte do problema, que é retirar o efeito que a estrutura etária exerce sobre as medidas comparativas, mas ela ainda continua sujeita a diferenciais de testagem e subnotificação de casos, o que, a rigor, prejudicaria o seu uso para se fazer comparações da intensidade da Covid-19 entre os estados. Postos esses resultados, conclui-se que para uma justa análise da pandemia por Covid-19 no Brasil e seus diferenciais regionais, insurge uma preocupação para adequado uso das taxas de incidência considerando os fatores que a interferem. Sem esse cuidado no uso do indicador, conclusões precipitadas podem ser extraídas quanto à gravidade da doença quando colocadas em comparação.

Victor Hugo Dias Diógenes – Demógrafo, professor do Departamento de Finanças e Contabilidade (DFC) da Universidade Federal da Paraiba (UFPB) e doutorando do Programa de Pós-Graduação em Demografia (PPGDem) da Universidade Federal do Rio Grande do Norte (UFRN)

Confira essa e outras análises demográficas também no ONAS-Covid19 [Observatório do Nordeste para Análise Sociodemográfica da Covid-19] https://demografiaufrn.net/onas-covid19

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s