Razões da eficiência do SUS no controle da pandemia de COVID-19

Devido a alta taxa de contaminação do Covid-19, nenhum país ao redor do mundo tinha um sistema de saúde preparado para acomodar o número de pessoas internadas devido a complicações decorrentes da doença. Vimos, ao redor do mundo, muitos países não serem capazes de dar suporte, leitos e até mesmo atendimento à suas populações. Medidas de prevenção foram adotadas para tentar diminuir a curva de contágio. Aqui no Brasil, não tivemos a melhor taxa de isolamento, no entanto, não experimentados a mesma criticidade como na Itália, por exemplo, parte disso se deve ao nosso Sistema Único de Saúde (SUS).

A exemplo de comparação, vamos considerar o sistema de saúde do país europeu mais afetado pela epidemia, o Servizio Sanitario Nazionale (SSN) da Itália, que é baseado em três princípios fundamentais: universalidade, igualdade e justiça. Isto significa que a saúde pública deve atender a todos os cidadãos sem distinções, com a mesma qualidade¹, isso nos remete aos princípios do SUS. Ao se cadastrar no SSN, todos passam a ter direito a um “dottore di famiglia”; ou seja, um médico acompanha a pessoa durante toda a sua vida. As consultas com esse médico são gratuitas, assim como parte dos medicamentos que ele prescreve. No entanto, para exames e atendimento não-emergencial, é necessário o pagamento de um valor ao Estado na forma de ticket sanitário, sendo o preço máximo de cada ticket cerca de 36 euros.

Comparando Brasil e Itália, na Itália, existem quatro médicos para cada mil habitantes, no Brasil temos uma média de 2,18. Considerando os índices de mortes por causas preveníveis: são 110 a cada 100 mil pessoas, contra 161 da média dos outros países do grupo. Em relação às mortes por doenças tratáveis, são 67 por 100 mil habitantes, diante de 93, a média da União Europeia (UE).

O nosso sistema de saúde, em especial, tem uma grande capilaridade no país. Em setembro de 2019 – época na qual a pandemia ainda não havia chegado ao Brasil – o Instituto Brasileiro de Geografia e Estatística (IBGE) divulgou uma pesquisa com base em dados de 2019, mostrando que 71,5% dos brasileiros, ou seja, mais de 150 milhões de pessoas, dependem do Sistema Único de Saúde (SUS) para tratamento. A mesma pesquisa aponta que 28,5% (59,7 milhões de pessoas) no país possuíam algum plano de saúde, médico ou odontológico (planos médicos representavam 26%), portanto, 74% dos brasileiros são dependentes da saúde pública. O Sudeste é a região com maior número de pessoas com plano de saúde (37,5%). Seguida pelo Sul (32,8%), Centro-Oeste (28,9%), Nordeste (16,6%) e Norte (14,7%). Na região Nordeste, a Bahia é apenas o sexto colocado nesse ranking, com 14,6% da população tendo acesso a um plano de saúde. Para agravar a situação, aproximadamente 8,9 milhões de pessoas foram internadas em hospitais do SUS por 24 horas ou mais no ano de 2019, representando assim, 64,9% de todas as internações no país.

Tendo em vista a extensão da cobertura de atendimento do Sistema Único de Saúde no Brasil, o saturamento da rede em decorrência da elevação dos casos de Covid-19 trouxe em pauta a discussão dos efeitos das medidas de isolamento social sobre a incidência de novos casos. Nesse artigo buscamos esclarecer quais os efeitos e a importância das medidas de isolamento social no que chamamos de achatamento da curva de novos casos e novos óbitos, que nada mais é que uma desaceleração do aumento de novos casos de forma que o atendimento do Sistema Único de Saúde não fosse comprometido e nem precarizado.

 

Análise Exploratória

Os dados utilizados para essa análise foram extraídos da iniciativa Our World in Data.  dataset que embasa nossa análise possui, até o momento em que este artigo foi escrito, 49 variáveis e 55.673 observações (dias) e suas informações são atualizadas diariamente.

As variáveis (colunas ou features) consideradas nas análises são apresentadas a seguir::

  •  total_de_mortes_por_milhão: Total de mortes atribuídas ao COVID-19 a cada 1 milhão de pessoas.
  • total_de_testes_por_mil: Total de testes para COVID-19 realizados a cada 1,000 pessoas da população
  • densidade_populacional: Razão entre a população de um país e sua extensão territorial total em km2
  • mediana_de_idade: Idade mediana da população
  • renda_per_capita: Razão entre o PIB do país e o seu número de habitantes.
  • extrema_pobreza: Percentual da população vivendo na extrema pobreza.
  • expectativa_de_vida:Expectativa de vida.
  • IDH: Índice de desenvolvimento humano, um indicador que leva em consideração três aspectos principais da população: renda, educação e saúde. Quanto mais próximo de 1 esse indicador, melhores as condições de vida naquele local.
  • índice_rigor: Um índice composto por 9 indicadores, entre eles fechamentos de escolas, fechamentos de locais de trabalho e proibições de viagens, que avalia de 0 a 100 o quão rigoroso foi aquele país nas medidas de contenção social para prevenção do Covid-19.
  • novos_casos_por_milhao: Novos casos confirmados de Covid-19 por milhão
  • novas_mortes_por_milhao: Novos óbitos confirmados de Covid-19 por milhão

Uma análise preliminar buscou encontrar padrões nas relações entre essas variáveis através da visualização dessa associações a partir do mapa de calor. O mapa de calor é uma ferramenta de visualização importante que revela a magnitude de um fenômeno, nesse caso a correlação entre as variáveis. A correlação é uma medida que varia entre -1 e 1 e pode ser compreendida da seguinte forma:

null

Fonte: https://operdata.com.br/

Na Figura a seguir temos a representação do mapa de calor das variáveis selecionadas para análise, destacando com uma escada de cores a força da correlação entre todas elas, duas a duas.

Figura 1: Mapa de Calor das correlações entre as variáveis. 2020.

null

Fonte: https://ourworldindata.org/

A Figura 1 mostra, a partir de um gradiente de cores, que quanto mais positiva e forte a correlação entre as variáveis mais intenso o verde. De maneira semelhante, quando mais forte a correlação negativa, mais intenso o marrom. E se as correlações foram fracas, as cores assumem tonalidades mais claras no mapa de calor.

A densidade populacional, o total de mortes por milhão e o total de testes por milhão apresentaram correlações fracas com todas as variáveis. A exceção da renda per capita, expectativa de vida e IDH que apresentaram as correlações mais fortes, indicando uma associação positiva entre o aumento da densidade populacional, o aumentos das mortes por milhão, e o total de testes por milhão com países de renda per capita mais elevada, países com maior expectativa de vida e com maior IDH também.

Além disso, a correlação positiva entre o total de testes por mil com o IDH, a expectativa de vida, a renda per capita e média de idade contribuem para a compreensão de que países mais ricos, com IDH mais alto, estão realizando mais testes, que detectam mais casos. Este resultado faz com que seja menor a confiabilidade de informações relativas aos países menos desenvolvidos, aumentando a incerteza do atual cenário de disseminação e mortalidade em países com menor IDH.

O que chama a atenção na Figura 1 é a correlação negativa fraca entre a densidade populacional e o total de mortes, além da correlação também fraca, mas positiva, com o total de casos. Esta informação nos mostra que a densidade populacional não está fortemente ligada ao número de mortes e aos casos por milhão.

Essas correlações são condizentes com o histórico de surgimento da doença e disseminação do vírus. Os primeiros países que foram afetados pela pandemia foram justamente os países europeus que possuem renda per capita mais elevada,  população mais velha e por isso maior expectativa de vida, além de IDH mais elevado também.

De maneira semelhante, a extrema pobreza, que considera a quantidade de pessoas vivendo em condições de maior vulnerabilidade social, mostrou uma correlação negativa com a idade mediana, expectativa de vida, IDH e renda per capita. Essa associação indica que quanto mais pobre o país, isto é, quanto maior a parcela da população vivendo na extrema pobreza, menor a expectativa de vida da população, menor a renda per capita e mais baixo o IDH. Apesar desse resultado, a extrema pobreza não apresentou uma correlação forte com o total de mortes por milhão e o total de testes por milhão, endossando nossa análise anterior que os países mais afetados, ou seja que experimentaram maior infecção e mortes na população pelo epidemia do Covid-19 foram os países europeus e desenvolvidos como USA.

A Figura 2 a seguir demonstra a média do Índice de Rigor por mês para sete países: Brasil, Alemanha, França, Itália, Espanha, Estados Unidos e Portugal. Esse índice tem como proposta analisar o quão restritivas foram as medidas de isolamento social aplicadas na população.

Figura 2 – Média Mensal do índice de rigor. 2020.

Gráfico 1.png

Fonte: https://ourworldindata.org/

 

A Figura 2 mostra uma variação das medidas restritivas aplicadas pelos países nesse período de 10 meses, evidenciando alguns momentos com características restritivas mais brandas e outros com restrições maiores.

Nota-se um maior rigor no mês de abril, com destaque para a Itália, com maior índice, e para os Estados Unidos, com menor Índice de rigor neste período. Além disso países como Brasil e Estados Unidos mantiveram um índice de rigor com poucas variações entre abril e setembro, diferente dos países europeus, França, Itália e Espanha, que apresentaram medidas de isolamento mais rigorosas entre março e setembro, e tiveram flexibilizações significativas a partir de maio.

Vale ressaltar também, que apesar dos países europeus terem flexibilizado as medidas de isolamento social no período de maio a julho, há um  aumento do índice de rigor de setembro para outubro que precisa ser considerada, pois pode ser reflexo do aumento de novos casos nesses países. Figura 3 – Média mensal de novos óbitos por milhão

Gráfico 1 (1).png

 

A partir da Figura 3, é possível perceber que o Brasil apresentou as menores médias de novos óbitos nos períodos iniciais da pandemia (fevereiro e março) quando comparado com os demais países, onde houve eventos de pico em especial para o mês de abril, com destaque para a Espanha.

Entre os meses de junho a setembro, o Brasil liderou os números de mortes quando comparado com os demais países. Contudo, mesmo com este feito, não foram observados picos extremos, mas sim um aumento gradativo a partir de abril e crescimentos suaves nos meses posteriores, mais especificamente entre os meses de junho, julho e agosto, demonstrando um achatamento desta curva.

No final do terceiro trimestre do ano, nota-se uma tendência de diminuição nos novos óbitos para os países Brasil e Estados Unidos. Em contrapartida, é observado um aumento nos países europeus, o que demonstra relação com as médias de novos casos dispostos na Figura 4. Este resultado demonstra a consequência da diminuição nas medidas de restrição na Espanha, França e Itália e que, junto as observações dadas posteriormente na Figura 4, enfatiza o início de uma segunda onda da pandemia na Europa.

Figura 4 – Média mensal de novos casos por milhão

Gráfico 1 (2).png

 

A Figura 4 mostra que, no mesmo período, houve picos de valores na média mensal de novos óbitos por milhão para Espanha e França, e menores valores para Brasil e Alemanha. É observado no Gráfico 4 um “achatamento” na média mensal de óbitos por milhão no período de março com destaque para o Brasil.

Nota-se também, após o “achatamento” dos períodos iniciais, valores mais altos para a média de novos óbitos e novos casos por milhão com destaque para a França, que após sua queda no índice de rigor em julho, passa a apresentar um aumento na média de novos casos a partir de julho chegando ao pico em outubro.

Com isso, foi possível observar como as variações no rigor das medidas de restrição influenciam o número de casos novos e de óbitos por Covid, além de salientar o papel que o SUS teve no controle da velocidade de transmissão do Covid no Brasil.

 

Conclusão

Este artigo investigou a maneira como as medidas de prevenção e controle ao Covid variaram em diferentes países e o impacto disso no controle da pandemia. Alguns países, como a Itália, tiveram picos mais intensos de número de mortos, combinado a medidas de prevenção menos rigorosas. Outros mantiveram um comportamento mediano, enquanto o Brasil apresentou picos menos intensos e curvas de números de mortos mais similares a um platô.

No caso do Brasil, a combinação de medidas de prevenção rigorosas desde o início, com a manutenção dessas políticas públicas por decisão do SUS, evitou que a quantidade de mortos atingisse picos de mortos e de novos casos similares aos da Itália. Isso mostra como, devido às decisões por parte deste órgão governamental, foi possível amenizar consideravelmente o impacto da pandemia no Brasil e permitir que a situação se estabilizasse. Com esta estabilidade, pode-se esperar que o impacto da pandemia na população não seja tão intenso quanto foi em outros países e que seja possível controlar a situação por mais tempo até que medidas mais definitivas, como uma vacina eficaz, segura e acessível, sejam finalmente obtidas.

O atual enfraquecimento nas medidas restritivas aparentam ser uma resposta à redução da incidência de novos casos nos últimos períodos. Portanto, análises exploratórias dos dados, como o presente artigo, são realizadas para orientar decisões cautelosas e devem ser interpretadas de forma prudente, visto que pequenas reduções no número de infectados não são suficientes para justificar a diminuição do isolamento social.

 

Referências

¹ https://www.politize.com.br/sistema-de-saude-da-italia/

 

Autores: Ana Carolina, Jéssica Assunção e Rodrigo Araújo e Castro

Deixe um comentário

Artigos Relacionados