Análise espacial dos casos de COVID-19 no Estado do Rio de Janeiro

Abstract

Há pouco tempo, no final de 2019, na China, mais precisamente em Wuhan, a capital e maior cidade da província de Hubei, revelou-se um surto de um novo vírus, chamado SARS-CoV-2 , causador de uma doença respiratória, a COVID-19. Esse vírus rapidamente rompeu as fronteiras da China, assim chegando a outros países e em um curto intervalo de tempo infectando milhares de indivíduos de todo o mundo. Em 30 de janeiro de 2020, o comitê da Organização Mundial da Saúde (OMS), anunciou uma emergência de saúde global, baseado no crescimento de casos tanto na China quanto nos demais países atingidos. No Brasil, a primeira ocorrência de COVID-19 aconteceu em fevereiro de 2020, segundo o Ministério da Saúde e, após o primeiro caso, a doença se espalhou rapidamente pelo solo brasileiro e em especial no Rio de Janeiro, a área de estudo deste trabalho. Na perspectiva estatística, é possível produzir análises espaciais capazes de ajudar na interpretação do comportamento da doença no espaço onde ela está ocorrendo, sendo viável a identificação da configuração espacial dos casos de infecção, a autocorrelação espacial entre os municípios e o apontamento de regiões com aglomerados de maior incidência, assim realizando uma análise exploratória. Também dentro das análises espaciais, a modelagem é uma ferramenta valiosa para explicar os dados, sendo assim, modelos de regressão foram aplicados nos dados desta monografia, sendo eles com e sem efeitos espaciais, tendo o ICAR Intrínseco como distribuição a priori para os efeitos aleatórios espaciais, onde tais efeitos estão alocados no erro. O enfoque Bayesiano foi utilizado para estimação dos parâmetros no modelo, em que, feita as interações de Monte Carlo via Cadeia de Markov, foram obtidas as distribuições a posteriori dos parâmetros de interesse, tendo assim, resultados importantes como, o modelo com efeitos ICAR sendo capaz de captar a associação espacial nos dados do mês de abril, através dos erros estruturados e para outubro tendo os efeitos espaciais explicando integralmente a variável resposta, número de casos de COVID-19.