Modelo bayesiano espaço-temporal aplicado às mortes de COVID-19 no Estado do Rio de Janeiro

Abstract

No contexto da Covid-19, foi realizada uma modelagem dos óbitos nos 92 municípios do estado do Rio de Janeiro, abrangendo o período entre 22 de março de 2020 a 31 de dezembro de 2022. A abordagem combinou estatística espaco-temporal com indicadores socioeconômicos, educacionais, de saúde e de habitação para elucidar a propagação do vírus e suas implicações. A estimação dos parâmetros foi feita por meio do paradigma Bayesiano e do método Integrated Nested Laplace Aproximations (INLA), utilizando um total de 92.920 registros diários de ´óbitos e casos confirmados obtidos do Painel Corona vírus Brasil, os quais foram integrados com 83 variáveis adicionais. A seleção das variáveis significativas foi conduzida através do método de regularização LASSO, resultando na identificação de cinco indicadores: ´Indice de Efic´acia no Enfrentamento da Pandemia de Covid-19 (IEEP), proporção da população ocupada, percentual de pessoas com renda percapita abaixo de meio salário mínimo e que gastam mais de uma hora até o trabalho, percentual de pessoas em domicílios com densidade > 2, e percentual de crianças de 5 a 6 anos na escola. Mapas coropleticos evidenciaram taxas de incidência mais elevadas na Região Serrana e Noroeste. A dependência espacial, avaliada por meio dos Índices de Moran Global e Local e do Coeficiente de Geary, indicou uma correlação espacial positiva moderada. A modelagem espaco-temporal, ajustada para 145 semanas epidêmicas, demonstrou que o IEEP e a proporção da população ocupada exerceram efeitos significativos sobre os ´óbitos. Os parâmetros de variância indicaram diferentes níveis de incerteza, evidenciando que, após a semana epidemiológica 14.2021, os municípios centrais do estado inicialmente apresentaram altas probabilidades de óbitos, mas essas diminuíram com o tempo, enquanto as áreas periféricas mantiveram taxas mais baixas. Este padrão sugeriu que áreas urbanas enfrentaram maiores desafios no controle da pandemia devido `a alta densidade populacional e `a intensa interação social. A combinação de fatores socioeconômicos e demográficos foi essencial para compreender os impactos da Covid-19, e a modelagem espaco-temporal forneceu uma compreensão a cerca da evolução dos óbitos e a eficácia das intervenções em diferentes áreas do estado.