Navigation – Plan du site

Fatores associados a difusão da epidemia de Covid-19

Facteurs associés à la propagation de l'épidémie de Covid-19
Factors associated with the spread of the Covid-19 epidemic
Confins
Traduction de André Rodrigues Nagy et da Fundação Sistema Estadual de Análise de Dados - SEADE

Résumés

Les cartes de ce texte cherchent à montrer quels sont les facteurs qui sont associés à l’épidémie de Covid-19, au moins dans les modalités de sa distribution spatiale. Elles ont pour but de vérifier s’il existe une corrélation entre la répartition des cas de la maladie connus à la date du 14 juin 2020 et celle des facteurs considérés, isolément ou conjointement (par le biais d’une analyse factorielle ACP et d’une classification ascendante hiérarchique, CAH) pour mettre sur la piste de relations de causalité, qui devront ensuite être analysées et prouvées par d’autres méthodes

Haut de page

Texte intégral

  • 1 Uma versão francesa deste artigo foi publicada na revista geopolítica francesa Diploweb, sob o títu (...)
  • 2 Obrigado a André Rodrigues Nagy, da Fundação Sistema Estadual de Análise de Dados - SEADE, que cole (...)

1Como contribuição à pesquisa sobre a epidemia de Covid-19 no Brasil, oferecemos abaixo mapas que buscam mostrar quais são os fatores associados a ela, pelo menos nos termos de sua distribuição (e sua difusão) espacial até o dia 14 de junho1. Eles pretendem verificar (ou não) a existência de uma correlação entre a distribuição dos casos de Covid-19 e dos fatores considerados, individual ou conjuntamente. Postulamos que as cartas têm um certo valor explicativo, que não mostram correlações simples, mas podem colocar no caminho das relações causais, que deverão ser analisadas e comprovadas por outros métodos2.

Mapas analíticos

2O objetivo de uma série de mapas analíticos por município é detectar semelhanças entre a distribuição dos casos de Covid-19 e a de alguns fatores socioeconômicos, escolhidos entre dezenas de outros, de acordo com sua distribuição espacial e porque quatro décadas de pesquisa no Brasil nos ensinaram que são discriminatórios. Esses fatores foram combinados por uma análise fatorial de ACP e uma classificação hierárquica ascendente, CHA.

3A figura 1 mostra a distribuição dos casos de Covid-19 (primeiro mapa, fundo cinza) com a de fatores socioeconômicos que pareciam estar associados a ele. De cima para baixo e da esquerda para a direita, mostra:

  • Densidade: % da população em domicílios com densidade > 2 pessoas por cômodo;

  • Razão de dependência: relação entre uma população economicamente dependente e uma população economicamente ativa;

  • Água e esgoto inadequados: % de pessoas em domicílios com abastecimento de água e esgotamento sanitário inadequados;

  • % de cor de pele parda: proporção da população que declarou a cor da pele “parda” no censo demográfico de 2000;

  • Anos de estudo da 1ª série (gama de cores invertida para destacar os valores baixos);

  • Taxa de analfabetismo de 15 anos ou mais;

  • % do valor adicionado constituído em administração pública: % do valor adicionado total do município oriundo da administração pública;

  • Índice de Desenvolvimento Humano Municipal (gama de cores invertida para destacar os valores baixos);

  • Esperança de vida ao nascer (gama de cores invertida para destacar os valores baixos);

  • % dos ocupados sem rendimento - 18 anos ou mais;

  • % da população de religião evangélica no censo demográfico de 2000.

Figura 1 Distribuição dos fatores socioeconômicos comparáveis aos dos casos Covid-19

Figura 1 Distribuição dos fatores socioeconômicos comparáveis aos dos casos Covid-19

4Analisando esses mapas, pode-se argumentar que a distribuição de casos (conhecidos) de Covid-19 é semelhante à de fatores como pobreza, das más condições sanitárias associadas a ele, da alta densidade de ocupação de moradias e seus equipamentos sanitários insuficientes, da composição familiar com muitos dependentes (crianças, jovens e idosos) e do baixo nível de escolaridade.

5Outros se referem ao baixo desenvolvimento local, medido pelo Índice de Desenvolvimento Humano Municipal (IDHM) ou à alta proporção da administração pública no valor adicionado produzido por município: em municípios pobres, é comum o principal empregador ser a Prefeitura.

6Finalmente, alguns fatores parecem não ter relação com a doença, como a predominância de pessoas que declararam no censo a cor da pele “parda” (mestiço) ou as religiões católica e evangélica, mas veremos nas análises multivariadas que eles estão associados estatisticamente aos anteriores.

Análise fatorial em componentes principais (ACP)

  • 3 O título das variáveis, abreviado no diagrama, é expandido no final do texto

7Os fatores representados nos mapas da figura 1 e outros cuja lista aparece abaixo foram submetidos a uma análise fatorial do tipo ACP (análise em componentes principais), cuja figura 2 mostra o diagrama fatorial dos eixos 1 e 2, bem como os mapas produzidos representando a pontuação de cada município para esses dois eixos3.

Figura 2 Diagrama fatorial da ACP, eixos 1 e 2

Figura 2 Diagrama fatorial da ACP, eixos 1 e 2

8A figura acima localiza a pontuação dos municípios nos eixos que os diferenciam de acordo com o grupo de variáveis tratadas (conjuntamente, o que é um dos principais méritos da análise fatorial). No diagrama que associa o eixo 1 (que responde por 44,75% da variação total) e o eixo 2 (16,58% da variação), vemos as variáveis agrupadas à esquerda da imagem que definem um conjunto caracterizado por altos valores para o equipamento sanitário das residências, as rendas, os índices de desenvolvimento, os níveis de educação, renda e emprego, além da proporção de pessoas que declararam no censo que a cor da sua pele é “branca”.

9Do outro lado do diagrama, à direita, os valores são altos para a proporção de pessoas sem renda ou abaixo de um salário mínimo, para taxa de analfabetismo das pessoas com mais de quinze anos, para participação da administração pública no valor adicionado produzido no município, para parcela de dependentes no domicílio, para densidade de ocupação das residências e para inadequação de suas instalações sanitárias, bem como para alta proporção de pessoas que declararam no censo que a cor da sua a pele é “parda” (mestiço).

  • 4 O último disponível, o de 2020, foi adiado devido à pandemia.

10No eixo 2, que é lido de baixo para cima, o resultado da análise contrasta de um lado os municípios onde uma alta proporção de habitantes declarou-se de religião católica nos censos de 2000 e 20104, dos demais municípios onde os habitantes se disseram evangélicos (protestantes pentecostais).

11Como o próprio princípio da análise fatorial é reunir as variáveis que têm comportamentos semelhantes, e que, portanto, estão próximas umas das outras no diagrama que projeta os eixos em duas dimensões, conseguimos traçar (em azul no diagrama) elipses que sublinham os agrupamentos. Permanece fora das elipses, porque não se aproxima de nenhuma outra, apenas a variável que caracteriza as pessoas que declararam no censo que a cor da sua pele é “indígena” (na nomenclatura oficial), ou seja, nativo americano. Aquelas que combinam as variáveis de religião católica e evangélica são fáceis de desenhar, bem como as que associam o número de casos de Covid-19 por 1.000 habitantes e as mortes causadas pela doença por 10.000 habitantes. Para os grupos mais numerosos, à direita e à esquerda da imagem, não parece excessivo interpretá-los como uma nova manifestação da oposição entre “os dois Brasis”, mais ou menos desenvolvidos, ou mais diretamente, ricos e pobres.

  • 5 A proporção de pessoas que se declaram católicas reduziu entre os censos de 2000 e 2010 de 73,6% pa (...)

12Isso é confirmado pelos mapas produzidos na mesma figura para representar a pontuação de cada município para os dois eixos, nos quais a gradação varia das cores frias (azul escuro e azul claro) às cores quentes (amarelo e laranja): no eixo 1 a oposição pode ser lida da esquerda para a direita e no eixo 2 de baixo para cima. O primeiro opõe as partes mais desenvolvidas do país, Sul, Sudeste e Centro-Oeste, em azul, e as mais pobres, Nordeste e Amazônia em amarelo/laranja. O segundo opõe as regiões onde o catolicismo ainda é forte, no interior do Nordeste e no Sul, àquelas em que os evangélicos mais avançaram5, na Amazônia e em algumas regiões urbanas do Sudeste (notadamente as do Rio de Janeiro e São Paulo ) e Nordeste costeiro (especialmente as de Recife e Fortaleza). Resta associar a distribuição dos casos de Covid-19 e as mortes que eles causaram aos grupos definidos pela análise fatorial e localizá-lo nos mapas construídos a partir dos dois eixos principais. No diagrama, essas duas variáveis estão claramente do lado do Brasil pobre, o que não é surpreendente: como respeitar as instruções de confinamento quando é necessário sair de casa para ganhar o mínimo para alimentar sua família? E como respeitar as medidas de prevenção quando não se possui instalações sanitárias suficientes e mora-se em casas pequenas com famílias numerosas, principalmente nas favelas?

13Quanto à distribuição espacial dos casos de Covid-19 em comparação com as pontuações nos eixos 1 e 2 da análise fatorial, os mapas da Figura 3 fornecem respostas: eles foram elaborados projetando os casos identificados da doença, acumulados em cada município desde que ela entrou no Brasil.

Figura 3 Distribuição dos casos Covid-19 e eixos 1 e 2 da ACP

Figura 3 Distribuição dos casos Covid-19 e eixos 1 e 2 da ACP

14O primeiro mapa, à esquerda da figura, mostra claramente que os círculos proporcionais ao número de casos (conhecidos) da doença são mais numerosos e maiores nos municípios das regiões definidas como as mais pobres no eixo 1 da ACP (em amarelo e laranja no mapa), o que faz sentido pelos motivos mencionados acima. No entanto, existem exceções, que são precisamente os maiores círculos, os das cidades mais populosas do país, São Paulo, Rio de Janeiro e Brasília, localizadas nas partes mais desenvolvidas do país.

15No segundo mapa, à direita da figura, estão representados em gradientes de cores os círculos proporcionais aos números de casos de Covid-19 (determinados pela pontuação do eixo 2, que vai do azul dos evangélicos ao amarelo e laranja dos católicos). Podemos notar que os maiores são azuis / evangélicos nas grandes cidades e na Amazônia, enquanto os círculos amarelos / católicos do sertão nordestino e do Sul (católicos ou protestantes luteranos) são muito menores (ao menos por enquanto).

16Como ser católico ou evangélico afeta o número de casos de Convid-19? É evidente – como vimos acima – que os fatores que mais se correlacionam com a contaminação são a pobreza, suas consequências na qualidade da habitação e a dificuldade em respeitar o confinamento. Porém, precauções que não dependem disso podem reduzir o risco de contágio, como evitar reuniões em espaços fechados e o contato próximo com pessoas que podem estar infectadas. Os cultos evangélicos reúnem muitos fiéis em seus templos, onde cantam juntos, dão as mãos, trocam abraços, além do que, a assiduidade dos fiéis às cerimônias os coloca em maior exposição e risco. Muitos pastores se recusaram a interromper os cultos, acreditando que a proteção divina protegeria os fiéis do contágio. É verdade que existem vários tipos de evangélicos, desde a simples crença religiosa, perfeitamente respeitável, até uma militância religiosa (próxima dos bolsonaristas e/ou ligada a grandes interesses financeiros, complotista e recusando toda laicidade), como em todas as outras religiões.

17Casos de contágio vinculados a essas práticas foram reconhecidos em dois países, na Coréia do Sul e na França. No primeiro caso, a Igreja Shincheonji (“novo mundo”) de Jesus foi o principal centro de contaminação: 63% dos primeiros 7.500 casos coreanos, até o início de março, eram de praticantes dessa igreja, cujos 210.000 seguidores foram testados às pressas – sendo considerada a principal responsável pela disseminação e gravidade da epidemia no país.

18Na França, a igreja evangélica La Porte ouverte chrétienne, na cidade de Mulhouse (Alsácia) foi identificada como um importante centro de contaminação do coronavírus. De 17 a 21 de fevereiro deste ano, pouco mais de 2.000 fiéis se reuniram nela para uma semana de orações antes da Páscoa. Um grande número de casos confirmados e mortes na França estão vinculados a esse encontro, de onde vieram participantes de todo o país, inclusive de territórios ultramarinos (Guiana Francesa), bem como de países vizinhos como Suíça, Bélgica e Alemanha. Eles se infectaram durante o encontro e, ao voltarem para casa, espalharam rapidamente a doença nas regiões da Borgonha, Franche-Comtê, Córsega, Alpes, Mancha, Nova Aquitânia, Paris, Centro-Vale do Loire, além da Guiana, onde eles introduziram o vírus (inexistente até então). Uma modelização produzida por cientistas e transmitida ao Conselho Científico, criado pelo comitê de crise do governo francês, permitiu afirmar, em meados de abril, que sem a reunião de evangélicos de Mulhouse, haveria quatro vezes menos pessoas hospitalizadas nessa época e que o país estaria no mesmo nível da Alemanha, em termos de casos de contaminação.

19Assim sendo, o fator religioso pode contribuir, em menor grau, para a difusão dos casos de Covid-19: vimos que esse eixo 2 (oposição católica / evangélica) representava apenas 16,58% da variação contra os 44,75% do eixo 1 (contraste entre regiões mais ou menos desenvolvidas), e isso pode ser confirmado por outro método de análise, a classificação hierárquica ascendente (CHA), também conhecida como análise de agrupamentos.

Classificação hierárquica ascendente (CHA).

20A CHA consiste em reunir indivíduos (aqui os municípios) entre si, com base em suas semelhanças para um certo número de variáveis, e associá-los em grupos cujo número pode ser variado (agrupando-os gradualmente, daí o seu nome). Sua representação mais clara é um perfil no qual podemos ver imediatamente, para cada grupo e para cada variável, se ela está acima da média (barras do histograma mais ou menos longas à direita, graduadas em desvios padrões) ou abaixo dela (barras à esquerda). Isso resulta em tipologias que representam uma parte maior ou menor da variância, baixa para uma tipologia de dois grupos (o mínimo), o que produz – uma vez mapeada – uma oposição muito clara. A parcela de variância explicada aumenta na medida em que o número de grupos aumenta, às custas de uma imagem cada vez mais complexa.

21As figuras a seguir representam os dois casos, uma primeira partição que fornece uma tipologia clara, porém grosseira, em duas categorias (figura 4) e uma outra mais complexa, em quatro classes, que traz nuances para a primeira. Não achamos necessário ir além pois os mapas produzidos ficariam difíceis de interpretar.

22A Figura 4 tem o mérito da simplicidade, ela opõe, como o eixo 1 da CPA, os “dois Brasis”, por um lado o “Norte” (Amazônia e Nordeste) e, por outro, o “Sul” (Sudeste, Sul e Centro-Oeste). Podemos ver claramente nos perfis abaixo do mapa que para todos os critérios, eles são exatamente opostos um ao outro, sempre que um está acima da média, o outro está abaixo e vice-versa, a única diferença, algumas vezes, sendo no comprimento das barras

Figura 4 Partição em duas classes de resultados de CHA e casos Covid-19

Figura 4 Partição em duas classes de resultados de CHA e casos Covid-19

23A Figura 5, construída com o mesmo critério, cria quatro classes, dividindo os dois anteriores, que se refletem no mapa pela escolha das cores, em tons de vermelho e verde. Se observarmos os perfis dois a dois para as regiões “verdes” e “vermelhas”, percebemos que a diferença entre eles vem de um pequeno número de variáveis para qual um está acima da média e o outro abaixo: eles são destacados por uma moldura cinza adicionada ao perfil.

Figura 5 Partição em quatro classes de resultados de CAH e caso Covid-19

Figura 5 Partição em quatro classes de resultados de CAH e caso Covid-19

24No total, o eixo 1 da ACP e a primeira tipologia da CHA mostram claramente uma forte ligação entre os casos de Covid-19 e a pobreza, com o cortejo de suas consequências: más condições sanitárias, forte densidade de moradias, equipamentos sanitários insuficientes, composição familiar de muitos dependentes (crianças, jovens e idosos), baixo nível de escolaridade e dificuldade em respeitar o confinamento. O eixo 2 da ACP e a tipologia mais refinada da CHA, ligada à predominância de evangélicos ou católicos, porém, introduzem nuances.

25Uma das dificuldades é, como sempre, não confundir correlação e causalidade. A pobreza é o fator que explica ao mesmo tempo o contágio e a religião? Ou a religião acentua o contágio? Essa variável continuará operando quando a epidemia chegar com mais força ao interior do país, principalmente no interior do Nordeste e de Minas Gerais ? Ou existem outros fatores que ainda não nos demos conta? De qualquer forma, essa dimensão merece ser levada em consideração, tanto na análise do contágio quanto na das ações empreendidas – ou não – para controlá-lo.

Haut de page

Annexe

Explicitação das variáveis

% católicos 2000: % da população de religião católica no censo demográfico de 2000

% católicos 2010: % da população de religião católica no censo demográfico de 2010

casos p 1 000: Casos acumulados em 14/06/2020 por 1 000 habitantes na população estimada para 2019

óbitos p 10 000: Óbitos acumulados em 14/06/2020 por 10 000 habitantes na população estimada para 2019

% evang 2000:

% evang 2010: % da população de religião evangélica no censo demográfico de 2010

% branca: Proporção da população que se declarou cor de pele “branca” no censo demográfico de 2000

lixo: % da população em domicílios com coleta de lixo

banagua: % da população em domicílios com banheiro e água encanada

atividade: Taxa de atividade - 10 anos ou mais

esp vida: Esperança de vida ao nascer

ren5: % dos ocupados com rendimento de até 5 s.m. - 18 anos ou mais

rend ocup: Rendimento médio dos ocupados - 18 anos ou mais

IHDM: Índice de Desenvolvimento Humano Municipal

PIBpc: PIB per capita 2017

renda 0: % dos ocupados sem rendimento - 18 anos ou mais

renda 1: % dos ocupados com rendimento de até 1 salário mínimo - 18 anos ou mais

analfa >15: Taxa de analfabetismo - 15 anos ou mais

%VAadmpub: % do valor adicionado total do município oriundo da administração pública

raz dep: Razão de dependência, relação entre a população economicamente dependente e a população economicamente ativa

sanitários: % de pessoas em domicílios com abastecimento de água e esgotamento sanitário inadequados

% indígena: Proporção da população que se declarou cor de pele “indígena” no censo demográfico de 2000

% parda: Proporção da população que se declarou cor de pele “parda” no censo demográfico de 2000

densidade: % da população em domicílios com densidade > 2 pessoas por cômodo

Haut de page

Notes

1 Uma versão francesa deste artigo foi publicada na revista geopolítica francesa Diploweb, sob o título « Facteurs associés à la propagation de l'épidémie de Covid-19 au Brésil » : https://www.diploweb.com/Quels-sont-les-facteurs-associes-a-la-propagation-de-l-epidemie-de-Covid-19-au-Bresil.html

2 Obrigado a André Rodrigues Nagy, da Fundação Sistema Estadual de Análise de Dados - SEADE, que coletou e organizou a maioria dos dados socioeconômicos, releu o texto e o traduziu para o português, bem como aos colegas que tiveram a gentileza de reler as primeiras versões deste texto e fazer comentários que ajudaram a qualificá-los e melhorá-los. Marion Aubrée, Catherine Biaggi, Capucine Boidin, Bernard Bret, Enali de Biaggi, Neli Aparecida de Mello-Théry, Calille Goirand, François-Michel Le Tourneau, Marcelo Negrão, Christian Pouillaude, Mônica Schpun e Sébastien Velut.

3 O título das variáveis, abreviado no diagrama, é expandido no final do texto

4 O último disponível, o de 2020, foi adiado devido à pandemia.

5 A proporção de pessoas que se declaram católicas reduziu entre os censos de 2000 e 2010 de 73,6% para 64,6%, enquanto a de evangélicos aumentou de 15,4% para 22,2%.

Haut de page

Table des illustrations

Titre Figura 1 Distribuição dos fatores socioeconômicos comparáveis aos dos casos Covid-19
URL http://journals.openedition.org/confins/docannexe/image/31101/img-1.jpg
Fichier image/jpeg, 597k
Titre Figura 2 Diagrama fatorial da ACP, eixos 1 e 2
URL http://journals.openedition.org/confins/docannexe/image/31101/img-2.jpg
Fichier image/jpeg, 436k
Titre Figura 3 Distribuição dos casos Covid-19 e eixos 1 e 2 da ACP
URL http://journals.openedition.org/confins/docannexe/image/31101/img-3.jpg
Fichier image/jpeg, 305k
Titre Figura 4 Partição em duas classes de resultados de CHA e casos Covid-19
URL http://journals.openedition.org/confins/docannexe/image/31101/img-4.jpg
Fichier image/jpeg, 412k
Titre Figura 5 Partição em quatro classes de resultados de CAH e caso Covid-19
URL http://journals.openedition.org/confins/docannexe/image/31101/img-5.jpg
Fichier image/jpeg, 472k
Haut de page

Pour citer cet article

Référence électronique

Confins, « Fatores associados a difusão da epidemia de Covid-19 », Confins [En ligne], 46 | 2020, mis en ligne le 05 juillet 2020, consulté le 10 août 2020. URL : http://journals.openedition.org/confins/31101 ; DOI : https://doi.org/10.4000/confins.31101

Haut de page

Auteur

Confins

Articles du même auteur

Haut de page

Droits d’auteur

Licence Creative Commons
Confins – Revue franco-brésilienne de géographie est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.

Haut de page
  • Logo Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
  • Logo DOAJ - Directory of Open Access Journals
  • Logo Index Latindex
  • Logo IHEAL (Institut des Hautes Études de l'Amérique Latine)
  • Logo CREDA (Centre de recherche et de Documentation sur les Amériques)
  • Logo USP (Universidade de São Paulo)
  • OpenEdition Journals