Navigation – Plan du site

AccueilNuméros48Novo coronavírus, velhas desigual...

Novo coronavírus, velhas desigualdades: distribuição dos casos, óbitos e letalidade por SRAG decorrentes da covid-19 na Cidade do Recife

New coronavirus, old inequalities: distribution of cases, deaths and lethality by SARS arising from covid-19 in the City of Recife
Nouveau coronavírus, vieilles inégalités: distribution des cas confirmés, des morts et des taux de létalité dus au Syndrome Respiratoire Aigu Sévère (SRAS) lié au Covid-19 dans la ville de Recife
Jan Bitoun, Cristiana Coutinho Duarte, Anselmo César Vasconcelos Bezerra, Ana Cristina de Almeida Fernandes et Lucas Siqueira Santos

Résumés

L’objectif de l’étude était de présenter la distribution territoriale de la pandémie de COVID-19 dans la ville de Recife et de vérifier les relations existentes entre les configurations territoriales urbaines qui expriment l’inégalité sociale et les différences des taux observés de cas confirmés, de morts et de létalité. Pour ce faire, on a utilisé les données sur les cas de Syndrome Respiratoire Aigu Sévère (SRAS), les seules disponibles au public à l’échelle intra-urbaine. En utilisant le logiciel ArcGis 10, on a rassemblé les 94 quartiers de Recife em cinq strates selon des intervales de pourcentages de la surface du quartier occupée par des zones d’habitations précaires. On observe que les cas confirmes de SARS sont, proportionnellement à la population, plus nombreux dans les strates oú il y a peu de zones d’habitations précaires. À l’inverse, les taux de létalité sont plus élevés dans les strates où ces zones sont importantes, voire étendues sur tout le quartier. Les cinq strates de quartiers déterminées par des configurations territoriales correspondent aussi à des différences sociales selon la distribution des revenus per capita et ethnico-raciale selon les pourcentages de population nègre. Les données révèlent une inégalité de l’impact de la maladie sur la population de Recife et suggèrent que le diagnostic de SRAS est plus facile pour la population résidente des zones privilégiées tandis qu’est moindre la capacité de guérison des patients des zones d’habitations précaires. Les résultats permettent de comprendre l'impact inégal de la maladie dans les différents territoires de la ville, où il a été observé que, dans les zones d'habitat précaire, la réponse du système de santé était moindre.

Haut de page

Texte intégral

1Entre dezembro de 2019 e janeiro de 2020, o mundo foi surpreendido com a notícia do surgimento de doença causada por um novo coronavírus, denominado SARS-CoV-2, que afeta diretamente o sistema respiratório das pessoas infectadas (Wu e McGoogan, 2020). Os primeiros casos dessa doença foram reportados na Província de Hubei, na China (Zu et al., 2020), mas logo espalharam-se por outros países de diferentes continentes (Spiteri et al., 2020). Na América Latina, o primeiro registro oficial ocorreu na Cidade de São Paulo (Rodriguez-Morales et al., 2020), a partir de pessoas que regressaram da Itália, até então, epicentro da doença na Europa.

2No Nordeste brasileiro, o primeiro caso do novo coronavírus, a essa altura já denominada COVID-19, foi registrado no Estado da Bahia no dia 25 de fevereiro de 2020 (Marinelli et al., 2020). Na Cidade do Recife, os primeiros registros foram notificados em 12 de março, também em pessoas provenientes da Itália (Pernambuco, 2020). Esse quadro gerou uma série de desdobramentos no âmbito das políticas locais, como por exemplo, a emissão de decretos e a construção de estratégias visando o enfrentamento da doença (Pernambuco, 2020a), que começara a se espalhar pelo território da cidade.

3Após mais de sete meses do primeiro registro da doença no Recife, o município acumula um total de mais de 35 mil casos confirmados da COVID-19, sendo cerca de 26 mil casos leves da doença e mais de 9 mil de Síndrome Respiratória Aguda Grave (SRAG), com mais de 2,4 mil óbitos (Recife, 2020), ocupando a quinta posição desse indicador no contexto das capitais estaduais (Brasil, 2020). A situação alarmante que esse quadro expressa vem sendo acompanhada, desde o final de março no âmbito do projeto “Meios Informacionais Digitais Interativos na Produção e Difusão de Orientações para Públicos Específicos sobre a COVID-19”, voltado para a produção de material informativo sobre a COVID-19 orientado para populações moradoras das áreas periféricas do Recife. Assim, os resultados aqui apresentados objetivam compreender o impacto da doença nos diferentes segmentos sócio territoriais da cidade do Recife, haja vista o histórico grau de desigualdades socioespaciais (Guimarães et al., 2003), refletido nas diferentes condições de vida e propensão a endemias no território recifense (Souza et al., 2018).

4Alguns autores evidenciam que doenças sob a forma de pandemia não afetam de maneira uniforme todas as pessoas, com tendência para um maior impacto nas populações mais pobres (Duncan e Scott, 2020; Ahmed et al., 2020). No contexto da COVID-19, vários relatos já sugerem uma distribuição desigual dos impactos da doença nos diferentes segmentos populacionais, seja em função das diferentes taxas de casos confirmados e/ou letalidade entre populações mais ricas e mais pobres (Borjas, 2020; Confins, 2020; Fiocruz, 2020).

5Observa-se que as populações mais pobres tendem a ter maior propensão a problemas crônicos de saúde que podem agravar ainda mais o quadro se associados à COVID-19, além de estarem mais vulneráveis a questões de estabilidade de renda e terem mais dificuldades no acesso ao diagnóstico, aos serviços de saúde, a informações mais precisas e compreensíveis aos distintos grupos sociais sobre a doença e no cumprimento das orientações restritivas de circulação emitidas pelas autoridades (Confins, 2020; Pirisi, 2020). Outras abordagens revelam que a pandemia tem causado maior impacto sobre as populações afro americanas e residentes em bairros periféricos de cidades nos Estados Unidos (Borjas, 2020; Yancy, 2020).

6No contexto brasileiro, estudos têm defendido que há maiores impactos negativos da pandemia sobre as áreas mais pobres das cidades (Confins, 2020; Dantas, Costa e Silva, 2020; Fiocruz, 2020; Santos et al., 2020), pois existem indicativos de que o cenário observado nos Estados Unidos se reproduz aqui também. Assim, grupos de pesquisadores, organizações e movimentos sociais destacam a urgência e a relevância de um tratamento diferenciado da pandemia nos assentamentos mais precários, sejam denominados de favelas, aglomerados subnormais ou áreas de interesse social (Périssé et al., 2020; Belo Horizonte, 2020; Pasternak et al., 2020).

7No Recife, cidade de mais de 1,5 milhão de habitantes, 53% da população reside em Comunidades de Interesse Social. Assim, foram denominados 545 assentamentos precários com uma média estimada de 438,99 hab/ha num Atlas produzido pela Prefeitura da Cidade para precisamente avaliar graus de precariedade das infraestruturas públicas (Recife, 2016). Diante desse quadro, é imprescindível que a realidade sobre a difusão da doença no território seja revelada na mais fina escala possível, no sentido de nortear ações emergenciais, mas também subsidiar estratégias de convivência com a atual e futuras ocorrências da pandemia de coronavírus, capazes de minimizar seus dramáticos efeitos nos diferentes segmentos sócio territoriais daqui para frente.

8Nessa perspectiva, têm se produzido inúmeros mapas e gráficos retratando a dinâmica de casos e óbitos por COVID-19 na escala intraurbana. Contudo, um dos desafios para a construção de tal cartografia é compreender como a doença aparece em territórios onde assentamentos precários dividem as áreas dos bairros com populações de rendas mais altas, como é o caso do Recife. Por consequência, as médias dos casos e óbitos por COVID-19 na escala dos bairros podem não expressar as reais desigualdades nelas existentes.

9Dessa forma, o objetivo do estudo foi entender como a pandemia da COVID-19 está espalhada no território recifense, verificando a existência de desigualdades nas taxas de casos confirmados, de mortalidade e de letalidade da doença a partir do agrupamento dos bairros da cidade em cinco estratos, considerando o percentual da área ocupado por assentamentos precários, aqui denominados de Comunidades de Interesse Social (Recife, 2016), bem como revelar a dinâmica da doença em relação aos diferentes estratos.

Metodologia

10Trata-se de um estudo de caráter observacional e exploratório de natureza quantitativa que se utilizou de dados secundários, disponibilizados pela Prefeitura da cidade do Recife, para realização das análises.

Área de estudo

11A área do estudo foi a cidade do Recife, Pernambuco, que se formou a partir do porto e bairros adjacentes. Núcleos rurais entre canaviais foram incorporados desde a segunda metade do século XIX configurando arrabaldes e extensos subúrbios. Na sua configuração atual, é o centro de uma aglomeração metropolitana de 3,6 milhões de habitantes. Recife, com uma população de mais de 1,5 milhões de habitantes estende-se sobre áreas estuarinas, restingas, planície fluvial e o anfiteatro de colinas que a limita.

12Déficit e degradação das redes de saneamento e drenagem originam baixas condições de salubridade e riscos ambientais. Um dos principais portos negreiros do litoral atlântico da América do Sul, Recife sempre se caracterizou pela diversidade cultural e fortes contrastes sociais a pouca distância. Atualmente, associam-se nas suas paisagens, num intricado mosaico, assentamentos precários e áreas de atuação de grandes empresas imobiliárias. Entre as capitais brasileiras mantém, desde o censo de 1991 o mais alto índice de Gini (0,680) no ano de 2010, o que revela a extremada desigualdade de renda.

Coleta e análise dos dados

13Para efeito deste estudo utilizou-se os registros acumulados da Síndrome Respiratória Aguda Grave (SRAG) do período de 24 de abril a 09 de outubro de 2020, conforme disponibilidade dos dados nos boletins epidemiológicos da Secretaria Municipal de Saúde disponíveis no sítio eletrônico da Prefeitura da Cidade do Recife. Ressalta-se que a partir do dia 24 de abril, a Secretaria de Saúde passou a disponibilizar publicamente apenas os dados de SRAG na escala do bairro, e não mais os casos leves da COVID-19. Sendo assim, nos valores calculados, utilizou-se o número acumulado de casos de SRAG confirmados.

14Para os cálculos das taxas elaboradas utilizaram-se os dados de população do censo do IBGE 2010. As taxas de casos SRAG confirmados foram calculadas por 100 mil/hab.; as taxas de mortalidade por 10 mil/hab.; e a taxa de letalidade foi calculada a partir do número de casos SRAG decorrentes da COVID-19 registrados por bairro dividido pelo número de óbitos na mesma escala territorial.

15Além disso, incorporou-se o percentual de população negra (preta e parda) e a renda per capita do domicílio com base em dados Censo de 2010 (IBGE, 2020). Essas variáveis foram escolhidas, pois sabe-se que nos assentamentos precários da cidade há um maior percentual de população negra e com renda per capita inferior à média da cidade, funcionando como uma proxy das condições de vulnerabilidade.

16A composição dos estratos de bairros a partir da variável única – percentual de CIS da área do bairro – foi necessária uma vez que a unidade territorial do bairro, no caso do Recife, é bastante heterogênea (Souza et al., 2018; Bezerra, 2008). Assim, a análise a partir das médias na escala do bairro tenderia a mascarar tal realidade desigual na distribuição dos indicadores analisados. Então, para realizar a estratificação recorreu-se às informações disponíveis no Atlas das Infraestruturas Públicas em Comunidades de Interesse Social do Recife, o qual apresenta conjunto detalhado de variáveis sobre o total de 545 comunidades existentes na capital pernambucana (Recife, 2016) (Figura 1).

17Para o cálculo da proporção de área de CIS por bairro da cidade foram excluídas as áreas não edificadas. Foram criados cinco conjuntos de bairros, estratificados por quantil, técnica que forma estratos com quantidades iguais ou similares de unidades espaciais, e é adequada quando se deseja dar ênfase à visualização dos valores máximos e mínimos.

18O tratamento e análise espacial dos dados, assim como a elaboração do mapa com os estratos, foram realizados por meio do software ArcGIS 10.1. Para a organização do banco de dados e elaboração dos gráficos fez-se uso do Microsoft Excel 365. A malha da divisão da cidade em bairros, bem como a base de dados espaciais para compor o mapa foram retirados do Portal do Plano Diretor da Prefeitura da Cidade do Recife, na base de dados de referência para ordenamento territorial (Recife, 2020a).

19Para entender como a dinâmica da SRAG decorrente da COVID-19 pode ter se inscrito no espaço da cidade desde 24 de abril de 2020, foram construídos três gráficos que apresentam por estratos a sequência semanal dos valores acumulados alcançados no período: i) casos de SRAG por COVID-19 registrados/100 mil habitantes; ii) óbitos por SRAG por COVID-19 registrados/10 mil habitantes; iii) letalidade por SRAG por COVID-19 calculada pela razão entre o número de óbitos e o número de casos.

20Os procedimentos metodológicos adotados contribuem para algumas limitações dos resultados alcançados: a não disponibilidade dos dados geolocalizados, que permitiriam uma análise mais detalhada sobre a distribuição dos indicadores no território, a partir da agregação desses dados em áreas de CIS e fora delas; e a utilização dos dados de população do censo de 2010, que apresenta defasagem temporal.

Figura 1 – Localização do município do Recife e das CIS no seu território

Figura 1 – Localização do município do Recife e das CIS no seu território

Fonte: Mapa elaborado pelos autores. Base de dados: Prefeitura da Cidade do Recife; Instituto de Geografia e Estatística (IBGE).

Resultados

21Ao agrupar o conjunto de bairros a partir da variável percentual de CIS presentes nessa escala (Quadro 1), foi possível refinar os dados sobre a realidade intraurbana do Recife. Pode-se compreender de forma mais detalhada o comportamento e o impacto da SRAG decorrente da COVID-19 nos diferentes segmentos sócio territoriais, conforme estratificação e indicadores apresentados (Tabela 1; Figura 2).

Quadro 1 – Relação dos bairros pertencentes a cada estrato

ESTRATOS POR % DE ÁREA CIS

BAIRROS

0 a 3

(A)

Recife, Santo Antônio, Ilha do Leite, Paissandu, Soledade, Boa Vista, Torreão, Cajueiro, Encruzilhada, Hipódromo, Pau Ferro, Ponto de Parada, Espinheiro, Tamarineira, Santana, Parnamirim, Aflitos, Derby, Jaqueira, Graças, Casa Forte e Cidade Universitária

4 a 15

(B)

São José, Santo Amaro, Cabanga, Rosarinho, Arruda, Poço da Panela, Caxangá, Cordeiro, Engenho do Meio, Ilha do Retiro, Madalena, Torre, Curado, Estância, Areias, Tejipió, Boa Viagem, Ipsep e Guabiraba

16 a 34

(C)

Coelhos, Campo Grande, Porto da Madeira, Casa Amarela, Monteiro, Apipucos, Iputinga, Prado, Várzea, Zumbi, Afogados, Bongi, San Martin, Jiquiá, Jardim São Paulo, Sancho, Pina e Imbiribeira

35 a 86

(D)

Ilha Joana Bezerra, Peixinhos, Campina do Barreto, Água Fria, Fundão, Beberibe, Dois Unidos, Dois Irmãos, Torrões, Mustardinha, Mangueira, Caçote, Barro, Brasília Teimosa, Córrego do Jenipapo, Macaxeira, Passarinho e Ibura

87 a 100

(E)

Alto Santa Terezinha, Linha do Tiro, Bomba do Hemetério, Alto do Mandu e Sítio dos Pintos, Totó, Coqueiral, Alto José do Pinho, Alto José Bonifácio, Brejo da Guabiraba, Brejo de Beberibe, Mangabeira, Vasco da Gama, Nova Descoberta, Cohab e Jordão

Tabela 1 – Estratos de bairros do Recife com indicadores demográficos, epidemiológicos e socioeconômicos

Estrato por % de áreas de CIS

Número de bairros

População

Taxa de letalidade

Casos SRAG/ 100 mil hab

Óbitos/ 10 mil hab

Renda per capita

% de população negra

A (0-3)

21

116.286

18,54

881,45

16,34

2.384

32,06

B (4-15)

18

385.885

22,99

669,63

15,39

1.385

45,91

C (16-34)

19

426.870

26,65

564,34

15,04

685

57,37

D (35-86)

19

337.155

32,13

493,84

15,87

334

68,14

E (87-100)

17

271.436

34,80

487,04

16,95

333

67,17

RECIFE

94

1.537.632

26,65

591,10

15,75

1.024

56,67

Fonte: Boletim epidemiológico da Secretaria de Saúde do Recife publicado no dia 09/10/2020; Base de informações do Censo Demográfico 2010: Resultados do Universo por setor censitário.

22Sabendo-se que a cidade está dividida em 94 bairros, no primeiro estrato (A) aglutinou-se 21 bairros que reuniam apenas um total de 116.286 habitantes em 2010, cujos valores percentuais de área em CIS são mínimos: até 3%. No geral, esse conjunto de bairros tem como características uma pequena extensão territorial e um processo de urbanização mais antigo, além disso localizam-se na área central da cidade, nos prolongamentos da margem esquerda do rio Capibaribe, onde se formaram os primeiros arrabaldes, com exceção do bairro da Cidade Universitária, na Zona Oeste e do bairro de Cajueiro, na Zona Norte, ocupações mais recentes. A renda per capita média nesse estrato foi de 2.384 reais com média de 32% de população negra.

Figura 2 – Estratos de bairros por percentual de áreas CIS na Cidade do Recife

Figura 2 – Estratos de bairros por percentual de áreas CIS na Cidade do Recife

Fonte: Mapa elaborado pelos autores. Base de dados: Prefeitura da Cidade do Recife; Instituto de Geografia e Estatística (IBGE).

23Os três estratos intermediários reúnem cada um 18 ou 19 bairros, com população total superior a 300 mil habitantes e percentuais de áreas em CIS escalonadas de 4% a 15% (estrato B) de 16% a 34% (estrato C) e de 35% a 86% (estrato D). Observa-se que o estrato B agrupa bairros onde a incorporação no espaço urbano é mais recente, desde a segunda metade do século XX, mas com particularidades como: maior extensão territorial e maior presença em outras áreas da cidade, como os bairros de Boa Viagem na Zona Sul, Engenho do Meio na Zona Oeste e Guabiraba na Zona Norte. A renda per capita média foi de 1.385 reais e o percentual de população negra de 45,9%.

24O terceiro e quarto estratos são formados por uma miscelânea de bairros com distintas características. Verifica-se nesses agrupamentos, bairros situados em todas as áreas da cidade, da mais central à mais periférica, e em diferentes sítios geográficos, como planícies e colinas. No estrato C, predomina a localização na planície e, no D nas colinas. Além disso apresentam variabilidade em termos também de extensão territorial. No estrato C, a renda per capita média foi de 685 reais e o percentual de população negra de 57,3%. Já no estrato D esses valores foram de 334 reais e 68,1%, respectivamente.

25No quinto estrato (E), a metodologia permitiu identificar 17 bairros com valores máximos percentuais de área em CIS que variam de 87% a 100%. Esses bairros somavam 271.436 habitantes em 2010, têm sua ocupação intensificada a partir da década de 1960, e situam-se majoritariamente nas colinas da Zona Norte, Zona Sudoeste e Zona Sul da Cidade, onde historicamente a população já convive com vários problemas de ordem socioambiental, como riscos de desastres decorrentes de chuvas intensas e prolongadas e precariedade de alguns serviços públicos. Aqui, a renda média per capita foi de 333 reais e o percentual de população negra 67,1%, bem semelhante ao estrato D. A Figura 3 ilustra as diferenças entre os padrões de construção das residências do estrato A, representados pelos bairros de Parnamirim, Casa Forte e Jaqueira, compostos por edifícios de alto padrão, e os estratos D e E, representados pelos bairros do Morro da Conceição, Mangabeira, Alto Santa Terezinha e Linha do Tiro, compostos por grande densidade de residências predominantemente unifamiliares.

Figura 3 – Diferenças entre os padrões de construção das residências dos estratos A e E

Figura 3 – Diferenças entre os padrões de construção das residências dos estratos A e E

Fonte: Google Earth, (2020).

26Após apresentar algumas características sócio territoriais dos conjuntos de bairros por estrato, observou-se uma distribuição desigual na cidade dos indicadores referentes a SRAG, mas também na correlação com os indicadores socioeconômicos.

27De acordo com a Tabela 1, o número de casos de SRAG por 100 mil habitantes no Recife é de 591,1. No estrato A, bairros com menor percentual de CIS, os casos confirmados de SRAG por COVID-19 para 100 mil habitantes passam de 881. Diminuem para 669 a 564 casos nos estratos com até um terço de suas áreas em assentamentos precários (estratos B e C, respectivamente). Os dois estratos com maiores proporções de assentamentos precários (D e E) estão com valores ainda menores: em torno de 490 casos/100 mil habitantes.

28Com relação aos óbitos por SRAG decorrentes da COVID-19, considerando a publicação do dia 09 de outubro de 2020, cuja taxa para a cidade é de 15,75 por 10 mil habitantes, verifica-se que as taxas observadas em cada estrato pouco se afastam dessa média, diferentemente do que se observa na distribuição territorial dos casos notificados de SRAG e da taxa de letalidade.

29Panorama diverso vem à tona quando se volta a atenção para a taxa de letalidade, que para o Recife foi de 26,65%, em 09 de outubro. Ao se detalhar essa taxa nos estratos observou-se uma significativa disparidade. No estrato A essa taxa se reduziu a 18,54%, no B subiu para 22,99%, no C para 26,65%, no D para 32,13% e no E para 34,80%, equivalendo a quase o dobro da taxa do estrato com menor percentual de CIS no território. Ressalta-se que as taxas elevadas decorrem do cálculo realizado para óbitos decorrentes de SRAG, referindo-se, portanto, aos casos graves da doença.

30Quando analisados os casos confirmados de SRAG por COVID-19 por 100 mil habitantes no período de 24 de abril a 09 de outubro de 2020, o Gráfico 1 mostra um crescimento relativamente homogêneo em todos os estratos. Entretanto, observou-se um maior registro de número de casos nos estratos com os menores percentuais de CIS (Gráfico 1). Por apresentarem características semelhantes, os estratos D e E mantêm-se muito próximos.

Gráfico 1 - Casos de SRAG decorrentes da COVID-19 por 100 mil habitantes segundo os estratos.

Gráfico 1 - Casos de SRAG decorrentes da COVID-19 por 100 mil habitantes segundo os estratos.

Fonte: Boletins epidemiológicos da secretaria de saúde do Recife do período de 24 de abril a 09 de outubro de 2020

31Em relação aos óbitos registrados por SRAG decorrentes da COVID-19 por 10 mil habitantes, verificou-se que no início do período observado, os dados apresentaram uma taxa relativamente homogênea entre os estratos, com ligeira superioridade no estrato A. Contudo, observou-se que, em maio e junho, quando os óbitos se elevam rapidamente de uma semana para outra, o estrato com maior proporção de CIS passa a se destacar negativamente (Gráfico 2). Este fato, também pode estar associado a dificuldade das populações mais pobres seguirem as medidas de distanciamento social, devido ao trabalho e condição habitacional.

Gráfico 2 - Óbitos por SRAG decorrentes da COVID-19 por 10 mil habitantes segundo os estratos.

Gráfico 2 - Óbitos por SRAG decorrentes da COVID-19 por 10 mil habitantes segundo os estratos.

Fonte: Boletins epidemiológicos da secretaria de saúde do Recife do período de 24 de abril a 09 de outubro de 2020

32No que tange ao registo acumulado da taxa de letalidade, observou-se no início da Pandemia, uma pequena variação da taxa nos estratos D e E, mas logo houve uma estabilização de tendência com o estrato E figurando com as piores taxas de letalidade, representando quase o dobro da taxa do estrato A, o que revela uma grande disparidade no grau de letalidade da doença em diferentes territórios (Gráfico 3).

Gráfico 3 - Taxa de letalidade por SRAG decorrentes da COVID-19 segundo os estratos.

Gráfico 3 - Taxa de letalidade por SRAG decorrentes da COVID-19 segundo os estratos.

Fonte: Boletins epidemiológicos da secretaria de saúde do período de 24 de abril a 24 de julho de 2020

Discussão

33Os dados produzidos sugerem que entre eventuais portadores de sintomas da COVID-19 existem dificuldades maiores para acessar o diagnóstico entre os residentes dos bairros com maiores ocorrências de assentamentos precários. Desta forma, conseguir ser registrado como SRAG parece ser um privilégio vinculado à possibilidade de ser atendido em hospitais privados ou públicos e, ao menos, a ter pleno acesso e saber operar aplicativos de celular, como o que foi lançado pela Prefeitura do Recife, com o objetivo de adiantar diagnóstico por internet e realizar consultas remotas. Nos bairros com muitos assentamentos precários, essas possibilidades parecem ser reduzidas pela dependência exclusiva por atendimento em hospitais públicos e, possivelmente, pelo risco de se contaminar ao se dirigir à unidade de saúde, ou pelas limitações com relação ao acesso a tecnologias digitais, a pacotes de dados móveis de internet e ao manuseio de ferramentas modernas para diagnóstico e consultas remotas. A tecnologia avança, mas pressupõe infraestrutura digital e habilidades cognitivas que criam barreiras a sua utilização por parte de extensas parcelas da população durante esta pandemia (Pirisi, 2020).

34Parece também que se manter vivo após ser acometido por SRAG é outro privilégio, como demonstram as gradações para piores valores das taxas de letalidade do estrato formado pelos bairros sem assentamentos precários (A) até o estrato dos bairros com toda ou quase toda a área ocupada por assentamentos precários (E).

35A relativa homogeneidade entre os estratos das taxas de óbitos /10 mil habitantes, especialmente nos últimos três meses revelam que fatores tais como a condição etária podem ter um peso maior na evolução dessa variável que a localização

36Os dados apresentados também sugerem que as populações mais pobres e negras estão sendo afetadas de maneira desigual em relação à SRAG decorrente da COVID-19. Esse dado reforça o histórico de desigualdades e negligência ao qual estas populações estão submetidas, corroborando com resultados revelados em outros países (Pirisi, 2020; Yancy, 2020), assim como no Brasil (Confins, 2020; Fiocruz, 2020).

37A análise dos dados sinaliza que a resolutividade do sistema de saúde (público e suplementar) é claramente vinculada e limitada por privilégios tanto no diagnóstico, como na capacidade de curar. Nos bairros com muitos assentamentos precários, o direito ao diagnóstico é menos efetivo e a chance de cura menor (Borjas, 2020). Inversamente, nos bairros com menor proporção desses assentamentos, há mais diagnósticos e menores taxas de letalidade.

38 Ao longo do período, houve crescimento nos cinco estratos de bairros nos três indicadores apresentados. Observou-se uma curva mais ascendente entre março e junho em relação a casos registrados, e de março a julho em relação a óbitos e letalidade. Após esse período, verificou-se um crescimento mais lento da curva de casos e óbitos e da taxa de letalidade em todos os estratos de bairros. Com essa redução dos acréscimos semanais a partir de julho as taxas calculadas com base nos dados acumulados pouco se modificam em relação ao final do período de maior ascensão dos casos.

39Tal comportamento parece acompanhar o que foi observado por Fiocruz (2020), para o estado de Pernambuco como um todo, onde a ascensão começa em março (semana 10), cai logo depois da semana 15, possivelmente por efeito do lockdown, para se estabilizar num platô que é mantido em nível muito alto. Quando comparado a outros estados: a taxa de letalidade observada para Pernambuco só é menor que a do Rio de Janeiro entre todas as unidades da Federação, sendo ambos os estados de forte herança escravagista (Alencastro, 2000).

40Estabilizou-se também a grande diferença entre os números de casos de SRAG por COVID/100mil habitantes entre os estratos de bairros; mas essa estabilização i) não permitiu interromper o surgimento de novos casos em estratos de bairros com menores proporções de assentamentos precários; ii) deve-se ao maior aumento dos casos em estratos de bairros com elevadas proporções desses assentamentos, bairros esses, onde os pacientes, por limitações de renda, dependem quase exclusivamente do sistema público de saúde (Pirisi, 2020; Yancy, 2020).

41Nos estratos de bairros com maior percentual de assentamentos precários, também, foi maior o aumento do ritmo da taxa de óbitos em relação aos demais estratos de bairros (Borjas, 2020), sugerindo que, no período de maio a julho de 2020, os serviços de saúde não conseguiram evitar que, ao aumento maior de casos, correspondesse maior aumento de óbitos.

42Tais observações preliminares apontam para maiores desafios, do presente para frente, em bairros com elevadas proporções de CIS, haja vista o histórico de negligência e omissão por parte do Estado com as populações dessas áreas (Souza et al., 2018). Além do impacto sobre a saúde (física e mental) exercido pela pandemia, também há de se levar em consideração o impacto socioeconômico sobre essas populações (Duncan e Scott, 2020; Ahmed et al., 2020; Yancy, 2020).

Conclusões

43 Os dados do estudo revelaram de maneira objetiva a desigualdade na distribuição de indicadores epidemiológicos da Pandemia da COVID-19 na Cidade do Recife. A partir das análises realizadas conclui-se que a doença, apesar de tornar toda a população vulnerável ao contágio, tende a ter um maior poder de letalidade nas áreas mais pobres e com maior proporção de população negra. Todavia, diversos fatores podem estar associados a isso, desde questões genéticas das populações, a condições estruturais de renda, habitação, saneamento que fragilizam a saúde de tais populações e dificultam as ações de convivência com a doença.

44 A razão inversa entre o maior registro de casos da SRAG nas áreas mais nobres em contraposição às maiores taxas de letalidade por SRAG nas áreas mais pobres evidencia que a desigualdade socioespacial que condiciona uma série de agravos e doenças também está presente na distribuição da SRAG no território recifense, reproduzindo um quadro de injustiça histórica em relação a determinadas comunidades da cidade.

45Durante os próximos meses essas comunidades precisam ser mais bem observadas nas suas especificidades e receber maior atenção das autoridades municipais. Essas, devem integrar modelos de prevenção, detecção, acesso ao diagnóstico e tratamento especialmente desenhados conforme o princípio constitucional da equidade, que foi deixado de lado na fase mais intensa da Pandemia no Recife.

46Finalmente, quando passar as fases aguda e mais moderada da pandemia da COVID 19, será mais que urgente rever as diretrizes seguidas pelo urbanismo local e direcionar mais esforços e aguda inteligência para melhorias das infraestruturas nesse amplo universo dos assentamentos precários para prepará-los ao enfrentamento da próxima pandemia e, enquanto essa não chegar, das endemias que afetam de modo corriqueiro seus moradores.

Haut de page

Bibliographie

Ahmed F, Ahmed NE, Pissarides C, Stiglitz J. Why inequality could spread COVID-19. The Lancet Public Health. 02 de abril de 2020; 5(5): 240. https://doi.org/10.1016/S2468-2667(20)30085-2

Alencastro, LF. O trato dos viventes. Formação do Brasil no Atlântico Sul. São Paulo, Companhia das Letras, 2000.

Belo Horizonte. Carta Aberta Ampliada COVID-19. Disponível em: https://www.observatoriodasmetropoles.net.br/wp-content/uploads/2020/05/Carta-aberta-ampliada_Covid-19.pdf. Acesso em: 12 de junho de 2020

Bezerra ACV. Subsídios à Gestão Territorial do Programa de Saúde Ambiental: contribuição da geografia à construção de mapas operacionais para territorialização dos Agentes de Saúde Ambiental no Recife-PE. Recife: Editora Universitária UFPE; 167 p. 2008.

Borjas GJ. Demographic determinants of testing incidence and COVID-19 infections in New York City neighborhoods. National Bureau of Economic Research. Abril de 2020; N. w26952. https://doi:10.3386/w26952

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

Dantas, EWC; Costa, MCL; Silva, Carlos Lucas Sousa. Fortaleza, de uma contaminação derivada dos lugares turísticos à transformação dos espaços de moradia em territórios de adoecimento e de morte. Confins. Revue franco-brésilienne de géographie/Revista franco-brasilera de geografia, n. 45, 2020. https://doi.org/10.4000/confins.29971

Duncan CJ, Scott S. What caused the Black Death?. Postgraduate Medical Journal. 05 de maio de 2005; 81 (9): 315-320. http://dx.doi.org/10.1136/pgmj.2004.024075

Fiocruz. Boletim Observatório Covid-19 após 6 meses de pandemia no Brasil. Rio de Janeiro, Fiocruz, 2020. Disponível em https://agencia.fiocruz.br/boletim-observatorio-covid-19-fiocruz-traz-analise-de-seis-meses-da-pandemia-no-brasil. Acesso em: 19 de outubro de 2020.

Guimarães MJB, Marques NM, Melo Filho DA, Szwarcwald CL. Condição de vida e mortalidade infantil: diferenciais intra-urbanos no Recife, Pernambuco, Brasil. Cadernos de Saúde Pública. 01 de outubro de 2003, 19(5): 1413-1424. https://doi.org/10.1590/S0102-311X2003000500020

Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2010: resultados do universo por setor censitário, 2011. Disponível em: https://censo2010.ibge.gov.br/ Acesso em: 01 de junho de 2020.

Legislação do Estado de Pernambuco. Decreto N. 48.809 de 14 de março de 2020. [Online]. Disponível em: https://legis.alepe.pe.gov.br/texto.aspx?id=49417&tipo= Acesso em: 26 de abril de 2020.

Marinelli, Natália Pereira et al. Evolução de indicadores e capacidade de atendimento no início da epidemia de COVID-19 no Nordeste do Brasil, 2020. Epidemiologia e Serviços de Saúde [online]. 3 de junho de 2020; 29 (3): 202-226. https://doi.org/10.5123/S1679-49742020000300008

Ministério da Saúde do Brasil. Painel Coronavírus Brasil. Disponível em: https://covid.saude.gov.br/. Acesso em: 14 de junho de 2020.

Pasternak S, D’Ottaviano C, Barbon, AL. Mortalidade por COVID-19 em São Paulo: caminho rumo à periferia. Disponível em: https://www.observatoriodasmetropoles.net.br/mortalidade-por-covid-19-em-sao-paulo-caminho-rumo-a-periferia/ Acesso em: 13 de junho de 2020.

Périssé A, Leandro BB, Batistella CE, Barcellos C, Santos JL, Angelo, JR, et al. Covid-19 e vulnerabilidades: considerações sobre proteção social nas favelas. Nota técnica Observatório Fiocruz, 2020. Disponível em: https://www.arca.fiocruz.br/bitstream/icict/41456/2/Covid-19Vulnerabilidades.pdf

Pirisi, A. Low health literacy prevents equal access to care. The Lancet. 25 de novembro de 2020; 356 (9244): 1828. https://doi.org/10.1016/S0140-6736(05)73297-9

Prefeitura da Cidade do Recife. Atlas das infraestruturas públicas das Comunidades de Interesse Social do Recife. 2016, Recife: Prefeitura do Recife.

Prefeitura da Cidade do Recife. Boletim Epidemiológico do Novo Coronavírus. Secretaria de Saúde. Nº 208, 2020. Disponível em: https://cievsrecife.wordpress.com/publicacoes-devs-sesau-recife/. Acesso em: 10.10.2020.

Prefeitura da Cidade do Recife. Portal do Plano Diretor. Disponível em: https://planodiretor.recife.pe.gov.br/material-de-referencia. Acesso em 29 de maio de 2020.

Rodriguez-Morales AJ, Gallego V, Escalera-Antezana JP, Méndez CA, Zambrano LI, Franco-Paredes C, et al. COVID-19 in Latin America: The implications of the first confirmed case in Brazil. Travel Med Infect Dis. 29 de fevereiro de 2020. http://doi.org/10.1016/j.tmaid.2020.101613

Santos TKK et al. Indicadores de casos e óbitos por COVID-19 e sua relação com fatores contextuais: um estudo ecológico na cidade de Natal-RN. Brazilian Journal of Development, v. 6, n. 6, p. 40689-40703, 2020.  https://doi.org/10.34117/bjdv6n6-562

Secretaria Estadual de Saúde de Pernambuco. Informe Epidemiológico N. 25/2020. Disponível em: https://12ad4c92-89c7-4218-9e11-0ee136fa4b92.filesusr.com/ugd/3293a8_b494e8ac48d841abbd95eb5d717f9425.pdf. Acesso em: 27 de abril de 2020

Souza, AI, de Siqueira, MT, Ferreira, ALCG, de Freitas, CU, Bezerra, ACV, Ribeiro, AG e Nardocci, AC. Geography of Microcephaly in the Zika Era: A Study of Newborn Distribution and Socio-environmental Indicators in Recife, Brazil, 2015-2016. Public Health Reports. 19 de junho de 2018; 133 (4): 461-471. https://doi.org/10.1177/0033354918777256.

Spiteri G, Fielding J, Diercke M, Campese C, Enouf V, Gaymard A, et al. First cases of coronavirus disease 2019 (COVID-19). WHO European Region. Eurosurveillance. 05 de março de 2020; 25(9): 2000178. https://doi.org/10.2807/1560-7917.ES.2020.25.9.2000178

Zu ZY, Jiang M, Xu PP, Chen W, Ni QQ, Lu GM, et al. Coronavirus disease 2019 (COVID-19): a perspective from China. Radiology. 21 de fevereiro de 2020. https://doi.org/10.1148/radiol.2020200490

Yancy CW. COVID-19 and African Americans. JAMA. 15 de abril de 2020; 323(19):1891–1892. doi:10.1001/jama.2020.6548

Wu Z, McGoogan, JF. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72 314 cases from the Chinese Center for Disease Control and Prevention. JAMA. 24 de fevereiro de 2020; 323 (13): 1239-1242. https://doi:10.1001/jama.2020.2648.

Haut de page

Table des illustrations

Titre Figura 1 – Localização do município do Recife e das CIS no seu território
Crédits Fonte: Mapa elaborado pelos autores. Base de dados: Prefeitura da Cidade do Recife; Instituto de Geografia e Estatística (IBGE).
URL http://journals.openedition.org/confins/docannexe/image/34667/img-1.png
Fichier image/png, 1,0M
Titre Figura 2 – Estratos de bairros por percentual de áreas CIS na Cidade do Recife
Crédits Fonte: Mapa elaborado pelos autores. Base de dados: Prefeitura da Cidade do Recife; Instituto de Geografia e Estatística (IBGE).
URL http://journals.openedition.org/confins/docannexe/image/34667/img-2.jpg
Fichier image/jpeg, 593k
Titre Figura 3 – Diferenças entre os padrões de construção das residências dos estratos A e E
Crédits Fonte: Google Earth, (2020).
URL http://journals.openedition.org/confins/docannexe/image/34667/img-3.png
Fichier image/png, 406k
Titre Gráfico 1 - Casos de SRAG decorrentes da COVID-19 por 100 mil habitantes segundo os estratos.
Crédits Fonte: Boletins epidemiológicos da secretaria de saúde do Recife do período de 24 de abril a 09 de outubro de 2020
URL http://journals.openedition.org/confins/docannexe/image/34667/img-4.jpg
Fichier image/jpeg, 113k
Titre Gráfico 2 - Óbitos por SRAG decorrentes da COVID-19 por 10 mil habitantes segundo os estratos.
Crédits Fonte: Boletins epidemiológicos da secretaria de saúde do Recife do período de 24 de abril a 09 de outubro de 2020
URL http://journals.openedition.org/confins/docannexe/image/34667/img-5.jpg
Fichier image/jpeg, 117k
Titre Gráfico 3 - Taxa de letalidade por SRAG decorrentes da COVID-19 segundo os estratos.
Crédits Fonte: Boletins epidemiológicos da secretaria de saúde do período de 24 de abril a 24 de julho de 2020
URL http://journals.openedition.org/confins/docannexe/image/34667/img-6.jpg
Fichier image/jpeg, 130k
Haut de page

Pour citer cet article

Référence électronique

Jan Bitoun, Cristiana Coutinho Duarte, Anselmo César Vasconcelos Bezerra, Ana Cristina de Almeida Fernandes et Lucas Siqueira Santos, « Novo coronavírus, velhas desigualdades: distribuição dos casos, óbitos e letalidade por SRAG decorrentes da covid-19 na Cidade do Recife »Confins [En ligne], 48 | 2020, mis en ligne le 24 décembre 2020, consulté le 17 juin 2025. URL : http://journals.openedition.org/confins/34667 ; DOI : https://doi.org/10.4000/confins.34667

Haut de page

Auteurs

Jan Bitoun

DCG/UFPE bitounjan@gmail.com

Cristiana Coutinho Duarte

DCG/UFPE, crisduarteufpe@gmail.com

Anselmo César Vasconcelos Bezerra

DASS/IFPE, anselmo@recife.ifpe.edu.br

Articles du même auteur

Ana Cristina de Almeida Fernandes

DCG/UFPE, anacf.ufpe@gmail.com

Lucas Siqueira Santos

DCG/UFPE, lucas.siqueirasantos@ufpe.br

Haut de page

Droits d’auteur

CC-BY-NC-SA-4.0

Le texte seul est utilisable sous licence CC BY-NC-SA 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Search OpenEdition Search

You will be redirected to OpenEdition Search