RESUMO

A pandemia de covid-19 é um problema que assolou grande parte da população brasileira e da população mundial. Apesar disso, existem inúmeros segmentos da sociedade que propagam informações errôneas sobre o assunto e, tornando essencial a análise do tópico, em especial acerca da efetividade das ações de fechamento forçado. O Brasil é um dos países que mais sofreram com a pandemia de coronavírus. Assim, essa pesquisa utiliza dados da Secretaria Estadual de Análise de Dados Estatísticos(SEADE), responsável pelo monitoramento de dados referentes ao número de óbitos e casos no estado de São Paulo. Serão considerados dados referentes a outros estados e às ações de fechamento e políticas públicas para enfrentar a crise sanitária, representados em grande parte pelo índice de isolamento social. Os dados estudados permitirão revelar a possível correlação das variáveis no estudo dos fatores que interferem na pandemia, permitindo uma visão estatística sobre a pandemia. Espera-se que esse estudo contribua para uma melhor compreensão sobre os impactos do coronavírus em São Paulo, mas que também sirva para divulgação de informações corretas sobre a crise sanitária e o fechamento, além de servir para futuros estudos, ações coletivas e políticas públicas referentes ao tema. Palavras-chave: pandemia, covid-19, estudo de variáveis, São Paulo.

ABSTRACT

The covid-19 pandemic is a problem that has plagued a large part of the Brazilian population and the world population. Despite this, there are numerous segments of society that propagate erroneous information on the subject, making it essential to analyze the topic, especially regarding the effectiveness of forced enclosure actions. Brazil is one of the countries that suffered the most from the coronavirus pandemic. Thus, this research uses data from the State Secretariat for Statistical Data Analysis (SEADE), responsible for monitoring data on the number of deaths and cases in the state of São Paulo. Data referring to other states, besides enclosure actions and public policies to face the sanitary crisis, represented in large part by the social isolation index, will be considered. The data studied will reveal the possible correlation of the variables in the study of factors that interfere with the pandemic and will allow a statistical view of the pandemic. It is hoped that this study will contribute to a better understanding of the impacts of the coronavirus in São Paulo, but that it will also serve to disseminate correct information about the health crisis and enclosure, in addition to serving for future studies, collective actions and related public policies to the theme. Palabras clave: pandemic, covid-19, variable correlation studies, São Paulo.

Apresentação do Tema

No ano de 2019, um pequeno surto de um novo vírus foi registrado na cidade de Wuhan, na República Popular da China. Rapidamente o vírus se espalhou para todo mundo, atingindo o status de pandemia, conferido pela Organização Mundial da Saúde (OMS), em março de 2020. No mesmo período, viu-se o fechamento de grande parte do Brasil, já que por grande parte do país se verificava a circulação do vírus. Isso foi feito a fim de controlar a crise sanitária que já se via em outros países, como a Itália, que era o epicentro da pandemia. Perto do meio do ano de 2020 esse epicentro se tornou os Estados Unidos da América, país que ainda carrega o fardo de possuir o maior número de óbitos por covid-19 no mundo. Porém, com o avanço da vacinação no país, o seu número de casos e óbitos vem caindo constantemente. Tornando assim, o Brasil no país que ocupa o cargo de epicentro do mundo na pandemia.

Desse modo, faz-se necessário analisar as políticas públicas de isolamento e rever a eficácia e eficiência das mesmas, tanto para conscientização da população, como para nortear servidores públicos encarregados de tomar decisões. Em geral, as políticas públicas que se fazem para o controle de uma epidemia aérea, como a do coronavírus, são políticas de lockdown e fechamento, visando aumentar o isolamento social no país. O isolamento de pessoas tende a reduzir a circulação do vírus, que depende do contato entre pessoas para o contágio em massa.

No estado de São Paulo, como será evidenciado, se tomou diversas medidas como as citadas para realizar o controle. Utilizou-se, até mesmo, o lockdown, em momentos nos quais o sistema de saúde do país corria o risco de colapso. Contudo, devido ao grande contingente populacional, o estado se mostra aquele que possui o maior número absoluto de óbitos. No quesito “mortes por cem mil habitantes”, o resultado se mostra levemente melhor para o estado, ocupando a oitava posição, com 28561 mortes.

Justificativa

Embora muito já tenha sido produzido a fim de se garantir maiores informações para a população sobre o tema, ainda há setores da sociedade civil e do âmbito político que tratam o tema de forma controversa. O meio como grande parte de paulistas e brasileiros no geral negligenciam ou negligenciaram a pandemia pode ter ocasionado o desempenho desastroso do Brasil no combate ao Sars-cov-2. Conforme o Lowy Institute, por exemplo, o Brasil foi o pior país na gestão da pandemia. No presente momento, o país apresenta 2,7% da população mundial e 13,2% das mortes, sendo São Paulo o estado com o maior número absoluto de óbitos

Dessa forma, o presente artigo visa nortear políticas públicas, tendo em vista a relação, ou não, do isolamento social com o número de casos e óbitos de coronavírus. Assim, sistematizar-se-á dados relacionados à pandemia, tendo como foco o estado de São Paulo, em uma pesquisa empírica que tem como finalidade o impacto social e científico. Através do fornecimento de evidências, fazendo uso de um banco de dados e ferramental estatístico, o presente estudo poderá garantir uma melhor política de isolamento no referido estado, que poderá ser expandida ao Brasil, ocasionando em um maior número de vidas salvas.

Objetivo

Objetivo geral:

O trabalho visa analisar a correlação entre os índices de isolamento social, e as políticas públicas e os números de óbitos e casos de coronavírus durante a crise sanitária, tendo como foco principal o estado de São Paulo

Objetivos específicos:

Explicar as variáveis analisadas ao longo do trabalho, e compreender as relações que essas possuem entre si. Montar uma base de dados que permita uma realização de políticas públicas mais conscientes, além de servir de base para futuros estudos Evidenciar razões para o grande número de casos e óbitos no estado e no país, quando comparado a outros países.

Revisão de literatura

Fez-se diversos estudos no Brasil e em todo mundo sobre o controle da pandemia, através de lockdown e outros mecanismos de fechamento. No âmbito do estado de São Paulo, e do município, o padrão se mantém.

Cita-se como um dos importantes trabalhos sobre o tema o estudo de Dimas Covas, Marcos Amaku, entre outros, intitulado “Modelling the test, trace and quarantine strategy to control the COVID-19 epidemic in the state of São Paulo, Brazil”(2020). Esse estudo descobriu, através de modelagem de estratégias de controle, que caso São Paulo tivesse testado toda sua população, teria visto o seu número de casos reduzir em 90%. Poderia reduzir o número de casos na mesma porcentagem caso tivesse testado apenas os contatos imediatos de casos sintomáticos, com um custo bem menor do que no primeiro cenário. O estudo se baseou em modelos matemáticos, fazendo uso de pacotes da linguagem R e de funções matemáticas complexas.

dando um passo atrás, um estudo de Carlos Henrique de Brito Cruz (2020) provou a eficácia do distanciamento social no combate ao vírus. Isso foi feito através da análise gráfica de óbitos na cidade de São Paulo, onde se viu a política de restrição de circulação, no estado de São Paulo, excluindo sua capital, e no Brasil como um todo. O estudo foi conclusivo, já que, durante o período de isolamento, o município experimentou uma drástica redução dos casos que não foi vista nos outros gráficos.

O artigo de Vinicius Carvalho Jardim e Marcos Silveira Buckeridge, embora não seja diretamente utilizado, foi de fundamental análise para compreender o padrão de dispersão de óbitos e casos dentro da cidade de São Paulo e como estes se relacionam com as desigualdades da cidade.

Para compreender o tema, ainda, é fundamental a visita dos artigos que dizem respeito às políticas públicas e a gestão federativa das mesmas, nos artigos “Covid-19: Políticas Públicas e as Respostas da Sociedade”(2020) e “Combate à COVID-19 sob o federalismo bolsonarista: um caso de descoordenação intergovernamental”(2020)

Outros artigos foram consultados para a compreensão do isolamento social e das estratégias para mitigar a crise sanitária fora do âmbito paulista. Os artigos constam nas referências bibliográficas e são imprescindíveis para a compreensão do tópico abordado.

Metodologia

Realiza-se uma análise acerca da crise sanitária de covid-19 no Brasil, com o foco no estado de São Paulo e versando desde o período onde se identificou o primeiro caso, ao final de fevereiro 2020, até o momento atual, meados de julho de 2021. Para tanto, utiliza-se dados veiculados pelo Sistema de Monitoramento Inteligente do Governo de São Paulo, pela Incognia inloco x covid-19, e pela SEADE, organizados em um banco de dados disposto ao fim do artigo.

Com a coleta de dados, se pode calcular a média, mediana, amplitude, valor mínimo e máximo dos óbitos e números de casos, além de levantar variáveis que influem nos dados, como o índice de isolamento social.

Montou-se gráficos para análise profunda dos diferentes tipos de dados divulgados nos bancos de dados, através dos quais se pode calcular o coeficiente de correlação para determinação das influências do distanciamento social e da eficácia de políticas públicas de mitigação da pandemia

Ademais, comparou-se o desempenho de São Paulo frente a outros estados, e se discorreu acerca do desempenho do Brasil no combate à pandemia, e possíveis razões pelas quais o mesmo não se deu conforme o esperado.

Análise dos dados

Este estudo foi baseado nos dados obtidos através do SEADE, usando análise estatística exploratória de dados e bibliotecas do Panda como a matplotlib e a seaborn, em seguida será tratado o crescimento exponencial usando a transformada logarítmica que ajuda para verificar um crescimento exponencial e uma aceleração ou desaceleração da pandemia, outro fator a ser analisado será a média móvel e o trabalho será finalizado com a análise de correlação.

No Brasil, a progressão da epidemia ainda se encontra em crescimento exponencial,possível fazer essas estimativas porque epidemias seguem um padrão matemático chamado função exponencial, usada para representar fenômenos que se multiplicam muito rapidamente ao longo do tempo.Na função exponencial, você vai multiplicando o número por ele mesmo. Nessa função, temos o crescimento exponencial, em que o valor inicial de um evento vai sendo multiplicado por um mesmo número a cada período de tempo, isso significa na prática que cada infectado é capaz de infectar mais de uma pessoa ao mesmo tempo.O problema do crescimento exponencial é que ele pode acelerar de forma imprevisível, uma vez que não temos controle sobre o valor da base - o número que vai ser multiplicado com o passar do tempo - dessa função.

Para demonstrar se realmente há um crescimento exponencial e ver como crescimento do número de casos é bastante rápido, sendo aproximadamente exponencial, é comum usar uma escala chamada “logarítmica” para mostrar os mesmos dados, A cada trecho o valor é multiplicado por 10, essa é a principal característica que distingue um gráfico “linear” (isto é, uma escala proporcional) como caso anterior, e um gráfico em escala logarítmica. Neste tipo de gráfico distâncias iguais no eixo vertical não representam o mesmo acréscimo nos valores totais representados. Quanto mais próximo de uma reta, mais o comportamento dos dados se aproxima de um comportamento exponencial. Podemos ver que nos primeiros dias o número de casos se multiplica por dez aproximadamente a cada oito dias, já nas últimas semanas temos uma diminuição na velocidade de aumento dos casos.

A distribuição de casos novos de COVID-19 em Sao Paulo cresceu a cada semana de forma vertiginosa e atingiu seu pico na SE 30 e se manteve constante até a SE 36, quando começou a declinar e apresentar queda constante até a SE 42. com explosão após as primeiras semanas de epidemia, com picos a partir da SE 26 e declínios principalmente após a SE 36, com as curvas acentuadas para a direita, o que gerou uma distribuição de casos novos em crescimento por mais de três meses, ameaçando o fim dos leitos disponíveis e possível colapso no sistema de saúde.A distribuição de óbitos novos de COVID-19 em sp seguiu a mesma forma da distribuição de casos novos,

A nova epidemia causada pela covid revelou um padrão que compreende uma fase de crescimento lenta, seguida por uma de aceleração; um curto período estacionário; um pico e, finalmente, uma fase de desaceleração. Este comportamento foi observado para casos novos e mortes. Na realidade, a aceleração da COVID-19 atinge um valor máximo e depois diminui, essa diminuição é causada pelo o aumento do rigor da quarentena, e um segundo estágio, em que novos casos continuam aumentando, porém com diminuição progressiva na aceleração,com a diminuição dos novos pontos há uma flexibilidade no plano de quarentena e começa uma nova fase de contágio (como podemos observar no gráfico abaixo) onde o gráfico calcula a aceleração e a desaceleração, é calculado uma subtração de novos óbitos entre a semana anterior, mostrando uma sazonalidade de mortes

Como já vimos acima, os números de casos confirmados e de óbitos pela covid-19 são contabilizados dia após dia. Com tantas informações, a pergunta que os médicos e epidemiologistas se fazem é a seguinte: o número de mortes diário tem aumentado ou está se estabilizando? E, para responder a esta pergunta, algumas ferramentas matemáticas são necessárias para que haja uma resposta fiel à nossa realidade atual.

A ferramenta matemática que nos permite responder à pergunta é a chamada média móvel. Esse recurso nos permite analisar se o número de casos confirmados e o de mortes da covid-19 na última semana tem aumentado ou diminuído, de acordo com o mesmo intervalo de tempo das semanas anteriores. Ou seja, a média móvel é calculada somando-se o número de casos de cada um dos sete dias anteriores e dividindo esse resultado por 7 (que é o número de dias considerado). Além disso, é importante ressaltar que não são os óbitos ocorridos na semana que necessariamente entram na contabilização, mas aqueles registrados no sistema durante a semana.

autocorrelação é uma medida que informa o quanto o valor de uma realização de uma variável aleatória é capaz de influenciar seus vizinhos. Por exemplo, o quanto a existência de um valor mais alto condiciona valores também altos de seus vizinhos.

Segundo a definição da estatística, o valor da autocorrelação está entre 1 (correlação perfeita) e -1, o que significa anti-correlação perfeita. O valor 0 significa total ausência de correlação.

A autocorrelação de uma dada variável se define pela distância, ou atraso com que se deseja medi-la. Quando essa distância é zero, tem-se o valor máximo 1, pois trata-se da variável correlacionada com ela mesma.