RESUMEN
This article explores the use of spatial artificial intelligence to estimate the resources needed to implement Brazil's COVID-19 immu nization campaign. Using secondary data, we conducted a cross-sectional ecological study adop ting a time-series design. The unit of analysis was Brazil's primary care centers (PCCs). A four-step analysis was performed to estimate the popula tion in PCC catchment areas using artificial in telligence algorithms and satellite imagery. We also assessed internet access in each PCC and con ducted a space-time cluster analysis of trends in cases of SARS linked to COVID-19 at municipal level. Around 18% of Brazil's elderly population live more than 4 kilometer from a vaccination point. A total of 4,790 municipalities showed an upward trend in SARS cases. The number of PCCs located more than 5 kilometer from cell towers was largest in the North and Northeast regions. Innovative stra tegies are needed to address the challenges posed by the implementation of the country's National COVID-19 Vaccination Plan. The use of spatial artificial intelligence-based methodologies can help improve the country's COVID-19 response.
O objetivo deste artigo é analisar o uso da inteligência artificial espacial no contexto da imunização contra COVID-19 para a seleção adequada dos recursos necessários. Trata-se de estudo ecológico de caráter transversal baseado em uma abordagem espaço-temporal utilizando dados secundários, em Unidades Básicas de Saúde do Brasil. Foram adotados quatro passos analíticos para atribuir um volume de população por unidade básica, aplicando algoritmos de inteligência artificial a imagens de satélite. Em paralelo, as condições de acesso à internet móvel e o mapeamento de tendências espaço-temporais de casos graves de COVID-19 foram utilizados para caracterizar cada município do país. Cerca de 18% da população idosa brasileira está a mais de 4 quilômetros de distância de uma sala de vacina. No total, 4.790 municípios apresentaram tendência de agudização de casos de Síndrome Respiratória Aguda Grave. As regiões Norte e Nordeste apresentaram o maior número de Unidades Básicas de Saúde com mais de 5 quilômetros de distância de antenas de celular. O Plano nacional de vacinação requer o uso de estratégias inovadoras para contornar os desafios do país. O uso de metodologias baseadas em inteligência artificial espacial pode contribuir para melhoria do planejamento das ações de resposta à COVID-19.
Asunto(s)
Vacunas contra la COVID-19 , COVID-19 , Anciano , Inteligencia Artificial , Brasil , Ciudades , Estudios Transversales , Humanos , Inteligencia , SARS-CoV-2 , VacunaciónRESUMEN
OBJECTIVE: To explore the reorganization of the health system in response to the COVID-19 pandemic. METHODS: We conducted an ecological, descriptive-exploratory study with analysis of spatio-temporal clusters by epidemiological week in Brazilian municipalities. Secondary data sources were used, from the National Health Establishment Registry (April 2020) and on COVID-19 cases, February to August 2020. Intensive Care Units (ICU) availability was overlaid on incidence and mortality hot spots in order to assess expanded access in critical regions. RESULTS: Of the 5,570 municipalities analyzed, 54% were identified as incidence hot spots and 31% as mortality hot spots. Of the municipalities in incidence hot spots and with scarce access, 28% were covered by ICU expansion, while with regard to mortality 14% were covered. CONCLUSION: The opening of new beds was not able to provide broad coverage for critical regions and could be optimized with the use of spatial analysis techniques.
Asunto(s)
COVID-19 , Pandemias , Brasil , Humanos , SARS-CoV-2 , Análisis Espacio-TemporalRESUMEN
Objetivo: Explorar a reorganização do sistema de saúde voltado para a pandemia de COVID-19. Métodos: Realizou-se estudo ecológico, descritivo-explicativo, com análise de aglomerados espaço-temporais por semana epidemiológica nos municípios brasileiros. Foram utilizadas fontes de dados secundárias, do Cadastro Nacional de Estabelecimentos de Saúde (abril de 2020) e de casos de COVID-19 (fevereiro a agosto de 2020). As áreas quentes de incidência e mortalidade foram sobrepostas com a disponibilidade de unidades de tratamento intensivo (UTIs), para se avaliar a ampliação do acesso em regiões críticas. Resultados: Dos 5.570 municípios analisados, 54% foram identificados como áreas quentes para incidência e 31% para mortalidade. Dos municípios em áreas quentes para incidência e com escassez de acesso, 28% foram contemplados pela ampliação de UTIs. Para mortalidade, esse valor foi de 14%. Conclusão: A abertura de novos leitos não conseguiu abranger amplamente as regiões críticas, entretanto poderia ser otimizada com o uso de técnicas de análise espacial.
Objetivo: Explorar la reorganización del sistema sanitario centrada en la pandemia de COVID-19. Métodos: Se realizó un estudio ecológico, descriptivo-exploratorio con análisis de clusters espacio-temporales, por semana epidemiológica en los municipios brasileños El análisis utilizó fuentes de datos secundarias, del Registro Nacional de Establecimientos de Salud y de los casos de COVID-19, para los meses de abril y agosto de 2020, respectivamente. Las áreas vulnerables a incidencia y mortalidad se superpusieron a la disponi-bilidad de UCIs para evaluar la expansión del acceso en las regiones críticas. Resultados: De los 5.570 municipios analizados, 54% fueron identificados como zonas vulnerables a incidencia y 31% a mortalidad. De los municipios en zonas calientes de incidencia y con escaso acceso, el 28% estaba contemplados por la ampliación de la UCI. En cuanto a la mortalidad, este valor fue del 14%. Conclusión: La apertura de nuevos lectores no consiguió ampliar las regiones críticas y podría ser optimizada con el uso de técnicas de análisis espacial.
Objective: To explore the reorganization of the health system in response to the COVID-19 pandemic. Methods: We conducted an ecological, descriptive-exploratory study with analysis of spatio-temporal clusters by epidemiological week in Brazilian municipalities. Secondary data sources were used, from the National Health Establishment Registry (April 2020) and on COVID-19 cases, February to August 2020. Intensive Care Units (ICU) availability was overlaid on incidence and mortality hot spots in order to assess expanded access in critical regions. Results: Of the 5,570 municipalities analyzed, 54% were identified as incidence hot spots and 31% as mortality hot spots. Of the municipalities in incidence hot spots and with scarce access, 28% were covered by ICU expansion, while with regard to mortality 14% were covered. Conclusion: The opening of new beds was not able to provide broad coverage for critical regions and could be optimized with the use of spatial analysis techniques.
Asunto(s)
Humanos , Servicios Médicos de Urgencia/provisión & distribución , Acceso Efectivo a los Servicios de Salud/organización & administración , COVID-19/epidemiología , Brasil/epidemiología , Análisis Espacio-Temporal , Barreras de Acceso a los Servicios de SaludRESUMEN
Resumo O objetivo deste artigo é analisar o uso da inteligência artificial espacial no contexto da imunização contra COVID-19 para a seleção adequada dos recursos necessários. Trata-se de estudo ecológico de caráter transversal baseado em uma abordagem espaço-temporal utilizando dados secundários, em Unidades Básicas de Saúde do Brasil. Foram adotados quatro passos analíticos para atribuir um volume de população por unidade básica, aplicando algoritmos de inteligência artificial a imagens de satélite. Em paralelo, as condições de acesso à internet móvel e o mapeamento de tendências espaço-temporais de casos graves de COVID-19 foram utilizados para caracterizar cada município do país. Cerca de 18% da população idosa brasileira está a mais de 4 quilômetros de distância de uma sala de vacina. No total, 4.790 municípios apresentaram tendência de agudização de casos de Síndrome Respiratória Aguda Grave. As regiões Norte e Nordeste apresentaram o maior número de Unidades Básicas de Saúde com mais de 5 quilômetros de distância de antenas de celular. O Plano nacional de vacinação requer o uso de estratégias inovadoras para contornar os desafios do país. O uso de metodologias baseadas em inteligência artificial espacial pode contribuir para melhoria do planejamento das ações de resposta à COVID-19.
Abstract This article explores the use of spatial artificial intelligence to estimate the resources needed to implement Brazil's COVID-19 immu nization campaign. Using secondary data, we conducted a cross-sectional ecological study adop ting a time-series design. The unit of analysis was Brazil's primary care centers (PCCs). A four-step analysis was performed to estimate the popula tion in PCC catchment areas using artificial in telligence algorithms and satellite imagery. We also assessed internet access in each PCC and con ducted a space-time cluster analysis of trends in cases of SARS linked to COVID-19 at municipal level. Around 18% of Brazil's elderly population live more than 4 kilometer from a vaccination point. A total of 4,790 municipalities showed an upward trend in SARS cases. The number of PCCs located more than 5 kilometer from cell towers was largest in the North and Northeast regions. Innovative stra tegies are needed to address the challenges posed by the implementation of the country's National COVID-19 Vaccination Plan. The use of spatial artificial intelligence-based methodologies can help improve the country's COVID-19 response.