Demographic and socioeconomic factors in impacts of COVID-19 by regions in Brazil / Factores demográficos y socioeconómicos en impactos del COVID-19 por regiones en Brasil / Fatores demográficos e socioeconômicos nos impactos da COVID-19 por regiões do Brasil

Objective: assess which demographic and socioeconomic factors contribute to the different impacts of COVID-19 by regions in Brazil. Method: descriptive study with mathematic modeling (USA) were use to assess deaths and COVID-19 cases and also establish a standard relational relationship with demographic and socioeconomic factors across the country and by regions (2020 to 2023). The factors analyzed in the study: i) deaths and cases of COVID-19, ii) total population density per thousand kilometers, iii) isolation index, iv) population, v) Human Development Index - HDI, vi) population density, vii ) average water tariff, viii) urban water service tariff, ix) total water tariff, x) urban sewage service tariff referring to municipalities served with water, xi) service tariff of total sewage, referring to the municipalities served with water, xii) Gini index (income concentration level), xiii) 1st and 2nd dose of vaccine, and xiv) Gross Domestic Product. Results: the study reveals that COVID-19 cases/deaths are significantly correlated with GDP and inversely correlated with the vaccination rate. Conclusion: this study shows scientific evidence that supports the use of vaccination as a protective measure against COVID-19 mortality in Brazil.

Objetivo: avaliar os fatores demográficos e socioeconômicos que contribuem para os diferentes impactos da COVID-19 por regiões do Brasil. Método: estudo descritivo com modelo matemático (USA) foi utilizado para avaliar óbitos e casos de COVID-19 e também estabelecer uma relaçao padrão com fatores demográficos e socioeconômicos em todo o país e por regiões (2020a 2023). Os fatores analisados no estudo: i) óbitos e casos de COVID-19; ii) densidade populacional total por mil quilômetros; iii) índice de isolamento; iv) população; v) Índice de Desenvolvimento Humano; vi)densidade demográfica; vii) tarifa média de água; viii) tarifa de serviço de água urbana; ix) tarifa de água total; x) tarifa de serviço de esgoto urbano referente aos municípios atendidos com água; xi) tarifa de serviço de esgoto total referente aos municípios atendidos com água; xii) índice de Gini; xiii) 1ª e 2ª dose de vacina; e xiv) Produto Interno Bruto. Resultados: o estudo revela que casos/óbitos por COVID-19 são significativamente correlacionados com o PIB e inversamente correlacionados com a taxa de vacinação. Conclusão: este estudo mostra evidências científicas que apoiam o uso da vacinação como medida de proteção contra a mortalidade por COVID-19 no Brasil.

Statistical modeling of hospital admissions for pneumonia in Campo Grande / Modelagem estatística das internações hospitalares por pneumonia em Campo Grande / Modelado estadístico de ingresos hospitalarios por neumonía en Campo Grande

Justification and Objectives: Brazil lacks consistent epidemiological data on the respiratory morbidity of children and older adults, which makes it difficult to plan and execute effective preventive and health promotion actions. The objective of this study was to analyze the adjustments of distributions (Weibull, Normal, Gamma, Logistic) of historical series of hospitalizations for respiratory diseases (total hospitalizations), from 2011 to 2015, in Campo Grande, Mato Grosso do Sul. Methods: to determine the statistical models, four statistical indicators (coefficient of determination, mean root square error, mean absolute error and mean absolute percentage error) were performed from 2011 to 2015. Parameter estimates are obtained for the models adopted in the study, with and without a regression structure. Results: the results showed that Weibull, Gamma, Normal and Logistic distributions, applied to the series of hospitalizations for respiratory diseases in Campo Grande, were satisfactory in determining the shape and scale parameters, and the statistical indicators R2 , MAE, RSME and MAPE confirmed the data goodness-of-fit, and the graphical analysis indicated a satisfactory distribution fit. Conclusion: the analysis of monthly values indicates that Gamma is the best of the four distributions based on those selected. The regression model can be adjusted to the data and used as an alternative distribution that describes the hospitalization data considered in Campo Grande, Brazil.(AU)

Justificativa e Objetivos: o Brasil carece de dados epidemiológicos consistentes sobre a morbidade respiratória de crianças e idosos, o que dificulta o planejamento e a execução de ações efetivas de prevenção e promoção da saúde. O objetivo deste estudo foi analisar os ajustes das distribuições (Weibull, Normal, Gamma, Logística) da série histórica de internações por doenças respiratórias (total de internações), no período de 2011 a 2015, em Campo Grande, Mato Grosso do Sul. Métodos: para determinar os modelos estatísticos, foram executados quatro indicadores estatísticos (coeficiente de determinação, erro quadrático médio, erro absoluto médio e erro percentual absoluto médio) de 2011 a 2015. As estimativas dos parâmetros são obtidas para os modelos adotados no estudo com e sem uma estrutura de regressão. Resultados: os resultados mostraram que as distribuições Weibull, Gamma, Normal e Logística, aplicadas à série de internações por doenças respiratórias em Campo Grande, foram satisfatórias na determinação dos parâmetros de forma e escala, e os indicadores estatísticos R2, MAE, RSME e MAPE confirmaram a qualidade do ajuste dos dados, e a análise gráfica apontou um ajuste satisfatório das distribuições. Conclusão: a análise dos valores mensais indica que a Gamma é a melhor das quatro distribuições baseadas nos selecionados. O modelo de regressão pode ser ajustado aos dados e ser usado como uma distribuição alternativa que descreve os dados de internação considerados em Campo Grande, Brasil.(AU)

Justificación y Objetivos: el Brasil carece de datos epidemiológicos consistentes sobre la morbilidad respiratoria de niños y ancianos, lo que dificulta la planificación y ejecución de acciones efectivas de prevención y promoción de la salud. El objetivo de este estudio fue analizar los ajustes de las distribuciones (Weibull, Normal, Gamma, Logística) de la serie histórica de hospitalizaciones por enfermedades respiratorias (hospitalizaciones totales), de 2011 a 2015, en Campo Grande, Mato Grosso do Sul. Métodos: para la determinación de los modelos estadísticos, se realizaron cuatro indicadores estadísticos (coeficiente de determinación, raíz del error cuadrático medio, error medio absoluto y error porcentual absoluto medio) de 2011 a 2015. Se obtienen estimaciones de los parámetros para los modelos adoptados en el estudio, con y sin estructura de regresión. Resultados: los resultados mostraron que las distribuciones Weibull, Gamma, Normal y Logística, aplicadas a la serie de internaciones por enfermedades respiratorias en Campo Grande, fueron satisfactorias en la determinación de los parámetros de forma y escala, y los indicadores estadísticos R2, MAE, RSME y MAPE confirmaron la calidad de ajuste de los datos, y el análisis gráfico indicaron un ajuste satisfactorio de las distribuciones. Conclusión: el análisis de los valores mensuales indica que la Gamma es la mejor de las cuatro distribuciones en base a las seleccionadas. El modelo de regresión se puede ajustar a los datos y utilizar como una distribución alternativa que describe los datos de hospitalización considerados en Campo Grande, Brasil.(AU)

Non-parametric tests applied to reported cases of dengue in the southeast region of Brazil / Testes não-paramétricos aplicados a casos de dengues reportados na região sudeste do Brasil

Dengue is one of the biggest problems of global public health in developing and underdeveloped countries. Nowadays, researchers in climate changes are concerned about the impact of these changes on human health, particularly with increased this epidemic. Dengue is among the largest public health problems in Brazil and is higher in the months with high temperatures, which is the Aedes aegypti's reproductive period climax. Reported dengue cases via DATASUS from 1994 to 2014 were analyzed. Mann-Kendall (MK), Run and Pettit nonparametric tests; were applied to time series. The run test indicated that the time series is homogenous and persistence free. There is a non-significant trend of increase of a number of reported dengue cases only in Rio de Janeiro. Based on the test, three positive trends were identified in the time series of São Paulo, Minas Gerais and the Espírito Santo States of dengue cases reported in Southeast of Brazil. Pettitt test was able to identify the years classified as El Niño events and that had a significant impact on the increase of dengue cases in the southeastern region of Brazil.

A dengue é um dos maiores problemas de saúde pública global em países em desenvolvimento e subdesenvolvidos. Hoje em dia, os pesquisadores em mudanças climáticas estão preocupados com o impacto dessas mudanças na saúde humana, particularmente com o aumento dessa epidemia. A dengue está entre os maiores problemas de saúde pública no Brasil e é maior nos meses com altas temperaturas, que é o clímax do período reprodutivo do Aedes Aegypti. Foram analisados relatórios de casos de dengue via DATASUS de 1994 a 2014. Testes não paramétricos de Mann-Kendall (MK), Run e Pettit; foram aplicadas em séries temporais. O teste Run indicou que a série temporal é homogênea e sem persistência. Existe uma tendência não significativa de aumento do número de casos de dengue relatados apenas no Rio de Janeiro. Com base no teste, três tendências positivas foram identificadas na série temporal de casos de dengue de São Paulo, Minas Gerais e Espírito Santo relatados no Sudeste do Brasil. O teste de Pettitt foi capaz de identificar os anos classificados como eventos de El Niño e que tiveram um impacto significativo no aumento de casos de dengue na região sudeste do Brasil.

Carbon monoxide trend in the city of Rio de Janeiro via mann-kendall and cusum tests / Tendências de monóxido de carbono na cidade do Rio de Janeiro via testes de mann-kendall e socom

Hourly mean concentrations of carbon monoxide trend (CO) in the city of Rio de Janeiro (CRJ) was evaluated based on statistical tests. Air quality stations used were: Central, Copacabana, São Cristóvão and Tijuca from 2010 to 2014. The results of the CO trend based on the Mann-Kendall (MK) test showed an inverse correlation with time, with significant decrease in all seasons. Significant increase trend (Z > 0) and p-value < 0.05 were recorded in Centro and Tijuca in 2010 and 2012 with magnitude between 0.0224 and 0.0067 ppm/year. Insignificant increase occurred only in São Cristóvão (2011) for positive values (Z > 0) and p-value > 0.05. CUSUM test showed that Q magnitude did not exceed the critical value at 1% and 5% probability levels. Cumulative Sum Test (CUSUM) showed homogeneous and significant CO concentrations. Significant abrupt changes occurred in the months of May, June, July, August and September and insignificant in January, February, June, August and November at 1% and 5% probability. CO concentrations occurred in the predominant directions North-Northwest (NNW), South-Southwest (SSW) and South-west (SW). Both sectors are influenced by the main synoptic systems (Frontal System and South Atlantic Subtropical High) that act on CRJ. MK and CUSUM tests proved to be efficient in evaluating trends and abrupt changes in CO concentrations and air quality stations in the CRJ.

Foi avaliada a tendência das concentrações médias horárias de monóxido de carbono (CO), com base em testes estatísticos na cidade do Rio de Janeiro (CRJ). As estações de qualidade do ar utilizadas foram: Centro, Copacabana, São Cristóvão e Tijuca entre os anos de 2010 a 2014. Os resultados da tendência de CO com base no teste de Mann-Kendall (MK) mostrou uma correlação inversa com o tempo, com diminuição significativa em todas as estações. Tendência de aumento significativo (Z > 0) e p-valor < 0,05 foram registradas no Centro e Tijuca nos anos de 2010 e 2012 com magnitude entre 0,0224 a 0,0067 ppm/ano. Aumento insignificante ocorreu apenas em São Cristóvão (2011) para valores positivos (Z > 0) e p-valor > 0,05. O teste de SOCUM mostrou que a magnitude de Q não excedeu o valor crítico aos níveis de 1% e 5% de probabilidade. O teste das Somas Cumulativas (SOCUM) mostrou que as concentrações de CO foram homogêneas e significativas. Mudanças bruscas significativas ocorreram nos meses de maio, junho, julho, agosto e setembro e insignificante em janeiro, fevereiro, junho, agosto e novembro a 1% e 5% de probabilidade. As concentrações de CO ocorreram nas direções predominantes Norte-Noroeste (NNW), Sul-Sudoeste (SSW) e Sudoeste (SW). Ambos os setores são influenciados pelos principais sistemas sinóticos (Sistema Frontal e Alta Subtropical do Atlântico Sul) que atuam na CRJ. Os testes MK e SOCUM se mostraram eficientes na avaliação das tendências e mudanças bruscas nas concentrações de CO e nas estações de qualidade do ar existentes na CRJ.