Os impactos distributivos da pandemia sobre os municípios brasileiros e o papel da infraestrutura hospitalar

29/03/2021

Nos últimos meses, o Brasil passou por um de seus mais dolorosos momentos desde o início da pandemia do Covid-19, com aumento vertiginoso dos casos e óbitos relacionados à pandemia. De fato, a chamada segunda onda – ainda que o Brasil não tenha conseguido controlar a primeira – atingiu fortemente o país, superando os níveis do primeiro pico. No entanto, pouco ainda se sabe sobre o efeito da pandemia sobre a mortalidade e sua distribuição entre os municípios, e tampouco quão importante podem ser os equipamentos hospitalares para reduzirem tal impacto. Esse texto buscará responder essas perguntas.

O primeiro desafio em relação a essa investigação é a questão da subnotificação: sem grande capacidade de testagem, principalmente no início da pandemia, muitos no Brasil acabaram por contrair o Covid-19 sem que soubessem, entre os quais muitos acabaram por ir a óbito, afetando qualquer estimativa sobre a real mortalidade causada pela pandemia. Para tratar dessa primeira limitação, estabelecemos uma medida baseada em Brendily et al. (2020), de excesso de mortes, definida como proporção do número de óbitos em um mês de 2020 e a média do mesmo mês em 2019 e 2018[1].

Os dados utilizados serão dois, cada um com um universo de análise diferente: o primeiro são os registros administrativos de hospitalizações do DataSUS, que contêm informações sobre mortalidade daqueles que estavam em algum leito financiado direta ou indiretamente pelo Sistema Único de Saúde (SUS). O segundo, por sua vez, contempla a totalidade dos óbitos registrados nos cartórios de todos municípios, disponibilizada pela plataforma do Portal de Transparência do Registro Civil, em parceria com o Conselho Nacional de Secretários de Saúde (CONASS). 

Os Gráficos abaixo mostram, ao longo dos primeiros três trimestres de 2020, o excesso de mortes em três grupos de municípios, divididos pelo seu nível de PIB per Capita de 2018 em três grupos igualmente numerosos: os ricos, médios e pobres[2]. O indicador, ainda que sofra limitações por questões metodológicas (para mais detalhes, vale ver o fio de Leonardo Monastério: https://twitter.com/lmonasterio/status/1339510565241237504?s=19), é o dado mais atualizado disponível de bem estar municipal, tendo em vista a defasagem do último Censo Demográfico, de 2010, impedindo atualizações recentes de indicadores municipais de renda domiciliar per capita ou IDH.


Como se vê, a partir dos meses de abril/maio, os municípios de PIB per Capita baixo e médio apresentaram grande alta do excesso do número de mortos e, nos meses seguintes, há alguma aceleração do mesmo indicador nos municípios mais ricos. No entanto, como se sabe, a pandemia atingiu as regiões do país em diferentes momentos ao longo do ano e, tendo em vista, que níveis de renda no Brasil são fortemente concentrados geograficamente, a análise por mês se mostra incompleta.

Adicionalmente, portanto, são também mostrados os Gráficos abaixo, no qual se revela o nível de excesso de mortes alguns meses antes e depois do primeiro caso confirmado de pandemia dos municípios por grupo. Assim, comparando suas tendências, é possível ver como cidades de baixo PIB per Capita tiveram maiores altas do excesso de mortes entre os dois períodos.


Por fim, será realizada uma abordagem econométrica, que, por se tratar de um painel, com dados municipais por mês em 2020, permitirá controlar por fatores fixos nos municípios, além das tendências gerais do país. A especificação da regressão está expressa abaixo:

Em que EMi,t é o excesso de mortes, Tm,i,t é uma dummy para cada município no mês do calendário t, que assume valor 1 para cada mês m após o primeiro caso confirmado de Covid-19 no município, e  Ni,1 e Ni,2 são dummies que assumem valor 1 caso o município tenha nível de PIB per Capita baixo e alto, respectivamente. Tendo em vista os efeitos-fixos de município e tempo , os coeficientes de interesse  medem a mudança de tendência do excesso de mortes a cada mês m após o início da pandemia para cada município, com o primeiro sendo o efeito compartilhado entre todos os municípios, o seguintes sendo o impacto adicional para municípios de PIB per Capita baixo e alto, respectivamente, em relação ao grupo de nível médio.

Duas adições são feitas a essa especificação apresentada acima: primeiramente, são reportados erros-padrão com cluster por microrregião, tendo em vista que há a alta correlação do início da pandemia de um município com o mesmo evento para seus vizinhos, fazendo necessário a adição desse ajuste. Por fim, a fim de investigar o potencial impacto dos equipamentos hospitalares, serão adicionados controles de número de equipamentos existentes e proporção de leitos sobre a população, que variam por município e mês, tal como disponibilizado pelo DataSUS. Assim, reduções nos coeficientes poderão ser interpretados como potencial capacidade de tais insumos reduzirem ao maior excesso de mortalidade associada à pandemia.

Os resultados são reportados na Tabela abaixo. Como se vê, na mudança de tendência compartilhada entre todos os municípios o excesso de mortes registrado no CONASS aumenta já no primeiro mês, enquanto no DataSUS tal alta ocorre de forma significativa a partir do segundo mês, se arrefecendo no sexto – ainda que na primeira base de dados continue significativa em todos os meses. Incluindo controles de infraestrutura hospitalar, não há grande impacto sobre o excesso de mortes em geral, com apenas pequenas reduções nos coeficientes –, no entanto, em relação àqueles hospitalizados, o excesso de mortes torna-se consideravelmente menor em todos os meses após a pandemia, e insignificativo em todos, menos no terceiro mês após o início.

As interações com o nível de PIB per Capita permitem conclusões adicionais. Primeiramente, no segundo mês após a pandemia, os municípios de maior produção por habitante mostram uma menor mudança de tendência de excesso de mortos, tanto no CONASS quanto no DataSUS – há ainda um coeficiente negativo e significativo no terceiro mês na primeira base, e, na última, no quinto. Ou seja, em geral, há menos mortes naqueles municípios de maior renda.

Já em relação ao grupo de baixo PIB per Capita, a tabela mostra que o excesso de mortalidade aumentou mais do que em relação ao de nível médio, com tal fenômeno tendo ocorrido no primeiro mês após a pandemia na base do DataSUS, e no segundo na base do CONASS. A inclusão dos controles de infraestrutura hospitalar, no entanto, reduz a magnitude dos coeficientes e tira a significância deste na base de internações.

Tabela 1: Resultado das regressões

Especificações:

(1)

(2)

(3)

(1)

(2)

(3)

Meses após início da pandemia

CONASS

DataSUS

1

0.0712

0.0712

0.0698

0.00371

0.00371

0.000756

 

0.027

0.024

0.026

0.855

0.865

0.972

2

0.254

0.254

0.252

0.0527

0.0527

0.044

 

0

0

0

0.043

0.058

0.11

3

0.363

0.363

0.359

0.0824

0.0824

0.0711

 

0

0

0

0.006

0.011

0.027

4

0.439

0.439

0.435

0.0727

0.0727

0.06

 

0

0

0

0.04

0.051

0.105

5

0.606

0.606

0.601

0.0926

0.0926

0.0754

 

0

0

0

0.044

0.048

0.11

6

0.502

0.502

0.494

0.117

0.117

0.0941

 

0

0

0

0.493

0.49

0.58

Meses após início da pandemia - PIB per Capita baixo

CONASS

DataSUS

1

0.0887

0.0887

0.0891

0.0448

0.0448

0.0366

 

0.1

0.112

0.111

0.091

0.082

0.149

2

0.156

0.156

0.156

0.0351

0.0351

0.0367

 

0.029

0.026

0.026

0.201

0.225

0.207

3

0.138

0.138

0.138

0.0162

0.0162

0.00956

 

0.128

0.113

0.113

0.547

0.554

0.724

4

0.124

0.124

0.125

0.0166

0.0166

0.0191

 

0.216

0.218

0.216

0.645

0.641

0.597

5

0.0467

0.0467

0.0475

-0.0168

-0.0168

-0.0264

 

0.895

0.886

0.884

0.758

0.755

0.627

6

-0.288

-0.288

-0.289

0.0595

0.0595

0.0542

 

0.544

0.532

0.531

0.775

0.781

0.801

Meses após início da pandemia - PIB per Capita alto

CONASS

DataSUS

1

0.00793

0.00793

0.00825

-0.00998

-0.00998

-0.0104

 

0.812

0.809

0.801

0.658

0.668

0.656

2

-0.0761

-0.0761

-0.0762

-0.0579

-0.0579

-0.0564

 

0.108

0.091

0.09

0.016

0.018

0.022

3

-0.0984

-0.0984

-0.0983

-0.0314

-0.0314

-0.0301

 

0.065

0.053

0.054

0.227

0.234

0.255

4

-0.0585

-0.0585

-0.0586

0.011

0.011

0.011

 

0.372

0.357

0.356

0.736

0.738

0.739

5

-0.0864

-0.0864

-0.0869

0.0893

0.0893

0.0884

 

0.369

0.375

0.372

0.051

0.061

0.064

6

0.0491

0.0491

0.0484

0.0481

0.0481

0.0452

 

0.421

0.448

0.457

0.78

0.779

0.791

Efeito Fixo

Sim

Sim

Sim

Sim

Sim

Sim

Cluster em Microrregião

Não

Sim

Sim

Não

Sim

Sim

Controles de Infraestrutura Hospitalar

Não

Não

Sim

Não

Não

Sim

Fonte: Elaboração própria utilizando bases disponibilizadas pelo CONASS e DataSUS

As regressões apresentadas, portanto, trazem evidências interessantes e úteis para políticas públicas. Primeiramente, mostra-se que, de fato, o início da pandemia aparenta ter sido responsável por grande aumento da mortalidade dos municípios, mas com menor impacto para aqueles de maior PIB per Capita – e com efeito maior naqueles de menor produção por habitante. No entanto, controlando pela infraestrutura hospitalar, não apenas o aumento geral do excesso de óbitos se reduz, perdendo grande parte do efeito nas mortes entre aqueles hospitalizados, como também a diferença da mortalidade hospitalar dos municípios de menor renda em relação os de nível médio deixa de existir. Tais resultados mostram, portanto, papel relevante dos equipamentos para hospitais na redução das mortes entre os internados.

 


[1] Para lidar com valores zerados, é adicionado uma unidade no denominador e numerador de todos os municípios.

[2] A distribuição espacial desses grupos pode ser vista no mapa apresentado no anexo

As opiniões expressas neste artigo são de responsabilidade exclusiva do autor, não refletindo necessariamente a opinião institucional da FGV.

Deixar Comentário

Veja também