Análise da Influência dos Fatores Socioeconômicos e de Saúde na Resposta ao COVID-19 nos Municípios Brasileiros

UNIVERSIDADE FEDERAL DE ITAJUBÁ Instituto de Engenharia de Produção e Gestão Relatório Trabalho Avaliativo ADM04F Ana Vitoria Castelucci Gonçalves 2022005615 Heloisa Campos Teles Guimarães 2022004270 Herbert Henri Araujo 2022002687 Jonathas Alcebíades dos Santos 2022015255 Marco Antonio Costa 2022015774 ITAJUBÁ 2023 1 PERGUNTA ESCOLHIDA Qual é a influência de fatores socioeconômicos e de saúde no desempenho de resposta ao COVID19 nos municípios brasileiros até maio de 2021 2 VARIÁVEL DEPENDENTE Para analisar o desempenho de resposta ao COVID19 nos municípios brasileiros até maio de 2021 a variável escolhida como indicador principal foi o Número de óbitos por COVID notificados até maio de 2021 dividido pelo tamanho da população do município Escolhemos essa variável porque uma melhor resposta ao COVID19 implica em um menor número de óbitos por essa doença no município Além disso a escolha da variável dividida pelo tamanho da população foi motivada pela necessidade de normalizar os dados considerando a diversidade de municípios abrangidos que variam significativamente em tamanho populacional Normalizando os dados dessa maneira podemos compreender como a COVID19 afeta as comunidades de maneira proporcional 3 VARIÁVEIS INDEPENDENTES 31 PIB do município em 2018 dividido pelo tamanho da população do município O Produto Interno Bruto PIB reflete a atividade econômica do município Ao relacionálo à população obtemos uma medida do desenvolvimento econômico per capita o que pode indicar a capacidade do local em investir em saúde e infraestrutura para combater o COVID19 32 Percentual dos pacientes internados no município com Covid que possuem fator de risco comorbidades e complicações Este percentual fornece insights sobre a vulnerabilidade da população local Pacientes com fatores de risco podem ter maior gravidade na infecção impactando diretamente a resposta do sistema de saúde 33 Total de leitos no município em abril de 2021 dividido pelo número de habitantes do município A disponibilidade de leitos por habitante reflete a capacidade do sistema de saúde local para lidar com casos de COVID19 Uma maior disponibilidade pode estar associada a uma resposta mais eficaz à pandemia 34 Total de respiradores no município em abril de 2021 dividido pelo número de habitantes do município A disponibilidade de respiradores é crucial para casos graves de COVID19 Essa variável reflete a capacidade do sistema de saúde em fornecer suporte respiratório adequado 35 Arrecadação de impostos no município A arrecadação de impostos está associada à capacidade financeira do município Isso pode influenciar diretamente a alocação de recursos para serviços essenciais incluindo saúde 36 Expectativa de vida dos moradores do município A expectativa de vida é um indicador geral da saúde da população Populações mais saudáveis podem ter uma resposta mais resiliente à pandemia 37 Índice de Desenvolvimento Humano IDH do município O IDH combina indicadores sociais como saúde educação e renda oferecendo uma visão abrangente do bemestar da população e da infraestrutura socioeconômica o que pode influenciar a resposta ao COVID19 4 INTERPRETAÇÃO DOS PARÂMETROS Com as variáveis escolhidas fizemos a regressão através da funcionalidade Análise de dados Regressão do Excel aba Regressão da planilha enviada Os resultados obtidos foram Figura 1 Estimação do modelo por meio da regressão Com esses dados podemos realizar a interpretação dos parâmetros Beta 0 Interseção O beta 0 representa o valor esperado da variável dependente quando todas as variáveis independentes são zero Neste caso o valor de beta 0 é 0003039255 O valor negativo indica que no ponto em que todas as variáveis independentes são zero o modelo estima um número negativo de óbitos o que não tem interpretação prática ou significado realista Porém o valorp de valor 35747E10 sugere que a interseção é estatisticamente significativa Beta 1 PIB do município em 2018 dividido pelo tamanho da população do município O coeficiente associado a esta variável expressa a variação prevista na variável dependente quando há uma mudança unitária no PIB per capita Neste caso específico o valor do coeficiente 622854E11 revela uma relação muito próxima de zero indicando uma fraca associação entre o PIB per capita e a variável dependente Além disso o valorp que é 0914425226 é superior ao limite comum de significância estatística 005 sugerindo que essa variável não possui relevância estatística na explicação da variação observada na variável dependente Beta 2 Percentual dos pacientes internados no município com COVID19 que possuem fator de risco Este coeficiente representa a variação esperada na variável dependente quando há um aumento unitário no percentual de pacientes internados com fator de risco tendo um valor de 0000194072 O coeficiente positivo indica que um aumento neste percentual está associado a um aumento proporcional na variável dependente O valorp de 0027542111 indica que essa relação é estatisticamente significativa a um nível de 005 o que reforça a relevância dessa variável na explicação da variação observada Portanto pacientes com fatores de risco têm um impacto significativo no aumento dos óbitos Beta 3 Total de leitos no município em abril de 2021 dividido pelo número de habitantes do município Este coeficiente indica a mudança esperada na variável dependente para uma unidade de mudança no total de leitos por habitante e possui o valor de 0014096173 O valor negativo sugere que um aumento na disponibilidade de leitos está associado a uma diminuição proporcional no número de óbitos Além disso o valorp de 0045795824 é ligeiramente inferior a 005 o que sugere que essa relação é estatisticamente significativa Beta 4 Total de respiradores no município em abril de 2021 dividido pelo número de habitantes do município Este coeficiente indica a mudança esperada na variável dependente para uma unidade de mudança no total de respiradores por habitante apresentando o valor de 0372659885 O valor positivo do coeficiente sugere uma associação positiva com a variável dependente indicando que o aumento no número de respiradores está vinculado ao aumento nos óbitos Tal relação pode decorrer da necessidade de mais respiradores em fases críticas da pandemia O valorp extremamente baixo 871623E10 demonstra a alta significância estatística dessa variável na explicação da variação no número de óbitos Beta 5 Arrecadação de impostos no município Essa variável possui um coeficiente de 118944E11 O coeficiente extremamente próximo de zero sugere que a arrecadação de impostos pode ter uma influência mínima na variabilidade dos óbitos por COVID19 Apesar disso é importante notar que o valorp associado é 0033969965 o que está abaixo do nível comum de significância estatística 005 Isso indica que apesar da magnitude reduzida do coeficiente há evidências estatísticas suficientes para sugerir que a arrecadação de impostos é estatisticamente significativa na explicação da variabilidade nos óbitos por COVID19 nos municípios Beta 6 Expectativa de vida dos moradores do município Este coeficiente indica a mudança esperada na variável dependente para uma unidade de mudança na expectativa de vida dos moradores do município possuindo um valor de 432382E06 O coeficiente extremamente próximo de zero sugere que a expectativa de vida dos moradores do município possui uma influência mínima na variabilidade dos óbitos por COVID19 Além disso o valorp associado é consideravelmente elevado 0629716765 indicando que a relação entre a expectativa de vida e os óbitos por COVID19 pode não ser estatisticamente significativa Dessa forma com base nos dados apresentados não há evidências estatísticas suficientes para sustentar que a expectativa de vida dos moradores do município desempenhe um papel significativo na explicação da variação nos óbitos por COVID19 nos municípios analisados Beta 7 Índice de Desenvolvimento Humano IDH do município Esse coeficiente indica a mudança esperada na variável dependente para uma unidade de mudança no IDH do município e possui o valor de 0006466189 O coeficiente positivo sugere que um aumento no IDH está associado a um aumento proporcional dos óbitos por COVID19 Isso pode ocorrer por conta de cidades com IDH mais alto geralmente terem melhor acesso a serviços de saúde o que pode levar a uma detecção mais eficiente dos casos de COVID19 resultando em uma contagem de óbitos mais precisa No entanto é importante destacar que a interpretação precisa requer cautela pois outros fatores não considerados no modelo podem influenciar essa associação O valorp muito baixo 533364E73 indica que essa relação é altamente significativa estatisticamente Portanto com base nos dados disponíveis há fortes evidências de que o Índice de Desenvolvimento Humano do município está estatisticamente associado à variabilidade nos óbitos INTERPRETAÇÃO DO R² O R² indica a proporção da variabilidade na variável dependente número de óbitos por COVID19 no seu contexto que é explicada pelas variáveis independentes incluídas no modelo de regressão linear múltipla Nesse caso o R² obtido no modelo de regressão é de 2367 indicando que aproximadamente 2367 da variação na taxa de casos de COVID19 por população pode ser explicada pelas variáveis independentes incluídas na análise Isso sugere que o modelo explica uma parcela significativa mas não dominante da variabilidade nos óbitos por COVID19 nos municípios