Resumo em Português:

Resumo O objetivo deste estudo é caracterizar a morbidade da COVID-19 no ano de 2020, identificando as áreas mais vulneráveis e áreas de aglomeração de casos em uma favela do Rio de Janeiro/Brasil conhecida como Manguinhos. Trata-se de um estudo descritivo transversal realizado de 16 de março a 12 de agosto de 2020. Descrevemos o perfil sociodemográfico dos casos e fizemos análise espacial por meio de mapas de pontos e Kernel. As taxas de incidência foram calculadas por sexo, idade e sub-regiões. A taxa de incidência foi de 202/10.000 habitantes. Detectamos aglomerados de casos a oeste, centro-norte e centro-sul de Manguinhos. Altas taxas de incidência foram observadas também nas sub-regiões centro-norte, centro-sul e sudoeste. Nas sub-regiões com alta incidência, o percentual de pessoas dependentes de ajuda financeira governamental variou entre 13% e 21%. As sub-regiões com maior aglomeração de casos no território de Manguinhos coincidem com as regiões com as maiores taxas de incidência, mas não com as regiões mais pobres do território.

Resumo em Inglês:

Abstract This study aims to characterize the morbidity of COVID-19 in the year 2020 by identifying the most vulnerable areas and areas of clustering of cases in a favela from Rio de Janeiro/Brazil known as Manguinhos. This is a cross-sectional descriptive study performed from March 16, 2020, to August 12, 2020. We described the sociodemographic profile of the cases and performed spatial analysis using point and Kernel maps. Incidence rates were calculated by sex, age, and sub-regions. The incidence rate was 202/10,000. We detected clusters of cases west, central-north, and central-south of Manguinhos. High incidence rates were observed also in sub-regions of central-north, central-south, and southwest. In the sub-regions with high incidence, the percentage of people depending on financial governmental aid ranged between 13% and 21%. The sub-regions with the highest agglomeration of cases in the territory of Manguinhos coincide with the regions with the highest incidence rates, but not with the poorest regions of the territory.

Resumo em Português:

Resumo O objetivo deste artigo é estimar o excesso de óbitos nos anos de 2020 e 2021 no estado de Mato Grosso, na capital do estado e no interior, segundo sexo e faixa etária. Os dados foram extraídos do site do DATASUS/Ministério da Saúde para o período de 2015 a 2020 e do site da Secretaria de Estado da Saúde - Sistema Data Warehouse (DW) para 2021. Óbitos não fetais por causas naturais de residentes no Mato Grosso foram analisados e as análises foram divididas em interior e capital do estado (Cuiabá). As variáveis selecionadas foram: faixa etária, sexo, mês de ocorrência e causa básica do óbito. O excesso de mortalidade foi calculado usando ajustes generalizados do modelo aditivo quase-Poisson com correção para superdispersão. Identificou-se um excesso de 30% de óbitos em 2020, com a capital do estado registrando a maior estimativa, nas faixas etárias mais avançadas, e entre os meses de julho e setembro. Em 2021, o número esperado de óbitos foi de 57% superior, sendo o dobro nas faixas etárias mais jovens do interior do estado. O estudo mostrou diferentes perfis demográficos de excesso de óbitos nos anos de 2020 e 2021 durante a pandemia de COVID-19 e padrões distintos entre interior e capital do estado, sugerindo desigualdades que podem ter impactado em diferentes riscos.

Resumo em Inglês:

Abstract This article aims to estimate the excess of deaths in the years 2020 and 2021 in Mato Grosso state, in the state capital and in the countryside, according to gender and age group. Data was extracted from DATASUS/Ministry of Health website for the period from 2015 to 2020 and from the website of the State Department of Health - Data Warehouse System (DW) for 2021. Non-fetal deaths by natural causes of residents in Mato Grosso were analyzed and the analyses were broken down into countryside and state capital (Cuiabá). The variables selected were age group, gender, month of occurrence, and underlying cause of death. Excess mortality was calculated using generalized additive quasi-Poisson model adjustments with correction for overdispersion. A 30% excess of deaths was identified in 2020, with the state capital recording the highest estimate, in older age groups, and between the months of July and September. In 2021, the expected number of deaths was 57% higher, with the double in the younger age groups in the countryside. The study showed different demographic profiles of excess deaths in the years 2020 and 2021 during COVID-19 pandemic and distinct patterns between countryside and state capital, suggesting inequalities that may have caused impact on different risks.