Fatores socioeconômicos, demográficos e condições de saúde como preditores de óbitos por COVID-19 em gestantes adultas hospitalizadas no Brasil

Abstract

Globalmente, ocorreram mais de 6,9 milhões de mortes pela COVID-19 até março de 2023, uma infecção respiratória com espectro de pacientes assintomáticos até a síndrome respiratória aguda grave (SRAG). A doença causada pelo novo coronavírus (SARS-CoV-2), foi identificada em 2019 e posteriormente declarada como uma pandemia. De acordo com a Organização Mundial da Saúde, as gestantes compõem um grupo com maior risco de evoluir para casos mais graves da doença, sobretudo quando apresentam comorbidades. Ainda, as medidas de isolamento implementadas para mitigação do contágio causaram impacto socioeconômico importante, principalmente para a população mais vulnerável social e economicamente, e acarretou a piora de indicadores de desenvolvimento e de saúde. O presente trabalho objetiva avaliar a inter-relação entre a doença COVID-19 e as condições sociodemográficas e de saúde de gestantes brasileiras. Trata-se de um estudo longitudinal, realizado a partir da análise de dados secundários. O conjunto de dados consiste nas notificações nacionais de Síndrome Respiratória do Ministério da Saúde, disponíveis no Sistema de Informação de Vigilância Epidemiológica da Gripe (SIVEP Gripe). Os dados foram selecionados para integrar a amostra de 16202 casos da doença em gestantes adultas (≥20 anos) hospitalizadas em todo período da pandemia. A variável dependente foi a evolução dos casos de hospitalizações por COVID-19 (cura/óbito) e as independentes: idade, etnia, escolaridade, trimestre gestacional e comorbidades (doença cardiovascular, doença hematológica, síndrome de Down, doença hepática, asma, diabetes mellitus, doença neurológica, pneumopatia crônica, imunodeficiência, doença renal e obesidade). Também foram avaliados indicadores de saúde materno infantil (adequação do pré-natal e mortalidade neonatal) e socioeconômicos (Gini, Indice de Desenvolvimento Humano - IDH) e o Índice de Desigualdades Sociais para Covid-19 (IDS COVID-19) dos municípios de residência das gestantes. A imunização contra COVID-19 foi avaliada conforme número de doses, 1ª e 2ª doses ou dose única e o reforço. As análises foram conduzidas no ambiente de desenvolvimento integrado do R, o RStudio, versão 4.3.2. Uma avaliação descritiva foi realizada para caracterização da amostra. A regressão de Poisson com estimativa do risco relativo foi aplicada para verificação de variáveis associadas ao óbito. A análise de regressão Joinpoint foi utilizada para avaliar a tendencia da letalidade da COVID-19. As técnicas de Machine Learning foram adotadas para construção dos modelos preditivos do desfecho da infecção pelo SARS-CoV-2. Ainda, foi realizada a espacialização do IDHM e do IDS COVID-19 segundo a mortalidade materna pela COVID-19 por município brasileiro. O uso de dados secundários dispensa a submissão ao Comitê de Ética e Pesquisa (CEP), segundo os termos da Lei 12527, de 18 de novembro de 2011. A idade mediana entre as gestantes avaliadas foi de 30 anos (P25- 25; P75- 35). A letalidade foi de 7,62% (n = 1236). O risco para o óbito foi maior para mulheres não vacinadas (RR: 4,29; IC: 2,97 – 6,50), com idade ≥ 35 anos (RR: 1,37; IC: 1,13 - 1,67) e com obesidade (RR: 2,08; IC: 1,66 – 2,58). Os fatores socioeconômicos e de saúde materno-infantil municipais apresentaram associação com o óbito, com exceção do índice GINI. Assim como fatores sociodemográficos individuais, a citar-se a etnia e escolaridade, que estiveram relacionadas ao óbito e à adesão ao imunizante. Por fim, o modelo boosting apresentou melhor desempenho no Machine Learning, com acurácia de 74,6%, sensibilidade de 73,3% e especificidade de 76,0%. Na análise espacial, observou-se maior mortalidade materna por COVID-19 em municípios da região Norte e Nordeste. A idade, escolaridade, obesidade e ausência da imunização foram os principais fatores individuais que elevaram o risco de óbito por COVID-19 entre gestantes brasileiras. Além disso, o menor IDHM, menor prevalência de adequação ao pré-natal e maior mortalidade neonatal apresentaram relação com a ocorrência do óbito, assim como o IDS COVID-19, que representa a desigualdade social em saúde no Brasil. O Machine Learning pode ser uma técnica aplicada na predição do desfecho de hospitalizações por COVID-19 a partir de variáveis individuais e indicadores municipais de saúde e sociodemográficos. Sugere-se que na ocorrência de doenças semelhantes, as gestantes sejam priorizadas no esquema de vacinação, sobretudo, aquelas que apresentarem obesidade, com maior idade e de estratos sociais mais vulneráveis. Palavras-chave: Comorbidade. Gestação. Brasil. SARS-CoV-2. Fatores Socioeconômicos.Worldwide, more than 6.9 million people have died from COVID-19, a respiratory infection with a spectrum from asymptomatic patients to severe acute respiratory syndrome (SARS). The disease, caused by the new coronavirus (SARS-CoV-2), was identified in 2019 and subsequently declared a pandemic. According to World Health Organization, pregnant women are a group of individuals at greater risk of developing more severe cases of the disease, especially when they have comorbidities. In addition, the isolation measures implemented to mitigate contagion have had a significant socio-economic impact, especially on the most socially and economically vulnerable populations, leading to a deterioration in developmental and health indicators. This study aims to evaluate the interrelationship between the COVID-19 disease and the socio-demographic and health conditions of Brazilian pregnant women. This is a longitudinal study carried out by analyzing secondary data. The dataset consists of national notifications of Respiratory Syndrome from the Ministry of Health, available in the Influenza Epidemiological Surveillance Information System (SIVEP Gripe). The data were selected to integrate the sample of 16,202 cases of the disease in adult pregnant women (≥ 20 years old) hospitalized throughout the pandemic period. The dependent variable was the evolution of cases of hospitalizations due to COVID-19 (cure/death) and the independent variables: age, race/color, education, gestational trimester, and comorbidities (cardiovascular disease, hematological disease, Down syndrome, liver disease, asthma, diabetes mellitus, neurological disease, chronic lung disease, immunodeficiency, kidney disease and obesity). Maternal and child health indicators (adequacy of prenatal care and neonatal mortality) and socioeconomic indicators (Gini, Human Development Index - HDI) and the Social Inequalities Index for Covid-19 (IDS COVID-19) of the municipalities of residence were also evaluated. of pregnant women. Immunization against COVID-19 was evaluated according to the number of doses, 1st and 2nd doses or a single dose and booster. The analyzes were conducted in the R integrated development environment, RStudio, version 4.3.2. A descriptive evaluation was carried out to characterize the sample. Poisson regression with relative risk estimation was applied to verify variables associated with death. Joinpoint regression analysis was used to evaluate the trend in COVID-19 lethality. Machine Learning techniques were adopted to build predictive models for the outcome of SARS-CoV-2 infection. Furthermore, the IDHM and IDS COVID-19 were spatialized according to maternal mortality due to COVID-19 by Brazilian municipality. The use of secondary data does not require submission to the Research Ethics Committee, in accordance with the terms of Law 12527, of November 18, 2011. The median age among the pregnant women evaluated was 30 years (P25- 25; P75- 35). The lethality was 7.62% (n = 1236). The risk of death was higher for unvaccinated women (RR: 4.29; CI: 2.97 - 6.50), aged ≥ 35 years (RR: 1.37; CI: 1.13 - 1.67) and obesity (RR: 2.08; CI: 1.66 – 2.58). Municipal socioeconomic and maternal and child health factors were associated with death, except for GINI. As well as individual sociodemographic factors, such as race and schooling, which were related to death and adherence to immunization. Finally, the boosting model performed best in Machine Learning, with an accuracy of 74.6%, sensitivity of 73.3% and specificity of 76.0%. In the spatial analysis, higher maternal mortality from COVID-19 was observed in municipalities in the North and Northeast regions. Age, schooling, obesity, and lack of immunization were the main individual factors that increased the risk of death from COVID-19 among Brazilian pregnant women. In addition, the HDI, adequacy of prenatal care and neonatal mortality were related to the occurrence of death, as was the IDS COVID-19, which represents social inequality in health in Brazil. Machine Learning can be used to predict the outcome of COVID-19 hospitalizations based on individual variables and municipal health and sociodemographic indicators. It is suggested that in the event of similar diseases, pregnant women should be prioritized in the vaccination scheme, especially those who are obese, older and from more vulnerable social class. Keywords: Comorbidities. Pregnancy. Brazil. SARS-CoV-2. Socioeconomic Factors.