Espalhamento da COVID-19 no Distrito de uMgungundlovu: Uma Análise Detalhada
Este estudo analisa os padrões de transmissão da COVID-19 no Distrito de uMgungundlovu, África do Sul.
― 6 min ler
Índice
A pandemia de SARS-CoV-2 trouxe um monte de problemas pra galera no mundo todo. Até 27 de setembro de 2023, já rolaram mais de 770 milhões de Casos confirmados de COVID-19. A forma como o vírus se espalhou não foi igual em todos os lugares. Algumas áreas tiveram mais casos do que outras. Compreender como o vírus se espalha é super importante, especialmente pra ver como ele muda com o tempo e o que pode rolar no futuro. Esse artigo analisa a disseminação do SARS-CoV-2 no distrito de uMgungundlovu em Kwa-Zulu Natal, África do Sul, usando mapas e dados pra achar áreas de alta Transmissão.
Design do Estudo e Local
Foi feito um estudo transversal. Ele incluiu pessoas que testaram positivo pra SARS-CoV-2 no distrito de uMgungundlovu durante as quatro Ondas do vírus. Esse distrito tá em Kwa-Zulu Natal e atende cerca de 10% da população da província, que é em torno de 1 milhão de pessoas. A área cobre 9.189 quilômetros quadrados e é dividida em sete áreas menores. Pietermaritzburg é a cidade principal e é a capital do distrito.
Coleta de Dados
Durante a pandemia de COVID-19, os médicos coletaram amostras de pessoas suspeitas de estarem infectadas e mandaram pra laboratórios pra testar. Usaram testes de PCR e testes rápidos de antígeno em sistemas de saúde privados e públicos. O Instituto Nacional de Doenças Transmissíveis (NICD) coletou dados sobre casos positivos diariamente, incluindo informações pessoais como idade, sexo e quando o teste foi feito.
Análise de Dados
Depois de coletar os dados, eles foram analisados separadamente pra cada onda. As informações foram organizadas por sexo e os dados faltantes foram anotados. Comparações foram feitas pra ver se as diferenças nos dados eram relevantes. Um software estatístico foi usado na análise. A análise de séries temporais ajudou a mostrar como o número de casos mudou ao longo do tempo. Os dados também foram analisados através de mapas que mostravam onde os casos estavam.
Vários tipos de Análises ajudaram a identificar agrupamentos de casos. Isso envolveu olhar se os casos estavam agrupados em certas áreas. Áreas com muitos casos próximas umas das outras foram identificadas como pontos quentes, enquanto áreas com poucos casos foram notadas como pontos frios. Isso ajudou a entender como o vírus se espalhou no distrito de uMgungundlovu.
Considerações Éticas
Antes de começar o estudo, foi obtida aprovação pra garantir que seguisse as diretrizes éticas. O departamento de saúde e os diretores do distrito também aprovaram o estudo. Os dados foram coletados mantendo as informações pessoais em sigilo. Todos os nomes foram trocados por números de identificação pra proteger a identidade das pessoas.
Visão Geral da Transmissão
O número de testes positivos de COVID-19 foi monitorado pra cada onda do vírus. O maior número de casos aconteceu durante a terceira onda. Na primeira onda, teve pouco mais de 10.000 casos, com mais casos em mulheres do que em homens. A idade média dos homens infectados era 40,1 anos, enquanto das mulheres era um pouquinho maior, 40,5 anos. O grupo etário mais afetado foi de 30 a 39 anos.
Na segunda onda, foram mais de 17.000 casos. As mulheres representaram 59,7% do total, enquanto os homens foram 37,7%. Na terceira onda, o total ultrapassou 20.000 casos, com 56,5% sendo mulheres e 42,8% homens. Notavelmente, mais casos foram registrados entre crianças mais novas e adolescentes nessa onda do que nas anteriores. A quarta onda teve pouco mais de 10.500 casos, com uma tendência semelhante na distribuição de gênero.
Análise Temporal
A primeira onda mostrou um aumento de casos começando no final de junho de 2020, atingindo o pico em julho e depois caindo devagar. Após isso, a segunda onda teve um aumento mais rápido de casos no final de 2020 e início de 2021, devido à presença da variante Beta.
Na terceira onda, os casos começaram a subir novamente em junho de 2021, com um pico alcançado logo depois e uma rápida queda em seguida. A variante durante esse período foi a Delta. A quarta onda começou no final de 2021, subindo rápido em comparação com as ondas anteriores e foi marcada pela variante Ômicron.
Análise Espacial
Mapear a distribuição dos casos mostrou áreas com mais pessoas infectadas. A parte central de uMgungundlovu geralmente tinha mais casos. Na terceira onda, uma área específica, Mpofana, teve um aumento repentino de casos. As regiões com mais atividade econômica tendiam a mostrar mais casos, indicando que essas áreas tinham mais interações sociais.
A análise descobriu que diferentes áreas tinham taxas de infecção variadas. Lugares com populações maiores e mais atividades econômicas tiveram mais casos. Esses achados apontaram que áreas urbanas, onde as pessoas estão mais próximas, são mais vulneráveis ao espalhamento do vírus.
Comparação Entre Ondas
Na primeira onda, medidas rígidas como lockdowns e rastreamento de contatos mantiveram os casos mais baixos em comparação com outros lugares. À medida que a pandemia avançou, a segunda onda viu um aumento devido à flexibilização das restrições, permitindo mais movimentação nas comunidades. A terceira onda teve um aumento alarmante devido a agitação social e medidas de saúde pública sendo desconsideradas. A quarta onda foi mais curta, provavelmente devido aos esforços de vacinação que estavam rolando.
Principais Conclusões
O estudo mostra que certos grupos, especialmente mulheres, tiveram taxas de casos mais altas em comparação com os homens. Os dados indicaram que pessoas mais jovens também estavam sendo mais infectadas à medida que a pandemia avançava. A análise ilustrou como os casos não estavam espalhados de forma uniforme e foram influenciados por localização, densidade populacional e atividade econômica local.
Áreas com mais atividade econômica e mais gente mostraram níveis maiores de infecção. Em contraste, áreas rurais tiveram menos casos, o que pode ser devido a menos acesso a testes.
Conclusão
Essa pesquisa acrescenta ao entendimento de como a COVID-19 se espalhou no distrito de uMgungundlovu. Os achados enfatizam a necessidade de medidas de saúde pública direcionadas, especialmente em áreas urbanas onde o vírus se espalha mais facilmente. Sugere que esforços futuros devem se concentrar em áreas e populações de alto risco pra gerenciar e controlar efetivamente a pandemia. Mais pesquisas são encorajadas pra continuar estudando como ambientes urbanos influenciam a disseminação de doenças infecciosas e pra encontrar intervenções práticas que possam minimizar o impacto de futuros surtos.
Título: Spatial and Temporal Patterns of SARS-CoV-2 transmission in uMgungundlovu, Kwa-Zulu Natal, South Africa
Resumo: BackgroundInvestigating the spatial distribution of SARS-CoV-2 at a local level and describing the pattern of disease occurrence can be used as the basis for efficient prevention and control measures. This research project aims to utilize geospatial analysis to understand the distribution patterns of SARS-CoV-2 and its relationship with certain co-existing factors. MethodsSpatial characteristics of SARS-CoV-2 were investigated over the first four waves of transmission using ESRI ArcGISPro v2.0, including Local Indicators of Spatial Association (LISA) with Morans "I" as the measure of spatial autocorrelation; and Kernel Density Estimation (KDE). In implementing temporal analysis, time series analysis using the Python Seaborn library was used, with separate modelling carried out for each wave. ResultsStatistically significant SARS-CoV-2 incidences were noted across age groups with p-values consistently < 0.001. The central region of the district experienced a higher level of clusters indicated by the LISA (Morans I: wave 1 - 0.22, wave 2 - 0.2, wave 3 - 0.11, wave 4 - 0.13) and the KDE (Highest density of cases: wave 1: 25.1-50, wave 2: 101-150, wave 3: 101-150, wave 4: 50.1-100). Temporal analysis showed more fluctuation at the beginning of each wave with less fluctuation in identified cases within the middle to end of each wave. ConclusionA Geospatial approach of analysing infectious disease transmission is proposed to guide control efforts (e.g., testing/tracing and vaccine rollout) for populations at higher vulnerability. Additionally, the nature and configuration of the social and built environment may be associated with increased transmission. However, locally specific empirical research is required to assess other relevant factors associated with increased transmission.
Autores: Peter S. Nyasulu, R. Gangat, V. Ngah, J. Blanford, R. Tawonga, J. R. Ncayiyana
Última atualização: 2023-12-09 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2023.12.08.23299736
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.12.08.23299736.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.