Resumo

O estudo objetivou estimar a mortalidade prematura (30 a 69 anos) por quatro grupos prioritários de DCNT no Brasil, no período de 2010 a 2019, comparando dados do Sistema de Informações sobre Mortalidade (SIM) brutos, sem correção, dados do SIM corrigidos pela redistribuição dos CG e sub-registro e dados extraídos do estudo Carga Global de Doenças (GBD). As taxas de mortalidade prematura por DCNT mostraram redução no período analisado. Embora os métodos de correção tenham modificado pouco as tendências temporais, foi observado as taxas de mortalidade calculadas com os dados corrigidos foram expressivamente maiores que as sem correção. Essa variação foi heterogênea entre as Unidades Federadas. As taxas estimadas pelo método do SIM bruto variaram de 322,0 a 276,1 óbitos por 100 mil habitantes, enquanto as taxas do SIM redistribuído foram de 340,4 a 296,8 óbitos por 100 mil habitantes. As taxas estimadas para o GDB variaram de 371,6 a 323,0 óbitos por 100 mil habitantes. Em conclusão o presente estudo destaca a importância de se adotar métodos que possam ser aplicados para que tenhamos estatísticas relacionadas à mortalidade mais fidedignas, o que contribui para a melhoria contínua da definição das causas de morte no SIM.

Palavras-chave:
Doenças Crônicas Não Transmissíveis; Estatísticas vitais; Causa da morte; Precisão de dados; Sistemas de informação em Saúde

Introdução

As estatísticas de mortalidade têm importância fundamental e bem estabelecida para a compreensão da situação de saúde de uma população, em especial para a vigilância de doenças crônicas não transmissíveis (DCNT)¹1 Laurenti R. A análise da mortalidade por causa básica e por causas múltiplas. Rev Saude Publica 1974; 8:421-435.^,22 Santos ÁO, Sztajnberg A, Machado TM, Nobre DM, Souza ANP, Savassi LCM. Desenvolvimento e Avaliação de uma Plataforma Colaborativa Digital para Educação e Tomada de Decisão Médica Baseada em Evidências. Rev Bras Educ Med 2019; 43(1 Supl. 1):513-524.. A análise das causas de morte permite que se mensure os principais problemas que afetam a saúde de uma população. Por meio da estimativa das taxas de mortalidade, é possível mensurar os riscos de morte a que estão expostos diferentes grupos populacionais, além de possíveis desigualdades entre os grupos, períodos, gerações ou localidades³3 Benedetti MSG, Saraty SB, Martins AG, Miranda MJ, Abreu DMX. Evaluation study of the garbage codes research project in the northern region of Brazil. Rev Bras Epidemiol 2019; 22(Supl. 3):e19006.supl.3.. Tais taxas podem subsidiar, ainda, o direcionamento de prioridades em políticas relacionadas aos serviços de saúde, bem como análises de situação, planejamento e avaliação das ações e programas na área⁴4 Brasil. Ministério da Saúde (MS). Sistema de Informações sobre Mortalidade. DATASUS [Internet]. 2023 [acessado 2023 maio 10]. Disponível em: https://datasus.saude.gov.br/mortalidade-desde-1996-pela-cid-10.
https://datasus.saude.gov.br/mortalidade... ^,55 Malta DC, Reis AAC, Jaime PC, Morais Neto OL, Silva MMA, Akerman M. O SUS e a Política Nacional de Promoção da Saúde: perspectiva resultados, avanços e desafios em tempos de crise. Cien Saude Colet 2018; 23(6):1799-1809..

Criado em 1975, o Sistema de Informações sobre Mortalidade (SIM) permite o armazenamento e monitoramento contínuo dos dados sobre óbitos no Brasil, constituindo uma importante ferramenta para a vigilância em saúde no país⁶6 Benedetti MSG, Saraty SB, Martins AG, Miranda MJ, Abreu DMX. Evaluation study of the garbage codes research project in the northern region of Brazil. Rev Bras Epidemiol 2019; 22(Supl. 3):e19006.supl.3.. Apesar de ser considerado um sistema consolidado, o SIM ainda apresenta desigualdades regionais no que se refere à cobertura e qualidade dos dados⁷7 Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Methodological proposal for the redistribution of deaths due to garbage codes in mortality estimates for Noncommunicable Chronic Diseases. Rev Bras Epidemiol 2021; 24:e210004.. É consenso que, para que o SIM tenha um desempenho adequado, as declarações de óbito e as fichas de investigação (documentos base do sistema) devem apresentar informações precisas sobre a causa básica dos óbitos⁸8 Ellingsen CL, Ebbing M, Alfsen GC, Vollset SE. Injury death certificates without specification of the circumstances leading to the fatal injury - The Norwegian Cause of Death Registry 2005-2014. Popul Health Metr 2018; 16(1):20..

A Organização Mundial da Saúde (OMS) define causa básica de óbito como (a) a doença ou lesão que iniciou uma sucessão de eventos que culminaram na morte ou (b) nos casos de acidentes ou violências, as circunstâncias que produziram a lesão ou lesões fatais⁹9 World Health Organization (WHO). International Statistical Classification of Diseases and related health problems (ICD-10). 5ª ed. Geneva: WHO; 2016.. Embora as causas básicas de óbito sejam codificadas por meio da Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde, 10ª Revisão (CID-10), esta não fornece apenas códigos adequados para declarar a causa subjacente da morte. Também há códigos para doenças não fatais, além de sinais, sintomas e complicações¹⁰10 Ellingsen CL, Alfsen GC, Ebbing M, Pedersen AG, Sulo G, Vollset SE, Braut GS. Garbage codes in the Norwegian cause of death registry 1996-2019. BMC Public Health 2022; 22(1):1301.. Estes códigos, chamados de Códigos Garbage (CG) não são adequados para o preenchimento da causa básica de óbito, posto que fornecem informações pouco úteis ao direcionamento de ações em saúde pública¹¹11 Malta DC, França E, Abreu DMX, Perillo RD, Salmen MC, Teixeira RA, Passos V, Souza MFM, Mooney M, Naghavi M. Mortalidade por doenças não transmissíveis no brasil, 1990 a 2015, segundo estimativas do estudo de carga global de doenças. Sao Paulo Med J 2017; 135(3):213-221., dificultando a identificação das reais doenças e agravos que desencadearam o óbito¹²12 Teixeira RA, Naghavi M, Guimarães MDC, Ishitani LH, França EB. Quality of cause-of-death data in Brazil: Garbage codes among registered deaths in 2000 and 2015. Rev Bras Epidemiol 2019; 22:e19002-supl.^,1313 Ishitani LH, Teixeira RA, Abreu DMX, Paixão LMMM, França EB. Quality of mortality statistics' information: garbage codes as causes of death in Belo Horizonte, 2011-2013. Rev Bras Epidemiol 2017; 20:34-45..

Uma alta proporção de CG limita a utilidade das estatísticas de mortalidade, minando a sua importância como fonte primária de informação para o planejamento e avaliação de políticas e intervenções de saúde⁶6 Benedetti MSG, Saraty SB, Martins AG, Miranda MJ, Abreu DMX. Evaluation study of the garbage codes research project in the northern region of Brazil. Rev Bras Epidemiol 2019; 22(Supl. 3):e19006.supl.3.^,1414 Dahiru T, Sabitu K, Oyemakinde A, Mande A, Singha F. Mortality and cause of death in Abuth, Zaria: 1999-2005. Ann Ib Postgrad Med 2011; 8(1):1999-2005.. Nesse sentido, diferentes abordagens têm sido utilizadas para classificar e reduzir o impacto dos CG, geralmente envolvendo sua redistribuição para códigos de causas de óbito plausíveis¹⁵15 Monasta L, Alicandro G, Pasovic M, Cunningham M, Armocida B, Murray CJL, Ronfani L, Naghavi M; GBD 2019 Italy Causes of Death Collaborators. Redistribution of garbage codes to underlying causes of death: a systematic analysis on Italy and a comparison with most populous Western European countries based on the Global Burden of Disease Study 2019. Eur J Public Health 2022; 32(3):456-462., com consulta aos especialistas, redistribuição proporcional fixa e redistribuição proporcional computada com base nas informações da cadeia de causa de morte e modelos de regressão¹⁶16 Liu L, Wang X, Wang C, Ma X, Meng X, Ning B, Li N, Wan X. A study on garbage code redistribution methods in small area: redistributing heart failure in two Chinese cities by two approaches. Research Square [preprint]; 2022. doi: https://doi.org/10.21203/rs.3.rs-1242825/v1.
https://doi.org/10.21203/rs.3.rs-1242825... . No estudo Global Burden of Disease (GBD) 2019, a redistribuição dos CG foi feita com base em pesos gerados por modelos estatísticos e redistribuídos por algoritmos nos grupos das causas definidas¹⁷17 GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet 2020; 396(10258):1204-1222.^,1818 The Institute for Health Metrics and Evaluation (IHME). Global Health Data Exchange (GHDx) - Discover the World's Health Data [Internet]. IHME | GHDx; 2019 [cited 2023 jun 10]. Available from: https://ghdx.healthdata.org/.
https://ghdx.healthdata.org... . Embora tal estudo seja considerado como o padrão-ouro no que se refere à redistribuição de CG, é necessário que os países avancem na implementação e melhoria de metodologias próprias, adequadas à realidade local¹⁹19 Liu L, Cai Z, Wang X, Wang C, Ma X, Meng X, Ning B, Li N, Wan X. A study on garbage code redistribution methods for heart failure at city level by two approaches. Biomed Environ Sci 2023; 38(1):119-125..

As doenças crônicas não transmissíveis (DCNT) representam a maior causa de morbimortalidade no Brasil e no mundo, resultando em mortes, incapacidades, perda da qualidade de vida e importantes impactos econômicos²⁰20 World Health Organization (WHO). Noncommunicable diseases country profiles 2018. Geneva: WHO; 2018.^,2121 GBD 2016 Brazil Collaborators. Burden of disease in Brazil, 1990-2016: a systematic subnational analysis for the Global Burden of Disease Study 2016. Lancet 2018; 392(10149):760-775.. Estima-se que, anualmente, as DCNT sejam responsáveis por 41 milhões de mortes no mundo (71% de todas as mortes). Dessas, 15 milhões são óbitos prematuros (30 a 69 anos de idade) e cerca de 12 milhões ocorrem em países de baixa e média renda²⁰20 World Health Organization (WHO). Noncommunicable diseases country profiles 2018. Geneva: WHO; 2018..

Devido à magnitude e impacto das DCNT na população, sua vigilância e monitoramento contínuos são primordiais para a saúde pública²²22 Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Proposta metodológica para redistribuição de óbitos por causas garbage nas estimativas de mortalidade para Doenças Crônicas Não Transmissíveis. Rev Bras Epidemiol 2021; 24(Supl. 1):e210004.. Tanto que este grupo de doenças foi incluído na Meta 3.4 dos Objetivos do Desenvolvimento Sustentável (ODS), cuja proposta é reduzir em um terço a mortalidade prematura por DCNT²³23 World Health Organization (WHO). Health in 2015: from MDGs, Millennium Development Goals to SDGs, Sustainable Development Goals. Geneva: WHO; 2015..

No Brasil, as DCNT constituem as causas mais frequentes de óbito, correspondendo a 76% das mortes em 2017²⁴24 Malta DC, Silva AG, Teixeira RA, Machado IE, Coelho MRS, Hartz ZM. Evaluation of the achievement of the goals of the Strategic Action Plan for Coping with Chronic Diseases in Brazil, 2011-2022. An Inst Hig Med Trop (Lisb) 2019; 1:9-16.. Estudo realizado por Malta e colaboradores apontou que, com a redistribuição dos CG, as taxas de mortalidade prematura por DCNT aumentaram entre 8% e 12% nas capitais brasileiras. Esta variação foi maior nas capitais com maiores índices de privação social²⁵25 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gomes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002.. Não há estudos semelhantes que abranjam as Unidades Federadas brasileiras.

Assim, este trabalho tem por objetivo estimar a mortalidade prematura por DCNT no Brasil e Unidades Federadas (UF), no período de 2010 a 2019, comparando os dados obtidos a partir do SIM bruto, SIM corrigido pela redistribuição do CG e GBD, bem como sua tendência temporal. Será analisada, ainda, a associação entre o Índice de Desenvolvimento Humano (IDH) das UF e o impacto da correção nas taxas de mortalidade destas.

Métodos

Trata-se de um estudo das séries temporais de mortalidade por DCNT, no período de 2010 a 2019, comparando três metodologias distintas de cálculo: usando dados do SIM brutos, dados do SIM corrigidos pela redistribuição dos CG e sub-registro e os dados extraídos diretamente do estudo GBD¹⁸18 The Institute for Health Metrics and Evaluation (IHME). Global Health Data Exchange (GHDx) - Discover the World's Health Data [Internet]. IHME | GHDx; 2019 [cited 2023 jun 10]. Available from: https://ghdx.healthdata.org/.
https://ghdx.healthdata.org... .

Variáveis - Dados de mortalidade

As taxas de mortalidade prematura (30 a 60 anos) foram calculadas tanto para o total de óbitos por DCNT quanto para categorias que compõem esse grupo de doenças (diabetes, doenças cardiovasculares, doenças respiratórias e neoplasias), considerando o período de estudo. As taxas de mortalidade pelo total de DCNT foram calculadas, ainda, desagregadas por UF de residência da vítima para os anos de 2010 e 2019.

Para o cálculo das taxas de mortalidade, foram considerados, no numerador, os óbitos cuja causa básica tenha sido codificada como neoplasias malignas (códigos C00-C97), diabetes mellitus (E10-E14), doenças cardiovasculares (I00-I99) e doenças respiratórias crônicas (J30-J98, exceto J36). O denominador foi composto pela população da mesma localidade e período, obtida a partir do estudo GBD, e que estão disponíveis publicamente no site do Institute for Health Metrics and Evaluation (IHME). Esta mesma população foi considerada para todas as metodologias em estudo, bem como a constante das taxas (100 mil habitantes). A utilização das estimativas populacionais do estudo GBD para compor o denominador das taxas de mortalidade nas três metodologias de cálculo utilizadas faz com estas sejam comparáveis entre si, embora torne os valores diferentes daqueles observados em outros estudos, que utilizam estimativas populacionais distintas.

As taxas de mortalidade prematura por DCNT foram mensuradas por meio de três métodos diferentes:

Os três métodos utilizaram taxas de mortalidade padronizadas pelo método direto, considerando apenas a morte prematura de 30 a 69 anos, usando a população padrão mundial GBD 2019.

Análise dos dados

Inicialmente foi analisada a tendência do número de óbitos e das taxas de mortalidade prematura por DCNT de 2010 a 2019 calculadas pelos três métodos, para o Brasil.

Para estimar as tendências, foi utilizado método de regressão linear de Prais-Winsten. Este é um método delineado para dados que possam ser influenciados pela autocorrelação serial, o que frequentemente ocorre em medidas de dados populacionais. Foi adotado como valor crítico para determinar se a tendência foi significativa, P=0,05. A variação percentual anual (VPA) foi calculada utilizando a seguinte fórmula³⁹39 Antunes JLF, Cardoso MRA. Uso da análise de séries temporais em estudos epidemiológicos. Epidemiol Serv Saude 2015; 24(3):564-576.:

Onde b corresponde ao coeficiente de inclinação da reta obtida na análise de regressão relacionando o logaritmo em base decimal do indicador em análise com o ano de ocorrência. O intervalo de 95% de confiança da taxa de incremento médio anual percentual no período foi calculado a partir da seguinte fórmula³⁹39 Antunes JLF, Cardoso MRA. Uso da análise de séries temporais em estudos epidemiológicos. Epidemiol Serv Saude 2015; 24(3):564-576.:

Onde t é o valor em que a distribuição t de Student apresenta 9 graus de liberdade a um nível de confiança de 95% bicaudal e EP é o erro padrão da estimativa de b fornecido pela análise de regressão.

Foram calculadas as variações percentuais das taxas de mortalidade prematura por DCNT pelos métodos SIM bruto e SIM corrigido para Brasil e UF nos anos de 2010 e 2019, bem como os percentuais de correção, calculados a partir da variação percentual das taxas de mortalidade prematura por DCNT entre os métodos. Por se tratar de valores menores, as séries temporais dos indicadores de UF apresentam bastante variabilidade, dificultando a implementação da análise de regressão. Por isso, optou-se por analisar apenas as variações percentuais.

Adicionalmente, foi realizada análise de correlação de Pearson entre o Índice de Desenvolvimento Humano (IDH) e a variação percentual das taxas de mortalidade prematura por DCNT estimadas a partir do SIM bruto e do SIM corrigido, segundo as UF de 2010 a 2019. O IDH constitui-se em um índice composto por três indicadores, longevidade, renda e educação. Pode variar de 0 a 1 e quanto mais próximo de 1 melhor o desenvolvimento humano. Tem sido amplamente utilizado em estudos, gerando comparabilidade⁴⁰40 Programa das Nações Unidas para o Desenvolvimento (PNUD). Programa das nações unidas para o desenvolvimento. Atlas do desenvolvimento humano no Brasil. Brasília: PNUD; 2012.. A magnitude das correlações foi categorizada de acordo com a classificação proposta por Shimakura⁴¹41 Shimakura SE. Interpretação do coeficiente de correlação. Curitiba: UFPR; 2006. para valores do coeficiente de correlação (r) positivos ou negativos: (i) Correlação bem fraca (r=0,00 a 0,19); (ii) Correlação fraca (r=0,20 a 0,39); (iii) Correlação moderada (r=0,40 a 0,69); (iv) Correlação forte (r=0,70 a 0,89); (v) Correlação muito forte (r=0,90 a 1,00). Foram consideradas correlações significativas aquelas em que o P-valor foi menor que 0,05.

As análises estatísticas foram executadas utilizando o software R (R Core Team 2024. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria: https://www.R-project.org/).

Aspectos éticos

Esta pesquisa obedece à Resolução nº 466, de 12 de dezembro de 2012, do Conselho Nacional de Saúde (CNS). Foi aprovada pelo Comitê de Ética em Pesquisa envolvendo Seres Humanos da UFMG sob parecer de número 3.258.076.

Resultados

A Figura 1A mostra o número absoluto de óbitos estimados segundo os três métodos de cálculo. Foi observado aumento similar entre os três métodos, sendo os maiores valores estimados pelo método GBD. Foram registrados aproximadamente 253 mil óbitos em 2010 no SIM bruto, chegando a 288 mil óbitos em 2019 (VPA=1,55%; IC95%=1,28; 1,81). Considerando o SIM corrigido, este número variou de 267 mil a 310 mil óbitos no mesmo período (VPA=1,74%; IC95%=1,44; 2,03). Pelo método GBD, foram estimados 292 mil óbitos em 2010, atingindo 337 mil em 2019 (VPA=1,59%; IC95%=1,42; 1,77).

As taxas de mortalidade prematura por DCNT apresentaram redução no período analisado (Figura 1B). As taxas estimadas pelo método do SIM bruto reduziram de 322,0 a 276,1 óbitos por 100 mil habitantes (VPA=-1,64%; IC95%=-1,96; -1,32), enquanto as taxas do SIM corrigido variaram de 340,4 a 296,8 óbitos por 100 mil habitantes (VPA=-1,47%; IC95%=-1,88; 1,06). Já as estimadas pelo GDB variaram de 371,6 a 323,0 óbitos por 100 mil habitantes (VPA=-1,58%; IC95%=-1,83; 1,33).

A Figura 2 apresenta as taxas de mortalidade por cada um dos quatro grupos de DCNT estudados no período. Também foram observadas reduções na magnitude dessas taxas. As mortes por doenças cardiovasculares apresentaram padrão semelhante de redução entre os três métodos estudados. Para os demais grupos, embora todos os métodos tenham apontado redução na magnitude da taxa de mortalidade, houve variação no comportamento desta no decorrer da série histórica, de acordo com o método de cálculo analisado. Para todos os grupos de doenças estudados, as estimativas calculadas a partir do método GBD foram as maiores, seguidas do SIM corrigido e SIM bruto, durante todo o período analisado.

A Tabela 1 apresenta os valores e a variação percentual das taxas de mortalidade prematura por DCNT calculadas segundo os métodos SIM bruto e SIM corrigido, nas UF e no Brasil, para os períodos de 2010 e 2019. Considerando os dois métodos, em 2010, a maior taxa de mortalidade foi observada no Rio de Janeiro (384,0 óbitos/100 mil habitantes de acordo com o SIM bruto e 392,3 de acordo com o SIM corrigido) e a menor no Amapá (189,1 óbitos/100 mil habitantes pelo SIM bruto e 218,3 pelo SIM corrigido). Em 2019, de acordo com o SIM bruto, a maior taxa ocorreu em Pernambuco (314,8 óbitos/100 mil habitantes). Já de acordo com o SIM corrigido, a maior magnitude da taxa foi observada em Alagoas (376,4 óbitos/100 mil habitantes). Ainda em 2019, a menor taxa de mortalidade prematura por DCNT ocorreu no Distrito Federal (222,9 óbitos/100 mil habitantes pelo SIM bruto e 232,9 pelo SIM corrigido). A maior variação percentual positiva entre as taxas de mortalidade dos anos de 2010 e 2019 foi observada no Amapá (40,5% pelo SIM bruto e 30,0% pelo SIM corrigido). A maior variação percentual negativa ocorreu no Mato Grosso do Sul (-20,6% pelo SIM bruto e -19,6% pelo SIM corrigido).

A Tabela 2 apresenta o percentual de correção das taxas de mortalidade prematura por DCNT calculadas a partir dos métodos SIM bruto e SIM corrigido, para os anos de 2010 e 2019. No Brasil, o percentual de correção foi de 5,7% em 2010 e 7,5% em 2019. Dentre as UF, o Maranhão apresentou maior percentual de correção (26,7% em 2010 e 33,9% em 2019). O menor percentual de correção foi observado no Rio Grande do Sul em 2010 (1,5%) e em São Paulo e Mato Grosso em 2019 (2,7% para ambas).

A Figura 3 apresenta os resultados da análise de correlação entre as variações percentuais das taxas de mortalidade prematura por DCNT nas UF e o IDH destas. Houve correlação moderada considerando ambas as metodologias (SIM bruto: r=-0,46; P=0,015 e SIM corrigido: r=-0,54; P-valor=0,004), o que significa que as UF com maiores IDH apresentaram menores variações.

Discussão

O estudo mostrou o impacto da correção de dados de óbito na estimativa do número de óbitos e das taxas de mortalidade prematura por DCNT. Para todas as desagregações estudadas, observou-se que as taxas aumentaram após a redistribuição de CG, com tendências temporais bastante semelhantes entre taxas corrigidas e não corrigidas. O percentual de correção variou entre as UF brasileiras, e a variação percentual das taxas entre 2010 e 2019 foi inversamente proporcional ao IDH destas.

Este estudo mostra a importância da utilização de métodos de correção para os dados de mortalidade por DCNT no Brasil e, em especial, nas UF da regiões Norte e Nordeste do país. O percentual de correção de até 33,9% (observado no Maranhão, em 2019) mostra a necessidade de cautela na utilização de estimativas de mortalidade calculadas a partir de dados brutos do SIM. Outros estudos têm apontado para esta necessidade no intuito de produzir estimativas de mortalidade com magnitudes mais verossímeis, favorecendo as vigilâncias epidemiológicas²²22 Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Proposta metodológica para redistribuição de óbitos por causas garbage nas estimativas de mortalidade para Doenças Crônicas Não Transmissíveis. Rev Bras Epidemiol 2021; 24(Supl. 1):e210004.^,2727 Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortality due to garbage codes in Brazilian municipalities: differences in rate estimates by the direct and Bayesian methods from 2015 to 2017. Rev Bras Epidemiol 2021; 24(Supl. 1):e210003.^,3131 França EB. Códigos garbage declarados como causas de morte nas estatísticas de saúde. Rev Bras Epidemiol 2019; 22:e19001.supl.3.^,3838 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gmes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002..

O SIM tem apresentado importantes avanços na cobertura e qualificação dos registros nos últimos anos⁴²42 Marinho MF, França EB, Teixeira RA, Ishitani LH, Cunha CC, Santos MR, Frederes A, Cortez-Escalante JJ, Abreu DMX. Dados para a saúde: impacto na melhoria da qualidade da informação sobre causas de óbito no Brasil. Rev Bras Epidemiol 2019; 22:e19005-supl.. No entanto, entre 30 e 40% das causas de mortes constituem CG³¹31 França EB. Códigos garbage declarados como causas de morte nas estatísticas de saúde. Rev Bras Epidemiol 2019; 22:e19001.supl.3.. Os resultados deste estudo mostraram que há grande diferença entre UF brasileiras, com maiores percentuais de correção naquelas pertencentes às regiões Norte e Nordeste. Esta desigualdade regional também foi observada por diversos outros autores¹²12 Teixeira RA, Naghavi M, Guimarães MDC, Ishitani LH, França EB. Quality of cause-of-death data in Brazil: Garbage codes among registered deaths in 2000 and 2015. Rev Bras Epidemiol 2019; 22:e19002-supl.^,2727 Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortality due to garbage codes in Brazilian municipalities: differences in rate estimates by the direct and Bayesian methods from 2015 to 2017. Rev Bras Epidemiol 2021; 24(Supl. 1):e210003.^,3838 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gmes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002.. Em que pese os esforços do Ministério da Saúde brasileiro em parceria com as estados e municípios para a melhoria da captação dos óbitos pelo SIM (como o projeto de redução das causas mal definidas e o projeto de redução das desigualdades regionais e redução da mortalidade infantil nos estados da região Nordeste e Amazônia Legal)³³33 França E, Teixeira R, Ishitani L, Duncan BB, Cortez-Escalante JJ, Morais Neto OL, Szwarcwald CL. Ill-defined causes of death in Brazil: a redistribution method based on the investigation of such causes. Rev Saude Publica 2014; 48(4):671-681., estas desigualdades se mantêm, reforçando a necessidade de emprego de métodos de tratamentos na base do SIM, em especial a correção para sub-registro de óbitos e a redistribuição dos CG²²22 Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Proposta metodológica para redistribuição de óbitos por causas garbage nas estimativas de mortalidade para Doenças Crônicas Não Transmissíveis. Rev Bras Epidemiol 2021; 24(Supl. 1):e210004.^,3333 França E, Teixeira R, Ishitani L, Duncan BB, Cortez-Escalante JJ, Morais Neto OL, Szwarcwald CL. Ill-defined causes of death in Brazil: a redistribution method based on the investigation of such causes. Rev Saude Publica 2014; 48(4):671-681.^,3838 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gmes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002..

Analisando-se as estimativas de mortalidade, foi possível observar redução das taxas de mortalidade por DCNT no Brasil, considerando os três métodos de cálculo. Da mesma forma, Malta et al.⁴³43 Malta DC, Duncan BB, Schmidt MI, Teixeira R, Ribeiro ALP, Felisbino-Mendes MS, Machado ÍE, Velasquez-Melendez G, Brant LCC, Silva DAS, Passos VMA, Nascimento BR, Cousin E, Glenn S, Naghavi M. Trends in mortality due to non-communicable diseases in the Brazilian adult population: national and subnational estimates and projections for 2030. Popul Health Metr 2020; 18(Supl. 1):16., ao analisarem dados do GBD referentes ao período de 1990 a 2017, identificaram declínio de 35,9% na mortalidade prematura por DCNT, sendo que as doenças cardiovasculares tiveram a redução mais expressiva, de 47,9%⁴³43 Malta DC, Duncan BB, Schmidt MI, Teixeira R, Ribeiro ALP, Felisbino-Mendes MS, Machado ÍE, Velasquez-Melendez G, Brant LCC, Silva DAS, Passos VMA, Nascimento BR, Cousin E, Glenn S, Naghavi M. Trends in mortality due to non-communicable diseases in the Brazilian adult population: national and subnational estimates and projections for 2030. Popul Health Metr 2020; 18(Supl. 1):16.. Esses avanços podem ser explicados por fatores como a melhoria das condições de vida e saúde, redução da pobreza, melhoria do acesso a bens e serviços e expansão do Sistema Único de Saúde (SUS), além de avanços nas políticas de saúde⁴³43 Malta DC, Duncan BB, Schmidt MI, Teixeira R, Ribeiro ALP, Felisbino-Mendes MS, Machado ÍE, Velasquez-Melendez G, Brant LCC, Silva DAS, Passos VMA, Nascimento BR, Cousin E, Glenn S, Naghavi M. Trends in mortality due to non-communicable diseases in the Brazilian adult population: national and subnational estimates and projections for 2030. Popul Health Metr 2020; 18(Supl. 1):16..

Além do maior percentual de correção das taxas de mortalidade por DCNT, as UF das regiões Norte e Nordeste apresentaram, majoritariamente, menores reduções ou até mesmo aumento das taxas de mortalidade por DCNT, tanto na análise dos dados do SIM bruto quanto do SIM corrigido. Essas UF têm os menores IDH do país, ocasionado uma correlação negativa entra este e a variação percentual das taxas de mortalidade entre 2010 e 2019. Estudo conduzido por Malta et al.³⁸38 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gmes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002., em 2023, apresentou resultados semelhantes, com decréscimos mais expressivos nas taxas de mortalidade por DCNT sendo observados nas capitais brasileiras incluídas nos estratos de menor vulnerabilidade³⁸38 Malta DC, Teixeira RA, Cardoso LSM, Souza JB, Bernal RTI, Pinheiro PC, Gmes CS, Leyland A, Dundas R, Barreto ML. Mortalidade prematura por doenças crônicas não transmissíveis em capitais brasileiras: redistribuição de causas garbage e evolução por estratos de privação social. Rev Bras Epidemiol 2023; 26:e230002..

Esses resultados podem ser explicados pelo processo de transição epidemiológica polarizada prolongada experimentado pelo país a partir dos anos 1950. Além da superposição da carga de doenças infecciosas e doenças crônicas e agravos não transmissíveis, este processo é caracterizado pela polarização epidemiológica, com níveis diferenciados de transição entre e intrapaíses, de acordo com o nível socioeconômico⁴⁴44 Duarte EC, Barreto SM. Transição demográfica e epidemiológica: a Epidemiologia e Serviços de Saúde revisita e atualiza o tema. Epidemiol Serv Saude 2012; 21(4):529-532.. Assim, é provável que as UF das regiões Sudeste, Sul e Centro-Oeste estivessem em estágios mais avançados da transição epidemiológica, durante o período de estudo, com elevadas taxas de mortalidade por DCNT. Em contrapartida, as UF das regiões Norte e Nordeste, no mesmo período, ainda apresentavam desafios residuais de uma sociedade originalmente rural e tradicional, com alta mortalidade por doenças infecciosas e risco de morte na infância elevado, e em processo de transição para uma sociedade predominantemente urbana, com risco de morte na infância reduzido e maior mortalidade por DCNT⁴⁵45 Vasconcelos AMN, Gomes MMF. Transição demográfica: a experiência brasileira. Epidemiol Serv Saude 2012; 21(4):539-548..

O estudo inova ao apresentar os efeitos da aplicação do método revisado proposto por Teixeira et al.²²22 Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Proposta metodológica para redistribuição de óbitos por causas garbage nas estimativas de mortalidade para Doenças Crônicas Não Transmissíveis. Rev Bras Epidemiol 2021; 24(Supl. 1):e210004.. Tal método aplicou a correção das bases do SIM utilizando dados empíricos brasileiros, como o resultado do projeto de investigação do óbito em 60 cidades³⁴34 Soares AM, Vasconcelos CH, Nóbrega AA, Pinto IV, Merchan-Hamann E, Ishitani LH, França EB. Melhoria da classificação das causas externas inespecíficas de mortalidade baseada na investigação do óbito no Brasil em 2017. Rev Bras Epidemiol 2019; 22:e190011.supl.3. e as investigações realizadas nas secretarias estaduais de saúde, sendo mais aderida ao contexto nacional²⁷27 Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortality due to garbage codes in Brazilian municipalities: differences in rate estimates by the direct and Bayesian methods from 2015 to 2017. Rev Bras Epidemiol 2021; 24(Supl. 1):e210003.^,3333 França E, Teixeira R, Ishitani L, Duncan BB, Cortez-Escalante JJ, Morais Neto OL, Szwarcwald CL. Ill-defined causes of death in Brazil: a redistribution method based on the investigation of such causes. Rev Saude Publica 2014; 48(4):671-681.. Um dos pontos fortes do estudo atual é o aprimoramento do método de Teixeira et al, com revisão dos CG e códigos-alvo e utilização de dados empíricos de investigação de óbitos³²32 Marinho MF, França EB, Teixeira RA, Ishitani LH, Cunha CC, Santos MR, Frederes A, Cortez-Escalante JJ, Abreu DMX. Data for health: impact on improving the quality of cause-of-death information in Brazil. Rev Bras Epidemiol 2019; 22(Supl. 3):e19005.supl.3.. O uso de mais de 20 mil óbitos com causas básicas definidas alteradas após a investigação fortalece o resultado das causas consideradas por se tratar de um projeto que considerou a realidade brasileira, o que fortalece a riqueza desses dados. Esses dados devem ser mais explorados para que outros tratamentos de qualidade das causas de morte possam ser aplicados aos dados brutos nacionais. Outro ponto forte consiste na utilização de estimativas populacionais semelhantes para os diferentes métodos de cálculo, garantindo comparabilidade aos indicadores em estudo.

Apesar dos avanços metodológicos ao tratar dados faltantes e redistribuir os CG, o estudo apresenta limitações, dentre eles os algoritmos foram analisados conforme dados empíricos em estudos realizados em 60 cidades, mas não abrangem todo o território nacional, podendo haver particularidade locais, os dados podem não ter sido completamente ajustados segundo sub-registro, em especial não regiões Norte e Nordeste, foram aplicadas correções até o nível 2 de severidade, classificado segundo o estudo GBD³⁰30 GBD 2019 Risk Factor Collaborators. Global burden of 87 risk factors in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet 2020; 396(10258):1223-1249., devendo ainda aprofundar as metodologias de redistribuição para causas básicas mais desagregadas. Além disto, não foram incluídos na analise os anos de 2020 e 2021, em função da pandemia, quando ocorreu piora dos dados do SIM, necessitando de outra proposta de redistribuição dos CG, que ainda está em desenvolvimento.

O uso de metodologia para tratamento dos dados de mortalidade está em constante desenvolvimento, espera-se com estas análises e com a disponibilização futura destes algoritmos de redistribuição de GC apoiar gestores locais na adequada análise de situação de saúde. Torna-se importante por avançar na vigilância das causas mal definidas, na formação de médicos para o correto preenchimento das declarações de óbito.

Em conclusão o presente estudo destaca que houve redução das taxas de mortalidade prematura por DCNT, no período de 2010 a 2019, sobretudo nas UF de maior IDH. A redistribuição de CG representou aumento dos valores das taxas de mortalidade por DCNT, e o incremento foi maior nas UF das regiões Norte e Nordeste. Verifica-se, assim, a importância de se adotar métodos que possam ser aplicados para que tenhamos estatísticas relacionadas à mortalidade mais fidedignas, o que contribui para a melhoria contínua da definição das causas de morte no SIM.

Agradecimentos

Deborah Carvalho Malta e Antonio Luiz Pinho Ribeiro Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pela bolsa de produtividade recebida.

Referências

Datas de Publicação

Histórico