Luisa Farah Schwartzman, Flavia Cristina Drumond Andrade e Nekehia Quashie
Desde que a COVID-19 se espalhou pelo mundo, as pessoas se acostumaram a olhar para as taxas de mortalidade, hospitalizações, e a proporção de pessoas que testam positivo. Todas essas medidas têm vantagens e limitações. A estatísticas de mortes e hospitalizações são importantes para saber o impacto mais grave da doença, tanto na vida das pessoas quanto na capacidade dos sistemas de saúde e, em geral, são consideradas mais fáceis de medir. Mas a terceira medida, baseada em testes positivos, é importante para se entender como a doença se distribui de forma mais geral na população, sendo que destes alguns serão casos menos graves e outros que também aparecem nas estatísticas de hospitalização ou de mortalidade. Mas estatísticas baseadas em testes positivos tem um problema: elas não captam as pessoas que não testaram. Se a distribuição de testes na população for desigual, isso afetará o nosso entendimento sobre a distribuição da doença na população.
É importante pensar se a COVID-19 está afetando a população como um todo da mesma maneira, ou se as desigualdades sociais estão gerando uma distribuição também desigual da doença, e da capacidade das pessoas doentes de serem diagnosticadas e tratadas pelos serviços de saúde. Com a vinda das vacinas, essa questão fica ainda mais importante, se essas vacinas não forem distribuídas igualmente pela população.
Para entender essas questões melhor, nós analisamos dados da PNAD-COVID, uma pesquisa amostral domiciliar coletada pelo IBGE em 2020 em todo o Brasil (nossa análise ainda está em fase preliminar, mas decidimos compartilhar aqui algumas observações iniciais). Essa amostra da PNAD é longitudinal: pessoas do mesmo domicílio foram entrevistadas, uma vez por mês, desde maio de 2020. O questionário incluía, entre outras coisas, perguntas sobre se a pessoal teve sintomas geralmente associados ao COVID-19 na semana anterior. A partir de junho de 2020 a pesquisa também perguntou se as pessoas tinham feito o teste de COVID-19, e se o resultado foi positivo ou negativo. A nossa equipe agregou os dados da PNAD de julho a novembro para construir os indicadores de testagem e de sintomas, representados abaixo.
O indicador de sintomas mostra a proporção de pessoas que responderam ter perdido o olfato, e que também responderam ter um dos seguintes sintomas: dor de garganta, febre, tosse, nariz escorrendo ou entupido, dificuldade de respirar, ou dores no peito. Se a pessoa respondeu ter esses sintomas em qualquer dos meses entre julho e novembro de 2020, ela foi contada no gráfico como tendo sintomas. Os indicadores de testes medem se a pessoa respondeu que testou, e se o resultado deu positivo. Testamos como esses indicadores variam a partir de várias características sociais e de vida das pessoas, como classe social, raça/cor, gênero e local de residência. Em geral, os indicadores de sintomas e de testes apontam na mesma direção: houve, no período analisado, uma maior prevalência da doença em populações de meia-idade, entre populações urbanas, entre mulheres, e entre indígenas. Nós também fizemos uma análise de regressão, considerando todas essas variáveis em conjunto, e ficou confirmado que essas correlações são estatisticamente significativas e independentes umas das outras.
No entanto, há uma exceção importante: se utilizarmos o número de testes positivos como indicador de prevalência de COVID-19, parece que as famílias de renda mais alta estão mais expostas à doença. Mas se usarmos os sintomas como indicador, não parece haver diferenças por renda familiar. As pessoas em domicílios de renda mais alta testam mais em geral, e também, entre as pessoas que têm sintomas, uma maior proporção testa mais entre pessoas de renda domiciliar mais alta.
Ou seja, por causa da desigualdade no acesso a serviços de saúde (e em particular aos testes de COVID-19), os resultados dos testes são bons indicadores da prevalência da doença para as classes sociais mais privilegiadas, mas tendem a subestimar a prevalência entre os mais pobres. Claramente os mais ricos tiveram mais acesso aos testes e foram mais bem diagnosticados que as pessoas de menor renda.
