Análise não supervisionada das séries temporais de COVID-19 nos municípios brasileiros e seu envolvimento com fatores socioeconômicos e políticos

Abstract

O avanço humano tem sido marcado por impactos ambientais negativos, contribuindo para o surgimento de doenças emergentes e reemergentes, como a COVID-19. Este estudo analisa as séries temporais de novos casos e óbitos por COVID-19 em municípios brasileiros com mais de 100 mil habitantes entre 2020 e 2022, utilizando métodos de agrupamento de séries temporais com a medida de distância Dynamic TimeWarping (DTW). Os resultados foram comparados com os de outras pesquisas, que analisaram a mortalidade por COVID-19 no Brasil considerando variáveis como o Índice de Desenvolvimento Humano Municipal (IDHM), o partidarismo político no segundo turno das eleições presidenciais de 2018, além da proporção de indivíduos vulneráveis à pobreza. Os resultados indicam padrões distintos na evolução dos casos e óbitos em diferentes municípios, com variáveis socioeconômicas apresentando diferenças estatisticamente significativas entre os grupos de novos óbitos. Essas variáveis mostram-se candidatas a influenciar diretamente a dinâmica das curvas pandêmicas, embora novos métodos estatísticos e colaborações interdisciplinares sejam necessários para validação. Concluímos que a clusterização de séries temporais é eficaz na análise da pandemia no Brasil e que nossos achados fornecem uma base para futuras pesquisas e políticas públicas, contribuindo para o entendimento da propagação e mortalidade do vírus e a formulação de estratégias de saúde pública mais eficazes.

Human advancement has been marked by negative environmental impacts, contributing to the emergence and re-emergence of diseases such as COVID-19. This study analyzes the time series of new cases and deaths from COVID-19 in Brazilian municipalities with more than 100,000 inhabitants between 2020 and 2022, using time series clustering methods with the Dynamic Time Warping (DTW) distance measure. The results were compared with those of other studies, which analyzed COVID-19 mortality in Brazil considering variables such as the municipal-level human development index (HDI) and the proportion of votes for Bolsonaro in the 2018 elections, as well as the proportion of individuals vulnerable to poverty. The results indicate distinct patterns in the evolution of cases and deaths in different municipalities, with socioeconomic variables showing statistically significant differences between the groups of new deaths. These variables are candidates to directly influence the dynamics of the pandemic curves, although new statistical methods and interdisciplinary collaborations are needed for validation. We conclude that time series clustering is effective in analyzing the pandemic in Brazil and that our findings provide a basis for future research and public policies, contributing to the understanding of the spread and mortality of the virus and the formulation of more effective public health strategies.