Estrutura etária e mortalidade por COVID-19

Hallal, Pedro Curi; Hartwig, Fernando Pires

doi:10.1590/1413-81232020259.21182020

Cited by 3 publications

(2 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Somente após a divulgação de dados do Sistema de Informações sobre Mortalidade (SIM) do Ministério da Saúde, padrão-ouro, será possível avaliar a sensibilidade de cada sistema. Além disto, uma análise mais detalhada propiciará melhor entendimento da mortalidade pela COVID-19, ainda que a padronização por sexo e faixa etária elimine vieses relacionados à estrutura populacional, não contempla outros fatores próprios da dinâmica populacional, sanitários e sociais, como relatam alguns autores [10][11][12] . Outra questão é ser considerada é a possibilidade de subnotificação de óbitos e de diagnóstico impreciso 13 .…”

Section: Discussionunclassified

Mortalidade por COVID-19 no Brasil: uma análise do Registro Civil de óbitos de janeiro de 2020 a fevereiro de 2021

Sanchez

Moura

Moreira

et al. 2021

Preprint

View full text Add to dashboard Cite

Objetivo: analisar a evolução da mortalidade por COVID-19 no período de janeiro de 2020 a fevereiro de 2021 no Brasil. Métodos. Dados sobre todos os óbitos foram obtidos do Portal da Transparência, alimentado continuamente pelos cartórios civis do país. Foi considerado óbito por COVID-19 quando havia citação de COVID-19, coronavírus ou novo coronavírus como causa de óbito. As taxas de mortalidade por COVID-19 foram padronizadas por sexo e faixa etária, conforme estimativa populacional para 2020. Mortalidade por COVID-19 proporcional foi calculada por faixa etária e região, conforme o sexo. Mortalidade geral proporcional foi calculada por local de falecimento e região, conforme causa do óbito. Resultados. Dos 1.596.130 óbitos registrados, 16% tiveram COVID-19 como causa básica, a taxa de mortalidade no Brasil foi de 119,9 por 100 mil habitantes, chegando a 410,5 em Roraima para o sexo masculino. Altas taxas foram encontradas principalmente na região Norte e as menores na região Nordeste. A maior proporção foi entre 70 e 79 anos de idade. A morte por COVID-19 em domicílio atingiu 3,8% dos óbitos na região Norte e 3,4% no Nordeste. Conclusões. O uso de dados do registro civil é de grande importância para o monitoramento atualizado da mortalidade por COVID-19, demonstrando que o país enfrenta, em 2021, aumento de óbitos e agravamento da pandemia.

show abstract

Section: Discussionunclassified

Mortalidade por COVID-19 no Brasil: uma análise do Registro Civil de óbitos de janeiro de 2020 a fevereiro de 2021

Sanchez

Moura

Moreira

et al. 2021

Preprint

View full text Add to dashboard Cite

show abstract

“…Therefore, at an older age, mortality increased significantly [ 30 ]. Age combined with other parameters will make it possible to make a better prediction of mortality in these groups and therefore improve treatment [ 31 ]. If the risk of mortality as a function of age is divided by sex, we see that men present higher mortality than women in all age groups [ 32 ].…”

Section: Discussionmentioning

confidence: 99%

Age-Stratified Analysis of COVID-19 Outcome Using Machine Learning Predictive Models

et al. 2022

View full text Add to dashboard Cite

Since the emergence of COVID-19, most health systems around the world have experienced a series of spikes in the number of infected patients, leading to collapse of the health systems in many countries. The use of clinical laboratory tests can serve as a discriminatory method for disease severity, defining the profile of patients with a higher risk of mortality. In this paper, we study the results of applying predictive models to data regarding COVID-19 outcome, using three datasets after age stratification of patients. The extreme gradient boosting (XGBoost) algorithm was employed as the predictive method, yielding excellent results. The area under the receiving operator characteristic curve (AUROC) value was 0.97 for the subgroup of patients up to 65 years of age. In addition, SHAP (Shapley additive explanations) was used to analyze the feature importance in the resulting models.

show abstract

Expressions of ageism during the pandemic as perceived by older persons

Blanco,

Batistoni,

Nunes

2023

Geriatr Gerontol Aging

View full text Add to dashboard Cite

Objective: To describe expressions of ageism as perceived by older persons during the COVID-19 pandemic. Methods: Cross-sectional, exploratory, and descriptive study, including 134 older adults who answered a digital questionnaire, between January and July 2022. A word cloud was used to identify stereotypes. Prejudice was assessed using the Anxiety about Aging scale and discrimination was measured using the Ageism Survey. In addition, a semi-structured questionnaire was used to identify the types of discrimination experienced in the pandemic. Results: Older persons tend to reproduce stereotypes associated with experience and wisdom, with the presence of biopsychosocial changes and dependence, and enjoyment of life. Most older persons reported discrimination (93.50%), especially perceived through “telling jokes about older persons” (72.39%). In the pandemic setting, the most perceived discriminatory manifestations referred to policies, practices, or norms related to the pandemic (38.06%) and when reading and watching news in the newspaper, the Internet, and television (35.07%). Conclusion: The findings suggest that older persons experienced ageism during the pandemic and show the need for programs and policies aimed at education on ageing, so as to reduce the stigmas of old age and discrimination, aiming to foster healthy ageing.

show abstract

Estrutura etária e mortalidade por COVID-19

Cited by 3 publications

References 2 publications

Mortalidade por COVID-19 no Brasil: uma análise do Registro Civil de óbitos de janeiro de 2020 a fevereiro de 2021

Mortalidade por COVID-19 no Brasil: uma análise do Registro Civil de óbitos de janeiro de 2020 a fevereiro de 2021

Age-Stratified Analysis of COVID-19 Outcome Using Machine Learning Predictive Models

Expressions of ageism during the pandemic as perceived by older persons

Contact Info

Product

Resources

About