Uso da Estatística na Covid-19 - Matemática (2025)

Prévia do material em texto

<p>REVISTA BRASILEIRA</p><p>DE ESTATÍSTICA</p><p>volume 78</p><p>número 244</p><p>julho/dezembro 2020</p><p>ISSN 2675-3243</p><p>EDIÇÃO ESPECIAL - O uso da estatística para</p><p>a compreensão das dinâmicas sociais e</p><p>econômicas da Covid-19</p><p>Instituto Brasileiro de Geografia e Estatística – IBGE</p><p>REVISTA BRASILEIRA DE ESTATÍSTICA</p><p>Volume 78 - número 244 – jul/dez 2020</p><p>ISSN 2675-3243</p><p>R. Bras. Estat., Rio de Janeiro, v.78, n.244, p. 1-181, jul/dez 2020</p><p>Instituto Brasileiro de Geografia e Estatística – IBGE</p><p>@IBGE. 2020</p><p>Revista Brasileira de Estatística, ISSN 2675-3243</p><p>Órgão oficial do IBGE e da Associação Brasileira de Estatística – ABE</p><p>Publicação semestral que se destina a promover e ampliar o uso de</p><p>métodos estatísticos através de divulgação de artigos inéditos</p><p>tratando de aplicações da Estatística nas mais diversas áreas do</p><p>conhecimento. Temas abordando aspectos do desenvolvimento</p><p>metodológico serão aceitos, desde que relevantes para a produção e</p><p>uso de estatísticas públicas.</p><p>Os originais para publicação deverão ser submetidos para o site</p><p>http://rbes.net.br.</p><p>Os artigos submetidos à RBE não devem ter sido publicados em</p><p>outros periódicos.</p><p>A Revista não se responsabiliza pelos conceitos emitidos em matéria</p><p>assinada.</p><p>Editor Responsável</p><p>José André de Moura Brito - ENCE/IBGE</p><p>Editores Executivos</p><p>Marcel de Toledo Vieira - UFJF</p><p>Paulo Justiniano Ribeiro Junior – UFPR</p><p>Editores Associados</p><p>Alinne de Carvalho Veiga, ENCE/IBGE</p><p>Cristiano Ferraz, UFPE</p><p>Denise Britz do Nascimento Silva, ENCE/IBGE</p><p>Fernando Antônio Basile Colugnati, UFJF</p><p>Francisco Louzada-Neto, USP</p><p>Gustavo da Silva Ferreira, ENCE/IBGE</p><p>Ismenia Blavatsky, UFRN</p><p>Juvencio Santos Nobre, UFC</p><p>Maysa Sacramento de Magalhães, ENCE/IBGE</p><p>Paulo de Martino Jannuzzi, ENCE/IBGE</p><p>Pedro Luis do Nascimento Silva, ENCE/IBGE</p><p>Taiane Schaedler Prass, UFRGS</p><p>Vera Lucia Damasceno Tomazella, UFSCAR</p><p>Viviana Giampaoli, USP</p><p>Editores Convidados</p><p>César Augusto Marques</p><p>Daniel Takata Gomes</p><p>Editoração</p><p>José André de Moura Brito</p><p>Capa</p><p>Ilustração da Capa</p><p>Informações Adicionais</p><p>Revista Brasileira de Estatística/IBGE - v.1, n.1 (jan/mar. 1940)</p><p>– Rio de Janeiro: IBGE, 1940.v. trimestral (1940-1986),</p><p>semestral (1987-).</p><p>Continuação de: Revista de economia e estatística. Índices</p><p>acumulados de autor e assunto publicados no v.43 (1940-1979)</p><p>e v.50 (1980-1989). Co-edição com a Associação Brasileira de</p><p>Estatística a partir do v.58.</p><p>ISSN publicação online 2675-3243, a partir de 2019.</p><p>I. Estatística – Periódicos. II. IBGE. III. Associação Brasileira</p><p>de Estatística.</p><p>Gerência de Biblioteca e Acervos Especiais CDU 31(05)</p><p>RJ-IBGE/88-05 (ver. 2009) PERIÓDICO</p><p>Sumário</p><p>Nota do Editor ................................................................... 5</p><p>Artigos</p><p>Estatísticas públicas brasileiras: respostas, lacunas e desafios no</p><p>combate à covid19 ........................................................................... 7</p><p>Barbara Cobo</p><p>João Hallak Neto</p><p>André Simões</p><p>A desigualdade de renda e a pandemia de Covid-19 nas regiões</p><p>metropolitanas do Brasil...................................................................32</p><p>César Marques</p><p>Raphael Almeida Villela</p><p>Etienne Pereira</p><p>Questões urbanas transmissão do novo Coronavírus: análise do</p><p>Distrito Federal ................................................................................54</p><p>Renata Florentino</p><p>Larissa Ane de Lima</p><p>Kássia Batista de Castro</p><p>Cecília de Faria Sampaio</p><p>Maria Gabriella Figueiredo Vieira</p><p>Bruna Silva de Jesus</p><p>Produção de indicadores de acessibilidade financeira das moradias</p><p>alugadas a partir da PNAD COVID19 ..............................................79</p><p>Bruno Mandelli Perez</p><p>Impactos econômicos da pandemia de COVID-19 no Brasil: análise</p><p>a partir das pesquisas experimentais do IBGE ..............................101</p><p>Denise Guichard Freire</p><p>Kátia C. Medeiros de Carvalho</p><p>Clician do Couto Oliveira</p><p>O desafio na elaboração de índices de preços no contexto da</p><p>pandemia .....................................................................................125</p><p>José Fernando Pereira Gonçalves</p><p>Índice de vulnerabilidade demográfica e infraestrutural das terras</p><p>indígenas à covid-19: a importância das estatísticas públicas na</p><p>elaboração de subsídios para a tomada de decisão ......................137</p><p>Marta de Oliveira Antunes</p><p>Fernando Souza Damasco</p><p>Marcos Henriques Martins</p><p>Matheus Pinto Rebouças</p><p>Marta Maria do Amaral Azevedo</p><p>Enfrentamento da Epidemia da Covid-19 pela Análise de Dados:</p><p>Relato de uma equipe de pesquisadores ......................................162</p><p>Fernando Antonio Basile Antônio Basile Colugnati</p><p>Mário Círio Nogueira</p><p>Marcel de Toledo Vieira</p><p>Maria Teresa Bustamante Teixeira</p><p>Isabel Cristina Gonçalves Leite</p><p>Alfredo Chaoubah</p><p>Nota do Editor</p><p>É com grande satisfação que anunciamos a publicação do volume 78 (número</p><p>244) da Revista Brasileira de Estatística. Este número, bem como o seguinte (número</p><p>245), fazem parte da edição temática cujo título é “O uso da estatística para a</p><p>compreensão das dinâmicas sociais e econômicas da Covid-19”. A edição traz artigos</p><p>que propõem reflexões das dimensões sociais e econômicas do novo coronavírus a</p><p>partir da discussão e usos das estatísticas públicas e modelos estatísticos.</p><p>De modo geral, o estabelecimento e continuidade da pandemia de Covid-19</p><p>alterou profundamente as dinâmicas sociais, econômicas e científicas durante o ano de</p><p>2020. Em diferentes graus, países em todas as partes do globo implementaram medidas</p><p>de mitigação da pandemia, alcançando graus diversos de sucesso na propagação da</p><p>doença e na diminuição dos óbitos a ela associados. Para tal, o campo científico foi</p><p>desafiado a incorporar reflexões e pesquisas sobre a Covid-19 de diversas maneiras,</p><p>muitas vezes de modo bastante imediato. Isso incluiu pesquisas não só para o</p><p>desenvolvimento de vacinas e tratamentos médicos, mas também para a compreensão</p><p>dos efeitos socioeconômicos da pandemia ao longo dos diversos tempos-espaços que</p><p>ela afetou.</p><p>Mesmo considerando que as realidades da pandemia sejam relativamente novas</p><p>e inéditas para as atuais gerações, é interessante reiterar que, no campo científico, a</p><p>pesquisa sobre as diversas questões relacionadas ao Covid-19 ocorre a partir de um</p><p>terreno já rico e diverso, tanto teórica como metodologicamente, considerando as</p><p>diversas vantagens comparativas de cada campo do conhecimento.</p><p>É nesse cenário que as ciências estatísticas e os institutos de estatística atuaram</p><p>na pandemia, acelerando tendências já construídas e desenvolvendo conhecimento que</p><p>permita a compreensão da pandemia. Nesse número temático da Revista Brasileira de</p><p>Estatística temos uma parcela de tais contribuições, com foco específico no caso</p><p>brasileiro.</p><p>Assim, no primeiro artigo, Barbara Cobo, João Hallak Neto e Andre Simões</p><p>refletem sobre a estruturação do sistema de estatísticas públicas brasileiro e seu</p><p>funcionamento no contexto da pandemia, propondo a discussão sobre a importância da</p><p>institucionalização do sistema de estatísticas nacionais, da gestão integrada e da</p><p>disponibilidade, qualidade, e comunicabilidade das informações face os desafios</p><p>contemporâneos.</p><p>Já César Marques, Raphael Villela e Etienne Pereira analisa como o agravamento</p><p>da pandemia de Covid-19 no Brasil esteve relacionada a desigualdade de renda. Para</p><p>tal, utilizam um modelo de regressão linear múltipla que permita a mensuração da</p><p>relação entre desigualdade e saúde, especificamente em relação a Covid-19 nas</p><p>regiões metropolitanas do Brasil.</p><p>No terceiro artigo, Renata Florentino, Larissa Lima, Kássia Castro, Cecília</p><p>Sampaio, Maria Vieira e Bruna</p><p>do auxílio emergencial. Embora o Brasil tenha</p><p>robustas fontes de informação sobre mercado de trabalho, conforme apontado</p><p>na seção 3.3, a informalidade padece justamente de registros. Somos capazes</p><p>de estimá-la, mas não de identificar individualmente o conjunto dos que</p><p>trabalham como informais. O DATAPREV, sistema de informações oficiais da</p><p>previdência, está cruzando informações de nada menos que 23 bases de dados</p><p>diferentes43 para reconhecer o direito ao benefício dos demandantes do auxílio</p><p>emergencial que se cadastraram via aplicativo desenvolvido especialmente para</p><p>43 https://portal2.dataprev.gov.br/bases-de-dados-ultilizadas-no-processamento-do-auxilio-emergencial</p><p>29</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>esse fim. A ausência de um número de identificação social único (a exemplo do</p><p>Social Security Number nos EUA) e as defasagens e diferenças nos processos</p><p>de coleta, conceituais e metodológicas de cada base dificultam ainda mais esse</p><p>processamento. A disponibilização dessa nova base de dados e a discussão de</p><p>formas de atualização e monitoramento das informações ali contidas parece ser</p><p>uma oportunidade única no sentido de qualificar e atender a população em</p><p>situação mais vulnerável no mercado de trabalho brasileiro.</p><p>Por fim, é um caminho fundamental, e já trilhado por muitos países com</p><p>sistemas estatísticos mais consolidados, a integração de dados provenientes de</p><p>pesquisas e registros de forma a melhor compreender as dinâmicas sociais e</p><p>econômicas. Os registros, embora, em geral, planejados para atender fins</p><p>específicos de monitoramento de políticas e programas, tem a característica de</p><p>poder atender rapidamente demandas como as vivenciadas pela crise da</p><p>COVID19 com desagregação territorial em níveis intramunicipais imprescindíveis</p><p>à gestão local. As pesquisas permitem maior flexibilidade e qualificação das</p><p>questões levantadas, mas, mesmo o tradicional método de coleta com extensos</p><p>questionários (muitos com perguntas que justamente cobrem a ausência de</p><p>informações factíveis via registros) e presencial precisa ser reavaliado, ao</p><p>menos, parcialmente, frente aos cenários que surgem para o pós-pandemia. São</p><p>mudanças importantes e, na nossa perspectiva, inescapáveis se queremos</p><p>pensar o sistema público de estatísticas presente e futuro. Para tal, é preciso</p><p>que se reconheça o importante papel a ser desempenhado pelo IBGE como</p><p>coordenador desse sistema, que se (re)estabeleçam os grupos de discussão</p><p>com produtores nacionais de informação e se implementem fóruns regulares de</p><p>debate e construção do novo sistema com participação não só do Estado</p><p>Brasileiro e seus produtores oficiais, como também dos usuários dos dados</p><p>produzidos, acadêmicos, sociedade civil organizada e demais partes</p><p>interessadas e constitutivas de um sistema complexo, abrangente e eficiente de</p><p>estatísticas públicas nacionais oficiais.</p><p>5.REFERÊNCIAS BIBLIOGRÁFICAS</p><p>AMIB (2020). Comunicado da Associação de Medicina Intensiva Brasileira sobre o</p><p>avanço do covid-19 e a necessidade de Leitos em UTIs no futuro. Disponível em:</p><p>http://www.somiti.org.br/arquivos/site/comunicacao/noticias/2020/covid-</p><p>19/comunicado-da-amib-sobre-o-avanco-do-covid-19-e-a-necessidade-de-leitos-em-</p><p>utis-no-futuro.pdf (Acesso em 14/07/2020)</p><p>30</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Amitrano, C. R. (2013). Considerações sobre o mercado de trabalho no Brasil. In:</p><p>Vanessa Petrelli Corrêa (org.). Padrão de acumulação e desenvolvimento brasileiro.</p><p>São Paulo, Fundação Perseu Abramo.</p><p>Baltar, P. E.; Leone, E. T. (2012). O mercado de trabalho no Brasil nos anos 2000. Carta</p><p>Social do Trabalho, n. 19, Julho a Setembro. Campinas: IE/Unicamp.</p><p>Baltar, P. E.; Santos, A. L.; Krein, J. D.; Leone, E.; Proni, M.; Moretto, A.; Maia, A.; Salas,</p><p>C., (2010). Trabalho no governo Lula: Uma reflexão sobre a recente experiência</p><p>brasileira. Carta Social e do Trabalho, n. 12, out./dez. 2010. Campinas: IE/Unicamp.</p><p>CEPEDES (2020). A Gestão de Riscos e Governança na Pandemia por Covid-19 no</p><p>Brasil: análise dos decretos estaduais no primeiro mês. Relatório técnico e sumário</p><p>executivo do Centro de Estudos e Pesquisas em Emergências e Desastres em</p><p>Saúde.Disponível</p><p>em:</p><p>https://agencia.fiocruz.br/sites/agencia.fiocruz.br/files/u91/relatorio_cepedes_gestao_ri</p><p>scos_covid19_final.pdf (Acesso em 14/07/2020)</p><p>CNS (2020). Recomendação do Conselho Nacional de Saúde nº 026, de 22 de abril.</p><p>Disponível em: http://conselho.saude.gov.br/recomendacoes-cns/1131-recomendacao-</p><p>n-026-de-22-de-abril-de-2020 (Acesso em 14/07/2020)</p><p>Hallak Neto, J. (2013). A Distribuição Funcional da Renda e a Economia não Observada</p><p>no Âmbito do Sistema de Contas Nacionais do Brasil. (Tese de doutorado). Universidade</p><p>Federal do Rio de Janeiro (UFRJ), Rio de Janeiro.</p><p>Hallak Neto, J.; Namir, K.; Kozovits, L. (2012) Setor e emprego informal no Brasil:</p><p>Análise dos resultados da nova série do sistema de contas nacionais - 2000/07. Revista</p><p>Economia e Sociedade / IE-Unicamp. Campinas, v. 21, n. 1, pp. 93-113, abril.</p><p>IBGE (2016). Sistema de Contas Nacionais – Ano de Referência 2010 (3ª ed.). Rio de</p><p>Janeiro: IBGE, Diretoria de Pesquisas.</p><p>IBGE (2018). Síntese de Indicadores Sociais - Uma Análise das Condições de Vida da</p><p>População Brasileira. Rio de Janeiro: IBGE, Diretoria de Pesquisas.</p><p>IBGE (2019). Síntese de Indicadores Sociais - Uma Análise das Condições de Vida da</p><p>População Brasileira. Rio de Janeiro: IBGE, Diretoria de Pesquisas.</p><p>Infomoney (2020). FMI corta projeção para o PIB do Brasil em 2020 para recuo de 9,1%</p><p>em 2020. Jun.</p><p>IPEA (2020). Visão Geral da Conjuntura. Carta de Conjuntura. N. 47, 2º trimestre.</p><p>Olinto, R. (2019). A necessidade de uma modernização no sistema nacional de</p><p>estatísticas. Disponível em: https://blogdoibre.fgv.br/posts/necessidade-de-uma-</p><p>modernizacao-no-sistema-nacional-de-estatisticas#_ftn1 (Acesso em 14/07/2020).</p><p>Oliveira, A. T. R. (2018) (organizador). Sistemas de Estatísticas Vitais no Brasil:</p><p>Avanços, perspectivas e desafios. Série Estudos e Análises nº7. Rio de Janeiro: IBGE.</p><p>OMS (2020). COVID-19 - virtual press conference. Organização Mundial da Saúde, 30</p><p>March. Disponível em: https://www.who.int/docs/default-</p><p>31</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>source/coronaviruse/transcripts/who-audio-emergencies-coronavirus-press-</p><p>conference-full-30mar2020.pdf?sfvrsn=6b68bc4a_2 (Acesso em 14/07/2020).</p><p>Reis et al (2020). Registro de óbitos por covid-19 e a produção de informações pelo</p><p>SUS. Nota técnica. Laboratório de Informações e Registros em Saúde da Escola</p><p>Politécnica de Saúde Joaquim Venâncio da Fiocruz (EPSJV/Fiocruz). Disponível em:</p><p>https://portal.fiocruz.br/documento/nota-tecnica-registro-de-obitos-por-covid-19-e-</p><p>producao-de-informacoes-pelo-sus (Acesso em 14/07/2020)</p><p>Reis, M. (2012). Um panorama do mercado de trabalho brasileiro no período 1996-2009.</p><p>Nota técnica do IPEA. Boletim mercado de trabalho, n. 50, fev..</p><p>Saboia, J. (2014). Baixo crescimento econômico e melhora do mercado de trabalho -</p><p>Como entender a aparente contradição? Estudos Avançados, v. 28, n. 81.</p><p>UFPEL (2020). EPICOVID19-BR divulga novos resultados sobre o coronavírus no</p><p>Brasil. Universidade Federal de Pelotas. Disponível em: http://epidemio-</p><p>ufpel.org.br/site/content/sala_imprensa/noticia_detalhe.php?noticia=3128 (Acesso em</p><p>14/07/2020)</p><p>UFRJ (2020). Impactos Macroeconômicos e Setoriais da Covid-19 no Brasil. Nota</p><p>técnica do grupo de economia e competitividade. Instituto de Economia, mai.</p><p>32</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>A DESIGUALDADE DE RENDA E A PANDEMIA DE</p><p>COVID-19 NAS REGIÕES METROPOLITANAS DO</p><p>BRASIL</p><p>César Marques</p><p>cesar.m.silva@ibge.gov.br</p><p>Escola Nacional de Ciências Estatísticas – ENCE/IBGE</p><p>Raphael Villela</p><p>raphaelvillela@outlook.com></p><p>Escola Nacional de Ciências</p><p>Estatísticas – ENCE/IBGE</p><p>Etienne Pereira</p><p>etiennepereira@hotmail.com</p><p>Escola Nacional de Ciências Estatísticas – ENCE/IBGE</p><p>Resumo: O Brasil é reconhecido como um dos países mais desiguais do ponto de vista da</p><p>2distribuição de renda em termos globais. Em 2019, se estima que os 10% mais ricos do país</p><p>concentraram 43,3% da renda total e 46,9 vezes mais que os 10% mais pobres, segundo as</p><p>informações provenientes da PNAD Contínua. Contudo, os valores variam conforme as regiões</p><p>do país, inclusive entre as áreas metropolitanas, relativamente mais urbanizadas e densas. Em</p><p>2020, a estatística sobre o crescimento dos casos e óbitos de Covid-19 no Brasil também ganhou</p><p>destaque internacional. Considerando essas dinâmicas, nesse artigo avaliamos a relação entre</p><p>a desigualdade de renda e a pandemia de Covid-19 para as regiões metropolitanas brasileiras.</p><p>Para tal, parte-se da perspectiva das relações entre desigualdade e saúde, analisando os dados</p><p>da evolução da pandemia através de um modelo de regressão linear múltipla. Dentre uma série</p><p>de variáveis analisadas, os resultados apontam que, até 07 julho de 2020, o coeficiente de</p><p>mortalidade (por 100 mil habitantes) apresentou correlação com a taxa de pobreza relativa e a</p><p>existência de aglomerados subnormais. Enquanto que o coeficiente de incidência (por 100 mil</p><p>habitantes), foi correlacionado ao menor percentual de idosos e à elevada concentração de renda</p><p>dos 10% mais ricos em relação aos 10% mais pobres.</p><p>Palavras-chave: Covid-19; desigualdade; metrópoles; Brasil</p><p>Abstract: Brazil is known as one of the most unequal countries in the world in terms of income</p><p>distribution. According to the data from the Continuous National Household Sample Survey</p><p>(Continuous PNAD) conducted by the Brazilian Institute of Geography and Statistics (IBGE), in</p><p>2019 it was estimated that the richest 10% individuals concentrated 43.3% of the total personal</p><p>income and 46.9 times more than the poorest 10%. However, this picture differs between the</p><p>country’s geographical regions, including its metropolitan areas, which are more urbanized and</p><p>33</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>more densely populated. In 2020, the country’s increasing statistics of Covid-19 cases and deaths</p><p>also reached international attention. Considering these two dynamics, this work evaluates the</p><p>relationship between income inequality and the Covid-19 pandemic in the Brazilian metropolitan</p><p>areas. Therefore, we started from the evidence on the relationship between inequalities and</p><p>health; then we analyzed the data related to the pandemic’s evolution (i.e., cases and deaths)</p><p>through a multiple linear regression model. Among the selected variables, the results show that,</p><p>until July 07th 2020, the Covid-19 mortality rate (per 100 thousand inhabitants) were correlated</p><p>with the relative poverty rate and the proportion of households located in slum’s areas. Whereas</p><p>the incidence rate (per 100 thousand inhabitants) was correlated with a lower proportion of the</p><p>elderly people in the population and with a higher ratio of the total income concentrated by the</p><p>richest 10% individuals to the poorest 10%.</p><p>Keywords: Covid-19; inequality; metropolitan areas; Brazil.</p><p>1.INTRODUÇÃO</p><p>Os desdobramentos da pandemia do novo coronavírus (Sars-Cov-2) e</p><p>da respectiva doença, o Covid-19, foram diversos e desiguais durante os 06</p><p>primeiros meses de 2020. Embora seja classificada como uma emergência</p><p>epidemiológica global, os países e regiões foram afetados de múltiplas formas.</p><p>Mesmo dentre regiões próximas e com características socioeconômicas</p><p>similares, os efeitos mais diretos da pandemia (número de infectados e óbitos)</p><p>são bastante díspares. Embora sejam muitas as tentativas de compreensão</p><p>sobre as causas das diferentes taxas de mortalidade e de infectados da</p><p>pandemia, as razões subjacentes que permitiram aos países “controlar” o</p><p>número de óbitos ainda é ponto de debate.</p><p>Nesse caso, apontamos aqui como a desigualdade de renda e variáveis</p><p>correlacionadas podem expressar uma dinâmica estrutural no campo da saúde</p><p>em relação às respostas a pandemia. Nesse âmbito, tanto a consolidada tradição</p><p>de estudos sobre desigualdade em saúde como as abordagens sobre efeitos</p><p>sociais da desigualdade poderiam ser mobilizadas (Barros, 2017; Barreto, 2017;</p><p>CNDSS, 2008; Szwarcwald et al. 2010; Neri & Soares, 2002). Para tal, assume-</p><p>se a hipótese de que a desigualdade tem um papel importante no enfrentamento</p><p>da crise, para além das dinâmicas que podem agravar o próprio quadro de</p><p>desigualdade, expressamente da desigualdade de renda. A hipótese subjacente</p><p>trata de um duplo aspecto sobre a relação entre sociedades mais iguais e a</p><p>pandemia. Primeiramente, nelas a principal medida para a contenção da doença,</p><p>o isolamento social, teria sido facilitado, por sua aceitação mais ampla e pelas</p><p>menores disparidades materiais que o possibilitam. Sociedades nesse contexto</p><p>teriam maior facilidade para aderir ao isolamento, uma vez que a renda é</p><p>distribuída de modo mais uniforme, com menor exclusão e menor apropriação</p><p>34</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>pelos mais ricos. Os grupos sociais tendem a ser mais próximos (ou menos</p><p>distantes), além de terem uma garantia mais ampla de direitos que permitem o</p><p>isolamento mesmo para pessoas mais pobres. Um segundo elemento seria a</p><p>própria constituição do sistema de saúde, que teria sido mobilizado mais</p><p>rapidamente. Assim, sociedades mais desiguais, menos coesas e com maiores</p><p>conflitos, seriam mais propensas também a apresentarem maiores impactos pelo</p><p>Covid-19.</p><p>Para ilustrar a hipótese é importante notar que Estados Unidos, Reino</p><p>Unido e Brasil, três países muito desiguais do ponto de vista da distribuição da</p><p>renda, apresentaram o maior número de óbitos até o início de julho. Foram,</p><p>respectivamente, 135.807, 74.133 e 44.968 óbitos em cada país. Do outro lado,</p><p>Alemanha, Portugal e Canadá, por exemplo, adotaram medidas capazes de</p><p>controlar o avanço da pandemia. Embora os fatores que influenciaram o avanço</p><p>da pandemia sejam múltiplos e os limites das fontes de dados e metodologias</p><p>para comparar os contextos sejam importantes, é relevante notar como a</p><p>desigualdade afetou o desenvolvimento da pandemia.</p><p>Nesse âmbito, esse artigo propõe uma discussão sistemática sobre o</p><p>efeito da desigualdade de renda em relação ao agravamento da pandemia,</p><p>indagando se a maior igualdade de renda estaria correlacionada com o maior</p><p>sucesso no próprio enfrentamento dessa até o momento presente. Nesse caso</p><p>é fundamental considerar que a pandemia está em curso, e no Brasil, se</p><p>apresenta em fases heterogêneas. A hipótese indica que a desigualdade, e</p><p>variáveis a ela relacionadas, expressam dinâmicas importantes para que</p><p>medidas precoces de preparo do sistema de saúde e isolamento social consigam</p><p>mitigar os efeitos da doença. Mais especificamente, analisamos se a igualdade</p><p>de renda, vis-à-vis outras dinâmicas, impactou em um menor número de óbitos</p><p>ou em um crescimento mais lento dos casos. Considerando a dinâmica da</p><p>pandemia, também incorporamos na análise variáveis demográficas, de</p><p>infraestrutura urbana e de pobreza. Geograficamente, consideramos a escala</p><p>das áreas metropolitanas brasileiras contempladas pela Pesquisa Nacional de</p><p>Amostra de Domicílios Contínua – PNAD Contínua, incluindo a RIDE de</p><p>Teresina, além do Distrito Federal. Para isso, utilizamos um modelo de regressão</p><p>linear múltipla tendo como variáveis resposta os coeficientes de incidência e de</p><p>mortalidade.</p><p>O artigo é estruturado em quatro seções, além da introdução.</p><p>Primeiramente, debate-se as consequências sociais da desigualdade e suas</p><p>relações com a saúde e efeitos potenciais sobre a Covid-19. A segunda seção</p><p>35</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>apresenta as bases</p><p>de dados utilizadas, considerando as limitações das</p><p>medidas sobre desigualdade de renda e de mensuração do atual momento da</p><p>pandemia de Covid-19. A terceira seção apresenta o modelo estatístico para</p><p>teste da hipótese. A quarta seção traz os resultados da análise e as</p><p>considerações finais.</p><p>2. DESIGUALDADE E SAÚDE</p><p>A relação entre desigualdade social e saúde é intensamente debatida na</p><p>literatura epidemiológica e das ciências sociais, sendo um dos temas centrais na</p><p>discussão epidemiológica (Silva & Barros, 2002). De modo mais amplo,</p><p>trabalhos como os de Wilkinson & Pickett (2010) e Dorling (2014; 2017; 2018)</p><p>trazem importantes evidências sobre as múltiplas dimensões da desigualdade,</p><p>principalmente dentre países ricos e os entes federativos dos Estados Unidos.</p><p>Seus resultados apontam que a maior desigualdade de renda tem um efeito</p><p>negativo tanto sobre as condições gerais de vida da população (e.g., acesso à/ao</p><p>moradia e trabalho dignos, educação, saúde, lazer, segurança, entre outros),</p><p>quanto para as desigualdades entre os indivíduos e os diferentes grupos sociais.</p><p>Deste modo, a desigualdade impõe um custo elevado para a sociedade, mesmo</p><p>para os países ricos, como demonstra Stiglitz (2012) para o caso dos Estados</p><p>Unidos, que experimentou um forte incremento da desigualdade de renda nas</p><p>últimas décadas.</p><p>Dorling (2017) argumenta que a desigualdade também se traduz em</p><p>efeitos negativos sobre os mais ricos, reduzindo, entre outros fatores, o seu bem-</p><p>estar em saúde. De acordo com Wilkinson & Pickett (2010), em contextos de</p><p>maior desigualdade, o stress, a ansiedade e a depressão, o comportamento de</p><p>risco, entre outros elementos que afetam a saúde das pessoas assumem maior</p><p>vulto. Em outras palavras, todos são afetados, embora de modo desigual. Por</p><p>outro lado, nas sociedades mais igualitárias, as desigualdades em saúde são</p><p>percebidas como altamente injustas, fomentando a compreensão e consequente</p><p>construção de sistemas públicos de saúde mais robustos (Dorling, 2017). É</p><p>notável que, internacionalmente, já existem evidências que entre os países</p><p>desenvolvidos, os mais igualitários alcançaram melhores resultados no</p><p>enfrentamento da pandemia, realizando proporcionalmente uma maior testagem</p><p>da população durante as primeiras semanas que se sucederam ao início da</p><p>pandemia, como feito por Islândia, Noruega, Suíça, Alemanha e Áustria</p><p>(Marques; Villela, 2020).</p><p>36</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>No Brasil, as desigualdades são muitas e profundas, afetando o acesso</p><p>aos serviços de saúde, a autoavaliação do estado de saúde, a expectativa de</p><p>vida, prevalências de doenças crônicas, hábitos e comportamentos,</p><p>desigualdades regionais e a estruturação do sistema de saúde de uma forma</p><p>geral (Neri & Soares, 2002; Szwarcwald & Macinko, 2016).</p><p>Em uma das publicações centrais no país, Barata (2009) argumenta que,</p><p>por desigualdades sociais em saúde, se compreendem os modos como os</p><p>processos de saúde e doença são construídos entre diferentes grupos, sendo</p><p>usualmente tidas como diferenças injustas, associadas a certas características</p><p>sociais e desvantagens estruturais em relação ao manter-se sadio. É com esse</p><p>reconhecimento que se tem a busca por um sistema de saúde que vise reduzir</p><p>tais desigualdades, ou seja, que possibilite o acesso aos serviços de saúde a</p><p>partir das noções de universalidade, integralidade e equidade.</p><p>Nesse escopo, Barata (2009) reconhece 4 teorias que seriam</p><p>comumente mobilizadas e articuladas para compreender a produção da doença</p><p>nos diferentes contextos sociais. Essas são a estruturalista, com ênfase no</p><p>montante de renda como principal determinante do estado de saúde; a</p><p>psicossocial, que traz a percepção da desvantagem social e da privação relativa</p><p>como elemento que desencadeia doenças; a ênfase, amplamente utilizada na</p><p>América Latina, na constituição do sistema capitalista de produção e nas</p><p>diferentes posições de classe que constrangem a reprodução social e os</p><p>determinantes do perfil da saúde; e, por fim, a ecossocial, privilegiando os modos</p><p>de incorporação dos seres humanos dos aspectos sociais e psíquicos que</p><p>predominam em seus contextos. Considerando esse panorama, as doenças e</p><p>seus perfis de distribuição são construções sociais, que são dadas em uma</p><p>trama complexa de processos que potencializam ou mitigam as desigualdades</p><p>sociais (Barata, 2009).</p><p>Dentre a ampla produção bibliográfica sobre o tema podemos destacar</p><p>que, no Brasil, as desigualdades são expressas tanto no nível individual, quanto</p><p>dentre as regiões e no acesso ao sistema de saúde (Barros, 2017; Barreto, 2017;</p><p>CNDSS, 2008), em uma relação em que tanto a saúde afeta a desigualdade de</p><p>renda, na medida em que é central para a produtividade, para o total de trabalho</p><p>e na própria decisão de participar da força de trabalho, como é afetada por essa</p><p>(Noronha, 2005; Noronha & Andrade, 2007).</p><p>Observando caraterísticas individuais e os comportamentos</p><p>relacionados à saúde, Barros et al. (2016) identificam que, dentre a população</p><p>adulta brasileira, aqueles com menor escolaridade, não brancos, e que não</p><p>37</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>possuem plano de saúde privado, há maior prevalência de tabagismo, estilo de</p><p>vida sedentário e um padrão de dieta com baixa ingestão de verduras, legumes</p><p>e frutas. Adicionalmente, homens possuem maior prevalência de</p><p>comportamentos não saudáveis em relação às mulheres, com maior consumo</p><p>de tabaco, bebidas alcoólicas e dietas menos saudáveis.</p><p>Em termos do acesso aos serviços, Andrade et al. (2013) indicam que</p><p>houve redução das desigualdades no acesso aos serviços de saúde entre 1998-</p><p>2008, com melhora dos serviços ofertados pelo SUS. Contudo, a desigualdade</p><p>ainda é favorável aos mais ricos, que usufruem do arranjo institucional que</p><p>permite um sistema de duplo acesso (público e privado).</p><p>A tendência de diminuição das desigualdades também ocorre nas</p><p>análises regionais no Brasil. Albuquerque et al. (2017) demonstram que,</p><p>juntamente à melhora nas condições de vida da população, houve evolução</p><p>significativa da oferta de serviços de saúde entre 2000 e 2016, refletindo políticas</p><p>que consideraram a dimensão territorial do desenvolvimento. Contudo, o</p><p>crescimento da medicina suplementar e as elevadas desigualdades entre as</p><p>regiões ainda permanecem como traços distintos.</p><p>Do ponto de vista do sistema de saúde brasileiro, coloca-se a busca pela</p><p>equidade como um elemento central, em que sejam garantidos o direito à saúde</p><p>no contexto das particularidades dos distintos grupos sociais. Assim, tal</p><p>processo resultaria tanto na melhoria objetiva dos indicadores de saúde como</p><p>da autoavaliação dos estados de saúde (Barros & Souza, 2016).</p><p>Nesse sentido, a dinâmica de propagação e intensificação da Covid-19</p><p>ocorreu em distintos cenários no Brasil, com ainda marcantes desigualdades</p><p>regionais e no acesso ao sistema de saúde. Adicionalmente, também são</p><p>marcantes as diferenças comportamentais nos distintos grupos sociais.</p><p>3. FONTES DE DADOS</p><p>As duas principais fontes de dados aqui utilizadas são a PNAD Contínua</p><p>de 2019, questionário anual (1ª entrevista), conduzida pelo IBGE, e o Painel</p><p>Coronavírus Brasil, criado pelo Ministério da Saúde como o portal oficial para a</p><p>divulgação da trajetória epidemiológica da Covid-19 no país. Além destas,</p><p>utilizamos o mapeamento realizado pelo IBGE sobre os Aglomerados</p><p>Subnormais no país para o ano de 2019 e que foi divulgado preliminarmente com</p><p>o objetivo de subsidiar o enfrentamento da crise provocada pela pandemia. No</p><p>entanto, considerando as potencialidades e limitações das estimativas</p><p>38</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>provenientes das duas principais bases utilizadas, tecemos abaixo alguns</p><p>comentários.</p><p>Nos estudos</p><p>sobre a desigualdade de renda, as pesquisas domiciliares</p><p>conduzidas pelos órgãos oficiais de estatística são a principal fonte de dados</p><p>utilizada no mundo. Contudo, evidências apontam que as informações podem</p><p>conter algumas limitações relacionadas à subdeclaração, sub-representação e</p><p>não resposta. Entre estas, a subdeclaração dos rendimentos nos extremos da</p><p>distribuição, sobretudo, entre os mais ricos, é apontada como uma questão que</p><p>potencialmente afeta os indicadores de desigualdade (Atkinson, 2015). A</p><p>principal solução proposta pela literatura especializada é a combinação destas</p><p>informações com os dados provenientes das bases tributárias, que tendem a</p><p>captar melhor a renda dos mais ricos, permitindo, pois, a obtenção de estimativas</p><p>mais precisas da desigualdade e da concentração de renda (Piketty, 2014).</p><p>Todavia, mesmo estas informações não estão isentas das limitações</p><p>relacionadas à subdeclaração e a não-resposta (Atkinson, 2015), entre outras.</p><p>No caso do Brasil, as estimativas provenientes da integração dos dados</p><p>tributários, provenientes da DIRPF, da Receita Federal, com os das pesquisas</p><p>domiciliares conduzidas pelo IBGE, estimaram ser ainda maior a desigualdade</p><p>da distribuição de renda, bem como, a sua concentração pelos mais ricos</p><p>(Medeiros et al., 2015; Hecksher, 2017).</p><p>No entanto, neste trabalho, como utilizamos as informações mais</p><p>desagregadas do ponto de vista geográfico (i.e., as Regiões Metropolitanas),</p><p>utilizaremos tão somente as informações provenientes da PNAD Contínua</p><p>referentes à renda. Deste modo, sabemos que as estimativas aqui utilizadas</p><p>sobre a desigualdade subestimam a renda dos mais ricos. Em outras palavras,</p><p>a desigualdade aqui apresentada, embora bastante elevada para os padrões</p><p>internacionais, é menor do que a “desigualdade real” da renda.</p><p>A segunda fonte de dados analisada são os dados produzidos no âmbito</p><p>da pandemia de Covid-19, tanto de número de casos como de óbitos. Em termos</p><p>gerais, as estatísticas oficiais sobre a Covid-19 estão disponibilizadas pelo</p><p>Ministério da Saúde e são atualizadas diariamente, na plataforma:</p><p>. A principal limitação dos dados sobre a Covid-19</p><p>decorre da subnotificação dos casos e dos óbitos, sobretudo, do número de</p><p>infectados pela doença, uma vez que no Brasil muitos dos infectados</p><p>assintomáticos não são testados. Contudo, a subnotificação decorre de uma</p><p>série de aspectos. Sobre a incidência de testagem, destaca-se sua insuficiência</p><p>como uma das principais causas para a falha de cobertura, sendo fortes os</p><p>39</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>indícios desse problema para o caso do Brasil (Silva, 2020). Em sentido mais</p><p>amplo, tal questão tem sido observada, em maior ou menor grau, nas</p><p>informações disponibilizadas por todos os países (Backhaus, 2020). No caso dos</p><p>óbitos, a interpretação dos dados deve considerar a existência de atraso na</p><p>2notificação por causa, já que data de registro e data do óbito podem diferir em</p><p>semanas, assim como a própria dificuldade na aferição da causa de óbito devido</p><p>à baixa testagem, considerando que são múltiplas as causas de morte que</p><p>podem ser consideradas suspeitas de Covid-19, principalmente as identificados</p><p>como Síndrome Respiratória Aguda Grave (SRAG) (França et al., 2020).</p><p>Deste modo, quando mencionarmos os coeficientes de incidência e de</p><p>mortalidade relacionados à Covid-19, nos referimos, portanto, às informações</p><p>que consideram apenas os casos e óbitos notificados, mas não ao seu “real”</p><p>número, dados os indícios de subnotificação em ambas as situações.</p><p>Os dados sobre a Covid-19 utilizados foram a taxa de mortalidade,</p><p>representada pelo total de óbitos acumulados até o dia 07 de julho de 2020 em</p><p>relação a população estimada em 2019, e a incidência, calculada como o número</p><p>de casos acumulados em relação à população.</p><p>Como ambas as medidas são retrospectivas de um fenômeno em curso,</p><p>as consideramos como retratos do desenvolvimento da pandemia até a data</p><p>disponível, argumentando que essa evolução esteve e continuará relacionada a</p><p>diferentes dimensões da desigualdade.</p><p>4. ESTATÍSTICAS DESCRITIVAS E MODELAGEM ESTATÍSTICA</p><p>A análise descritiva sobre as dinâmicas sociais relacionadas à</p><p>mortalidade e incidência da Covid-19 foi feita com enfoque nas regiões</p><p>metropolitanas brasileiras e Distrito Federal tendo como fonte principal dos</p><p>dados a PNAD Contínua 2019. As variáveis utilizadas foram: percentual de</p><p>idosos com 60 anos ou mais de idade; percentual de idosos com 80 anos ou</p><p>mais de idade; rendimento médio; pobreza relativa nacional (população que vive</p><p>com menos de 60% do rendimento domiciliar per capita nacional mediano),</p><p>índice de Gini, índice de Palma, Razão 10+/10- (razão entre a parcela dos 10%</p><p>mais ricos e dos 10% mais pobres na massa de rendimentos); proporção dos</p><p>trabalhadores informais entre os ocupados; taxa de desemprego; adensamento</p><p>domiciliar excessivo (domicílios com mais de três moradores por dormitório);</p><p>acesso à rede de distribuição de água (ou o acesso à rede de distribuição de</p><p>água sem interrupção do serviço nos últimos 30 dias); acesso à rede coletora de</p><p>esgoto; acesso à coleta de lixo (direto e indireto) e Percentual de domicílios em</p><p>40</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>aglomerados subnormais (Resultados preliminares do mapeamento dos</p><p>Aglomerados Subnormais, e que estão disponíveis em:</p><p>).</p><p>As medidas de desigualdade e de pobreza aqui utilizadas foram</p><p>estimadas a partir do pacote convey do software R. No que diz respeito às três</p><p>medidas de desigualdade, isto é, o índice de Gini, o índice de Palma e a Razão</p><p>10+/10-, consideramos a desigualdade interpessoal da renda entre os indivíduos</p><p>com 14 anos ou mais de idade. Os valores nulos e faltantes (missings) foram</p><p>excluídos do cálculo. No cálculo da pobreza relativa, a linha de pobreza</p><p>estabelecida foi a equivalente a 60% do rendimento domiciliar per capita (RDPC)</p><p>mensal nacional mediano (estimado em R$ 900,00). Portanto, foram</p><p>considerados pobres aqueles que vivem com RDPC inferior a R$ 540,00.</p><p>As Tabelas 1 e 2 trazem os dados utilizados, contendo os indicadores da</p><p>Covid-19 e indicadores sociais selecionados. Para verificar a associação entre</p><p>os Coeficientes de Mortalidade e de Incidência às características da população</p><p>descritas, foram calculados os Coeficientes de Correlação de Pearson, expostas</p><p>na Tabela 3, além de gráficos de dispersão entre variáveis com maior correlação.</p><p>Tabela 1 - Casos e óbitos de Covid-19 até 07 de julho de 2020, população estimada em 2019 e</p><p>percentual de idosos segundo RM/RIDE e Distrito Federal</p><p>Área geográfica</p><p>Casos</p><p>acumulados</p><p>Óbitos</p><p>acumulados</p><p>População</p><p>total (2019)</p><p>Coeficiente de</p><p>incidência</p><p>(taxa por 100</p><p>mil hab.)</p><p>Coeficiente de</p><p>mortalidade</p><p>(taxa por 100</p><p>mil hab.)</p><p>Pop.</p><p>idosa</p><p>(60+</p><p>anos)</p><p>(%)</p><p>Pop.</p><p>idosa</p><p>(80+</p><p>anos)</p><p>(%)</p><p>RM Manaus 40.594 2.191 2.547.060 1.593,8 86,0 9,0 0,9</p><p>RM Belém 29.942 2.611 2.309.481 1.296,5 113,1 14,6 2,1</p><p>RM Macapá 18.570 356 624.691 2.972,7 57,0 8,9 1,4</p><p>RM Grande São Luís 16.421 1.113 1.454.965 1.128,6 76,5 11,3 1,6</p><p>RIDE Grande Teresina 12.059 504 1.223.518 985,6 41,2 15,6 2,7</p><p>RM Fortaleza 58.133 4.516 3.967.659 1.465,2 113,8 14,9 2,3</p><p>RM Natal 22.057 787 1.537.296 1.434,8 51,2 14,5 1,9</p><p>RM João Pessoa 23.715 643 1.316.241 1.801,7 48,9 14,5 2,2</p><p>RM Recife 39.720 3.641 3.999.817 993,0 91,0 15,9 2,0</p><p>RM Maceió 21.478 771 1.263.301 1.700,1 61,0 16,5 1,6</p><p>RM Aracaju 21.327 511 961.120 2.219,0 53,2 12,4 1,6</p><p>RM Salvador 48.883 1.505 3.927.730 1.244,6 38,3 15,9 2,5</p><p>RM Belo Horizonte 16.313 363 5.353.665 304,7 6,8 15,6 2,4</p><p>RM Grande Vitória 34.707 1.304 1.979.337 1.753,5 65,9 13,7 1,8</p><p>RM Rio de Janeiro</p><p>99.285 9.928 12.644.352 785,2 78,5 20,7 3,3</p><p>RM São Paulo 211.870 12.306 21.733.634 974,8 56,6 15,7 2,2</p><p>RM Curitiba 12.291 347 3.600.073 341,4 9,6 16,1 1,9</p><p>RM Florianópolis 4.856 57 1.045.914 464,3 5,4 15,8 1,6</p><p>RM Porto Alegre 10.833 353 4.279.564 253,1 8,2 19,4 3,1</p><p>RM Vale do Rio Cuiabá 7.698 446 929.055 828,6 48,0 11,9 1,7</p><p>RM Goiânia 14.253 352 2.606.458 546,8 13,5 13,5 1,7</p><p>Distrito Federal 62.694 767 3.012.718 2.081,0 25,5 13,1 1,6</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a); Painel de casos de doença pelo coronavírus</p><p>2019 (COVID-19) no Brasil – Ministério da Saúde (2020)</p><p>41</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Tabela 2 - Indicadores sociais selecionados segundo RM/RIDE e Distrito Federal, 2019</p><p>Área Geográfica</p><p>Domicílios com acesso à/ao:</p><p>Adensamento</p><p>excessivo (%)</p><p>Domicílios em</p><p>aglomerado</p><p>subnormal (%)</p><p>Rede</p><p>geral de</p><p>água (%)</p><p>Rede geral de</p><p>água sem</p><p>interrupção nos</p><p>últimos 30 dias (%)</p><p>Rede</p><p>coletora</p><p>de esgoto</p><p>(%)</p><p>Serviço</p><p>de coleta</p><p>de lixo</p><p>(%)</p><p>RM Manaus 80,0 87,0 62,0 93,0 16,5 45,4</p><p>RM Belém 64,0 84,0 46,0 96,0 11,2 49,2</p><p>RM Macapá 57,0 75,0 19,0 94,0 17,0 23,6</p><p>RM Grande São Luís 76,0 56,0 60,0 94,0 7,4 28,5</p><p>RIDE Grande Teresina 94,0 98,0 10,0 86,0 4,7 16,3</p><p>RM Fortaleza 89,0 92,0 67,0 98,0 6,8 17,6</p><p>RM Natal 95,0 89,0 27,0 97,0 4,7 7,7</p><p>RM João Pessoa 90,0 86,0 53,0 96,0 5,9 13,1</p><p>RM Recife 86,0 44,0 67,0 94,0 4,4 22,1</p><p>RM Maceió 90,0 91,0 61,0 98,0 4,8 14,5</p><p>RM Aracaju 98,0 87,0 72,0 97,0 4,3 15,6</p><p>RM Salvador 98,0 84,0 93,0 99,0 5,1 33,0</p><p>RM Belo Horizonte 99,0 98,0 92,0 99,0 3,2 9,1</p><p>RM Grande Vitória 98,0 96,0 87,0 100,0 4,7 39,6</p><p>RM Rio de Janeiro 88,0 85,0 95,0 100,0 6,8 13,6</p><p>RM São Paulo 98,0 93,0 92,0 100,0 8,3 12,3</p><p>RM Curitiba 96,0 93,0 88,0 99,0 2,3 7,3</p><p>RM Florianópolis 95,0 96,0 72,0 100,0 1,4 3,8</p><p>RM Porto Alegre 91,0 95,0 91,0 100,0 2,1 7,1</p><p>RM Vale do Rio Cuiabá 91,0 54,0 56,0 97,0 11,5 6,4</p><p>RM Goiânia 91,0 93,0 71,0 99,0 1,7 2,0</p><p>Distrito Federal 95,0 99,0 87,0 98,0 3,0 6,6</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a); Aglomerados Subnormais 2019 – IBGE (2020b)</p><p>Tabela 3 - Indicadores sociais selecionados segundo RM/RIDE e Distrito Federal, 2019</p><p>Área geográfica</p><p>Rendimento</p><p>médio mensal</p><p>(R$ 1,00)</p><p>Razão</p><p>10+/10-</p><p>Índice</p><p>de Gini</p><p>Índice</p><p>de</p><p>Palma</p><p>Taxa de</p><p>pobreza</p><p>relativa (%)</p><p>Taxa de</p><p>desemprego</p><p>(%)</p><p>Taxa de</p><p>informalidade</p><p>(%)</p><p>RM Manaus 1.988 49,3 0,524 3,4 47,4 17,0 52,0</p><p>RM Belém 2.112 54,1 0,552 4,0 38,3 13,6 59,9</p><p>RM Macapá 1.861 47,8 0,519 3,3 47,1 17,3 56,2</p><p>RM Grande São Luís 1.719 36,1 0,478 2,6 43,9 18,0 53,4</p><p>RIDE Grande Teresina 1.767 44,2 0,499 2,9 37,3 13,7 51,1</p><p>RM Fortaleza 2.167 52,7 0,550 3,7 36,9 11,9 48,5</p><p>RM Natal 2.537 57,5 0,560 4,2 34,2 11,9 45,5</p><p>RM João Pessoa 2.328 78,2 0,582 4,6 41,8 14,0 49,3</p><p>RM Recife 2.219 55,0 0,552 3,8 39,9 17,0 46,0</p><p>RM Maceió 1.717 26,6 0,452 2,3 43,1 12,8 47,2</p><p>RM Aracaju 2.408 57,5 0,567 4,2 38,3 16,8 44,8</p><p>RM Salvador 2.387 61,1 0,562 4,2 30,7 16,9 50,0</p><p>RM Belo Horizonte 2.540 30,3 0,510 3,2 22,2 12,5 42,1</p><p>RM Grande Vitória 2.869 40,5 0,552 4,1 22,5 11,3 44,6</p><p>RM Rio de Janeiro 3.255 31,8 0,547 4,0 22,1 14,9 43,9</p><p>RM São Paulo 3.428 32,2 0,552 4,1 17,5 13,3 39,0</p><p>RM Curitiba 3.139 24,9 0,515 3,4 13,6 9,0 39,3</p><p>RM Florianópolis 3.662 24,2 0,517 3,4 8,0 8,3 37,5</p><p>RM Porto Alegre 3.087 22,4 0,504 3,2 13,7 9,1 38,3</p><p>RM Vale do Rio Cuiabá 2.613 34,7 0,526 3,5 22,7 9,9 47,1</p><p>RM Goiânia 2.350 21,3 0,474 2,7 20,4 8,7 46,6</p><p>Distrito Federal 4.332 37,8 0,569 4,7 17,1 13,4 36,2</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a)</p><p>42</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Tabela 4 – Coeficientes de Correlação de Pearson, Mortalidade e Incidência de Covid-19</p><p>segundo RM/RIDE e Distrito Federal</p><p>Variáveis</p><p>Coeficiente</p><p>de</p><p>mortalidade</p><p>Coeficiente</p><p>de</p><p>incidência</p><p>Percentual de idosos com 60 anos ou mais -0,16 -0,60</p><p>Percentual de idosos com 80 anos ou mais -0,23 -0,49</p><p>Razão 10+ 10- 0,49 0,57</p><p>Índice Gini 0,27 0,34</p><p>Índice Palma 0,16 0,32</p><p>Rendimento Médio -0,46 -0,25</p><p>Taxa de Pobreza Relativa 0,66 0,63</p><p>Taxa de Desemprego 0,53 0,57</p><p>Taxa de Informalidade 0,63 0,42</p><p>Domicílios com adensamento excessivo 0,56 0,50</p><p>Domicílios abastecidos por rede geral de distribuição de água -0,51 -0,41</p><p>Domicílios abastecidos por rede geral de distribuição de água sem interrupção nos</p><p>últimos 30 dias -0,41 -0,07</p><p>Domicílios atendidos por rede coletora de esgoto -0,26 -0,41</p><p>Domicílios atendidos por serviço de coleta de lixo -0,29 -0,27</p><p>Domicílios em aglomerados subnormais 0,67 0,36</p><p>Fonte: Elaborado pelos autores.</p><p>Para o Coeficiente de Mortalidade, a correlação foi baixa com o</p><p>percentual de idosos com 60 anos ou mais e de 80 anos ou mais (-0,16 e -0,22,</p><p>respectivamente). Apresentando altas correlações estão as variáveis de</p><p>desigualdade de renda, pobreza e presença de aglomerados subnormais. Dentre</p><p>as primeiras, as que apresentam maiores associações foram a Razão10+/10-</p><p>(R=0,49) e a Pobreza Relativa Nacional (R=0,65), expostas também nos gráficos</p><p>de dispersão nas Figuras 1 e 2, respectivamente, os quais Ambos os valores</p><p>são positivos, indicando que quanto maior a razão e a pobreza relativa, maior</p><p>tende a ser o coeficiente de mortalidade. Além disso, dentre as demais variáveis,</p><p>o percentual de aglomerados subnormais apresentou a maior correlação, de</p><p>0,66.</p><p>Figura 1 - Coeficiente de Mortalidade por Covid-19 por razão da renda entre os 10% mais ricos</p><p>e 10% mais pobres, regiões metropolitanas, Brasil.</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a); Painel de casos de doença pelo coronavírus</p><p>2019 (COVID-19) no Brasil – Ministério da Saúde (2020).</p><p>43</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Figura 2 - Coeficiente de Mortalidade por Covid-19 por razão da renda entre os 10% mais ricos</p><p>e 10% mais pobres, regiões metropolitanas, Brasil.</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a); Painel de casos de doença pelo coronavírus 2019</p><p>(COVID-19) no Brasil – Ministério da Saúde (2020).</p><p>Já a verificação quanto às associações em relação ao Coeficiente de</p><p>Incidência da Covid-19, temos que o percentual de idosos com 60 anos ou mais</p><p>e 80 anos ou mais apresentou correlação moderada (iguais a -0,59 e -0,49). Os</p><p>dados estão dispostos na Figura 3, indicando a associação negativa entre estas</p><p>variáveis. Assim, quanto maior o Coeficiente de Incidência, menor tende a ser o</p><p>percentual de idosos. Em termos gerais, a questão pode resultar de uma maior</p><p>circulação da população e menor isolamento, já que nessas áreas o percentual</p><p>dos demais grupos populacionais, com maior potencial de mobilidade, é maior,</p><p>estando mais propensos à contaminação. Quanto às variáveis de desigualdade</p><p>de renda analisadas, novamente a Razão 10+/10- (R=0,57) (com dados na</p><p>Figura 4) e a pobreza relativa (R=0,62) foram as que apresentaram maior</p><p>associação com a variável de interesse. Além disso, há uma associação de 0,57</p><p>entre a Taxa de Desemprego e o Coeficiente de Incidência da doença.</p><p>Figura 3 - Coeficiente de incidência de Covid-19 por percentual de idosos com 60 anos e mais,</p><p>regiões metropolitanas, Brasil</p><p>Fonte – Pesquisa Nacional por Amostra de Domicílios Contínua 2019 – IBGE (2020a); Painel de</p><p>casos de doença pelo coronavírus 2019 (COVID-19) no Brasil – Ministério da Saúde (2020).</p><p>44</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Figura 4 – Coeficiente de incidência de Covid-19 por razão da renda entre os 10% mais ricos e</p><p>10% mais pobres, regiões metropolitanas, Brasil.</p><p>Fonte - PNAD Contínua 2019 – IBGE (2020a); Painel de casos de doença pelo coronavírus 2019</p><p>(COVID-19) no Brasil – Ministério da Saúde (2020).</p><p>Como segundo momento da análise realizamos uma Regressão Linear</p><p>Múltipla, a fim de se verificar se as variáveis selecionadas, especialmente de</p><p>desigualdade</p><p>de renda, influenciaram os Coeficientes de Mortalidade e</p><p>Incidência da Covid-19 nas regiões metropolitanas brasileiras. Foram estimados</p><p>dois modelos. No primeiro a variável resposta é o Coeficiente de Mortalidade e</p><p>o segundo é o Coeficiente de Incidência da doença. O intuito foi obter e observar</p><p>a significância destes modelos, tendo como possíveis variáveis explicativas as</p><p>aqui listadas.</p><p>Então, para ambos os casos (Mortalidade e Incidência), foi proposto um</p><p>modelo de regressão linear múltipla dado, de forma geral, pela equação:</p><p>�� = �� + ���� + �</p><p>� + ⋯ + �</p><p>� (1)</p><p>em que:</p><p>i= 1,..., 22;</p><p>j=1,..., 15;</p><p>�� e �� são parâmetros desconhecidos;</p><p>e ��</p><p>é o erro aleatório.</p><p>As suposições para os erros do modelo são: média zero e variância</p><p>desconhecida, os erros são não correlacionados, têm distribuição normal e as</p><p>variáveis regressoras assumem valores fixos.</p><p>A estimação ocorreu via Método dos Mínimos Quadrados. As variáveis</p><p>e índices de desigualdades foram calculados considerando-se o desenho</p><p>45</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>amostral da PNADC 2019, computacionalmente através do software R, pacote</p><p>survey.</p><p>Inicialmente foi realizada uma Regressão Linear Simples para cada</p><p>possível variável explicativa junto a variável resposta (�=Coeficiente de</p><p>Mortalidade). Observou-se que, tomando α=0,05 (nível de significância), as</p><p>variáveis significativas foram: Razão 10+/10-; rendimento Médio; pobreza</p><p>relativa; taxa de desemprego; taxa de informalidade; adensamento excessivo;</p><p>acesso à água por rede geral e aglomerado subnormal.</p><p>Posteriormente, foram testadas combinações de modelos 2 a 2 e 3 a 3,</p><p>além do modelo completo (com todas as variáveis que foram anteriormente</p><p>significativas). Para isso foram realizados Testes de Hipóteses de significância</p><p>das regressões (Ho: existe regressão x H1: não existe regressão) através da</p><p>estatística de Wald. E, posteriormente, entre os modelos significativos, foi</p><p>aplicado o Critério de Akaike para avaliar qual deles seria o mais adequado.</p><p>O modelo final considerado para a mortalidade foi definido por:</p><p>�� = 0,074 + 1,105� + 1,063</p><p>(2)</p><p>em que:</p><p>�: Pobreza Relativa Nacional (em percentual) da i-ésima região metropolitana;</p><p>: Aglomerado Subnormal (em percentual) da i-ésima região metropolitana.</p><p>De acordo com este modelo, o coeficiente de mortalidade médio na</p><p>ausência das variáveis explicativas seria de 0,074 óbitos para cada 100 mil</p><p>habitantes. A cada acréscimo de um ponto percentual na taxa de pobreza</p><p>relativa, o coeficiente de mortalidade médio aumentará em 1,105 óbitos por 100</p><p>mil habitantes. Além disso, �</p><p>indica um acréscimo no coeficiente de mortalidade</p><p>médio de 1,063 óbitos por 100 mil habitantes para cada acréscimo de uma</p><p>unidade no percentual de domicílios em aglomerado subnormal, mantidas as</p><p>demais variáveis constantes.</p><p>Tabela 5 – Anova do Modelo para Coeficiente de Mortalidade</p><p>Fonte – Elaborado pelos autores.</p><p>Graus de</p><p>Liberdade</p><p>Soma dos</p><p>Quadrados</p><p>Soma dos Quadrados</p><p>Médio F P-valor</p><p>Pobreza Relativa 1 9.625,1 9.625,1 18,82 0,0003</p><p>Aglomerado Subnormal 1 2.985,6 2.985,6 5,84 0,0025</p><p>Resíduos 19 9.713,2 511,2</p><p>46</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Como observado na anova do modelo, o p-valor foi baixo no teste de</p><p>comparação de variâncias, sendo significativas as variáveis do modelo. Por fim,</p><p>verificando a adequabilidade, a Figura 5 contempla o gráfico dos resíduos do</p><p>modelo final para a mortalidade. De modo a verificar se estes resíduos seguem</p><p>uma distribuição normal utilizamos um gráfico do tipo quantil-quantil, cujos</p><p>resultados estão dispostos na Figura 6. Em seguida, realizamos a Análise dos</p><p>Resíduos para verificar a adequabilidade do modelo final selecionado,</p><p>considerando se algumas suposições necessárias aos resíduos não são</p><p>violadas, tais como normalidade, 46omoscedasticidade (variância constante) e</p><p>independência. Para os três casos houve adequação aos pressupostos da</p><p>Regressão.</p><p>Figura 5 – Resíduos do modelo final</p><p>Fonte – Elaborado pelos autores</p><p>Teste de Normalidade dos Resíduos:</p><p>� ��: � ����� � ! �"é� $% &�� !�!&'�çã� *� ��'</p><p>��: � ����� � *ã� ! �"é� $% &�� !�!&'�çã� *� ��'</p><p>Teste de Kolmogorov-Smirnov: ao realizar o teste e observando a Figura</p><p>6, encontramos como estatística D igual a, aproximadamente, 0,32 e p-valor de</p><p>0,35. Como o p-valor é superior a 0,05, não rejeitamos a hipótese nula, ou seja,</p><p>a amostra provém de uma população normal. O quesito de normalidade, então,</p><p>não é violado.</p><p>47</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Figura 6 – Gráfico Quantil-Quantil da Normal</p><p>Fonte – Elaborado pelos autores</p><p>Teste de Homocedasticidade dos Resíduos:</p><p>� ��: +� %�í$&�� �ã� ℎ���.%$á��0.��</p><p>��: +� %�í$&�� *ã� �ã� ℎ���.%$á��0.��</p><p>Teste de Godefeld-Quandt: O teste, realizado no software R, indicou uma</p><p>estatística do teste GQ igual a 1,33 e um p-valor igual a 0,33. Para um nível de</p><p>significância igual a 0,05, não rejeitamos a hipótese nula, ou seja, consideramos</p><p>os resíduos com variância constante.</p><p>Teste de Independência dos Resíduos:</p><p>� ��: +� %�í$&�� �ã� 0*$%!%*$%*�%�</p><p>��: +� %�í$&�� *ã� �ã� 0*$%!%*$%*�%�</p><p>Teste de Durbin-Watson: a estatística do teste DW foi 1,99 com p-valor de</p><p>0,37, ou seja, os resíduos são independentes (não rejeitamos a hipótese nula a</p><p>um nível de 95% de confiança). Assim, o modelo mostra-se adequado quanto às</p><p>suposições dos resíduos.</p><p>Tal qual no modelo para o Coeficiente de Mortalidade, para o Coeficiente</p><p>de Incidência primeiramente realizou-se uma Regressão Linear Simples para</p><p>cada possível variável explicativa junto a variável resposta (�=Coeficiente de</p><p>Incidência). Neste caso, tomando α=0,05 (nível de significância), as variáveis</p><p>significativas foram: percentual de idosos com 60 anos ou mais; percentual de</p><p>idosos com 80 anos ou mais; Razão 10+/10-; pobreza relativa; taxa de</p><p>desemprego e adensamento excessivo.</p><p>Novamente, foram testadas combinações de modelos 2 a 2 e 3 a 3, além</p><p>do modelo completo (com todas as variáveis que foram anteriormente</p><p>significativas), realizando os Testes de Hipóteses de significância das</p><p>48</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>regressões (Ho: existe regressão x H1: não existe regressão) através da</p><p>estatística de Wald. Posteriormente, entre os modelos significativos, foi aplicado</p><p>o Critério de Akaike para avaliar o mais adequado.</p><p>O modelo final considerado para a incidência é definido por:</p><p>�� = 2069,2 − 115,59� + 20,27</p><p>(3)</p><p>em que:</p><p>�: Percentual de idosos com 60 anos ou mais da i-ésima região metropolitana;</p><p>: Razão10+/10 da i-ésima região metropolitana.</p><p>De acordo com este modelo, o coeficiente de incidência médio seria de</p><p>2.069,2 casos para cada 100 mil habitantes, indicando a incidência na ausência</p><p>das variáveis explicativas. Porém, como a variável explicativa Razão10+/10 não</p><p>pode assumir um valor zero, não faz sentido interpretarmos o valor de ��</p><p>isoladamente. Neste caso, a cada acréscimo de uma unidade no percentual de</p><p>idosos, o coeficiente de incidência médio diminuirá em 115,59 casos por 100 mil</p><p>habitantes. Além disso, �</p><p>indica um acréscimo no coeficiente de incidência</p><p>médio de 20,27 casos por 100 mil habitantes para cada acréscimo no valor de</p><p>Razão 10+/10-, mantidas as demais variáveis constantes.</p><p>Tabela 6 – Anova do Modelo para Coeficiente de Incidência</p><p>Fonte – Elaborado pelos autores</p><p>Como observado na anova do modelo, o p-valor foi baixo no teste de</p><p>comparação de variâncias, indicando</p><p>a significância das variáveis neste modelo.</p><p>A fim de verificar a adequabilidade, na Figura 7 estão dispostos os resíduos do</p><p>modelo final para o coeficiente de incidência. Para averiguar se estes resíduos</p><p>seguem uma distribuição normal, utilizamos o gráfico quantil-quantil, cujos</p><p>resultados estão dispostos na Figura 8. A Análise dos Resíduos indicou</p><p>adequação aos pressupostos da Regressão (Normalidade, Independência e</p><p>Homocedasticidade), segundo exposto a seguir.</p><p>Graus de</p><p>Liberdade</p><p>Soma dos</p><p>Quadrados</p><p>Soma dos Quadrados</p><p>Médio F P-valor</p><p>Percentual de Idosos com 60</p><p>anos ou mais de idade 1 3.584.876 3.584.876 14,83 0,001</p><p>Razão10+/10- 1 18.223.373 18.223.373 7,54 0,012</p><p>Resíduos 19 45.900.989 241.631</p><p>49</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Figura 7 – Resíduos do modelo final</p><p>Fonte – Elaborado pelos autores</p><p>Teste de Normalidade dos Resíduos:</p><p>� ��: � ����� � ! �"é� $% &�� !�!&'�çã� *� ��'</p><p>��: � ����� � *ã� ! �"é� $% &�� !�!&'�çã� *� ��'</p><p>Teste de Kolmogorov-Smirnov: ao realizar o teste e observando a Figura</p><p>8, encontramos como estatística D igual a, aproximadamente, 0,33 e p-valor</p><p>igual 0,33. Como o p-valor é superior a 0,05, não rejeitamos a hipótese nula, ou</p><p>seja, a amostra provém de uma população normal. O quesito de normalidade,</p><p>então, não é violado.</p><p>Figura 8 – Gráfico Quantil-Quantil da Normal</p><p>Fonte – Elaborado pelos autores</p><p>Teste de Homocedasticidade dos Resíduos:</p><p>� ��: +� %�í$&�� �ã� ℎ���.%$á��0.��</p><p>��: +� %�í$&�� *ã� �ã� ℎ���.%$á��0.��</p><p>50</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Teste de Godefeld-Quandt: o teste, realizado no software R, indicou uma</p><p>estatística do teste GQ igual a 0,85 e um p-valor igual a 0,58. Para um nível de</p><p>significância igual a 0,05, não rejeitamos a hipótese nula, ou seja, consideramos</p><p>os resíduos com variância constante.</p><p>Teste de Independência dos Resíduos:</p><p>� ��: +� %�í$&�� �ã� 0*$%!%*$%*�%�</p><p>��: +� %�í$&�� *ã� �ã� 0*$%!%*$%*�%�</p><p>Teste de Durbin-Watson: a estatística do teste DW foi igual a 1,93 com</p><p>p-valor de 0,58, ou seja, os resíduos são independentes (não rejeitamos a</p><p>hipótese nula a um nível de 95% de confiança). Assim o modelo é adequado</p><p>quanto às suposições dos resíduos.</p><p>5. CONSIDERAÇÕES FINAIS</p><p>A pandemia de Covid-19 trouxe uma série de novos desafios à</p><p>sociedade. Como uma nova doença, com alto índice de contaminação e</p><p>letalidade, tanto os tratamentos eficazes como a adoção de medidas que</p><p>impedissem seu agravamento são incertas. Se, por um lado isolamento social se</p><p>mostrou eficiente, não há correlação entre a adoção dessa estratégia e a baixa</p><p>mortalidade, uma vez que ela foi adotada em vários contextos em que a</p><p>pandemia já havia resultado em elevado número de óbitos.</p><p>No caso brasileiro, as medidas de isolamento social e higiene foram</p><p>disseminadas a partir da segunda quinzena de março em várias regiões do país,</p><p>alcançando resultados variados. Em um contexto de elevada desigualdade, com</p><p>um sistema de saúde misto (público e privado), a disseminação da pandemia</p><p>variou intensamente dentre as regiões, e especificamente como debatemos,</p><p>entre as regiões metropolitanas.</p><p>A partir das informações dos dados até meados de julho é possível</p><p>correlacionar estatisticamente a evolução da pandemia tanto ao efeito da</p><p>pobreza como da desigualdade. Nesse caso, tais variáveis foram fundamentais</p><p>para que determinados locais tivesse uma progressão mais lenta desse primeiro</p><p>momento da pandemia. Contudo, certamente ainda é necessário aguardar o seu</p><p>fim e a disponibilização de dados consolidados e/ou metodologias que permitam</p><p>inferir a variação da subnotificação de casos e óbitos por região. Nesse caso</p><p>serão fundamentais iniciativas que permitam a adoção de estimativas mais</p><p>confiáveis sobre a mortalidade, a partir da correção dos óbitos por causa e com</p><p>o fim das notificações (eliminando o efeito do atraso na confirmação do óbito).</p><p>51</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>As dinâmicas sociais que permitiram o aprofundamento da crise de</p><p>Covid-19 (aqui expressa nos valores relativos de óbitos e causas) são múltiplas,</p><p>relacionadas a questões políticas e sociais mais amplas. Do ponto de vista</p><p>teórico, há uma extensa tradição de observar como as desigualdades estão</p><p>relacionadas à saúde. No caso da Covid-19, há indícios empíricos de que essas</p><p>também foram importantes.</p><p>Considerando os resultados aqui dispostos, as variáveis</p><p>socioeconômicas relativas a habitação/infraestrutura urbana (aglomerados</p><p>subnormais) e pobreza relativa foram significativas para altas mortalidades nos</p><p>primeiros meses da pandemia, em indícios de que os mecanismos de proteção</p><p>à pandemia (medidas de isolamento social e construção de respostas no sistema</p><p>de saúde) tiveram maior dificuldade em tais localidades. Já a incidência foi</p><p>negativamente relacionada a uma variável demográfica - porcentagem de</p><p>idosos, e positivamente relacionada à concentração de renda medida pela razão</p><p>entre os décimos mais ricos e mais pobres da população. Nesse caso, as áreas</p><p>com mais idosos podem ter tido menor circulação desses grupos, já que esses</p><p>se deslocam menos em relação à população jovem, por exemplo.</p><p>Adicionalmente, a concentração de renda também não favoreceu a contenção</p><p>da doença, em um contexto em que um pequeno grupo possui parcela</p><p>significativa do fluxo de renda da área.</p><p>Tal associação pode ser mais bem analisada em trabalhos futuros, tanto</p><p>qualitativamente como quantitativamente, com a adoção de modelos estatísticos</p><p>mais completos e dados consolidados sobre a mortalidade por Covid-19, ou seja,</p><p>avaliados em relação à sua confiabilidade e qualidade (Borges & Nepomuceno,</p><p>2020). Para tal, pode-se considerar modelagens que expliquem as taxas de</p><p>crescimento de óbitos e casos de Covid-19, a interação com as estruturações</p><p>locais dos sistemas de saúde (número de leitos exclusivos e testes, por</p><p>exemplo), as próprias taxas de isolamento (embora tenham sido calculadas</p><p>utilizando medidas diversas e dificilmente estejam disponibilizadas de modo</p><p>público) e padronização das taxas específicas de mortalidade, dentre outros.</p><p>6. REFERÊNCIAS BIBLIOGRÁFICAS</p><p>Atkinson, A.B. Desigualdade o que pode ser feito? (2015). Tradução de Elisa Câmara</p><p>[Inequality what can be done?]. São Paulo: LeYa Ltda. 432p.</p><p>Andrade, M.V.; Noronha, K.V.M. de S.; Menezes, R.M.; Souza, M.N; Reis, C.B.; Martins,</p><p>D.R. & Gomes, L. (2013). Desigualdade socioeconômica no acesso aos serviços de</p><p>saúde no Brasil: um estudo comparativo entre as regiões brasileiras em 1998 e 2008.</p><p>52</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Economia Aplicada, 17(4), 623-645. Disponível em: .</p><p>Albuquerque, M.V.; Viana, A.L.A.; Lima, L.D.; Ferreira, M. P.; Fusaro, E.R. & Iozzi, F.L.</p><p>(2017). Desigualdades regionais na saúde: mudanças observadas no Brasil de 2000 a</p><p>2016. Ciência & Saúde Coletiva, 22(4). Disponível em: .</p><p>Backhauss, A. (2020). Common Pitfalls in the Interpretation of COVID-19 Data and</p><p>Statistics. Intereconomics, 55, 162–166. Disponível em:</p><p>.</p><p>Barata, R.B. (2009). Como e por que as desigualdades sociais fazem mal à saúde? Rio</p><p>de Janeiro: Editora Fiocruz. 120p.</p><p>Barros, M.B.A. (2017). Desigualdade social em saúde: revisitando momentos e</p><p>tendências nos 50 anos de publicação da RSP. Revista Saúde Pública, 51(17).</p><p>Disponível em: .</p><p>Barros, F.P.C. & Sousa, M.F. (2016). Equidade: seus conceitos, significações e</p><p>implicações para o SUS. Saúde & Sociedade 25(1). Disponível em:</p><p>.</p><p>Barros, M. B.A.; Lima,</p><p>M.G.; Medina, L. P.B.; Szwarcwald, C. L. & Malta, D.C. (2016).</p><p>Social inequalities in health behaviors among Brazilian adults: National Health Survey,</p><p>2013. International Journal for Equity in Health, 15(148). Disponível em:</p><p>.</p><p>Barreto, M. (2017). Desigualdades em Saúde: uma perspectiva global. Ciência & Saúde</p><p>Coletiva, 22(7), 2097-2108. Disponível em: .</p><p>Borges, G.; Nepomuceno, M. R. (2020). A contribuição da demografia para os estudos</p><p>de mortalidade em tempos de pandemia. Revista Brasileira de Estudos de População,</p><p>37, 2020. Disponível em .</p><p>Comissão Nacional dos Determinantes Sociais em Saúde (CNDSS). As causas sociais</p><p>das iniquidades em saúde no Brasil/CNDSS. Rio de Janeiro: Editora Fiocruz; 2008.</p><p>Dorling, D. (2014). Inequality and the 1%. (1a ed.). Londres, Verso Books. 234p.</p><p>Dorling, D. (2017). The Equality Effect: Improving Life for Everyone (1a ed.). Oxford:</p><p>New Internationalist Publications LTD. 280p.</p><p>Dorling, D. (2018). Do we need economic inequality? (1a ed.). Cambridge: Polity Press.</p><p>181p.</p><p>França, E.B.; Ishitani, L.H.; Teixeira, R.A.; Abreu, D.M.X.; Corrêa, P.R.L.; Marinho, F. &</p><p>Vasconcelos, A.M. (2020). Óbitos por COVID-19 no Brasil: quantos e quais estamos</p><p>identificando? Revista Brasileira de Epidemiologia, 23(E200053). Disponível em:</p><p>.</p><p>53</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.32-53, julho-dezembro 2020</p><p>Hecksher, M. (2017). Preponderância dos ricos na desigualdade de renda no Brasil</p><p>(1981-2016): aplicação da J-divergência a dados domiciliários e tributários. (Dissertação</p><p>de Mestrado). Escola Nacional de Ciências Estatísticas (ENCE/IBGE), Rio de Janeiro.</p><p>IBGE (2020a). Pesquisa Nacional por Amostra de Domicílios Contínua 2019. Disponível</p><p>em: .</p><p>IBGE (2020b). Aglomerados Subnormais 2019. Disponível em:</p><p>.</p><p>Neri, M. & Soares, W. (2002). Desigualdade social e saúde no brasil. Cadernos de</p><p>Saúde Pública, 18(Sup.), 77-87. Disponível em: .</p><p>Noronha, K.V.M.S. (2005). A Relação entre o Estado de Saúde e a Desigualdade de</p><p>Renda no Brasil. (Tese de Doutorado). Universidade Federal de Minas Gerais (UFMG),</p><p>Belo Horizonte.</p><p>Noronha, K.V.M. de S. & Andrade, M.V. (2007). O efeito da distribuição de renda sobre</p><p>o estado de saúde individual no Brasil. Pesquisa e Planejamento Econômico, PPE,</p><p>37(3).</p><p>Marques, C. Villela, R. (2020). Desigualdade de renda e a pandemia do novo</p><p>coronavírus (COVID-19). EcoDebate. Disponível em:</p><p>.</p><p>Medeiros, M.; Souza, P.H.G.F.; Castro, F.Á. (2015). A estabilidade da desigualdade de</p><p>renda no Brasil, 2006 a 2012: estimativa com dados do imposto de renda e pesquisas</p><p>domiciliares. Ciência & Saúde Coletiva, 20(4), pp. 971–986. ISSN 1413-8123. DOI:</p><p>http://dx.doi.org/10.1590/1413-81232015204.00362014.</p><p>Ministério da Saúde (2020). Painel de casos de doença pelo coronavírus 2019 (COVID-</p><p>19) no Brasil. Disponível em: .</p><p>Piketty, T. (2014). O capital no século XXI. (1a ed.). Tradução de Monica Baumgarten</p><p>de Bolle [Le capital au XXIe siècle]. Rio de Janeiro: Intrínseca Ltda. 669p.</p><p>Szwarcwald C.L. & Macinko, J. A panorama of health inequalities in Brazil. International</p><p>Journal for Equity in Health 2016; 15(1), 174. Disponível em:</p><p>.</p><p>Silva, B.S.; Barros, M.B.A. (2002). Epidemiologia e desigualdade: notas sobre a teoria</p><p>e a história. Revista Panamericana de Salud Pública, 12(6), 375-383.</p><p>Silva, P.L. (2020). Pandemia, pesquisa e estatísticas públicas: desafios e perspectivas.</p><p>Apresentação no Webinário IPEA.</p><p>Stiglitz, J. (2012). The price of inequality: how todays’ divided society. Nova York: W.W.</p><p>Norton & Company. 560p.</p><p>Wilkinson, R. & Pickett, K (2010). The Spirit Level: Why Greater Equality makes</p><p>Societies Stronger. Nova York: Bloomsbury Press. 352p.</p><p>54</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>QUESTÕES URBANAS NA TRANSMISSÃO DO NOVO</p><p>CORONAVÍRUS: ANÁLISE DO DISTRITO FEDERAL</p><p>Renata Florentino</p><p>renata.florentino@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Larissa Lima</p><p>larissa.lima@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Kássia Castro</p><p>kassia.castro@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Cecília Sampaio</p><p>cecilia.sampaio@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Maria Gabriella Figueiredo Vieira</p><p>maria.vieira@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Bruna Silva</p><p>bruna.jesus@codeplan.df.gov.br</p><p>Companhia de Planejamento do Distrito Federal</p><p>Resumo: Este trabalho objetiva identificar as áreas com maior vulnerabilidade à propagação do</p><p>COVID-19 no Distrito Federal, visando embasar a tomada de decisão para gestão sanitária</p><p>adequada. Foram escolhidos quatro indicadores, baseados na disponibilidade de dados e</p><p>características urbanas que podem favorecer a transmissão do SARS-CoV-2. Os indicadores</p><p>foram gerados com dados da Pesquisa Distrital por Amostra de Domicílios – PDAD, e</p><p>sintetizados em um Índice de Vulnerabilidade Urbana à Disseminação da Covid-19 (IVU), por</p><p>meio de média aritmética. Foi realizada a análise de correlação � de Goodman-Kruskal entre</p><p>grupos de renda do DF e indicadores e correlação Pearson entre grupos de renda e IVU. Os</p><p>resultados apontaram as Regiões Administrativas de menor renda como as mais vulneráveis à</p><p>disseminação da Covid-19, sendo SCIA/Estrutural e Varjão as que apresentam valores dos</p><p>indicadores e IVU mais preocupantes. Também foi constatada a relação entre vulnerabilidade e</p><p>55</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>renda, sendo que a medida que a renda aumenta, diminui-se a vulnerabilidade. A identificação</p><p>das regiões vulneráveis permite o desenvolvimento de políticas públicas para minimização da</p><p>disseminação da Covid-19 nessas áreas, com foco em evitar o aumento no volume de</p><p>atendimento hospitalar e o colapso do sistema de saúde no DF.</p><p>Palavras-chave: Covid-19, indicadores, distribuição socioespacial.</p><p>Abstract: This work aims to identify the areas with greater susceptibility to spread the coronavirus</p><p>in the Federal District, aiming to underpin decision making to a proper sanitary management. Four</p><p>indicators were chosen, based on the available data in urban characteristics that may favor the</p><p>transmission. The indicators were generated with data of the District Research of Households'</p><p>Sample (PDAD, in Portuguese), and were synthesized in an Index of Urban Vulnerability to Covid-</p><p>19 dissemination (IVU, in Portuguese), through arithmetic average. The � correlation analysis of</p><p>Goodman-Kruskal was carried out among the DF’s income groups and indicators and Pearson’s</p><p>correlation among the DF’s income groups and IVU. The results pointed out that the</p><p>Administrative Regions that have the lowest income are the ones that the population is more</p><p>vulnerable to be contaminated by the coronavirus, as SCIA/Estrutural and Varjão have the more</p><p>worrisome values. It was also determined the relation between vulnerability and income, as the</p><p>income increases, the vulnerability reduces. The identification of the vulnerable regions allows</p><p>the development of public policies do minimize the Cobid-19 spread in these areas, focusing in</p><p>avoiding the increase of hospital assistance and the collapse of the DF’s health system.</p><p>Keywords: Covid-19, indicators, socio spatial distribution.</p><p>56</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro</p><p>2020</p><p>1.INTRODUÇÃO</p><p>A Covid-19 teve seu primeiro caso confirmado na província de Wuhan,</p><p>na China, em dezembro de 2019 (Chen et al., 2020; Wu et al., 2020; Zhu et al.,</p><p>2020). Com aproximadamente 55% da população mundial vivendo em áreas</p><p>urbanas (ONU, 2018) e com a facilidade das interconexões de um mundo</p><p>globalizado, a doença teve um rápido espalhamento e ao final de janeiro de 2020</p><p>já possuía casos confirmados em 21 países (Holshue et al., 2020). Em 11 de</p><p>março de 2020 a Organização Mundial da Saúde (OMS) declarou que a</p><p>disseminação causada pelo novo coronavírus, SARS-CoV-2, caracterizava-se</p><p>pandemia mundial (OMS, 2020).</p><p>No Brasil o primeiro caso foi identificado no estado de São Paulo em 26</p><p>de fevereiro (Ministério da Saúde, 2020a), a partir de então a doença se espalhou</p><p>de forma acelerada e em 20 de março foi reconhecida a transmissão comunitária</p><p>da Covid-19 em todo o território nacional (Oliveira et al., 2020). O Decreto</p><p>Legislativo nº 06/2020 de 20 de março (Brasil, 2020) reconheceu o Estado de</p><p>Calamidade Pública em todo o País.</p><p>No âmbito do Distrito Federal, o disposto no Decreto Distrital nº</p><p>40.475/2020, de 28 de fevereiro (Distrito Federal, 2020a), declarou situação de</p><p>emergência na saúde pública em razão do risco de pandemia do novo</p><p>coronavírus. No dia 07 de março foi registrado o primeiro caso da doença na</p><p>capital (SES-DF, 2020).</p><p>Muitos estudos sobre a Covid-19 vem sido conduzidos, como</p><p>estimativas de parâmetros epidemiológicos (Anastassopoulou et al., 2020),</p><p>relatos e orientações clínicas (Huang et al., 2020, Patel & Jernigan, 2020),</p><p>análises genéticas (Lu et al., 2020;), entre outros. Entretanto, por se tratar de</p><p>uma doença nova, ainda há muitas incertezas e lacunas a serem preenchidas.</p><p>Assim, a adoção de medidas de contenção é realizada com base na experiência</p><p>dos países primeiramente afetados, nas recomendações da OMS, e nas</p><p>evidências disponíveis baseadas em intervenções efetivas para o controle da</p><p>doença (Oliveira et al., 2020).</p><p>Nesse contexto, cabe ao poder público tomar as medidas cabíveis que</p><p>favoreçam a prevenção da população ao risco de contaminação e preservação</p><p>da capacidade do sistema de saúde (Ministério da Saúde, 2020b). Para tanto é</p><p>necessário que essas decisões sejam baseadas em dados confiáveis</p><p>previamente levantados. A informação é um recurso fundamental para a tomada</p><p>de decisão, por meio dela é possível se aproximar da realidade, traçar perfis,</p><p>detectar problemas e alcançar soluções (Bochner & Guimarães, 2011).</p><p>57</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Dessa forma, com a evolução do quadro epidemiológico relacionado ao</p><p>Covid-19 no Distrito Federal, a Companhia de Planejamento do Distrito Federal</p><p>(Codeplan), por intermédio da Diretoria de Estudos Urbanos e Ambientais, vem</p><p>contribuir por meio do levantamento dos fatores urbanos de risco de</p><p>disseminação do vírus e sua distribuição socioespacial, tendo como objetivo</p><p>identificar áreas de maior vulnerabilidade à transmissão e disseminação do novo</p><p>coronavírus no Distrito Federal, com vistas a subsidiar a tomada de decisão.</p><p>2.METODOLOGIA</p><p>2.1 ÁREA DE ESTUDO</p><p>O Distrito Federal - DF está posicionado entre os paralelos 15°30’ S e</p><p>16°03’S e entre os meridianos 47°18’W e 48°17’W, na região Centro-Oeste do</p><p>Brasil. Apresenta uma extensão de 5.779 km², correspondendo a</p><p>aproximadamente 0,06% do território nacional, sendo a menor entre as unidades</p><p>da federação (Figura 1).</p><p>Figura 1 - Localização do Distrito Federal</p><p>Fonte – elaborado pelas autoras.</p><p>58</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>2.2 MÉTODOS</p><p>A metodologia aplicada baseou-se no desenvolvimento de indicadores</p><p>de fatores urbanos que podem indicar maior vulnerabilidade das Regiões</p><p>Administrativas do DF para transmissão e disseminação da Covid-19.</p><p>A Covid-19 é uma doença respiratória nova causada pelo novo</p><p>coronavírus (SARS-CoV-2) que leva à síndrome respiratória aguda grave,</p><p>transmitida de pessoa para pessoa, com uma taxa de mortalidade que aumenta</p><p>com a idade, sendo que em bebês e crianças é de praticamente 0%, com idade</p><p>acima de 70 anos é de até 8% e em idosos portadores de comorbidades de até</p><p>15% (Guimarães et al., 2020; Zu et al., 2020).</p><p>As medidas classificadas como não farmacológicas, como o isolamento</p><p>social, têm sido utilizadas com o intuito de reduzir a transmissibilidade do vírus</p><p>e retardar a progressão da epidemia. Além de minimizar a quantidade de casos,</p><p>tais medidas têm o potencial de reduzir o impacto sobre os serviços de saúde,</p><p>por meio da redução do pico epidêmico (Ministério da Saúde, 2020b)</p><p>Dessa forma, foram selecionados quatro indicadores, baseando-se na</p><p>disponibilidade de dados e na avaliação das características urbanas que podem</p><p>vir a favorecer na transmissão da Covid-19. Também se levou em consideração</p><p>fatores que podem ser alvos de políticas públicas para minimização dos impactos</p><p>da disseminação da Covid-19. Os indicadores estão apresentados no Quadro 1.</p><p>Quadro 1 - Indicadores de vulnerabilidade urbana</p><p>Indicador Justificativa Medida</p><p>Domicílios com</p><p>insuficiência de</p><p>dormitórios em</p><p>relação ao número</p><p>de moradores</p><p>Dificulta o isolamento de morador</p><p>que apresente algum dos</p><p>sintomas listados pelo Ministério</p><p>da Saúde.</p><p>Porcentagem de</p><p>domicílios com número</p><p>de dormitórios</p><p>insuficiente em relação</p><p>ao número de moradores</p><p>RA</p><p>Uso do transporte</p><p>coletivo como meio</p><p>de deslocamento</p><p>para o trabalho</p><p>Pode se tornar um fator de</p><p>aceleração de transmissão do</p><p>vírus, devido a quantidade de</p><p>pessoas no mesmo ambiente por</p><p>razoável tempo de exposição.</p><p>Porcentagem de</p><p>pessoas que utilizam</p><p>ônibus e/ou metrô para</p><p>deslocamento ao</p><p>trabalho por RA</p><p>Pessoas sem</p><p>acesso à água via</p><p>rede geral</p><p>A falta de acesso à água tratada</p><p>pode dificultar a realização de</p><p>medidas de higiene preventivas.</p><p>Porcentagem de</p><p>pessoas sem acesso à</p><p>água via rede geral por</p><p>RA</p><p>59</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Participação no</p><p>mercado de trabalho</p><p>informal</p><p>Trabalhador sem direitos</p><p>trabalhistas garantidos, como</p><p>licença médica, e com geração de</p><p>renda dependente de fluxo de</p><p>venda de produto ou força de</p><p>trabalho, que tende a cair em</p><p>função da redução do número de</p><p>pessoas circulando nas cidades.</p><p>Porcentagem de</p><p>pessoas com empregos</p><p>informais por RA</p><p>Fonte - Elaborado pelas autoras.</p><p>Para geração dos indicadores utilizou-se dados da Pesquisa Distrital por</p><p>Amostra de Domicílios (PDAD), realizada pela Companhia de Planejamento do</p><p>Distrito Federal (Codeplan). A PDAD é uma pesquisa auto declaratória, bianual,</p><p>executada sob forma de amostra representativa posteriormente expandida, com</p><p>objetivo de investigar a situação econômica, demográfica e de moradia dos</p><p>residentes das áreas urbanas das RAs. Serve como um instrumento de apoio ao</p><p>planejamento das ações governamentais e não governamentais no âmbito do</p><p>Distrito Federal (Codeplan, 2018). A última edição foi realizada em 2018, e</p><p>abrange 31 regiões administrativas1 existentes à época (mais duas RAs foram</p><p>criadas posteriormente).</p><p>A PDAD 2018 pesquisou 21.908 domicílios, localizados na área urbana</p><p>do Distrito Federal. A seleção da amostra seguiu o esquema de amostragem</p><p>aleatória sistemática, e para definição do tamanho da amostra utilizou-se o</p><p>parâmetro estatístico variância de renda domiciliar, sendo que quanto maior a</p><p>variância, maior será a amostra na referida região administrativa. Para expansão</p><p>dos resultados, foram consideradas as projeções populacionais produzidas pela</p><p>Codeplan e pelo Instituto Brasileiro de Geografia e Estatística - IBGE (Codeplan,</p><p>2018).</p><p>Para gerar o indicador “domicílios com insuficiência de dormitórios em</p><p>relação ao número de moradores” considerou-se a densidade domiciliar,</p><p>construída a partir da razão entre o número de</p><p>pessoas no domicílio e o número</p><p>de dormitórios, sendo que os domicílios com ocupação superior a duas pessoas</p><p>por dormitório foram considerados com insuficiência de dormitórios em relação</p><p>ao número de moradores (Ribeiro & Ribeiro, 2013). O indicador é representado</p><p>pela porcentagem de domicílios inadequados por RA. Os dados utilizados foram:</p><p>número de moradores do domicílio, o número de dormitórios e número total de</p><p>domicílios de cada RA.</p><p>1 Esse estudo considerou apenas 30 regiões administrativas, uma vez que a RA 29 - SIA (Setor</p><p>de Indústria e Abastecimento) apresenta padrão de ocupação diferenciado, voltado a atividades</p><p>industriais e comerciais, não apresentando população residente expressiva.</p><p>60</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Para gerar o indicador “uso do transporte coletivo como meio de</p><p>deslocamento para o trabalho” foi utilizado número de moradores de cada RA</p><p>que utiliza ônibus e/ou metrô como deslocamento para o trabalho e o número</p><p>total de moradores por RA.</p><p>Para o indicador “pessoas sem acesso à água via rede geral”,</p><p>considerou-se o número de pessoas morando em domicílio sem acesso à rede</p><p>geral de abastecimento de água e o número total de moradores por RA.</p><p>Para o indicador “participação no mercado de trabalho informal” utilizou-</p><p>se o percentual de trabalhadores informais por RA, elaborado pela Codeplan</p><p>(2020) com base na PDAD/2018 (Codeplan, 2018). Na metodologia empregada</p><p>considerou-se como trabalhadores formais as seguintes categorias:</p><p>empregados, empregados domésticos, militares do exército, marinha ou</p><p>aeronáutica, policiais militares, policiais civis, bombeiros, empregados</p><p>temporários, empregados comissionados e religiosos remunerados com carteira</p><p>de trabalho ou estatutários. As categorias sócios de firma, autônomos, conta</p><p>própria, empregadores, profissionais liberais e chefes de empresa familiar</p><p>também foram considerados formais quando havia CNPJ ou registro de</p><p>Microempreendedor Individual (MEI). Foram considerados como informais os</p><p>trabalhadores de todas as categorias citadas anteriormente com ausência de</p><p>carteira de trabalho, vínculo estatutário, CNPJ e registro MEI, além dos</p><p>trabalhadores de empresa familiar não remunerados (Codeplan, 2020).</p><p>A partir da definição dos quatro indicadores foi criado um Índice de</p><p>Vulnerabilidade Urbana à Disseminação da Covid-19 (IVU) para cada RA, com</p><p>o intuito de facilitar a compreensão coerente e conjunta desses indicadores. Para</p><p>a estruturação do IVU, foi realizada a transformação dos indicadores para que</p><p>fosse possível colocar as variáveis em uma mesma escala (comensurabilidade).</p><p>Existem diversas formas de transformação de variáveis, nesse caso o</p><p>procedimento adotado foi a transformação 0-1. Trata-se da caracterização das</p><p>observações de uma variável X em uma escala numérica entre 0 e 1, dada pela</p><p>equação 1.</p><p>�� =</p><p>����í�</p><p>�á</p><p>��í�</p><p>(1)</p><p>onde �� é o valor da i-ésima observação da variável X na nova escala,</p><p>��í� é o valor mínimo da variável X e ��á� é o valor máximo da variável X (Neto</p><p>et al., 2008).</p><p>61</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>A etapa seguinte na construção do IVU foi a combinação dos indicadores</p><p>transformados. Assim como na transformação das variáveis, nessa nova etapa</p><p>também existia uma série de métodos para junção dos indicadores (Neto et al.,</p><p>2008). Para o cenário estudado, optou-se por utilizar a média aritmética,</p><p>combinando os indicadores de forma a considerá-los com a mesma relevância,</p><p>ou seja, atribuindo um mesmo peso a todas variáveis. Ao final do procedimento,</p><p>são obtidos valores em uma escala que vai de 0 a 1, quanto mais próximo de 0</p><p>menor a vulnerabilidade da RA na disseminação da Covid-19, e quanto mais</p><p>próximo de 1 maior a vulnerabilidade.</p><p>Para a análise dos resultados, considerando que a renda é</p><p>condicionante de diversos fatores urbanos às quais as pessoas se expõem e, foi</p><p>adotado o critério de agrupamento das Regiões Administrativas do DF em função</p><p>dos padrões de rendimento médio, conforme a pesquisa de emprego e</p><p>desemprego (PED) (Codeplan, 2020), a PDAD e outras pesquisas da Codeplan.</p><p>A Codeplan apresenta os resultados de suas pesquisas em quatro grupos de</p><p>RAs, classificadas segundo padrões de rendimento médio, com o intuito de</p><p>explorar as heterogeneidades regionais existentes na capital federal.</p><p>Os grupos de renda são assim definidos e caracterizados:</p><p>• Grupo 1 - Alta renda: composto pelas RAs Plano Piloto, Jardim</p><p>Botânico, Lago Norte, Lago Sul, Park Way e Sudoeste/Octogonal. Em 2018, a</p><p>população desse grupo era de 384.913 pessoas, cerca de 13% da população do</p><p>DF, com renda domiciliar média de R$ 15.622;</p><p>• Grupo 2 - Média-alta renda: formado pelas RAs Águas Claras,</p><p>Candangolândia, Cruzeiro, Gama, Guará, Núcleo Bandeirante, Sobradinho,</p><p>Sobradinho II, Taguatinga e Vicente Pires. Em 2018, a população desse grupo</p><p>era de 916.651 pessoas, 32% da população do DF, com renda domiciliar média</p><p>de R$ 7.266;</p><p>• Grupo 3 - Média-baixa renda: composto pelas RAs Brazlândia,</p><p>Ceilândia, Planaltina, Riacho Fundo, Riacho Fundo II, Samambaia, Santa Maria</p><p>e São Sebastião. Em 2018, a população desse grupo era de 1.269.601 pessoas,</p><p>cerca de 44% da população do DF, com renda domiciliar média de R$ 3.101;</p><p>• Grupo 4 – Baixa renda: integrado pelas RAs Fercal, Itapoã, Paranoá,</p><p>Recanto das Emas, SCIA/Estrutural e Varjão. Em 2018, a população desse</p><p>grupo era de 310.689 pessoas 11% da população do DF, com renda domiciliar</p><p>média de R$ 2.472.</p><p>Por fim, foi calculada a medida de correlação � de Goodman-Kruskal</p><p>(Goodman & Kruskal, 1964) para medir a associação entre os grupos de renda</p><p>e indicadores. Também foi calculado o coeficiente de correlação de Pearson</p><p>62</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>(Bussab & Moretti, 2002) para verificar a relação entre o IVU e os grupos de</p><p>renda.</p><p>3.RESULTADOS</p><p>A seguir serão apresentados os dados relacionados aos indicadores</p><p>propostos, bem como o resultado do Índice de Vulnerabilidade Urbana à</p><p>Disseminação da Covid-19.</p><p>3.1 INDICADORES DE VULNERABILIDADE URBANA</p><p>A Figura 2 apresenta o resultado obtido para os quatro indicadores</p><p>levantados para as regiões.</p><p>Figura 2 – Indicadores de vulnerabilidade urbana na transmissão da Covid-19 por Região</p><p>Administrativa no Distrito Federal.</p><p>Fonte – PDAD/ Codeplan, 2018. Legenda: a) Domicílios com insuficiência de dormitórios em</p><p>relação ao número de moradores; b) Uso de transporte coletivo como meio de deslocamento</p><p>para o trabalho; c) Pessoas sem acesso à água via rede geral; d) Participação elevada no</p><p>mercado de trabalho informal. (*) A RA 29 - SIA não foi considerada nesse estudo pois apresenta</p><p>padrão de ocupação diferenciado, voltado a atividades industriais e comerciais, não</p><p>apresentando população residente expressiva.</p><p>63</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>A partir de dados da PDAD 2018 (Codeplan, 2018), estimou-se que</p><p>100.758 domicílios, cerca de 11% dos domicílios do DF, possuem quantidade</p><p>insuficiente de dormitórios em relação ao número de moradores. As Regiões</p><p>Administrativas do DF com maior percentual de domicílios com insuficiência de</p><p>dormitórios são: SCIA - Estrutural (34,50%), Varjão (30,62%), Paranoá (25,82%),</p><p>Itapoã (23,73%) e Recanto das Emas (19,71%).</p><p>Em relação à utilização de transporte coletivo para deslocamento ao</p><p>trabalho, os dados da PDAD 2018 (Codeplan, 2018) apontam que 38,2% dos</p><p>trabalhadores do DF declararam utilizar ônibus, enquanto 3,7% declararam</p><p>utilizar metrô, totalizando 40,5% de trabalhadores que utilizam transporte público</p><p>no DF. As Regiões Administrativas que apresentaram maior percentual de</p><p>Jesus realizam uma análise socioespacial para identificar</p><p>as áreas com maior vulnerabilidade à propagação do COVID-19 no Distrito Federal,</p><p>visando subsidiar a tomada de decisão. Para tal, são considerados quatro indicadores</p><p>relativos às características urbanas que podem favorecer a transmissão do SARS-CoV-</p><p>2. Os indicadores foram gerados a partir de dados coletados na Pesquisa Distrital por</p><p>Amostra de Domicílios (PDAD) e foi realizada a análise de correlação de Goodman-</p><p>Kruskal e de Pearson.</p><p>O quarto artigo, de autoria de Bruno Perez, é focado na discussão habitacional.</p><p>Mais especificamente, sua análise contempla a produção de indicadores para</p><p>monitoramento das condições de acessibilidade econômica das moradias alugadas no</p><p>Brasil durante a pandemia de Covid-19 e em face da crise econômica e social dela</p><p>decorrente, por meio dos dados disponibilizados pela Pesquisa Nacional por Amostra</p><p>de Domicílios - COVID19 (PNAD COVID19).</p><p>Também realizado a partir de estatísticas públicas do IBGE e de produtores de</p><p>informações oficiais, o quinto artigo é escrito por Denise Freire, Kátia Carvalho e Clician</p><p>Oliveira. Nesse caso, os autores avaliam as desigualdades nos impactos econômicos</p><p>durante a pandemia de Covid-19, usando dados pesquisas IBGE Pulso Empresa e</p><p>PNAD-Covid19, das Contas Nacionais Trimestrais, do Índice de atividade econômica do</p><p>Banco Central (IBC-Br) e do Cadastro Geral de Empregados e Desempregados –</p><p>CAGED.</p><p>Ainda no contexto econômico, o sexto artigo é elaborado por José Fernando</p><p>Gonçalves com o intuito de discutir a elaboração do índice de preços ao consumidor</p><p>durante a pandemia. Para tal, são consideradas as de Estados Unidos, Reino Unido,</p><p>Itália e Brasil, que vivenciaram grande ocorrência de casos de coronavírus já no primeiro</p><p>semestre de 2020.</p><p>No campo do uso das estatísticas oficiais, o sétimo artigo, de Marta Antunes,</p><p>Fernando Damasco, Marcos Martins, Matheus Rebouças e Marta Azevedo, apresenta</p><p>a construção de um índice de vulnerabilidade das terras indígenas à Covid-19,</p><p>demonstrando o potencial de agregar informações demográficas e infraestruturais a</p><p>análises de vulnerabilidade e cenarização relativas ao enfrentamento da pandemia,</p><p>especificamente nas terras indígenas.</p><p>Por fim, esse número é encerrado com o artigo de Fernando Colugnati, Mário</p><p>Nogueira, Marcel Vieira, Maria Teixeira, Isabel Leite e Alfredo Chaoubah. O artigo</p><p>apresenta as experiências, no município de Juiz de Fora, de como a iniciativa conjunta</p><p>entre universidade e poder público pode, a partir da estatística e da epidemiologia,</p><p>subsidiar o planejamento e a ação relacionadas à crise derivada da pandemia de</p><p>Covid-19.</p><p>É uma satisfação trazer a público esta edição especial de uma revista de longa</p><p>história como a RBE, com o irrestrito apoio do IBGE e Associação Brasileira de</p><p>Estatística, ABE. Junto-me ao colega Editor Associado deste número temático, Daniel</p><p>Takata Gomes, bem como aos colegas Editores da RBE Marcel de Toledo Vieira, José</p><p>André de Moura Brito e Paulo Justiniano Ribeiro Junior, em agradecimento a autores e</p><p>revisores, que, anonimamente, contribuíram para mais este número da Revista</p><p>Brasileira de Estatística.</p><p>Desejo a todos uma excelente leitura.</p><p>César Augusto Marques.</p><p>Editor Convidado.</p><p>7</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>ESTATÍSTICAS PÚBLICAS BRASILEIRAS:</p><p>RESPOSTAS, LACUNAS E DESAFIOS NO COMBATE À</p><p>COVID19</p><p>Barbara Cobo</p><p>barbara.cobo@ibge.gov.br</p><p>IBGE/ENCE</p><p>João Hallak Neto</p><p>joao.hallak@ibge.gov.br</p><p>IBGE</p><p>André Simões</p><p>andre.simoes@ibge.gov.br</p><p>IBGE</p><p>Resumo: As profundas desigualdades socioeconômicas e territoriais brasileiras configuram</p><p>importantes desafios à implementação e avaliação de políticas públicas que requerem, por sua</p><p>vez, um eficiente sistema de informações que as oriente e subsidie. Esse desafio histórico foi</p><p>evidenciado pela pandemia da COVID19 e seus efeitos sobre sociedade, economia e meio</p><p>ambiente. O presente artigo se propõe avaliar em que medida o conjunto de estatísticas públicas</p><p>se mostrou suficientemente capaz e estruturado para fornecer à sociedade e autoridades</p><p>governamentais condições para o monitoramento efetivo do avanço da COVID19 e seus efeitos</p><p>adjacentes. À luz das evidências advindas dessa experiência, discutem-se possíveis avanços</p><p>rumo a uma gestão mais integrada das estatísticas públicas brasileiras frente aos novos cenários</p><p>e desafios do pós-pandemia.</p><p>Palavras-chave: Estatísticas; informação; pandemia; desigualdade; crise</p><p>Abstract: The socioeconomic and territorial inequalities in Brazil constitute important challenges</p><p>to the implementation and evaluation of public policies that require, in turn, an efficient information</p><p>system to guide and subsidize them. This historic challenge was evidenced by the COVID19</p><p>pandemic and its effects on society, the economy and the environment. This article aims to assess</p><p>the extent to which the set of public statistics has proven to be sufficiently capable and structured</p><p>to provide society and government authorities with conditions for the effective monitoring of the</p><p>progress of COVID19 and its adjacent effects. In light of the evidence from this experience,</p><p>possible advances are discussed towards a more integrated management of Brazilian public</p><p>statistics in the face of new post-pandemic scenarios and challenges.</p><p>Keywords: Statistics; information; pandemic; inequality; crisis.</p><p>8</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>1. INTRODUÇÃO</p><p>A pandemia da COVID19 trouxe muitos desafios à gestão de políticas</p><p>públicas. O Estado, defenestrado pelas políticas neoliberais implementadas nos</p><p>últimos anos em diversos países do mundo, foi acionado como agente principal</p><p>não só do combate à propagação da doença, mas também da manutenção de</p><p>um padrão de vida mínimo das pessoas durante a crise, em especial, aquelas</p><p>em situação de maior vulnerabilidade. Sem vacina ou medicamentos</p><p>comprovadamente eficientes, a única medida eficaz reconhecida é o</p><p>distanciamento social. Em países com elevados graus de pobreza, exclusão</p><p>social, informalidade nas relações de trabalho e desigualdades diversas, como</p><p>assegurar que todos possam se manter em suas casas em meio a uma</p><p>emergência social e sanitária dessa magnitude?</p><p>No Brasil, a crise econômica, política e social, aprofundada desde 2015,</p><p>ganha contornos dramáticos. Os indicadores econômicos, que já vinham em</p><p>patamares que não alavancavam qualquer retomada de crescimento e emprego</p><p>de forma sustentada, sofrem com a queda abrupta da atividade econômica e do</p><p>consumo das famílias. A crise social é agudizada por diversos fatores, a começar</p><p>pelo elevado contingente de pessoas cujas rendas são imediatamente afetadas</p><p>pela perda de trabalhos, empregos, pequenos e médios negócios. A limitação de</p><p>acesso de parcela significativa da população às condições mínimas de moradia</p><p>e higiene se associa à explosão social reativa à violência policial nas</p><p>comunidades pobres, mesmo durante a pandemia, inspirada pelo movimento</p><p>“Black Lives Matter” nos EUA. Por sua vez, a crise política atinge níveis</p><p>alarmantes devido à constante minimização da gravidade da doença pela</p><p>Presidência da República criando um fluxo de informações desencontradas para</p><p>a população; embates com governadores e prefeitos sobre adoção, alcance e</p><p>eficácia das medidas de contenção; além das trocas recorrentes no comando do</p><p>Ministério da Saúde (MS).</p><p>Em paralelo, podemos associar mais uma crise ao conjunto</p><p>anteriormente citado: a crise informacional. São imensas as demandas por</p><p>dados e informações que guiem a ação pública em todas as frentes e monitore</p><p>em tempo real a evolução da doença e seus indicadores sociais e econômicos.</p><p>Em um cenário mundial onde a indústria de “fake news” se estabeleceu em</p><p>proporções assustadoras, acompanhar os desdobramentos da crise atual é</p><p>ainda mais desafiador. O adiamento do Censo Demográfico</p><p>moradores utilizando transporte público são: Paranoá (60,56%), Recanto das</p><p>Emas (60,56%), Riacho Fundo II (58,51%), Planaltina (56,63%) e Santa Maria</p><p>(56,06%).</p><p>De acordo com os dados da PDAD 2018 (Codeplan, 2018) o número de</p><p>domicílios atendidos pela rede geral de abastecimento é de 871.131,</p><p>aproximadamente 99% dos domicílios do Distrito Federal. Entre as 31 Regiões</p><p>Administrativas, 20 possuem mais que 99% dos domicílios ligados à rede geral</p><p>de abastecimento. As RA com maiores percentuais de moradores sem acesso à</p><p>água via rede geral são: Fercal (30,66%), Jardim Botânico (18,66%),</p><p>SCIA/Estrutural (13,07%) e Sobradinho II (12,71%).</p><p>Segundo os dados da PDAD 2018 (Codeplan, 2018) e Codeplan (2020),</p><p>aproximadamente 349.538 trabalhadores do DF se encontram em situação de</p><p>informalidade no mercado de trabalho. As Regiões Administrativas com maiores</p><p>percentuais de trabalhadores nessa condição são Varjão (49,68%), Itapoã</p><p>(44,90%), SCIA/Estrutural (44,78%), Paranoá (36,13%) e Planaltina (35,64%).</p><p>A Figura 3 apresenta os resultados dos indicadores por Região</p><p>Administrativa relacionados aos grupos de renda. Em uma primeira análise,</p><p>percebe-se que os valores mais altos, que representam maior vulnerabilidade,</p><p>concentram-se, em sua maioria, nos grupos 3 e 4 (média-baixa e baixa renda).</p><p>64</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Figura 3 - Indicadores por Região Administrativa e grupo de renda</p><p>Fonte: Codeplan, 2018; 2020. Legenda: a) Domicílios com insuficiência de dormitórios em</p><p>relação ao número de moradores; b) Uso de transporte coletivo como meio de deslocamento</p><p>para o trabalho; c) Pessoas sem acesso à água via rede geral; d) Participação elevada no</p><p>mercado de trabalho informal.</p><p>Dividindo os valores de cada indicador nas categorias “baixo”, “médio” e</p><p>“alto”2, é calculada a medida de correlação � de Goodman-Kruskal que mede a</p><p>associação entre duas variáveis ordinais (grupos de renda e indicadores</p><p>divididos em categorias). Para os indicadores “domicílios com insuficiência de</p><p>2 Domicílios com insuficiência de dormitórios em relação ao número de moradores: baixo = 0 a</p><p>10%, médio = 10 a 20%, alto = 20% a 100%. Utilização de transporte coletivo para deslocamento:</p><p>baixo = 0 a 20%, médio = 20% a 40%, alto = 40 a 100%. Pessoas sem acesso à água via rede</p><p>geral: baixo = 0 a 10%, médio = 10 a 20%, alto = 20 a 100%. Participação no mercado de trabalho</p><p>informal: baixo = 0 a 30%, médio = 30 a 40%, alto = 40 a 50%.</p><p>65</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>dormitórios em relação ao número de moradores” e “uso de transporte coletivo</p><p>como meio de deslocamento para o trabalho”, o valor encontrado é igual a -1, ou</p><p>seja, entre grupos de renda e categorias dos indicadores existe uma associação</p><p>perfeita e negativa (quanto maior a renda, menor o número de domicílios com</p><p>insuficiência de dormitórios e menor o uso de transporte coletivo). A associação</p><p>entre as categorias do indicador “participação no mercado de trabalho informal”</p><p>e os grupos de renda apresentam valor da medida de correlação igual a -0,73,</p><p>caracterizando uma associação alta e negativa (quanto maior a renda, menor a</p><p>participação no mercado de trabalho informal). Por outro lado, o indicador</p><p>“pessoas sem acesso à água via rede geral” dividido em categorias apresenta</p><p>uma baixa associação com os grupos de renda (-0,21).</p><p>3.2 ÍNDICE DE VULNERABILIDE URBANA À DISSEMINAÇÃO DA COVID-19</p><p>(IVU)</p><p>A figura 4 apresenta o IVU para cada Região Administrativa e os grupos</p><p>de renda do DF. Percebe-se que as RAs com maiores índices (maior</p><p>vulnerabilidade), SCIA/Estrutural (0,773), Varjão (0,687) e Fercal (0,663), são</p><p>também RAs que pertencem ao grupo de menor renda (Grupo 4 – baixa renda).</p><p>Por outro lado, as RAs Sudoeste/Octogonal (0,015), Park Way (0,035) e Lago</p><p>Sul (0,058) que apresentam os menores índices (menor vulnerabilidade) fazem</p><p>parte do grupo de maior renda (Grupo 1 – alta renda).</p><p>Observando a Figura 4, é perceptível que os valores mais baixos de</p><p>vulnerabilidade se concentram nos grupos 1 e 2 (alta e média-alta renda) e os</p><p>mais altos nos grupos 3 e 4 (média-baixa renda e baixa-renda). Para confirmar</p><p>essa afirmação, estudando a relação entre o IVU e a renda em cada Região</p><p>Administrativa, verifica-se um coeficiente de correlação de Pearson igual a -0,8,</p><p>que significa uma forte relação entre as variáveis de modo que a medida que se</p><p>aumenta a renda, diminui-se o índice de vulnerabilidade e à medida que se</p><p>diminui a renda, aumenta-se o índice de vulnerabilidade.</p><p>66</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Figura 4 – Índice de vulnerabilidade urbana à disseminação da Covid-19, por Região</p><p>Administrativa e grupos de renda no Distrito Federal</p><p>Fonte: Codeplan, 2020, elaboração DEURA/ Codeplan.</p><p>(*) A RA 29 - SIA não foi considerada nesse estudo pois apresenta padrão de ocupação</p><p>diferenciado, voltado a atividades industriais e comerciais, não apresentando população</p><p>residente expressiva.</p><p>4.DISCUSSÕES</p><p>Analisando tanto os indicadores quanto o IVU, percebeu-se que os</p><p>maiores valores, e, portanto, as maiores vulnerabilidades, são concentrados, em</p><p>sua maioria, nas RAs pertencentes aos grupos de renda 3 e 4, média-baixa</p><p>renda e baixa renda. Ressalta-se que esses grupos representam a maior parcela</p><p>da população do DF, com cerca de 1.580.290 pessoas e 55% da população total.</p><p>Ainda em relação a caracterização destes grupos de renda, ressalta-se que é</p><p>predominante a dependência do sistema público de saúde, evidenciada pela</p><p>baixa adesão à planos de saúde, sendo que no grupo 3, aproximadamente, 81%</p><p>não possuem plano de saúde e o percentual se eleva para 87% no grupo 4</p><p>(Codeplan, 2018).</p><p>67</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Em relação aos indicadores, é possível observar na figura 3 que, as RAs</p><p>do grupo 4 - baixa renda SCIA/Estrutural, Varjão, Paranoá, Itapoã e Recanto das</p><p>Emas possuem os maiores percentuais de domicílios com número de dormitório</p><p>insuficiente em relação ao número de moradores, o que pode dificultar o</p><p>isolamento de pessoas com sintomas de Covid-19 e facilitar a transmissão do</p><p>vírus entre os membros da família.</p><p>Em relação à utilização de transporte coletivo, a figura 3 também mostra</p><p>que as populações de rendas mais baixas são as que, em sua maioria,</p><p>declararam utilizar ônibus e/ou metrô para chegar ao trabalho. O grupo 4 (baixa</p><p>renda) usa intensivamente, 57,6%, o transporte coletivo para ir ao trabalho,</p><p>assim como o grupo 3 (média baixa renda), em que 53,9% dos trabalhadores</p><p>declararam ir ao trabalho de transporte coletivo. Nos grupos 1 e 2, a utilização</p><p>de transporte coletivo para o trabalho é de 13,4% e 31,3%, respectivamente.</p><p>Além disso, a PDAD 2018 demonstra que 41% dos trabalhadores do DF</p><p>declararam trabalhar na RA Plano Piloto (Codeplan, 2020), evidenciando a</p><p>circulação de grande parcela da população diariamente para o centro de Brasília.</p><p>O indicador “pessoas sem acesso à água via rede geral” mostra que a</p><p>RA com maior percentual é a Fercal (30,66%), que pertence ao grupo de baixa</p><p>renda, assim como a RA SCIA/Estrutural, com percentual de 13,07%.</p><p>A RA Jardim Botânico, do grupo alta renda, também apresentou elevado</p><p>percentual de pessoas sem abastecimento de água pela rede geral, cerca de</p><p>18%. Isso se deve ao fato de que nessa RA existem muitos condomínios</p><p>irregulares quanto à situação fundiária, e por isso ainda não possuem</p><p>abastecimento via rede geral (Caesb, 2018), assim como nas RAs Lago Norte</p><p>(Grupo 1 – Alta Renda) e Sobradinho II (Grupo 2 – média alta renda). Por esse</p><p>motivo, na análise de correlação, esse indicador apresenta baixa associação</p><p>com os grupos de renda (-0,21), uma vez que a ausência do atendimento pela</p><p>rede geral</p><p>de água no DF está relacionada, principalmente, a questões de</p><p>irregularidade fundiária (Caesb, 2018), que ocorre tanto em áreas mais pobres,</p><p>como em áreas de alta renda.</p><p>No que se refere ao abastecimento de água tratada, o DF se encontra</p><p>em situação privilegiada em relação às demais unidades da Federação. Cerca</p><p>de 99% da população urbana do DF é abastecida pela rede geral de água. A</p><p>população que não é contemplada pela rede geral utiliza poços artesianos ou</p><p>cisternas, ainda, uma pequena parcela (0,2%) recebe água por meio de carro</p><p>pipa (Codeplan, 2018). Em relação à população rural, essa corresponde a</p><p>aproximadamente 3% da população total do DF, com 87.950 pessoas segundo</p><p>o Censo Demográfico 2010 (IBGE, 2010). Dessas, 15% são atendidas pela rede</p><p>68</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>geral de abastecimento, o restante utiliza poços e cisternas individuais, que não</p><p>possuem controle de qualidade da água (GDF, 2020).</p><p>Além do percentual de atendimento de abastecimento de água pela rede</p><p>geral, também é importante observar a continuidade do serviço. Segundo Caesb</p><p>(2020), nos anos 2019 e 2020 no DF não houveram interrupções sistemáticas</p><p>(como os rodízios de abastecimento que ocorreram em 2017/2018 em virtude da</p><p>crise hídrica), sendo as faltas d’água ocasionadas por eventos pontuais. No ano</p><p>de 2019 foram registradas 204 paralisações no sistema de distribuição de água</p><p>no DF e o índice de continuidade do serviço de abastecimento água foi de</p><p>99,91% (Caesb, 2020). Não há informações sobre quais RAs foram mais</p><p>afetadas com as paralisações na distribuição.</p><p>O Distrito Federal apresenta uma economia informal entre as menores</p><p>do Brasil (Codeplan, 2020). No total, são 349.538 trabalhadores informais, cerca</p><p>de 28,74% dos trabalhadores do DF, entretanto, é possível ver que essas</p><p>métricas variam bastante entre as RAs. Na figura 3 é possível constatar que as</p><p>RAs de maior renda possuem as menores taxas de informalidade, enquanto as</p><p>RAs de baixa renda, as maiores, destacando-se as RAs do grupo baixa renda</p><p>SCIA/Estrutural, Itapoã e Varjão, as únicas que ultrapassam os 40%.</p><p>Os trabalhadores que atuam no mercado informal, em uma situação de</p><p>calamidade pública, terão maiores dificuldades para manter sua fonte de renda,</p><p>dada a instabilidade da contratação de seus serviços no contexto de baixa</p><p>circulação de pessoas. A perda de rendimento se agrava em função de não</p><p>contarem com afastamento pago por motivos de saúde, o que faz com que</p><p>diversos trabalhadores continuem em atividade mesmo adoecidos, por não</p><p>poderem renunciar à sua fonte de renda.</p><p>A RA SCIA/Estrutural apresentou resultados bastante preocupantes em</p><p>todos os indicadores avaliados e também o IVU mais alto. Entre todas as RAs,</p><p>essa possui a maior parcela de domicílios com número de dormitórios</p><p>insuficiente em relação ao número de moradores, além de alta utilização de</p><p>transporte público (mais de 50%), grande participação no mercado trabalho</p><p>informal (44%) e aproximadamente 13% da população sem acesso à água</p><p>tratada. Em 2018, sua população era de 35.520 habitantes, e a renda per capita</p><p>era a menor do DF, cerca de 485 reais (Codeplan, 2018).</p><p>A RA Varjão também merece atenção, por apresentar grande</p><p>vulnerabilidade perante os indicadores avaliados e o segundo maior IVU. Quase</p><p>50% de população possui trabalho informal, o maior percentual do DF. Além</p><p>disso, essa RA possui o segundo maior percentual de domicílios com</p><p>insuficiência de dormitórios (30,62%), alto percentual de utilização do transporte</p><p>69</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>público (53,17%) e a segunda menor renda per capita do DF, 712 reais</p><p>(Codeplan, 2018).</p><p>De forma geral, ao analisar o conjunto de indicadores apresentados e o</p><p>IVU, percebe-se que as RAs integrantes do grupo de baixa renda acumulam</p><p>altos valores, demonstrando maior vulnerabilidade dessas em relação aos</p><p>fatores avaliados. Além de SCIA/Estrutural e Varjão, entre outras RAs de maior</p><p>vulnerabilidade, pode-se destacar Fercal, Itapoã, Paranoá, Recanto das Emas e</p><p>Planaltina, embora a última pertença ao grupo de renda média-baixa.</p><p>De acordo com Menin et al., (2020) a doença Covid-19 se distribui de</p><p>modo desigual no território, tanto entre cidades quanto internamente nos centros</p><p>urbanos, geralmente, ocorrendo inicialmente nos bairros que apresentam maior</p><p>renda e depois difundindo-se para aqueles em contiguidade e posteriormente</p><p>para a periferia. Além disso, as condições de difusão e do tratamento da doença</p><p>também são diferentes, o que exige do poder público respostas condizentes que</p><p>possam apoiar, em específico, as populações mais vulneráveis da sociedade.</p><p>Nem todos possuem as mesmas condições hospitalares e de infraestrutura.</p><p>Em relação às ocorrências de Covid-19 no Distrito Federal até o dia 26</p><p>de julho de 2020, foram registrados 96.332 casos, entre os quais 1.308 foram a</p><p>óbito, 80.841 estão recuperados e 14.182 eram considerados ativos (SES-DF &</p><p>SSP-DF, 2020). Entre esse total, 9.406 casos e 118 óbitos são de moradores de</p><p>outros estados diagnosticados no DF. A Tabela 1 apresenta os casos</p><p>confirmados, óbitos e taxas de incidência em moradores das Regiões</p><p>Administrativas do Distrito Federal.</p><p>Tabela 1 - Casos de Covid-19 e taxa de incidência no Distrito Federal, até o dia 26 de julho de</p><p>2020.</p><p>Grupo</p><p>de</p><p>Renda</p><p>RA IVU</p><p>Número</p><p>de</p><p>casos</p><p>Casos por</p><p>100 mil</p><p>habitantes</p><p>Número</p><p>de</p><p>óbitos</p><p>Óbitos por</p><p>100 mil</p><p>habitantes</p><p>Grupo 4 SCIA/ Estrutural 0,77 813 2.271,50 19 53,1</p><p>Grupo 4 Varjão 0,69 135 1.533,40 3 34,1</p><p>Grupo 4 Fercal 0,66 66 7.04,8 1 10,7</p><p>Grupo 4 Itapoã 0,59 1.374 2.208,70 14 22,5</p><p>Grupo 4 Paranoá 0,57 2.809 3.854,80 26 35,7</p><p>Grupo 4 Recanto das Emas 0,49 2.706 2.059,80 57 43,4</p><p>Grupo 3 Planaltina 0,46 3.002 1.568,60 65 34,0</p><p>Grupo 3 São Sebastião 0,43 2.792 2.682,70 21 20,2</p><p>Grupo 3 Ceilândia 0,41 11.586 3.322,30 248 71,1</p><p>Grupo 3 Riacho Fundo II 0,40 1.251 1.459,60 12 14,0</p><p>Grupo 3 Santa Maria 0,39 3.060 2.383,90 57 44,4</p><p>70</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Grupo 3 Samambaia 0,38 6.252 2.662,70 114 48,6</p><p>Grupo 2 Sobradinho II 0,35 697 882,8 7 8,9</p><p>Grupo 3 Riacho Fundo 0,32 1.632 3.822,80 19 44,5</p><p>Grupo 3 Brazlândia 0,32 1.229 1.938,10 25 39,4</p><p>Grupo 2 Candangolândia 0,31 623 3.778,30 8 48,5</p><p>Grupo 2 Gama 0,29 4.633 3.253,10 77 54,1</p><p>Grupo 1 Jardim Botânico 0,25 1.115 2.011,30 8 14,4</p><p>Grupo 2 Núcleo Bandeirante 0,23 785 3.282,20 9 37,6</p><p>Grupo 2 Sobradinho 0,23 3.489 4.908,80 37 52,1</p><p>Grupo 2 Taguatinga 0,22 6.752 3.282,60 119 57,9</p><p>Grupo 2 Guará 0,19 3.736 2.782,80 51 38</p><p>Grupo 1 Lago Norte 0,16 815 2.203,50 5 13,5</p><p>Grupo 2 Águas Claras 0,15 3.867 3.372,70 30 26,2</p><p>Grupo 2 Cruzeiro 0,11 818 2.632,00 5 16,1</p><p>Grupo 2 Vicente Pires 0,11 1.348 1.877,00 16 22,3</p><p>Grupo 1 Plano Piloto 0,07 7.545 3.353,00 81 36,0</p><p>Grupo 1 Lago Sul 0,06 1.322 4.396,10 10 33,3</p><p>Grupo 1 Park Way 0,03 554 2.443,20 13 57,3</p><p>Grupo 1 Sudoeste/Octogonal 0,02 1.480 2.725,80 9 16,6</p><p>Grupo 2 Arniqueira* _ 294 630,60 4 8,6</p><p>Grupo 4 Sol Nascente/ Pôr do</p><p>Sol* _ 536 605,10 17 19,2</p><p>_ SIA** _ 61 0 0 0</p><p>_ Outros*** _ 7.749 0 3 0</p><p>_ Total _ 86.926 _ 1.190 _</p><p>Fonte: SES-DF & SSP-DF, 2020.</p><p>(*) As RAs Arniqueiras e Sol Nascente/Pôr do Sol foram criadas após a realização da PDAD-</p><p>2018 e por esse motivo não foram abordadas neste estudo. (**) A RA SIA não foi considerada</p><p>nesse estudo pois apresenta padrão de ocupação diferenciado, voltado a atividades industriais</p><p>e comerciais, não apresentando população residente expressiva. (***) Os casos classificados</p><p>como “Outros” englobam as ocorrências de Covid-19 cujas RAs não foram identificas e também</p><p>as ocorrências do sistema prisional.</p><p>A RA com maior número de casos e óbitos é Ceilândia, com 11.586</p><p>ocorrências 248 óbitos, sendo que esta é também a RA mais populosa do DF,</p><p>com 432.927 habitantes. A taxa de incidência de casos é a oitava maior e a</p><p>incidência de óbitos é a maior do DF, 71,1 a cada cem mil habitantes. Ceilândia</p><p>pertence ao grupo de renda média-baixa, e segundo os indicadores, quase 50%</p><p>da população utiliza transporte coletivo para trabalho, cerca de 31% dos</p><p>trabalhadores possuem empregos informais e quase 16% dos domicílios</p><p>possuem insuficiência em relação ao número de dormitórios (Codeplan, 2018).</p><p>A RA Paranoá, identificada como maior vulnerabilidade segundo os</p><p>indicadores, apresentou a terceira maior taxa de incidência, com 3.854,8 casos</p><p>71</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>a cada cem mil habitantes, ficando atrás de Sobradinho e Lago Sul. Entre as RAs</p><p>que apresentaram maior vulnerabilidade segundo os indicadores, cabe</p><p>mencionar que a RA SCIA/Estrutural, apresentou a quinta maior taxa de</p><p>incidência de óbitos, 53,1 óbitos para cada cem mil habitantes.</p><p>É necessário, nesse ponto, explanar sobre o contexto de disseminação</p><p>do Covid-19 pelo território do Distrito Federal. A figura 5 apresenta a distribuição</p><p>dos casos de Covid-19 no DF segundo os grupos de renda.</p><p>Figura 5 – Casos de Covid-19 no Distrito Federal, segundo os grupos de renda.</p><p>Fonte: SES-DF, 2020a, 2020b, 2020c; SES-DF & SSP-DF, elaboração DEURA/ Codeplan.</p><p>(*) Os casos classificados como “Outros” englobam as ocorrências de Covid-19 cujas RAs não</p><p>foram identificas e também as ocorrências do sistema prisional.</p><p>O primeiro caso foi confirmado em 07 de março de 2020, uma paciente</p><p>que havia regressado recentemente de uma viagem ao exterior (SES-DF,</p><p>2020a). Em 26 de março, a Secretaria de Saúde do Distrito Federal (SES-DF)</p><p>passou a divulgar o número de casos por região administrativa. Nessa data,</p><p>havia 171 casos confirmados, dos quais, 116 casos, 67,84%, eram pessoas</p><p>residentes em RAs do grupo de renda alta, principalmente Plano Piloto,</p><p>Sudoeste/Octogonal e Lago Sul, com apenas um caso registrado em RAs de</p><p>baixa renda (SES-DF, 2020b). Um mês depois, em 26 de abril de 2020, os casos</p><p>confirmados totalizavam 1037, sendo que 36,19% eram pessoas moradoras das</p><p>RAs do grupo de alta renda, e 28,78% do grupo média - alta renda, totalizando</p><p>65% dos casos de Covid-19 no Distrito Federal, enquanto os casos confirmados</p><p>em RAs do grupo baixa renda correspondiam a apenas 3,18% do total (33</p><p>casos), (SES-DF, 2020c)</p><p>Em 26 de maio de 2020, o Distrito Federal registrava 6.451 casos, e a</p><p>distribuição dos casos entre os grupos de renda já se configurava de forma</p><p>72</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>diferente. O grupo de renda média-baixa possuía o maior percentual de casos</p><p>de Covid-19, 30,55%, e o grupo baixa renda aumentou seu percentual do total</p><p>de casos para 6,05%. Em 26 de junho, o DF registrava 36.464 casos, onde os</p><p>casos nas RAs de baixa renda representam 9,63% do total, enquanto o grupo de</p><p>média - baixa renda segue com o maior percentual entre o total de casos no DF,</p><p>38,36%. Nessa data, os casos em RAs de alta renda, representam 14,02% (SES-</p><p>DF & SSP-DF, 2020). Por fim, em 26 de julho de 2020, o percentual de casos</p><p>em moradores do grupo baixa renda aumentou para 9,09%, e do grupo média-</p><p>baixa renda para 36,05%.</p><p>Esses percentuais apontam o caminho de disseminação do novo</p><p>coronavírus no Distrito Federal, em que os primeiros casos foram registrados</p><p>nas RAs de alta e alta-média renda, em pessoas que retornaram de viagens ao</p><p>exterior (SES-DF, 2020a). Após início da transmissão comunitária, o vírus</p><p>passou a atingir as RAs de média-baixa e baixa renda, chegando às RAs mais</p><p>populosas e de maior densidade demográfica, como Ceilândia. Também pode</p><p>ser observado o crescimento no número de casos nas RAs de baixa renda, em</p><p>que as vulnerabilidades urbanas aqui identificadas podem agravar a situação,</p><p>intensificando a disseminação do vírus e dificultando o tratamento das pessoas</p><p>infectadas pela sobrecarga do sistema de saúde pública. Esses fatos corroboram</p><p>o caráter desigual da distribuição socioespacial de ocorrência da doença</p><p>apontado por Menin et al. (2020).</p><p>Em relação número de casos confirmados, não há informações sobre a</p><p>quantidade de testes realizados nas diferentes Regiões Administrativas e não se</p><p>pode garantir que todas tiveram acesso igualitário à testagem. Dessa forma, o</p><p>número de casos pode estar sujeito à subnotificação. Também há que se</p><p>considerar que os moradores das RAs dos grupos de alta e média-alta renda,</p><p>por possuírem maior percentual de moradores com planos de saúde (Codeplan,</p><p>2018) e maior poder aquisitivo, podem ter tido maior facilidade ou maior acesso</p><p>à testagem pela rede particular de saúde. Enquanto os moradores das RAs dos</p><p>grupos baixa e média baixa renda, em sua maioria sem cobertura de plano de</p><p>saúde, possuem maior dependência do serviço público para terem acesso aos</p><p>testes.</p><p>É importante ressaltar que os indicadores expostos neste trabalho foram</p><p>levantados no âmbito do Governo do Distrito Federal (GDF), e apresentados ao</p><p>comitê de enfrentamento à pandemia, no início do mês de março de 2020, tendo</p><p>servido como base para elaboração e implementação de ações governamentais</p><p>no combate à Covid-19. O GDF tem se baseado em dados técnicos gerados pela</p><p>Codeplan e por outras entidades para a tomada de decisões e políticas públicas</p><p>73</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>relacionadas à pandemia. Entre as medidas de enfrentamento ao Covid-19,</p><p>implementadas no Distrito Federal, relacionadas aos indicadores apresentados</p><p>neste trabalho podem ser citadas:</p><p>• Acolhimento em hotéis para pessoas acima de 60 anos, com baixa</p><p>renda e não infectados pela Covid-19, que se encontram em condições de</p><p>vulnerabilidade domiciliar e/ou estejam compartilhando moradia com pessoas</p><p>infectadas ou suspeitas de infecção e impossibilitadas de manter isolamento</p><p>social (SEJUS, 2020).</p><p>• Escalonamento de horários de funcionamento das atividades</p><p>econômicas a fim de evitar lotação no transporte público (Distrito Federal,</p><p>2020b); obrigatoriedade de higienização dos ônibus, devendo a limpeza interior</p><p>ser realizada a cada vez que o veículo retorne ao terminal, e a limpeza externa</p><p>uma vez ao dia, na Lei 6.577, de 20 de maio de 2020 (Distrito Federal, 2020c);</p><p>higienização e desinfecção dos trens e instalações do metrô (Metrô-DF, 2020a);</p><p>testagem dos funcionários do metrô (Metrô-DF, 2020b); obrigatoriedade do uso</p><p>de máscaras no Distrito Federal, incluindo equipamentos de transporte público</p><p>coletivo (Distrito Federal, 2020d).</p><p>• Obrigatoriedade, para o prestador de serviços públicos de água e</p><p>esgotamento sanitário no DF, de manter a qualidade, regularidade, continuidade</p><p>e segurança do abastecimento de água e de esgotamento sanitário; suspensão</p><p>do corte do abastecimento de água por inadimplência, a fim de evitar que famílias</p><p>em situação de vulnerabilidade fiquem sem fornecimento de água caso não</p><p>possam pagar a conta (Adasa, 2020).</p><p>• Renda mínima temporária paga pelo GDF a famílias cuja renda</p><p>familiar mensal per capita seja de até meio salário mínimo, definida na Lei 6.573</p><p>de 8 de maio de 2020 (Distrito Federal, 2020e). Os beneficiados foram</p><p>identificados pela Secretaria de Desenvolvimento Social, e são famílias em</p><p>situação de vulnerabilidade que já passaram ou passam por atendimento nas</p><p>unidades socioassistenciais no DF. Além disso, para ter direito ao benefício as</p><p>pessoas não podem fazer parte de outros programas de assistência, como Bolsa</p><p>Família e Auxílio Emergencial do governo federal (Distrito Federal, 2020c).</p><p>• Testagem itinerante para Covid-19, dedicada à população de regiões</p><p>vulneráveis e/ou remotas. Até o final do mês de maio já haviam sido testados</p><p>aproximadamente 26 mil moradores de RAs de baixa e média-baixa renda, como</p><p>SCIA/Estrutural, Paranoá, Itapoã, Planaltina</p><p>e Ceilândia (SES-DF, 2020d).</p><p>74</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>5.CONCLUSÃO</p><p>A análise dos indicadores apresentados aponta que o risco de exposição</p><p>e propagação do vírus se torna crítico justamente nos grupos de média-baixa e</p><p>baixa renda, que representam aproximadamente 55% da população total do</p><p>Distrito Federal. As RAs SCIA/Estrutural e Varjão foram as que apresentaram os</p><p>valores mais altos para os indicadores analisados e para o IVU, onde a</p><p>população encontra-se mais vulnerável à doença.</p><p>Com o levantamento temporal do número de casos e óbitos confirmados</p><p>foi possível observar uma tendência de incidência de casos inicialmente nas</p><p>regiões com maior renda e posteriormente sua disseminação nas áreas de mais</p><p>baixa renda. Essas áreas são justamente as que possuem maior dependência</p><p>dos equipamentos públicos de saúde.</p><p>Dessa forma, torna-se urgente proteger essas pessoas da exposição ao</p><p>risco, evitando o aumento do volume de atendimento hospitalar e o colapso do</p><p>sistema de saúde do DF. Assim, as políticas de assistência social durante a</p><p>pandemia do Covid-19 devem alcançar essa população, tendo em vista sua</p><p>fragilidade em se proteger da exposição ao vírus.</p><p>6.REFERÊNCIAS BIBLIOGRÁFICAS</p><p>Adasa, Agência Reguladora de Água, Energia e Saneamento Básico do Distrito</p><p>Federal. (2020). Resolução nº 07, de 06 de maio de 2020. Estabelece condições</p><p>excepcionais para prestação e utilização dos serviços públicos de abastecimento de</p><p>água e de esgotamento sanitário no Distrito Federal, durante a situação de emergência</p><p>em saúde pública, em razão da pandemia de COVID-19. Diário Oficial do Distrito</p><p>Federal, Brasília, 7 mai. 2020, p. 13.</p><p>Anastassopoulou, C., Russo, L., Tsakris, A. & Siettos, C. (2020). Data-based analysis,</p><p>modelling and forecasting of the COVID-19 outbreak. Plos One, 15(3), 1-9.</p><p>Bochner, R. & Guimarães, M.C.S. (2011) Qualidade da informação: a importância do</p><p>dado primário, o princípio de tudo. In Anais do Encontro Nacional de Pesquisa em</p><p>Ciência da Informação (pp. 3526-3538). Brasília, ANCIB.</p><p>Brasil. (2020). Decreto Legislativo nº 06, de 20 de março de 2020. Reconhece a</p><p>ocorrência do estado de calamidade pública. Diário Oficial da União, Edição Extra C,</p><p>Brasília, 20 mar. 2020, p. 1.</p><p>Bussab, W. O.; Moretti, P. A. (2002). Estatística Básica 5a ed. Saraiva. p. 86.</p><p>Caesb, Companhia de Saneamento Ambiental do Distrito Federal. (2018). Plano diretor</p><p>de água e esgotos do Distrito Federal – PDAES/DF 2019. Disponível em:</p><p>https://www.caesb.df.gov.br/images/arquivos_pdf/PDAE-2019.pdf. Acesso em: ago.</p><p>2020.</p><p>75</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Caesb, Companhia de Saneamento Ambiental do Distrito Federal. (2020). Indicadores</p><p>de desempenho 2020. Disponível em:</p><p>https://www.caesb.df.gov.br/images/arquivos_pdf/arquivos_Lai/indicadores_desempen</p><p>ho2020.pdf. Acesso em: ago. 2020</p><p>Chen, N., Zhou, M., Dong, X., Qu, J., Gong, F., Han, Y., Qiu, Y., Wang, J., Liu, Y., Wei,</p><p>Y., Xia, J., Yu, T., Zhang, X., & Zhang, L. (2020). Epidemiological and clinical</p><p>characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a</p><p>descriptive study. The Lancet, 395, 507-513.</p><p>CODEPLAN, Companhia de Planejamento do Distrito Federal. (2020a). Mercado de</p><p>trabalho informal: uma perspectiva comparada no DF. Nota técnica. Codeplan, Brasília</p><p>– DF.</p><p>Codeplan, Companhia de Planejamento do Distrito Federal (2018) PDAD 2018 -</p><p>Pesquisa Distrital por Amostra de Domicílios. Disponível em:</p><p>http://www.codeplan.df.gov.br/pdad/. Acesso em: jun. 2020.</p><p>Codeplan, Companhia de Planejamento do Distrito Federal (2020b) PED – Pesquisa de</p><p>Emprego e Desemprego. Disponível em: http://www.codeplan.df.gov.br/ped-pesquisa-</p><p>de-emprego-e-desemprego/. Acesso em: jun. 2020.</p><p>Distrito Federal. (2020a). Decreto nº 40.475 de 28 de fevereiro de 2020. Declara</p><p>situação de emergência no âmbito da saúde pública no Distrito Federal, em razão do</p><p>risco de pandemia do novo coronavírus. Diário Oficial do Distrito Federal, Edição Extra,</p><p>Brasília, 28 fev. 2020, p. 1.</p><p>Distrito Federal. (2020b). Decreto nº 40.648 de 23 de abril de 2020. Determina a</p><p>obrigatoriedade do uso de máscaras, no âmbito do Distrito Federal, em razão da</p><p>pandemia de COVID-19, causada pelo novo coronavírus. Diário Oficial do Distrito</p><p>Federal, Edição Extra, Brasília, 23 abr. 2020, p. 3.</p><p>Distrito Federal. (2020c). Decreto nº 40.817 de 22 de maio de 2020. Dispõe sobre as</p><p>medidas para enfrentamento da emergência de saúde pública de importância</p><p>internacional decorrente do novo coronavírus e dá outras providências. Diário Oficial do</p><p>Distrito Federal, Edição Extra, Brasília, 22 mai. 2020, p. 1.</p><p>Distrito Federal. (2020d). Lei nº 6.573 de 08 de maio de 2020. Institui o Programa Renda</p><p>Mínima Temporária em enfrentamento da emergência de saúde pública de importância</p><p>internacional decorrente da doença do coronavírus – Covid-19. Diário Oficial do Distrito</p><p>Federal, Edição Extra, Brasília, 08 mai. 2020, p. 1.</p><p>Distrito Federal. (2020e). Lei nº 6.577 de 20 de maio de 2020. Dispõe sobre a</p><p>obrigatoriedade de as empresas concessionárias do Sistema de Transporte Público</p><p>Coletivo do Distrito Federal higienizarem os ônibus durante o período de pandemia</p><p>ocasionada pelo surto da doença do coronavírus, Covid-19, e dá outras providências.</p><p>Diário Oficial do Distrito Federal, Edição Extra, Brasília, 21 mai. 2020, p. 3.</p><p>GDF, Governo do Distrito Federal. (2020). Plano Diretor de Ordenamento Territorial do</p><p>Distrito Federal - PDOT - 2020-2030. Relatório da leitura técnica do eixo temático meio</p><p>ambiente e infraestrutura. (Em elaboração).</p><p>Goodman, L.A. & Kruskal, W.H. (1954). Measures of association for cross classifications.</p><p>Journal of the American Statistical Association, 49, 732-764.</p><p>76</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Guimarães, H.P., Damasceno, M.C., Braga, M.A., Schubert, D.U.C., Santana, J.C.B.,</p><p>Freitas, A.P.R., Ribeiro, S.C.C., Filho, I.M.P., Oliveira, B.D.D., Valiatti, J.L.S., Holanda,</p><p>M.A., Baldisserotto, S.V., Ferreira, J.C., Reis, M.A.S., Rocco, P.R.M., Brandão, M.B.,</p><p>Goulart, K.R., Carpi, M.F., Pinheiro, B.V. & Ísola, A.M. (2020). Coronavírus e Medicina</p><p>de Emergência: recomendações para o atendimento inicial do médico emergencista</p><p>pela Associação Brasileira de Medicina de Emergência (ABRAMEDE). Disponível em:</p><p>https://www.amib.org.br/fileadmin/user_upload/POSICIONAMENTO_ABRAMEDE_-</p><p>_CORONAVIRUS_-_03-__10032020.pdf. Acesso em: mai. 2020.</p><p>Holshue, M.L., DeBolt, C., Lindquist, S., Lofy, K.H., Wiesman, J., Bruce, H., Spitters, C.,</p><p>Ericson, K., Wilkerson, S., Tural, A., Diaz, G., Cohn, A., Fox, L., Patel, A., Gerber, S.I.,</p><p>Kim, L., Tong, S., Lu, X., Lindstrom, S., Pallansch, M.A., Weldon, W.C., Biggs, H.M.,</p><p>Uyeki, T.M., & Pillai, S.K. (2020). First case of 2019 novel Coronavirus in the United</p><p>States. The New England Journal of Medicine, 382(10), 929–936.</p><p>Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X.,</p><p>Cheng, Z., Yu, T., Xia, J., Wei, Y., Wu, W., Xie, X., Yin, W., Li, H., Liu, M., Xiao, Y., Gao,</p><p>H., Guo, L., Xie, J., Wang, G., Jiang, R., Gao, Z., Jin, Q., Wang, J., & Cao, B. (2020).</p><p>Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. The</p><p>Lancet, 395, 497–506.</p><p>IBGE, Instituto Brasileiro de Geografia e Estatística. (2010). Tabela 1378: população</p><p>residente, por situação do domicílio, sexo e idade, segundo a condição no domicílio e</p><p>compartilhamento da responsabilidade pelo domicílio. Disponível em:</p><p>https://sidra.ibge.gov.br/tabela/1378#resultado. Acesso em: jun. 2020.</p><p>IBGE, Instituto Brasileiro de Geografia e Estatística. (2019). IBGE Cidades. Disponível</p><p>em: https://cidades.ibge.gov.br/brasil/df/brasilia/panorama. Acesso em: mai. 2020.</p><p>Lu, R., Zhao, X., Li, J., Niu, P., Yang, B., Wu, H., Wang, W., Song, H., Huang, B., Zhu,</p><p>N., Bi, Y., Ma, X., Zhan, F., Wang, L., Hu, T., Zhou, H., Hu, Z., Zhou, W., Zhao, L., Chen,</p><p>J., Meng, Y., Wang, J., Lin, Y., Yuan, J., Xie, Z., Ma, J., Liu, W.J., Wang, D., Xu, W.,</p><p>Holmes, E.C., Gao, G.F., Wu, G., Chen, W., Shi, W. & Tan, W. (2020). Genomic</p><p>characterisation and epidemiology of 2019 novel coronavirus: implications for virus</p><p>origins and receptor binding. The Lancet, 395, 565–574.</p><p>Menin, I.B.F., Silva, P.F.J., Sonaglio, C.M., Bernadelli, M.L.F.H., Araujo, M.A.N.,</p><p>Barbosa, E.H.B. & Espíndola Jr, G. (2020). Difusão espacial do Coronavírus (SARS-</p><p>CoV-2): diálogo multidicisplinar. Disponível em: http://www.ms.gov.br/wp-</p><p>content/uploads/sites/150/2020/04/Difus%C3%A3o-Espacial-do-Coroav%C3%ADrus-</p><p>SARS-CoV-2_.pdf. Acesso em: jun. 2020.</p><p>Metrô-DF, Companhia do Metropolitano do Distrito Federal. (2020a). Ações de combate</p><p>à Covid-19. Disponível em: http://www.metro.df.gov.br/?page_id=42485. Acesso em:</p><p>jun. 2020.</p><p>Metrô-DF, Companhia do Metropolitano do Distrito Federal. (2020b). Empregados do</p><p>Metrô-DF serão testados para Covid-19. Disponível em:</p><p>http://www.metro.df.gov.br/?p=42788. Acesso em: jun. 2020.</p><p>Ministério da Saúde. (2020a). Brasil confirma primeiro caso da doença. Disponível em:</p><p>https://www.saude.gov.br/noticias/agencia-saude/46435-brasil-confirma-primeiro-caso-</p><p>de-novo-coronavirus. Acesso em: jun. 2020.</p><p>77</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>Ministério da Saúde. (2020b). Boletim epidemiológico nº 5: doença pelo Coronavírus</p><p>2019. Ministério da Saúde, Secretaria de Vigilância em Saúde, Centro de Operações de</p><p>Emergências em Saúde Pública.</p><p>Neto, S., Wadih, J., Jannuzzi, P.M. & Silva, P.L.N. (2008). Sistemas de indicadores ou</p><p>indicadores sintéticos: do que precisam os gestores de programas sociais. Bahia</p><p>Análise & Dados, 17 (4), 1191-1201.</p><p>Oliveira, W.K., Duarte, E., França, G.V.A. & Garcia, L.P. (2020). Como o Brasil pode</p><p>deter a COVID-19. Epidemiologia e Serviços de Saúde, 29(2), 1-8.</p><p>OMS, Organização Mundial da Saúde. (2020). Coronavirus disease 2019 (COVID-19)</p><p>Situation Report – 51. Disponível em: https://www.who.int/docs/default-</p><p>source/coronaviruse/situation-reports/20200311-sitrep-51-covid-</p><p>19.pdf?sfvrsn=1ba62e57_10. Acesso em: jun. 2020.</p><p>ONU, Organização das Nações Unidas. (2018). World urbanization prospects: the 2018</p><p>revision. Disponível em: https://population.un.org/wup/Publications/Files/WUP2018-</p><p>KeyFacts.pdf. Acesso em: mai. 2020.</p><p>Patel, A. & Jernigan, D.B. (2020). Initial public health response and interim clinical</p><p>guidance for the 2019 novel Coronavirus outbreak — United States. Morbidity and</p><p>Mortality Weekly Report, 69, 140-146.</p><p>Ribeiro, L.C.Q. & Ribeiro, M.G. (2013). IBEU – Índice de bem-estar urbano (1a ed.). Rio</p><p>de Janeiro: Letra Capital.</p><p>SEJUS, Secretaria de Estado de Justiça e Cidadania do Distrito Federal. (2020). Edital</p><p>de chamamento nº 1 de 14 de abril de 2020. Comunica a abertura do cadastro de idosos</p><p>em situação de vulnerabilidade social para serem selecionados a participar do Programa</p><p>“Sua Vida Vale Muito – Hotelaria Solidária”. Diário Oficial do Distrito Federal, Edição</p><p>Extra, Brasília, 14 abr. 2020, p. 1.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal. (2020a). Balanço –</p><p>testagem itinerante. Disponível em: http://www.saude.df.gov.br/balanc%cc%a7o-</p><p>testagem-itinerante-20-05/. Acesso em: jun. 2020.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal. (2020b). Boletim</p><p>epidemiológico do dia 26.03.2020 - emergência de saúde pública COVID-19 no âmbito</p><p>do Distrito Federal. Disponível em: http://www.saude.df.gov.br/wp-</p><p>conteudo/uploads/2020/03/26-Boletim-COVID_DF-26.03.2020_2vers%C3%A3o-1.pdf.</p><p>Acesso em: jun. 2020.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal. (2020c). Boletim</p><p>epidemiológico do dia 26.04.2020 - emergência de saúde pública COVID-19 no âmbito</p><p>do Distrito Federal. Disponível em: http://www.saude.df.gov.br/wp-</p><p>conteudo/uploads/2020/03/Boletim-COVID_DF-26-04-2020.pdf. Acesso em: jun. 2020.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal. (2020d). Boletim</p><p>Epidemiológico nº 84 - emergência de saúde pública COVID-19 no âmbito do Distrito</p><p>Federal. Disponível em: http://www.saude.df.gov.br/wp-</p><p>conteudo/uploads/2020/03/Boletim-COVID_DF-26_05_-2020.pdf. Acesso em: jun.</p><p>2020.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal. (2020e). Informe sobre a</p><p>doença pelo Coronavirus (COVID-2019). Disponível em: http://www.saude.df.gov.br/wp-</p><p>78</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.54-78, julho-dezembro 2020</p><p>conteudo/uploads/2020/02/Informe_COVID19_GDF_20200307.pdf. Acesso em: jun.</p><p>2020.</p><p>SES-DF, Secretaria de Estado de Saúde do Distrito Federal & SSP-DF, Secretaria de</p><p>Segurança Pública do Distrito Federal. (2020). Painel Covid-19 no Distrito Federal.</p><p>Disponível em: https://covid19.ssp.df.gov.br/extensions/covid19/covid19.html#/. Acesso</p><p>em: jul. 2020.</p><p>Wu, J.T., Leung, K. & Leung, G.M. (2020). Nowcasting and forecasting the potential</p><p>domestic and international spread of the 2019-nCoV outbreak originating in Wuhan,</p><p>China: a modelling study. The Lancet, 395, 689–697.</p><p>Zhu, N., Zhang, D., Wang, W., Li, X., Yang, B., Song, J., Zhao, X., Huang, B., Shi, W.,</p><p>Lu, R., Niu, P., Zhan, F., Ma, X., Wang, D., Xu, W., Wu, G., Gao, G.F. & Tan, W. (2020).</p><p>A novel Coronavirus from patients with pneumonia in China, 2019. The New England</p><p>Journal of Medicine, 382(8), 727–733.</p><p>Zu, Z.Y., Jiang, M.D., Xu, P.P., Chen, W., Ni, Q.Q., Lu, G.M. & Zhang, L.J. (2020).</p><p>Coronavirus disease 2019 (COVID-19): a perspective from China. Radiology, 296(2),</p><p>15-25.</p><p>AGRADECIMENTOS</p><p>À Companhia de Planejamento do Distrito Federal (Codeplan) pela elaboração</p><p>da Pesquisa Distrital por Amostra de Domicílio (PDAD), por meio da Diretoria de Estudos</p><p>e Pesquisas Socioeconômicas, realizada bienalmente, a partir da qual foi possível obter</p><p>dados que subsidiaram a criação dos indicadores presentes neste artigo.</p><p>79</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>PRODUÇÃO DE INDICADORES DE ACESSIBILIDADE</p><p>FINANCEIRA DAS MORADIAS ALUGADAS A PARTIR</p><p>DA PNAD COVID19</p><p>Bruno Mandelli Perez</p><p>bruno.perez@ibge.gov.br</p><p>IBGE</p><p>Resumo: O artigo busca produzir, de forma experimental, indicadores para monitoramento das</p><p>condições de acessibilidade econômica das moradias alugadas no Brasil durante a pandemia de</p><p>Covid-19 e em face da crise econômica e social dela decorrente, por meio dos dados</p><p>disponibilizados pela Pesquisa Nacional por Amostra de Domicílios - COVID19 (PNAD</p><p>COVID19), pesquisa experimental desenvolvida pelo Instituto Brasileiro de Geografia e</p><p>Estatística (IBGE), com divulgações mensais. São analisadas as possibilidades e limitações dos</p><p>dados da PNAD COVID19 para aferição dos rendimentos dos moradores, das condições de</p><p>moradia e da relação de locação. Amparando-se em uma brevíssima revisão da literatura a</p><p>respeito de indicadores relacionados à acessibilidade econômica da moradia, o artigo estima a</p><p>ocorrência de ônus excessivo de aluguel para os meses de maio e junho de 2020, e propõe a</p><p>utilização adicional do indicador de hiato de comprometimento do rendimento com aluguel.</p><p>Palavras-chave: moradia adequada; déficit habitacional; ônus excessivo com aluguel; pesquisas</p><p>domiciliares; Covid-19</p><p>Abstract: This article aims to produce experimental indicators for monitoring the affordability</p><p>conditions of rented housing in Brazil during the pandemic of Covid-19 and in face of the</p><p>consequent economic crisis, utilizing data from the National Household Sample Survey -</p><p>COVID19 (PNAD COVID19), an experimental survey developed by the Brazilian Institute of</p><p>Geography and Statistics (IBGE), which is monthly released. It analyses the possibilities and</p><p>limitations of the data from PNAD COVID19 for measuring the income of the households, the</p><p>housing conditions, and the rental relations. Based on a very brief review of studies</p><p>concerning</p><p>indicators related to housing affordability, it estimates the occurrence of rent overburden during</p><p>May and June 2020 and proposes the additional utilization of the indicator of rental overburden</p><p>gap.</p><p>Keywords: adequate housing; housing needs; rent overburden; household surveys; Covid-19</p><p>80</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>1. INTRODUÇÃO</p><p>Em momentos de contração econômica brusca, como a provocada pela</p><p>pandemia de Covid-19, “morar de aluguel” muitas vezes é um fator de</p><p>vulnerabilidade. Frente ao desemprego ou à redução inesperada da renda, a</p><p>família residente em casa própria (e sem financiamento pendente) ao menos terá</p><p>a garantia de manter sua moradia. Os inquilinos não contam com a mesma</p><p>segurança.</p><p>A possibilidade de despejo, por si só bastante grave, ganha outro</p><p>contorno em um contexto em que a preservação da própria saúde passa por</p><p>“ficar em casa” sempre que possível. Nesse sentido, as dificuldades econômicas</p><p>específicas enfrentadas pelas famílias inquilinas têm sido abordadas tanto por</p><p>organismos internacionais como por políticas públicas nacionais e locais.</p><p>Em 18 de março, sete dias após a Organização Mundial de Saúde (OMS)</p><p>reconhecer a existência da pandemia de Covid-19, a Relatora Especial das</p><p>Nações Unidas para o Direito à Moradia Adequada, Leilani Farha, expressou em</p><p>nota pública estar “profundamente preocupada […] com aqueles que enfrentam</p><p>a perda do emprego e dificuldades econômicas que podem resultar em</p><p>inadimplência de aluguel e hipoteca, e em despejos” (United Nations, Office of</p><p>the High Comissioner, 2020, tradução minha).</p><p>Nesse sentido, ela instou os Estados nacionais a “fornecerem ajuda</p><p>financeira direta ou adiamento dos pagamentos de aluguéis e hipotecas,</p><p>instituírem uma moratória de despejos motivados por inadimplência e</p><p>introduzirem medidas de redução ou estabilização dos aluguéis” (United Nations,</p><p>Office of the High Comissioner, 2020, tradução minha).</p><p>Medidas nessa direção foram efetivamente adotadas em diversos</p><p>países. Como exemplo, podemos citar Portugal (suspensão de despejos),</p><p>Estados Unidos (suspensão de despejos e vedação de aplicação de multas por</p><p>inadimplência de inquilinos) e Argentina (suspensão de despejos e</p><p>congelamento de aluguéis) (Portugal, Assembleia da República, 2020; United</p><p>States of America, Congress, 2020; Argentina, Ministerio de Justicia y Derechos</p><p>Humanos, 2020). Encontramos ainda medidas emergenciais de subsídio direto</p><p>ao aluguel, adotadas por autoridades locais.</p><p>No âmbito das medidas legislativas no Brasil, o Congresso Nacional</p><p>aprovou em 19 de maio o Projeto de Lei nº 1.179, de 2020, que “dispõe sobre o</p><p>Regime Jurídico Emergencial e Transitório das relações jurídicas de Direito</p><p>Privado (RJET) no período da pandemia do coronavírus (Covid-19)”. Em seu</p><p>artigo 9º, ele estabelecia que não se concederia liminar para desocupação de</p><p>81</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>imóvel urbano nas ações de despejo em função de inadimplência de aluguel e</p><p>acessórios da locação, entre outros motivos, até 30 de outubro de 2020.</p><p>O projeto de lei foi sancionado e transformado na Lei nº 14.010, de 10</p><p>de junho de 2020, mas o presidente da República vetou o dispositivo de proteção</p><p>aos inquilinos, argumentando que a norma dava “proteção excessiva ao devedor</p><p>em detrimento do credor, além de promover o incentivo ao inadimplemento”</p><p>(Brasil, Presidência da República, 2020f). Até o momento, os parlamentares não</p><p>examinaram o veto presidencial, e a questão segue na pauta do Congresso</p><p>Nacional (Brasil, Presidência da República, 2020g).</p><p>Embora não tenha adotado até o momento nem medidas de suspensão</p><p>de despejos, nem de subsídio ou transferência de renda com critérios específicos</p><p>para inquilinos, o Brasil implementou medidas emergenciais e temporárias de</p><p>sustentação da renda da população em geral. Desempregados, trabalhadores</p><p>informais e microempreendedores individuais qualificam-se a receber um auxílio</p><p>emergencial no valor de R$ 600 (R$ 1.200 no caso de mulheres provedoras de</p><p>famílias monoparentais), instituído pela Lei nº 13.982, de 2 de abril de 2020.</p><p>Por sua vez, trabalhadores formais que sofreram redução proporcional</p><p>de jornada de trabalho e de salário ou suspensão temporária do contrato de</p><p>trabalho foram contemplados pelo Benefício Emergencial de Preservação do</p><p>Emprego e da Renda, de valor calculado proporcionalmente ao valor mensal do</p><p>seguro-desemprego a que o empregado teria direito em caso de demissão,</p><p>criado pela Medida Provisória nº 936, de 1º de abril de 2020.</p><p>A Lei nº 13.982 inicialmente previa o pagamento de auxílios mensais</p><p>em abril, maio e junho. Porém, ela inclui um dispositivo permitindo a prorrogação</p><p>durante todo o período de enfrentamento da emergência de saúde pública, a</p><p>critério do Poder Executivo. O Decreto nº 10.412, de 30 de junho de 2020,</p><p>prorrogou o pagamento por mais dois meses, julho e agosto. De forma análoga,</p><p>os benefícios previstos na Medida Provisória nº 936 estavam limitados a 90 dias</p><p>de duração, mas foram prorrogados por 30 dias para os casos de redução de</p><p>jornadas e 60 dias para suspensões de contrato de trabalho.</p><p>Este artigo busca avaliar o impacto dessas medidas na proteção às</p><p>famílias inquilinas, no intuito de contribuir para o debate a respeito da pertinência</p><p>da adoção de políticas públicas específicas voltadas aos locatários, seja no</p><p>momento atual, seja em um cenário de suspensão dos auxílios emergenciais</p><p>mencionados há pouco. Com esse objetivo, ele recorre aos dados das</p><p>divulgações mensais de maio e junho de 2020 da Pesquisa Nacional por Amostra</p><p>de Domicílios - PNAD COVID19, pesquisa experimental do Instituto Brasileiro de</p><p>Geografia e Estatística (IBGE). Iniciada em 4 de maio, a pesquisa coleta</p><p>82</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>informações referentes a manifestações de sintomas associados à síndrome</p><p>gripal, inserção no mercado de trabalho, rendimentos domiciliares e valor do</p><p>aluguel mensal, entre outras.</p><p>A segunda seção deste artigo analisará as possibilidades e limitações</p><p>dos dados produzidos pela PNAD COVID19 na elaboração de indicadores</p><p>referentes à condição dos inquilinos para se manterem adimplentes em relação</p><p>às obrigações locatícias durante a pandemia. Já a terceira discutirá indicadores</p><p>tradicionalmente utilizados para a mensuração da relação entre renda domiciliar</p><p>e aluguel domiciliar, e sua aplicabilidade ao contexto específico da pandemia. A</p><p>quarta, por sua vez, descreverá os indicadores selecionados, assim como as</p><p>escolhas metodológicas para sua produção, ao passo que a quinta apresentará</p><p>os resultados obtidos. Finalmente, a sexta seção apresentará algumas</p><p>considerações finais.</p><p>2. POSSIBILIDADES E LIMITAÇÕES DO USO DAS</p><p>INFORMAÇÕES DISPONIBILIZADAS PELA PNAD COVID19</p><p>A PNAD COVID19 é uma pesquisa amostral domiciliar de caráter</p><p>experimental (isto é, ainda em fase de teste e avaliação), implementada pelo</p><p>IBGE com o objetivo de “estimar o número de pessoas com sintomas referidos</p><p>associados à síndrome gripal e monitorar os impactos da pandemia da COVID-</p><p>19 no mercado de trabalho brasileiro” (Instituto Brasileiro de Geografia e</p><p>Estatística, 2020b). Ela foi construída a partir de uma adaptação da pesquisa</p><p>domiciliar regular do IBGE, a Pesquisa Nacional por Amostra de Domicílios</p><p>Contínua (PNAD Contínua).</p><p>As entrevistas da PNAD COVID19 tiveram início, como indicado, em 4</p><p>de maio de 2020. A pesquisa trabalha com uma amostra de 193 mil domicílios,</p><p>que é fixa (no sentido de que os mesmos 193 mil domicílios serão entrevistados</p><p>a cada rodada mensal da pesquisa). Devido à impossibilidade de realizar</p><p>entrevistas presenciais (abordagem normalmente utilizada pelo IBGE em</p><p>pesquisas domiciliares), o órgão recorreu à realização</p><p>de entrevistas por telefone</p><p>assistidas por computador. Para tanto, o IBGE construiu a amostra da PNAD</p><p>COVID19 selecionando, entre os 211 mil domicílios que fizeram parte da amostra</p><p>da PNAD Contínua no primeiro trimestre de 2019, aqueles que possuíam</p><p>número de telefone cadastrado (Instituto Brasileiro de Geografia e Estatística,</p><p>2020a).</p><p>Apesar do caráter experimental, a PNAD COVID19 tornou-se uma</p><p>referência importante na cobertura jornalística e na análise da conjuntura</p><p>83</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>econômica1, por possuir quesitos desenhados especialmente para o contexto</p><p>atual; pela capacidade de oferecer resultados mensais e semanais (esses</p><p>últimos, mais simplificados), ao passo que a PNAD Contínua produz resultados</p><p>por trimestres móveis; e pelo intervalo de tempo relativamente curto entre a data</p><p>de referência da pesquisa e a data de divulgação.</p><p>O módulo “Características de trabalho das pessoas de 14 anos ou mais</p><p>de idade” da PNAD COVID19 – ainda que bastante simplificado, se comparado</p><p>ao da PNAD Contínua – permite uma caracterização geral da inserção no</p><p>mercado de trabalho e a obtenção de informações referentes ao rendimento</p><p>mensal efetivo do trabalho de cada morador com 14 anos ou mais.</p><p>O módulo seguinte, “Rendimentos de outras fontes dos moradores de 14</p><p>anos ou mais de idade”, coleta informações referentes a outras fontes de</p><p>rendimento, separadas em sete grupos: “aposentadoria ou pensão”, “pensão</p><p>alimentícia, doação ou mesada em dinheiro de pessoa que não morava no</p><p>domicílio”, “Bolsa família”, “Benefício Assistencial de Prestação Continuada –</p><p>BPC-LOAS”, “auxílios emergenciais relacionados ao coronavírus”, “Seguro</p><p>desemprego” e “outros rendimentos, como aluguel, arrendamento, previdência</p><p>privada, bolsa de estudos, rendimentos de aplicação financeira etc.” (Instituto</p><p>Brasileiro de Geografia e Estatística, 2019).</p><p>Ao contrário do que ocorre na PNAD Contínua, na PNAD COVID19, a</p><p>coleta de informações relativas a esses outros rendimentos não é feita</p><p>separadamente para cada morador. Os quesitos fazem referência ao total</p><p>recebido pelos moradores do domicílio, sendo o entrevistador orientado da</p><p>seguinte forma: “se houver mais de um morador recebendo o rendimento, some</p><p>todos os valores recebidos deste tipo de rendimento” (Instituto Brasileiro de</p><p>Geografia e Estatística, 2019). Não é possível, portanto, identificar qual a quantia</p><p>recebida por cada morador individualmente, apenas o total do domicílio.</p><p>Um limitação importante é que uma única categoria reúne</p><p>genericamente os auxílios emergenciais relacionados à Covid-19. Portanto, não</p><p>é possível identificar, de imediato, se o valor declarado nessa categoria faz</p><p>referência ao auxílio estabelecido pela Lei nº 13.982, ao benefício instituído pela</p><p>Medida Provisória nº 936 ou ainda a outros auxílios de menor expressão. O valor</p><p>declarado pode ser inclusive uma combinação de diferentes auxílios, já que há</p><p>situações nas quais um mesmo domicílio reúne um morador que recebe o auxílio</p><p>da Lei nº 13.982 e outro que recebe o benefício da Medida Provisória nº 936.</p><p>1 Ver, por exemplo, a Carta de Conjuntura - 2020 - 3º Trimestre - nº 48, do Instituto de Pesquisa</p><p>Econômica Aplicada (IPEA), que faz uso intensivo de dados oriundos da PNAD COVID19</p><p>(Instituto de Pesquisa Econômica Aplicada, 2020).</p><p>84</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>É necessário cautela também em relação aos dados referentes aos</p><p>rendimentos recebidos por meio do Programa Bolsa Família. A Lei nº 13.982</p><p>determina a substituição automática do Bolsa Família pelo auxílio emergencial</p><p>nos casos em que for mais vantajoso para os beneficiários. O Ministério da</p><p>Cidadania informou que, em maio de 2020, o Bolsa Família havia sido substituído</p><p>pelo auxílio emergencial para 95% das famílias beneficiárias do programa</p><p>(Brasil, Presidência da República, 2020a), de modo que restaram apenas cerca</p><p>de 700 mil famílias recebendo benefícios do Bolsa Família propriamente dito.</p><p>Não obstante, os dados da PNAD COVID19 indicam 5,3 milhões de</p><p>domicílios recebendo simultaneamente Bolsa Família e algum tipo de auxílio</p><p>emergencial em maio de 2020, número que se reduziu para 3,4 milhões de</p><p>domicílios em junho. Esse resultado sugere a possibilidade de algum erro de</p><p>coleta.</p><p>Como o quesito referente ao Bolsa Família é aplicado antes do quesito</p><p>referente ao auxílio emergencial, e o quesito não faz referência explícita ao mês</p><p>de referência, é possível que parte dos informantes tenha declarado o valor</p><p>normalmente recebido pelo Bolsa Família, mesmo que no mês em questão o</p><p>benefício tenha sido substituído pelo auxílio emergencial. Essa hipótese é</p><p>consistente com a redução nas declarações de recebimento simultâneo do Bolsa</p><p>Família e do auxílio emergencial em junho, relativamente a maio – na medida</p><p>em que o informante acostumava-se com a nova situação, reduzia-se a</p><p>declaração de recebimento do Bolsa Família.</p><p>A substituição do Bolsa Família pelo auxílio emergencial traz mais um</p><p>problema, se quisermos utilizar os dados para pensar sobre aplicações de</p><p>políticas públicas nos próximos meses. Não é possível projetar, de imediato, os</p><p>rendimentos recebidos por cada domicílio em um cenário sem auxílio</p><p>emergencial, pois não é possível verificar se ele está ou não coberto pelo</p><p>atendimento regular do Bolsa Família. Um domicílio em que o informante declare</p><p>ao entrevistador da PNAD COVID19 recebimento de auxílio emergencial, mas</p><p>não de Bolsa Família, pode ou não estar apto a voltar a receber imediatamente</p><p>os benefícios do Bolsa Família em caso de suspensão do auxílio emergencial.</p><p>Em relação às características da moradia, a PNAD COVID19 é muito</p><p>mais sucinta. Há apenas dois quesitos, um referente à condição de ocupação do</p><p>domicílio (se próprio, alugado ou cedido) e outro, ao valor do aluguel mensal. A</p><p>inclusão desses quesitos na PNAD COVID19 tinha como objetivo principal</p><p>“atender demandas de alguns indicadores da Coordenação de Contas Nacionais</p><p>para o cálculo do PIB Trimestral” (Instituto Brasileiro de Geografia e Estatística,</p><p>85</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>2020a), já que o valor mensal dos aluguéis é uma informação utilizada para</p><p>aferição do Produto Interno Bruto (PIB).</p><p>Dessa forma, a PNAD COVID19 deixa de trazer informações sobre a</p><p>estrutura física dos domicílios, que poderiam enriquecer análises sobre os</p><p>valores dos aluguéis. Também não inclui dados sobre pagamentos de parcelas</p><p>do financiamento habitacional dos domicílios do tipo “próprio – ainda pagando”,</p><p>outro grupo que corre risco de inadimplência no contexto da pandemia.</p><p>Quanto ao valor do aluguel, o quesito adotado na PNAD COVID19 é:</p><p>“Qual foi o valor mensal do aluguel pago, ou que deveria ter sido pago, no mês</p><p>de ___ (mês de referência)?”. Trata-se da mesma redação utilizada no quesito</p><p>análogo do módulo de domicílio da PNAD Contínua. Isso leva a PNAD COVID19</p><p>a reproduzir algumas limitações da outra pesquisa. Em primeiro lugar, como não</p><p>há uma orientação explícita a respeito dos pagamentos de acessórios da</p><p>locação, como taxa de condomínio e impostos referentes ao imóvel, não há</p><p>clareza quanto a sua incorporação ou não no valor declarado pelo informante.</p><p>Tampouco é possível saber se o aluguel foi efetivamente pago ou se o</p><p>locatário está inadimplente no mês de referência da entrevista. Essa limitação é</p><p>menos grave para a produção de indicadores anuais por meio da PNAD</p><p>Contínua, na medida em que a inadimplência tende a ser uma situação</p><p>transitória, mas é mais significativa na produção de uma fotografia mensal das</p><p>condições dos inquilinos durante a pandemia.</p><p>Há ainda outro complicador derivado do contexto atual. O trecho “valor</p><p>mensal do aluguel pago, ou que deveria ter sido pago” é ambíguo quanto ao</p><p>valor que deve ser declarado no caso dos domicílios nos quais locador e locatário</p><p>negociaram redução temporária do valor ou adiamento dos pagamentos devido</p><p>à excepcionalidade da situação – deve-se declarar o valor que normalmente</p><p>deveria ser pago ou o valor especifico negociado para aquele mês2?</p><p>Outra importante informação de contexto de locação ausente na PNAD</p><p>COVID19 (bem como na PNAD Contínua) é a forma do contrato – se verbal ou</p><p>por escrito. Embora as garantias legais para locatários e locadores em geral</p><p>estendam-se aos casos de domicílios alugados por contratos verbais, a</p><p>inexistência de contrato torna mais nebulosos eventuais litígios. De forma mais</p><p>2 A Associação das Administradoras de Bens Imóveis e Condomínios de São Paulo (AABIC)</p><p>informou que negociações de abatimento e protelamento dos pagamentos de aluguel motivadas</p><p>pelo impacto da crise da Covid-19 na receita do locatário afetaram 19% dos contratos de locação</p><p>domiciliar de seus associados (Associação das Administradoras de Bens Imóveis e Condomínios</p><p>de São Paulo, 2020). Trata-se de um dado referente a uma única unidade da federação e ao</p><p>setor mais formal do mercado de locação domiciliar, mas serve como indicativo de que</p><p>negociações desse tipo tiveram alguma relevância.</p><p>86</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>geral, na medida em que a ausência de contrato formal indica limitação da</p><p>capacidade do locador e/ou locatário em produzir documentos formais, essa</p><p>informação sinaliza que outros aspectos da locação podem ser informais ou não</p><p>documentados (com pagamentos do aluguel mensal em dinheiro e sem emissão</p><p>de recibo por parte do locador, por exemplo) e a inexistência de mecanismo de</p><p>garantia ao locador, como depósito caução ou seguro fiança.</p><p>A ausência de contrato pode sinalizar ainda que a locação está</p><p>amparada em laços de solidariedade/confiança (no caso de locação entre</p><p>parentes e amigos) ou mesmo em posições de forças extralegais (como no caso</p><p>de áreas com controle territorial pelo crime organizado). Em ambos os casos,</p><p>trata-se de informações relevantes para a avaliação do impacto da pandemia</p><p>nos locatários.</p><p>A informação quanto à existência de contrato escrito seria importante</p><p>também para avaliar a viabilidade de políticas públicas de proteção aos</p><p>locatários. No caso de criação de um subsídio temporário ao aluguel domiciliar</p><p>ou ainda de abertura de linhas de crédito específicas para inquilinos, um contrato</p><p>formal poderia servir de elemento comprobatório para acesso ao benefício –</p><p>comprovação que será mais difícil para os locatários informais. No caso de</p><p>políticas de controle do valor do aluguel ou de suspensão de despejos, a</p><p>informalidade da locação impactaria as possibilidades de garantia de</p><p>cumprimento da legislação adotada3.</p><p>Por fim, uma limitação bastante elementar do uso da PNAD COVID19</p><p>para análise da situação das famílias locatárias é que os moradores podem já</p><p>ter sido vítimas de despejo em função de inadimplência em momento</p><p>imediatamente anterior à entrevista, e essa situação não é identificável através</p><p>da pesquisa. Uma família vítima de despejo que na data de referência da PNAD</p><p>COVID19 esteja abrigada “de favor” em um domicílio habitado por outra família</p><p>ou mesmo em uma moradia improvisada será classificada simplesmente como</p><p>moradora de domicílio próprio.</p><p>Em síntese, o questionário da PNAD COVID19 não oferece informações</p><p>importantes sobre as características das moradias e a relação de locação, mas</p><p>permite uma avaliação mensal da relação entre o rendimento das famílias</p><p>residindo atualmente (na data de referência) em domicílios alugados e o valor do</p><p>3 A Pesquisa de Orçamentos Familiares (POF) 2017-2018, do IBGE, indicou que na maioria</p><p>(51,7%) dos domicílios alugados no Brasil a relação entre locador e locatário era realizada</p><p>apenas por “contrato verbal”, valor que tem se mantido relativamente estável. Na edição 2008-</p><p>2009, o resultado obtido foi de 55,6%. Assim, embora essa informação não esteja disponível na</p><p>PNAD Contínua, qualquer análise deve levar em consideração a prevalência da informalidade,</p><p>especialmente entre os locatários mais pobres.</p><p>87</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>aluguel mensal, embora com algumas ambiguidades na captação desses</p><p>valores, em especial no que toca aos rendimentos do Bolsa Família.</p><p>A característica da construção da amostra, porém, traz outras</p><p>possibilidades. Como a amostra da PNAD COVID19 é composta inteiramente</p><p>por domicílios que fizeram parte da amostra da PNAD Contínua do primeiro</p><p>trimestre de 2019, é possível recorrer a procedimentos para recuperar as</p><p>informações prestadas pelos informantes à PNAD Contínua e incorporá-las aos</p><p>dados oriundos da PNAD COVID19.</p><p>Como já mencionado, através do questionário da PNAD COVID19 não é</p><p>possível saber se um beneficiário do auxílio emergencial seria ou não</p><p>beneficiário do Bolsa Família na ausência do auxílio. Mas é possível identificar o</p><p>mesmo domicílio na PNAD Contínua de 2019 e verificar se ele era beneficiário</p><p>do Bolsa Família naquele momento. De forma análoga, a PNAD Contínua</p><p>poderia ser utilizada para aportar aos dados da PNAD COVID19 informações</p><p>referentes às características dos domicílio, bem como ao valor de aluguel</p><p>anteriormente pago (o que poderia permitir a identificação da presença de</p><p>descontos no aluguel declarado à PNAD COVID19).</p><p>Essa abordagem, porém, enfrentaria problemas. A PNAD COVID19</p><p>busca os grupos familiares entrevistados pela PNAD Contínua recorrendo a</p><p>cadastro telefônico. Entre a entrevista da PNAD Continua e a entrevista da PNAD</p><p>COVID19, os moradores podem ter mudado de residência. O primeiro quesito</p><p>aplicado pelo entrevistador da PNAD COVID19 é a confirmação do endereço,</p><p>mas a entrevista é realizada mesmo que os moradores tenham se mudado, e os</p><p>microdados divulgados não incluem a variável referente à confirmação do</p><p>endereço. Não é possível saber, portanto, se o domicílio físico habitado pela</p><p>família no momento em que respondeu à PNAD COVID19 era o mesmo do</p><p>momento da entrevista da PNAD Contínua.</p><p>3. INDICADORES PARA MENSURAÇÃO DA ACESSIBILIDADE</p><p>FINANCEIRA DAS MORADIAS ALUGADAS E SUA</p><p>APLICABILIDADE NO CONTEXTO DA PANDEMIA DE COVID-19</p><p>A literatura internacional aponta que o indicador mais tradicional e</p><p>disseminado para mensuração da acessibilidade financeira da moradia (housing</p><p>affordability) é a proporção entre as despesas de moradia e o rendimento</p><p>domiciliar, em geral comparada a um patamar considerado “razoável”, de forma</p><p>que o domicílio é classificado como financeiramente acessível quando a</p><p>88</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>proporção entre os gastos de moradia e a o rendimento está abaixo desse</p><p>patamar, e inacessível, quando está acima4.</p><p>Essa abordagem tem sido utilizada no Brasil pela Fundação João</p><p>Pinheiro (FJP) na construção de seu indicador de Déficit Habitacional. Conforme</p><p>a metodologia adotada pela FJP, um domicílio alugado em áreas urbanas e com</p><p>rendimento domiciliar inferior a três salários mínimos, no qual o aluguel domiciliar</p><p>iguale ou supere 30% do rendimento domiciliar, é classificado na situação de</p><p>“ônus excessivo com aluguel” e, com base nesse critério, compõe o indicador de</p><p>Déficit Habitacional (Fundação João Pinheiro, 2018, p. 23).</p><p>O conceito de “ônus excessivo com aluguel” tem sido utilizado também</p><p>pelo IBGE, nas divulgações anuais da Síntese de Indicadores Sociais, tomando</p><p>como referência o patamar de comprometimento de 30% do rendimento</p><p>domiciliar, mas sem as limitações utilizadas pela FJP referentes à situação do</p><p>domicílio ou ao rendimento domiciliar total (Instituto Brasileiro de Geografia e</p><p>Estatística, 2019).</p><p>Internacionalmente, um critério semelhante foi adotado pela Divisão de</p><p>Estatística das Nações Unidas na construção</p><p>do indicador “proporção de</p><p>população urbana vivendo em assentamentos precários, assentamentos</p><p>informais ou domicílios inadequados”, utilizado no monitoramento do Objetivo do</p><p>Desenvolvimento Sustentável 11 - "Cidades e Comunidades Sustentáveis". Pela</p><p>metodologia adotada, um domicílio é considerado inadequado quando os custos</p><p>habitacionais (housing costs) superam 30% do rendimento domiciliar mensal</p><p>(United Nations, Human Settlements Programme, 2018, p. 7).</p><p>Nota-se uma divergência, na medida em que os indicadores em uso no</p><p>Brasil fazem referência apenas aos gastos com aluguel, enquanto o indicador</p><p>das Nações Unidas utiliza um conceito mais amplo de “custos da moradia” (que</p><p>não são definidos na documentação disponibilizada).</p><p>Indicadores semelhantes, adotados por institutos oficiais de estatística</p><p>do Canadá, da Austrália e da União Europeia, também utilizam o conceito de</p><p>custos de moradia na apuração do indicador5. No caso do indicador canadense,</p><p>por exemplo, é especificado que os custos de moradia abarcam, além do aluguel,</p><p>o pagamento de hipotecas, impostos e taxas.</p><p>Nesse sentido, tais indicadores são mais rígidos que o empregado no</p><p>Brasil, na medida em que se utiliza o mesmo patamar de 30% (exceção feita à</p><p>4 Nesse sentido, ver Heylen (2014, p.11) e Gabriel et al. (2005, p. 22).</p><p>5 Para uma comparação dos critérios utilizados nesses casos, ver Perez (2016).</p><p>89</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>União Europeia, que utiliza o patamar de 40%) com um numerador</p><p>conceitualmente mais amplo.</p><p>No âmbito das medidas de resposta emergenciais à crise ocasionada</p><p>pela pandemia de Covid-19, o patamar de 30% de comprometimento do</p><p>rendimento domiciliar também tem sido utilizado. A Relatora Especial da Nações</p><p>Unidas para o Direito à Moradia Adequada solicitou aos governos nacionais que</p><p>“adotem legislação estabelecendo um recálculo obrigatório dos aluguéis que</p><p>limite as obrigações locatícias dos inquilinos a 30% do seu rendimento mensal”</p><p>(Farha, 2020, tradução minha). Em situações em que foi instituído subsídio direto</p><p>aos inquilinos, o patamar de 30% tem sido utilizado como critério de</p><p>elegibilidade6.</p><p>A construção de indicadores baseados na proporção custos/rendimento</p><p>e em um patamar tido como “razoável” tem sido alvo de críticas. O método seria</p><p>simplista e arbitrário (Hulchanski, 1995), e insensível à qualidade dos domicílios</p><p>e à diferença de rendimento das famílias (Stone, 2006). Isto é, o mesmo patamar</p><p>percentual de comprometimento do rendimento domiciliar com os custos de</p><p>moradia tem significado diferente conforme o nível de rendimento familiar.</p><p>Outras críticas apontam que indicadores desse tipo não descrevem a</p><p>profundidade (depth) da situação enfrentada pelos inquilinos, na medida em que</p><p>um domicílio que compromete 31% de rendimento mensal com custos</p><p>habitacionais é contabilizado da mesma forma que um domicílio que</p><p>compromete 50% ou 70% (Chaplin & Freeman, 1999).</p><p>Por outro lado, mesmo autores críticos aos indicadores construídos</p><p>dessa forma recomendam sua utilização (ainda que combinada com outros</p><p>indicadores), em função de sua “tradição”, e facilidade de produção e</p><p>compreensão (Gabriel et al, 2005, p. 7).</p><p>A crítica referente à insensibilidade do indicador em relação ao nível de</p><p>rendimento dos moradores é parcialmente contornada, em alguns casos, pela</p><p>adoção de uma linha de corte, um patamar de rendimento acima do qual um</p><p>domicílio não é classificado como financeiramente inacessível ou em ônus de</p><p>aluguel, mesmo que comprometa mais de 30% de seu rendimento domiciliar com</p><p>custos da moradia.</p><p>No caso do indicador desenvolvido pela FJP, a linha de corte utilizada,</p><p>como já mencionado, é de três salários mínimos, aplicada sobre o rendimento</p><p>domiciliar total. Em outros casos, como nos indicadores utilizados na Austrália e</p><p>6 Ver United States of America, New York State, Homes and Community Renewal (2020) e</p><p>Australia, State Government of Victoria, Victorian Department of Health and Human Services</p><p>(2020).</p><p>90</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>pela Organização para a Cooperação e o Desenvolvimento Econômico (OCDE),</p><p>o patamar percentual é aplicado apenas aos domicílios pertencentes ao grupo</p><p>dos 40% com menor rendimento, sob a justificativa de serem “particularmente</p><p>vulneráveis quando grande parte de seu rendimento é comprometido com custos</p><p>habitacionais, já que isso limita seus gastos com outras necessidades</p><p>essenciais” (Organisation for Economic Co-operation and Development, 2020,</p><p>p. 80, tradução minha).</p><p>O critério adotado pela FJP tem como vantagem a facilidade de</p><p>compreensão e a coincidência com linhas de cortes de acesso a diversas</p><p>políticas públicas brasileiras (inclusive o auxílio emergencial relacionado à</p><p>Covid-19). Por outro lado, a utilização do rendimento domiciliar total para linha</p><p>de corte pode levar à exclusão de famílias numerosas de rendimento per capita</p><p>baixo, ao mesmo tempo em que deixa de excluir domicílios unipessoais de</p><p>rendimento per capita relativamente elevados para padrões brasileiros.</p><p>A exclusão de domicílios de rendimento mais elevado de indicadores</p><p>relativos à acessibilidade econômica da moradia baseia-se em argumentos</p><p>compreensíveis, mas que perdem parte de sua relevância no contexto da</p><p>pandemia. A ocorrência de comprometimento percentual elevado da renda</p><p>domiciliar com o aluguel, em um cenário de longo prazo, no caso de domicílio de</p><p>rendimento alto, pode ser atribuída a uma “escolha” dos moradores. Mas o</p><p>mesmo raciocínio não se aplica a situações de curto prazo caracterizados por</p><p>choques econômicos. Considerando-se a existência de multas por rescisão de</p><p>contrato de locação e os custos e dificuldades envolvidos em uma mudança de</p><p>domicílio (consideravelmente agravados durante a pandemia), o aluguel pode</p><p>ser considerado um gasto fixo no curto prazo.</p><p>Uma família hipotética, com rendimento domiciliar mensal de R$ 8 mil no</p><p>momento anterior à pandemia e aluguel mensal de R$ 2 mil, que tenha seu</p><p>rendimento reduzido em função da Covid-19 para R$ 4 mil reais provavelmente</p><p>não poderá se realocar imediatamente para um novo domicílio. Na ausência de</p><p>ativos líquidos em seu patrimônio que permitam amortecer a queda dos</p><p>rendimentos, essa família enfrentará dificuldades em conciliar a despesa de</p><p>aluguel com outros elementos do orçamento familiar (possivelmente também</p><p>ocupado por outros gastos fixos).</p><p>Embora de qualidade bastante diversa da situação enfrentada por</p><p>famílias para as quais as despesas com aluguel comprometem a segurança</p><p>alimentar, cenários como o recém-descrito também podem representar uma</p><p>questão de interesse para as políticas públicas.</p><p>91</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>Outra divergência encontrada entre os indicadores mencionados há</p><p>pouco é que alguns, como o Déficit Habitacional da FJP, utilizam o domicílio</p><p>como unidade de análise (isto é, o indicador é apresentado em quantidades de</p><p>domicílios), enquanto outros, como o empregado pela Divisão Estatística das</p><p>Nações Unidas, utilizam as pessoas como unidade de análise (o indicador é</p><p>apresentado como proporção da população).</p><p>Embora a utilização do domicílio como unidade de análise faça sentido</p><p>para o apuração do Déficit Habitacional, para se apresentar a dimensão de um</p><p>fenômeno social em termos proporcionais parece mais adequada a utilização</p><p>dos indivíduos como unidade7.</p><p>Por fim, uma última questão metodológica referente aos indicadores do</p><p>tipo “ônus excessivo com aluguel” diz respeito ao tratamento dos domicílios</p><p>alugados que informaram possuir rendimentos no período de referência. Em</p><p>alguns casos, como na metodologia da FJP, esses não são classificados na</p><p>situação de ônus excessivo com aluguel. Essa opção pode ser justificada pelo</p><p>caráter transitório</p><p>dessas situações, mas, para a análise da situação</p><p>especificamente no período da pandemia de Covid-19, é essencial que sejam</p><p>considerados.</p><p>4. ESCOLHAS METODOLÓGICAS PARA PRODUÇÃO DE</p><p>INDICADORES DE ACESSIBILIDADE ECONÔMICA DOS</p><p>DOMICÍLIOS ALUGADOS A PARTIR DE DADOS DA PNAD</p><p>COVID19</p><p>Considerando a discussão apresentada nas seções anteriores, julgamos</p><p>pertinente produzir, a partir dos dados da PNAD COVID19, um indicador de</p><p>proporção da população residindo em domicílios em situação de ônus excessivo</p><p>com aluguel, em relação à população residente em domicílios alugados. Para</p><p>tanto, foi utilizado o patamar tradicional de 30% do rendimento domiciliar.</p><p>A fim de permitir a análise da situação enfrentada nos meses de maio e</p><p>junho, e, ao mesmo tempo, trazer informações sobre os cenários que podem se</p><p>configurar nos próximos meses, o indicador foi mensurado de duas formas. Na</p><p>primeira, considerou-se o rendimento efetivamente recebido pelo domicílio no</p><p>mês de referência da pesquisa. Na segunda, foi utilizado um rendimento</p><p>7 Como domicílios com menor rendimento possuem uma média mais elevada de moradores,</p><p>fenômenos relacionados a essa população tendem a apresentar uma menor proporção de</p><p>ocorrência quando os indicadores são calculados utilizando o domicílio como unidade, em vez</p><p>da população.</p><p>92</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>hipotético, que desconsidera aqueles oriundos dos auxílios e benefícios</p><p>emergenciais relacionados à Covid-19 e ao seguro desemprego8.</p><p>Na construção do indicador utilizando o rendimento efetivo, optou-se por</p><p>desconsiderar o rendimento declarado oriundo do Bolsa Família entre os</p><p>domicílios beneficiados por auxílios emergenciais, na medida que, nesses casos,</p><p>o rendimento declarado como oriundo do programa parece refletir o rendimento</p><p>normalmente recebido, e não o recebimento efetivo no mês.</p><p>Por outro lado, na construção do indicador utilizando o rendimento</p><p>domiciliar hipotético em caso de ausência dos auxílios emergenciais, foi preciso</p><p>realizar um procedimento de imputação de rendimentos oriundos do Bolsa</p><p>Família, já que não era possível identificar corretamente as famílias</p><p>beneficiárias, conforme explicado na seção 2. Para isso, recorreu-se aos dados</p><p>coletados nos mesmos domicílios pela PNAD Contínua, conforme método</p><p>descrito no apêndice.</p><p>Optou-se por não se aplicar um corte de renda máxima para a</p><p>classificação na situação de ônus excessivo, mas por apresentar o indicador</p><p>desagregado conforme os grupos de rendimento. Utilizamos, prioritariamente, a</p><p>desagregação por quintos da população por ordem crescente de rendimento</p><p>domiciliar per capita e, subsidiariamente, por população abaixo e acima da linha</p><p>de rendimento domiciliar de três salários mínimos.</p><p>Distanciando-se um pouco da abordagem tradicional, estimou-se ainda</p><p>um indicador de hiato médio de comprometimento do rendimento com aluguel,</p><p>análogo ao conceito de hiato de pobreza. O hiato de comprometimento do</p><p>rendimento com aluguel foi calculado entre os domicílios em condição de ônus</p><p>excessivo com aluguel, subtraindo do valor do aluguel parcela equivalente a 30%</p><p>do rendimento domiciliar.</p><p>O valor resultante equivale à quantia hipotética que o domicílio em</p><p>questão deveria receber em subsídio direto ao aluguel para deixar a situação de</p><p>ônus excessivo. O hiato médio foi calculado utilizando como denominador o total</p><p>de domicílios alugados.</p><p>Estimou-se também o somatório de todos os hiatos de comprometimento</p><p>do rendimento com aluguel. Esse valor equivale à massa mensal de recursos</p><p>públicos que precisaria ser transferida aos locatários para que nenhum domicílio</p><p>8 Embora a concessão do seguro desemprego não esteja legalmente vinculada à situação de</p><p>emergência de saúde pública, pode-se presumir que a maioria das demissões do último período</p><p>estão ligadas à pandemia. Na medida em que tem duração entre três e cinco meses, o seguro</p><p>desemprego assemelha-se, neste momento, aos auxílios emergenciais, no sentido da análise</p><p>desenvolvida aqui.</p><p>93</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>brasileiro enfrentasse situação de ônus excessivo com aluguel. Evidentemente,</p><p>trata-se de uma medida estatística, e não de uma estimativa orçamentária de um</p><p>programa de subsídio com essa finalidade, uma vez que o valor apresentado</p><p>supõe alocação perfeita dos recursos e não considera gastos administrativos.</p><p>Para o processamento dos dados e a produção das estimativas,</p><p>empregou-se o software R, versão 3.4.4, com uso dos pacotes “survey” e</p><p>“MetricsWeighted”.</p><p>5. RESULTADOS OBTIDOS</p><p>As tabelas 1 e 2 mostram a proporção de ocorrência de ônus excessivo</p><p>nos meses de maio e junho, conforme as duas formas de apuração do indicador</p><p>delineadas na seção anterior.</p><p>Tanto em maio como em junho, a proporção de ocorrência de ônus</p><p>excessivo com aluguel foi consideravelmente menor na estimação que utilizou o</p><p>rendimento excessivo que na estimação que desconsiderou auxílios</p><p>emergenciais e seguro desemprego. Tal diferença foi ainda mais marcada nos</p><p>quintos populacionais de menor rendimento. Esse resultado fornece uma</p><p>dimensão da importância desses mecanismos de manutenção da renda na</p><p>proteção às famílias locatárias durante a pandemia de Covid-19. Ainda assim,</p><p>a proporção de ocorrência de ônus excessivo foi bastante elevada mesmo na</p><p>estimação que utilizou a renda efetiva.</p><p>Na estimação que desconsidera os rendimentos de auxílios</p><p>emergenciais e do seguro desemprego, é notável que, nos dois meses, mais de</p><p>90% dos locatários pertencentes ao quinto populacional de menor rendimento</p><p>enfrentou situação de ônus excessivo de aluguel.</p><p>Nas duas formas de apuração do indicador, houve redução significativa</p><p>da proporção de ocorrência entre maio e junho, mas essa redução foi mais forte</p><p>na estimação que utilizou o rendimento efetivo, possivelmente refletindo a</p><p>ampliação da cobertura dos auxílios emergenciais.</p><p>94</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>Tabela 1 – Proporção da população residente em domicílios em ônus excessivo com aluguel</p><p>entre a população residente em domicílios alugados, considerando o rendimento efetivo,</p><p>segundo quintos da população por ordem crescente de rendimento domiciliar per capita.</p><p>Estimativa pontual para maio/2020 e junho/2020 e p-valor da diferença entre os dois meses.</p><p>Brasil – PNAD COVID19</p><p>Maio/2020 Junho/2020 P-valor da diferença</p><p>1º quinto 71,1 65,4 0,0000</p><p>2º quinto 41,9 36,7 0,0001</p><p>3º quinto 26,0 23,9 0,0531</p><p>4º quinto 23,2 21,8 0,1173</p><p>5º quinto 12,1 12,2 0,7695</p><p>Total 36,2 32,7 0,0000</p><p>Fonte – IBGE. PNAD COVID19</p><p>Tabela 2 – Proporção da população residente em domicílios em ônus excessivo com aluguel</p><p>entre a população residente em domicílios alugados, considerando o rendimento na ausência</p><p>de auxílios emergenciais e seguro desemprego, segundo quintos populacionais de rendimento</p><p>domiciliar per capita. Estimativa pontual para maio/2020 e junho/2020 e p-valor da diferença</p><p>entre os dois meses. Brasil – PNAD COVID19</p><p>Maio/2020 Junho/2020 P-valor da diferença</p><p>1º quinto 96,4 93,7 0,0047</p><p>2º quinto 67,0 64,8 0,9543</p><p>3º quinto 45,4 39,5 0,0020</p><p>4º quinto 29,7 28,3 0,4630</p><p>5º quinto 15,1 14,9 0,0533</p><p>Total 51,6 49,5 0,0253</p><p>Fonte – IBGE. PNAD COVID19</p><p>As tabelas 3 e 4 abordam o hiato de comprometimento da renda com</p><p>aluguel, definido como a parcela do aluguel que excede o valor equivalente a</p><p>30% do rendimento domiciliar, também utilizando-se o rendimento efetivo e o</p><p>rendimento desconsiderando-se auxílios emergenciais e seguro desemprego,</p><p>para o mês de junho de 2020.</p><p>A tabela 3 revela que o hiato médio é consideravelmente mais elevado</p><p>entre os domicílios dos quintos populacionais de menor rendimento – um</p><p>resultado que pode ter sido influenciado pela presença nesses quintos de</p><p>domicílios com rendimento</p><p>2020 e as</p><p>dificuldades enfrentadas para a coleta domiciliar de dados socioeconômicos</p><p>fundamentais – como as referentes à Pesquisa Nacional por Amostra de</p><p>Domicílios Contínua (PNAD Contínua) – ocorrem simultaneamente a uma série</p><p>9</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>de denúncias em várias esferas governamentais acerca de possíveis</p><p>manipulações nas informações oficiais sobre casos e mortes decorrentes da</p><p>COVID19. Em particular, áreas essenciais nesse contexto como saúde,</p><p>estatísticas vitais, mercado de trabalho e assistência social exigem respostas</p><p>integradas, consistentes, robustas, rápidas e de fácil comunicação. O presente</p><p>artigo busca avaliar como foi a resposta das estatísticas públicas em algumas</p><p>dessas principais áreas, apontar lacunas e os desafios impostos ao sistema</p><p>informativo brasileiro a partir dessa experiência.</p><p>2. CONTEXTUALIZAÇÃO: DADOS SOBRE A PANDEMIA</p><p>Em 11/03/2020 a Organização Mundial de Saúde (OMS) caracterizou</p><p>como pandemia a doença causada pelo novo coronavírus SARS-CoV-2. Quatro</p><p>meses depois, o mundo atingia quase 13 milhões de casos confirmados e mais</p><p>de meio milhão de mortes pela doença. EUA e Brasil, seguidos de Índia e Rússia,</p><p>são os atuais epicentros de propagação do novo coronavírus e epicentros</p><p>anteriores já se deparam com a segunda e terceira ondas de contágio, ao mesmo</p><p>tempo em que cientistas do mundo todo concentram esforços na descoberta e</p><p>testes de potenciais vacinas e medicamentos.</p><p>Na comparação direta, em meados de julho1, os EUA apresentavam</p><p>mais de 3 milhões de casos e 135 mil óbitos notificados; enquanto o Brasil</p><p>ultrapassava 1,8 milhão de casos e o patamar de 72 mil mortes, porém com</p><p>quase o dobro de óbitos diários em relação aos EUA (733 contra 400). A</p><p>plataforma Our World in Data sistematiza diversas informações sobre a</p><p>pandemia de forma comparativa entre os países, que devem ser avaliadas à luz</p><p>de algumas dimensões que impactam diretamente os resultados de casos e</p><p>óbitos, em especial, o volume de testes realizados em cada país. É somente</p><p>através do teste massivo na população que se pode saber as condições de</p><p>evolução da doença o mais próximo possível da realidade e tomar medidas de</p><p>saúde coletiva eficientes para contenção do vírus e atendimento integral de suas</p><p>vítimas.</p><p>A OMS considera como padrão ou “esperado” até 5% de casos positivos</p><p>ou que sejam realizados de 10 a 30 testes para cada novo caso confirmado2.</p><p>Ainda de acordo com o Our World in Data, para os atuais epicentros, os EUA</p><p>1 Consulta realizada ao portal Our World in Data em 14/07/2020: https://ourworldindata.org/coronavirus</p><p>2 Em conferência virtual realizada em 30/03/2020: “we would certainly like to see countries testing at the</p><p>level of ten negative tests to one positive as a general benchmark of a system that's doing enough testing</p><p>to pick up all” (OMS, 2020). Ressalta-se que se consideram aqui os dados referentes aos testes laboratoriais</p><p>feitos a partir de uma amostra respiratória do paciente (PCR), não os testes rápidos de anticorpos, a partir</p><p>de gota de sangue e vendidos em farmácias, cujo percentual de erro é elevado.</p><p>10</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>realizavam em meados de julho 121,7 testes por mil habitantes, 11,9 testes para</p><p>cada caso confirmado e tinham 8,3% de casos positivos. No Brasil, não testar</p><p>parece ter sido a opção política adotada. As informações disponíveis na</p><p>plataforma para o país param em 20/04/2020 e há um alerta sobre o uso dessa</p><p>informação3. Países que já passaram pela primeira onda de contágio e que estão</p><p>retomando suas atividades ainda testam em proporções elevadas, mesmo com</p><p>baixa taxa de positivos, como Austrália (118,5 testes p/mil hab), Espanha (82,3</p><p>testes p/mil hab) e Itália (98,6 testes p/mil hab).</p><p>Tabela 1 - Casos, óbitos e testes nos epicentros da doença em Julho/2020</p><p>De fato, os dados de testes não constam do painel oficial de atualização</p><p>diária do país (Painel Coronavírus)4. Na Plataforma Integrada de Vigilância em</p><p>Saúde do MS, dados do Sistema Gerenciador de Ambiente Laboratorial (GAL)</p><p>mostram um total de 1,28 milhão de exames realizados para detecção de vírus</p><p>respiratórios até 14/07/2020. Do total de realizados, 36% deram positivo para</p><p>Sars-CoVID-2, ou 2,8 testes realizados para cada caso confirmado, não muito</p><p>diferente da informação de abril constante na plataforma Our World in Data. Não</p><p>se sabe, porém, o universo considerado no GAL já que a própria plataforma</p><p>adverte que alguns laboratórios de saúde pública e da rede particular não a</p><p>utilizam5. Como consequencia da baixa realização de testes no Brasil, a</p><p>subnotificação é reconhecidamente elevada em diversos estudos e pesquisas</p><p>brasileiros e internacionais que vem sendo desenvolvidos, mas as estimativas</p><p>variam muito e de localidade para localidade. A primeira fase de uma ampla</p><p>pesquisa realizada pela Universidade Federal de Pelotas (UFPEL)6 em</p><p>maio/2020 apontou que para cada caso confirmado podem existir até 7 casos</p><p>reais na população brasileira. O total real de casos no país estaria, então, na</p><p>ordem de 12 milhões.</p><p>3 https://ourworldindata.org/coronavirus-testing#brazil (consulta em 14/07/2020)</p><p>4 https://covid.saude.gov.br/ (consulta em 14/07/2020)</p><p>5 http://plataforma.saude.gov.br/coronavirus/virus-respiratorios/(consulta em 14/07/2020)</p><p>6 Mais detalhes na seção 3.1</p><p>Total Novos Total Novos Total Por mil hab Por caso</p><p>% de</p><p>postivos(1)</p><p>Estados Unidos 3.363.056 58.114 135.605 400 40.282.176 121,7 11,9 8,3</p><p>Brasil(2)</p><p>1.884.967 20.286 72.833 733 - - - -</p><p>India 906.752 28.498 23.727 553 11.806.256 8,6 13,0 7,7</p><p>Russia 733.699 6.537 11.439 104 23.292.630 159,6 31,7 3,1</p><p>Fonte: Elaboração própria a partir de Our World in Data (consulta em 14/07/2020)</p><p>(1) Percentual de casos confirmados sobre total de testes realizados</p><p>(2) A última informação disponível sobre testes para o Brasil na plataforma data de 20/04/2020 com um total de 132.467 testes realizados.</p><p>Referenciando-o aos totais de casos na mesma data (38.654), o país tinha realizado 0,6 testes por mil/hab; 3,4 testes por caso e apresentava um</p><p>percentual de 29,2% de casos positivos.</p><p>País</p><p>Casos Óbitos Testes</p><p>11</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Mesmo reconhecidamente subnotificadas, as estimativas brasileiras</p><p>impressionam e apresentam grande variabilidade em níveis subnacionais, de</p><p>acordo com os dados do painel ofical do MS, a partir da consolidação das</p><p>informações provenientes das Secretarias Estaduais de Saúde (Tabela 2)7.</p><p>Outras instituições oficiais, como a Fundação Oswaldo Cruz (Fiocruz),</p><p>assumiram também a responsabilidade de consolidação diárias de casos e</p><p>óbitos em painel próprio de monitoramento (MonitoraCovid8), enquanto um</p><p>consórcio de veículos de imprensa se organizou para o mesmo fim, tendo por</p><p>base o “Painel CONASS Covid-19” do Conselho Nacional de Secretários</p><p>Estaduais de Saúde9. Os dados mostram que, em 14/07/2020, Nordeste e</p><p>Sudeste apresentavam totais de casos acumulados próximos, acima de 630 mil,</p><p>porém com incidência e mortalidade superiores no Nordeste e letalidade superior</p><p>no Sudeste. A região Sul era a menos afetada.</p><p>Tabela 2 - Casos, óbitos e indicadores para COVID19 – Brasil e Grandes Regiões</p><p>Vale ressaltar que Estados e municípios adotaram estratégias muito</p><p>distintas frente ao avanço da pandemia. O Centro de Estudos e Pesquisas em</p><p>Emergências e Desastres em Saúde (CEPEDES), da Fiocruz, fez um</p><p>mapeamento dos decretos estaduais no primeiro mês visando a gestão dos</p><p>riscos associados à propagação da doença. Segundo esse relatório, “diante da</p><p>falta de confiança no governo federal os governos dos estados e DF preferiram</p><p>seguir seu próprio caminho (...) [e] passam a adotar um conjunto de medidas a</p><p>partir de 13 de março, nem sempre de modo coordenado e envolvendo ampla</p><p>cooperação</p><p>habitual médio e aluguel elevado, que tiveram seu</p><p>rendimento reduzido a zero em função da pandemia.</p><p>Os dados expostos na tabela 4 indicam que o valor total necessário de</p><p>subsídios ao aluguel para evitar a ocorrência de ônus excessivo no Brasil em</p><p>junho de 2020 seria de R$ 1,5 bilhão, caso combinado com auxílios emergenciais</p><p>95</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>e seguro desemprego, e de R$ 2,2 bilhões na ausência desses. Caso os</p><p>subsídios ficassem restritos aos domicílios dos dois primeiros quintos</p><p>populacionais de rendimento, os valores necessários seriam de R$ 820 milhões</p><p>e R$ 1,4 bilhão, respectivamente.</p><p>Foi realizada estimação também utilizando a linha de três salários</p><p>mínimos de rendimento domiciliar. O valor necessário de subsídios ao aluguel</p><p>para evitar a ocorrência de ônus excessivo entre os domicílios abaixo desse</p><p>patamar de rendimento seria de R$ 1,2 bilhão9 e R$ 2,0 bilhões10.</p><p>Tabela 3 – Hiato médio de comprometimento do rendimento com aluguel por domicílio alugado</p><p>(em R$), segundo quintos da população por ordem crescente de rendimento domiciliar per</p><p>capita. Estimativa pontual e intervalar com nível de confiança de 95%. Brasil – Junho/2020 –</p><p>PNAD COVID19</p><p>Considerando o rendimento</p><p>efetivo</p><p>Considerando o rendimento na</p><p>ausência de auxílios</p><p>emergenciais e seguro</p><p>desemprego</p><p>Estimativa</p><p>Pontual</p><p>Estimativa</p><p>Intervalar</p><p>Estimativa</p><p>Pontual</p><p>Estimativa</p><p>Intervalar</p><p>1º quinto 283,62 [265 : 302] 430,13 [414 : 446]</p><p>2º quinto 122,21 [112 : 132] 192,53 [181 : 204]</p><p>3º quinto 87,92 [76 : 99] 134,82 [121 : 148]</p><p>4º quinto 84,51 [75 : 94] 104,43 [95 : 114]</p><p>5º quinto 83,14 [66 : 101] 94,86 [77 : 113]</p><p>Total 123,77 [117 : 130] 182,29 [175 : 189]</p><p>Fonte – IBGE. PNAD COVID19</p><p>Tabela 4 – Somatórios dos hiatos de comprometimento do rendimento com aluguel (em</p><p>milhões de R$), segundo quintos da população por ordem crescente de rendimento domiciliar</p><p>per capita. Estimativa pontual e intervalar com nível de confiança de 95%. Brasil – Junho /2020</p><p>– PNAD COVID19</p><p>Considerando o rendimento</p><p>efetivo</p><p>Considerando o rendimento na</p><p>ausência de auxílios</p><p>emergenciais e seguro</p><p>desemprego</p><p>Estimativa</p><p>Pontual</p><p>Estimativa</p><p>Intervalar</p><p>Estimativa</p><p>Pontual</p><p>Estimativa</p><p>Intervalar</p><p>1º quinto 568 [521 : 615] 973 [915 : 1.032]</p><p>2º quinto 252 [228 : 276] 390 [360 : 421]</p><p>3º quinto 206 [177 : 234] 296 [263 : 328]</p><p>4º quinto 212 [187 : 238] 265 [238 : 291]</p><p>5º quinto 275 [212 : 338] 304 [240 : 367]</p><p>Total 1.513 [1.422 : 1.604] 2.228 [2.126 : 2.330]</p><p>Fonte – IBGE. PNAD COVID19</p><p>9 Em milhões de R$, 1.249, com intervalo entre 1.177 e 1.321.</p><p>10 Em milhões de R$, 1.966, com intervalo entre 1.880 e 2.052.</p><p>96</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>6. CONSIDERAÇÕES FINAIS</p><p>Embora as medidas mais rigorosas de distanciamento social já tenham</p><p>sido suspensas ou flexibilizadas, a crise econômica e social provocada pela</p><p>pandemia de Covid-19 ainda não se encerrou. Seus impactos nas condições de</p><p>vida da população brasileira ainda são incertos, principalmente levando-se em</p><p>conta o possível término dos programas emergenciais de sustentação do</p><p>rendimento.</p><p>Nesse cenário, uma pesquisa mensal e de divulgação ágil como a PNAD</p><p>COVID19 pode cumprir importante papel no monitoramento das condições</p><p>enfrentadas pelas famílias locatárias, da mesma forma que já vem cumprindo</p><p>em outras temáticas sociais – notadamente quanto ao mercado de trabalho.</p><p>Apesar do caráter experimental da PNAD COVID19 e das limitações</p><p>apresentadas – tanto as compartilhadas com a PNAD Contínua e outras</p><p>pesquisas domiciliares, como as derivadas de sua implementação emergencial</p><p>–, a produção de indicadores do tipo ônus excessivo com aluguel e outros</p><p>relativos à acessibilidade econômica dos domicílios alugados a partir dos</p><p>microdados divulgados mostra-se viável.</p><p>Abordagens futuras podem aprofundar o uso da pesquisa nessa</p><p>temática, tanto pela exploração de forma mais intensa dos dados</p><p>disponibilizados como pela aplicação de técnicas estatísticas mais robustas para</p><p>contornar limitações da pesquisa.</p><p>7. REFERÊNCIAS BIBLIOGRÁFICAS</p><p>Argentina. Ministerio de Justicia y Derechos Humanos. (2020). Decreto 320/2020.</p><p>Suspensión de desalojos y congelamiento de precios hasta el 30 de septiembre del</p><p>2020. Buenos Aires. Disponível em:</p><p>https://www.argentina.gob.ar/justicia/derechofacil/leysimple/emergencia-sanitaria-</p><p>covid-19-alquileres. Acesso em: 30 jul. 2020.</p><p>Associação das Administradoras de Bens Imóveis e Condomínios de São Paulo. (2020).</p><p>Por força da Covid, negociações atingem contratos de locação de imóveis em São</p><p>Paulo, diz AABIC. São Paulo, 7 maio. Disponível em: https://aabic.org.br/por-forca-da-</p><p>covid-negociacoes-atingem-contratos-de-locacao-de-imoveis-em-sao-paulo-diz-aabic/.</p><p>Acesso em: 30 jul. 2020.</p><p>Australia. State Government of Victoria. Victorian Department of Health and Human</p><p>Services. (2020). Coronavirus (COVID-19) rent relief grant. Melbourne. Disponível em:</p><p>https://www.housing.vic.gov.au/help-renting/rentrelief. Acesso em: 30 jul. 2020.</p><p>Brasil. Presidência da República. (1991). Lei nº 8.245, de 18 de outubro de 1991. Dispõe</p><p>sobre as locações dos imóveis urbanos e os procedimentos a elas pertinentes. Brasília,</p><p>DF.</p><p>Brasil. Presidência da República. (2018). Decreto nº 9.396, de 30 de maio de 2018.</p><p>Altera o Decreto nº 5.209, de 17 de setembro de 2004, e o Decreto nº 7.492, de 2 de</p><p>97</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>junho de 2011, para reajustar valores referenciais de caracterização das situações de</p><p>pobreza e de extrema pobreza e os de benefícios do Programa Bolsa Família. Brasília,</p><p>DF.</p><p>Brasil. Presidência da República. (2020a). Bolsa Família: 14,28 milhões de famílias</p><p>receberam o benefício em maio. Brasília, DF, 4 jun. Disponível em:</p><p>https://www.gov.br/pt-br/noticias/assistencia-social/2020/06/bolsa-familia-14-28-</p><p>milhoes-de-familias-receberam-o-beneficio-em-maio. Acesso em: 30 jul. 2020.</p><p>Brasil. Presidência da República. (2020b). Decreto nº 10.412, de 30 de junho de 2020.</p><p>Altera o Decreto nº 10.316, de 7 de abril de 2020, para prorrogar o período de</p><p>pagamento do auxílio emergencial de que trata a Lei nº 13.982, de 2 de abril de 2020.</p><p>Brasília, DF.</p><p>Brasil. Presidência da República. (2020c). Decreto nº 10.422, de 13 de julho de 2020.</p><p>Prorroga os prazos para celebrar os acordos de redução proporcional de jornada e de</p><p>salário e de suspensão temporária do contrato de trabalho e para efetuar o pagamento</p><p>dos benefícios emergenciais de que trata a Lei nº 14.020, de 6 de julho de 2020. Brasília,</p><p>DF.</p><p>Brasil. Presidência da República. (2020d). Lei nº 13.982, de 2 de abril de 2020. Altera a</p><p>Lei nº 8.742, de 7 de dezembro de 1993, para dispor sobre parâmetros adicionais de</p><p>caracterização da situação de vulnerabilidade social para fins de elegibilidade ao</p><p>benefício de prestação continuada (BPC), e estabelece medidas excepcionais de</p><p>proteção social a serem adotadas durante o período de enfrentamento da emergência</p><p>de saúde pública de importância internacional decorrente do coronavírus (Covid-19)</p><p>responsável pelo surto de 2019, a que se refere a Lei nº 13.979, de 6 de fevereiro de</p><p>2020. Brasília, DF.</p><p>Brasil. Presidência da República. (2020e). Medida Provisória nº 936, de 1º de abril de</p><p>2020. Institui o Programa Emergencial de Manutenção do Emprego e da Renda e dispõe</p><p>sobre medidas trabalhistas complementares para enfrentamento do estado de</p><p>calamidade pública reconhecido pelo Decreto Legislativo nº 6, de 20 de março de 2020,</p><p>e da emergência de saúde pública de importância internacional decorrente do</p><p>coronavírus (covid-19), de que trata a Lei nº 13.979, de 6 de fevereiro de 2020, e dá</p><p>outras providências. Brasília, DF.</p><p>Brasil. Presidência da República. (2020f). Mensagem nº 331. Brasília, DF, 10 jun.</p><p>Disponível em: https://legis.senado.leg.br/sdleg-</p><p>getter/documento?dm=8120542&ts=1594747627932&disposition=inline. Acesso em:</p><p>30 jul. 2020.</p><p>Brasil. Presidência da República. (2020g). Veto nº 20/2020 (Regime Jurídico</p><p>Emergencial e Transitório (RJET) no período da pandemia do coronavírus (Covid-19)).</p><p>Brasília, DF. Disponível em: https://www.congressonacional.leg.br/materias/vetos/-</p><p>/veto/detalhe/13325. Acesso em: 30 jul. 2020.</p><p>Chaplin, R.; Freeman, A. (1999). Towards an accurate description of affordability. Urban</p><p>Studies, 36(11): 1949-1957.</p><p>Farha, Leilani. (2020). COVID-19 Guidance Note: Protecting renters and mortgage</p><p>payers. Genebra: United Nations Human Rights Special Procedures, 8 abr. Disponível</p><p>em: https://www.ohchr.org/Documents/Issues/Housing/SR_housing_COVID-</p><p>19_guidance_rent_and_mortgage_payers.pdf. Acesso em: 30 jul. 2020.</p><p>98</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>Fundação João Pinheiro. (2018). Déficit Habitacional no Brasil: 2015. Belo Horizonte:</p><p>FJP. Disponível em:</p><p>http://www.bibliotecadigital.mg.gov.br/consulta/verDocumento.php?iCodigo=76871&co</p><p>dUsuario=0. Acesso em: 30 jul. 2020.</p><p>Gabriel, M.; Jacobs, K.; Arthurson, K.; Burke T.; Yates, J. (2005). Conceptualising and</p><p>measuring the housing affordability problem. Australian Housing and Urban Research</p><p>Institute (AHURI), National Research Venture 3, Research Paper 1.</p><p>Heylen, K. (2014). Housing Affordability and the Effect of Housing Subsidies. (Tese de</p><p>doutorado). Katholieke Universiteit Leuven, Bruxelas.</p><p>Hulchanski, J. D. (1995). The concept of housing affordability: six contemporary uses of</p><p>the housing expenditure-to-income ratio. Housing Studies, 10(4): 471-491.</p><p>Instituto Brasileiro de Geografia e Estatística. (2019). Síntese de Indicadores Sociais:</p><p>Uma análise das condições de vida da população brasileira. Rio de Janeiro: IBGE.</p><p>Disponível em: https://biblioteca.ibge.gov.br/visualizacao/livros/liv101678.pdf. Acesso</p><p>em: 30 jul. 2020.</p><p>Instituto Brasileiro de Geografia e Estatística. (2020a). Conceitos e métodos:</p><p>metadados. Pesquisa Nacional por Amostra de Domicílios COVID19 - PNAD COVID19.</p><p>Rio de Janeiro: IBGE. Disponível em:</p><p>https://metadados.ibge.gov.br/consulta/estatisticos/operacoes-estatisticas/DP. Acesso</p><p>em: 30 jul. 2020.</p><p>Instituto Brasileiro de Geografia e Estatística. (2020b). Pesquisa Nacional por Amostra</p><p>de Domicílios - PNAD COVID19. Rio de Janeiro: IBGE. Disponível em:</p><p>https://www.ibge.gov.br/estatisticas/investigacoes-experimentais/estatisticas-</p><p>experimentais/27946-divulgacao-semanal-pnadcovid1?t=o-que-</p><p>e&utm_source=covid19&utm_medium=hotsite&utm_campaign=covid_19. Acesso em:</p><p>30 jul. 2020.</p><p>Instituto de Pesquisa Econômica Aplicada. (2020). Carta de Conjuntura - 2020 - 3º</p><p>Trimestre - nº 48. Brasília, DF, 17 jul. Disponível em:</p><p>https://www.ipea.gov.br/portal/index.php?option=com_content&view=article&id=36101</p><p>&Itemid=3. Acesso em: 30 jul. 2020.</p><p>Organisation for Economic Co-operation and Development. (2020). How’s life? 2020:</p><p>Measuring well-being. Paris: OECD. Disponível em: https://www.oecd-</p><p>ilibrary.org/deliver/9870c393-en.pdf?itemId=%2Fcontent%2Fpublication%2F9870c393-</p><p>en&mimeType=pdf. Acesso em: 30 jul. 2020.</p><p>Perez, B.M. (2016). Indicadores de habitação e o direito à moradia. In: Simões, A.;</p><p>Fresneda, B. Panorama nacional e internacional da produção de indicadores sociais.</p><p>Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística. Disponível em:</p><p>https://biblioteca.ibge.gov.br/visualizacao/livros/liv98624.pdf. Acesso em: 30 jul. 2020.</p><p>Portugal. Assembleia da República. (2020). Lei n.º 1-A/2020, de 19 de março de 2020.</p><p>Medidas excecionais e temporárias de resposta à situação epidemiológica provocada</p><p>pelo coronavírus SARS-CoV-2 e da doença COVID-19. Lisboa. Disponível em:</p><p>https://dre.pt/web/guest/home/-/dre/130473088/details/maximized?serie=I&day=2020-</p><p>03-19&date=2020-03-01&dreId=130473086. Acesso em: 30 jul. 2020.</p><p>99</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>Stone, M. (2006). What is housing affordability? The case for the residual income</p><p>approach. Housing Policy Debate, 17(1): 151-184.</p><p>United Nations. Human Settlements Programme. (2018). Goal 11: Make cities and</p><p>human settlements inclusive, safe, resilient and sustainable. Genebra, 14 fev. Disponível</p><p>em: https://unstats.un.org/sdgs/metadata/files/Metadata-11-01-01.pdf. Acesso em: 30</p><p>jul. 2020.</p><p>United Nations. Office of the High Comissioner. (2020). “Housing, the front line defence</p><p>against the COVID-19 outbreak,” says UN expert. Genebra, 18 mar. Disponível em:</p><p>https://www.ohchr.org/EN/NewsEvents/Pages/DisplayNews.aspx?NewsID=25727.</p><p>Acesso em: 30 jul. 2020.</p><p>United States of America. Congress. (2020). H.R.748 - CARES Act. An act to amend the</p><p>Internal Revenue Code of 1986 to repeal the excise tax on high cost employer-sponsored</p><p>health coverage. Washington, DC. Disponível em: https://www.congress.gov/bill/116th-</p><p>congress/house-bill/748/text/enr#toc-H5FCB77F196104E7394A52A8F1DC5D1C2.</p><p>Acesso em: 30 jul. 2020.</p><p>United States of America. New York State. Homes and Community Renewal (2020).</p><p>COVID Rent Relief Program. Albany. Disponível em: https://hcr.ny.gov/RRP. Acesso</p><p>em: 30 jul. 2020.</p><p>APÊNDICE: UTILIZAÇÃO DOS DADOS DA PNAD CONTÍNUA</p><p>PARA IMPUTAÇÃO DOS RENDIMENTOS QUE SERIAM</p><p>RECEBIDOS DO PROGRAMA BOLSA FAMÍLIA NA AUSÊNCIA</p><p>DO AUXÍLIO EMERGENCIAL</p><p>A amostra da PNAD COVID19 é inteiramente formada por domicílios que</p><p>já integraram a amostra da PNAD Contínua do primeiro trimestre de 2019. Nos</p><p>microdados divulgados ao público em ambas as pesquisas, os domicílios são</p><p>identificados pelas variáveis do número da Unidade Primária de Amostragem</p><p>(UPA) e pelo número de seleção do domicílio (variável V1008).</p><p>Como a numeração das duas variáveis de identificação é a mesma em</p><p>ambas as pesquisas, é possível identificar (parear) o mesmo domicílios nos dois</p><p>casos.</p><p>A PNAD Contínua realiza cinco entrevistas em cada domicílio</p><p>selecionado em sua amostra, em cinco trimestres diferentes. Os rendimentos</p><p>recebidos do Bolsa Família são investigados na primeira e na quinta entrevista.</p><p>Embora todos os domicílios tenham integrado a amostra da PNAD</p><p>Contínua do primeiro trimestre 2019, eles estavam, naquele período, em</p><p>diferentes entrevistas de seu ciclo de participação da PNAD Contínua. Grosso</p><p>modo, um quinto estava em sua primeira entrevista, um quinto na segunda, e</p><p>assim por diante.</p><p>100</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.79-100, julho-dezembro 2020</p><p>O quinto mais “avançado” dos domicílios realizou sua primeira entrevista</p><p>no primeiro trimestre de 2018 e a quinta, no primeiro trimestre de 2019, enquanto</p><p>o quinto mais “atrasado” realizou sua primeira entrevista no primeiro trimestre de</p><p>2019 e a quinta, no primeiro trimestre de 2020.</p><p>Buscando a informação mais recente, utilizamos os dados coletados na</p><p>quinta entrevista. No caso dos domicílios que a realizaram apenas em 2020, foi</p><p>necessário recorrer aos dados da primeira entrevista, realizada no primeiro</p><p>trimestre de 2019, pois os dados referentes às quintas entrevistas da PNAD</p><p>Contínua 2020 ainda não foram publicados.</p><p>Inicialmente, portanto, construímos uma base de dados composta pelo</p><p>acumulado das quintas entrevistas da PNAD Contínua ao longo do ano de 2019</p><p>e das primeiras entrevistas da PNAD Contínua realizadas no primeiro trimestre</p><p>de 201911.</p><p>Utilizando as já mencionadas variáveis de identificação, os registros de</p><p>domicílios dessa base foram pareados aos registros de domicílios da base de</p><p>microdados da PNAD COVID19. Para assegurar que se tratava do mesmo grupo</p><p>de indivíduos (ainda que com alteração de alguns membros), foram</p><p>considerados apenas os domicílios nos quais foi possível identificar nas duas</p><p>bases ao menos um indivíduo com o mesmo sexo, dia, mês e ano de</p><p>nascimento. Foi possível parear, dessa forma, 87,7% dos domicílios</p><p>entrevistados pela PNAD COVID19 de maio e 86,9% dos entrevistados</p><p>em</p><p>junho.</p><p>Para todos os domicílios pareados beneficiários de auxílio emergencial,</p><p>foi imputado como valor que seria recebido do Bolsa Família, na ausência do</p><p>auxílio emergencial, o valor de rendimentos de Bolsa Família declarado pelo</p><p>informante do domicílio à PNAD Contínua de 2019.</p><p>No caso dos domicílios beneficiários do auxílio emergencial para os</p><p>quais não foi possível realizar o pareamento, foi necessário realizar a imputação</p><p>recorrendo a um registro “doador”, selecionado entre os registros pareados, por</p><p>critério de semelhança. Para tanto, foram utilizadas as variáveis referentes a</p><p>unidade da federação, estrato, UPA, número de moradores, número de mulheres</p><p>adultas, número de crianças com menos de 14 anos e rendimento habitualmente</p><p>recebido do trabalho, aposentadorias e pensões.</p><p>11 A utilização de dados de 2019 é fortuita, pois não houve em 2019 ou 2020 reajuste dos valores,</p><p>dos critérios de elegibilidade e dos benefícios do Bolsa Família, dispensando-se</p><p>deflacionamento.</p><p>101</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>IMPACTOS ECONÔMICOS DA PANDEMIA DE COVID-19</p><p>NO BRASIL: ANÁLISE A PARTIR DAS PESQUISAS</p><p>EXPERIMENTAIS DO IBGE</p><p>Denise Guichard Freire</p><p>e-mail: denise.freire@ibge.gov.br</p><p>IBGE</p><p>Kátia Cilene Medeiros de Carvalho</p><p>e-mail: katia.carvalho@ibge.gov.br</p><p>IBGE</p><p>Clician Couto de Oliveira</p><p>e-mail: clician.oliveira@ibge.gov.br</p><p>IBGE</p><p>Resumo: O artigo trata dos impactos econômicos das medidas de isolamento adotadas durante</p><p>a pandemia do coronavírus nas empresas e no mercado de trabalho, utilizando as novas</p><p>pesquisas experimentais do IBGE Pulso Empresa e PNAD-Covid19. Os resultados mostraram</p><p>que as empresas de menor porte, de atividades de construção e serviços e as localizadas nas</p><p>Regiões Nordeste e Sudeste foram as mais afetadas. No mercado de trabalho, houve aumento</p><p>da taxa de subutilização da força de trabalho e redução do nível de ocupação.</p><p>Palavras-chave: coronavírus; mercado de trabalho; empresas; emprego; economia.</p><p>Abstract:</p><p>The article deals with the economic impacts of the isolation measures adopted during the</p><p>coronavirus pandemic in companies and in the job market, using the new experimental research</p><p>from IBGE Pulso Empresa and PNAD-Covid19. The results show that smaller companies, with</p><p>construction and services activities and those located in the Northeast and Southeast regions</p><p>were the most affected. In the labor market, there was an increase in the underutilization rate of</p><p>the workforce and a reduction in the level of occupation.</p><p>Keywords: coronavirus; labor market; companies; employment; economy.</p><p>102</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>1.INTRODUÇÃO</p><p>A pandemia da COVID19 se iniciou na China em dezembro de 2019,</p><p>tendo chegado ao Brasil em fevereiro de 2020. Uma situação nova que obrigou</p><p>gestores públicos e privados a tomarem medidas em busca de tentar conter e</p><p>minimizar as consequências para a saúde da população brasileira. A partir de</p><p>meados de março, Governadores e Prefeitos de municípios das Capitais com</p><p>mais casos do novo coronavírus adotaram medidas de distanciamento social,</p><p>autorizando o funcionamento somente de atividades essenciais.</p><p>Muitas empresas públicas e privadas adotaram o ‘home-office’ na</p><p>tentativa de manter as suas atividades. Entretanto, as empresas cujas atividades</p><p>precisavam ser presenciais, mas não estavam na categoria de atividades</p><p>essenciais, tiveram muitas dificuldades, principalmente as micro e pequenas</p><p>empresas.</p><p>O objetivo desse artigo é mostrar os impactos econômicos do novo</p><p>coronavírus no Brasil entre março e junho de 2020 com foco principalmente nas</p><p>pesquisas experimentais criadas pelo IBGE durante esse período para dar conta</p><p>das lacunas de informações, a Pulso Empresa e a Pesquisa Nacional por</p><p>Amostra de Domicílios-PNAD Covid19. Para esse fim, esse trabalho contém</p><p>cinco seções: uma que contextualiza a pandemia, uma que apresenta o</p><p>panorama macroeconômico, em seguida uma que mostra os impactos</p><p>econômicos sobre as empresas, uma que trata dos impactos sobre o mercado</p><p>de trabalho e as conclusões.</p><p>Para atingir esse fim, valeu-se de informações das Contas Nacionais</p><p>Trimestrais, da PNAD-Covid19 e da Pesquisa Pulso Empresa, do IBGE, do</p><p>Índice de atividade econômica do Banco Central (IBC-Br) e do Cadastro Geral</p><p>de Empregados e Desempregados-CAGED do Ministério da Economia.</p><p>2. A PANDEMIA</p><p>O coronavírus atingiu o Brasil no final de fevereiro de 2020. As</p><p>estatísticas do Ministério da Saúde registraram o primeiro caso em 26 de</p><p>fevereiro e o primeiro óbito, 3 dias depois. Os primeiros registros da doença</p><p>foram casos de pessoas que viajaram para o exterior em janeiro e fevereiro.</p><p>Porém, houve muita imprecisão na divulgação da primeira morte. A estatística</p><p>do Ministério registrou a primeira morte no dia 17 de março, embora haja notícias</p><p>que tenha ocorrido ainda em janeiro, ambas em São Paulo. Em conjunto com o</p><p>Rio de Janeiro, as duas capitais foram as principais portas de entrada do vírus.</p><p>Assim, a partir de meados do mês de março, estados como São Paulo e</p><p>Rio de Janeiro decretaram medidas de isolamento social para tentar conter o</p><p>103</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>avanço da pandemia, mantendo em funcionamento somente as atividades</p><p>essenciais. Até o final da semana epidemiológica 30, no dia 25 de julho, o Brasil</p><p>aparecia como o segundo país com maior número de casos e óbitos, atrás</p><p>apenas dos Estados Unidos. Na 31ª semana epidemiológica, ocorreram 2,7</p><p>milhões de casos e aproximadamente 91 mil mortes confirmadas. O Brasil foi o</p><p>primeiro do ranking mundial em número de novos óbitos confirmados de COVID-</p><p>19 por Semana Epidemiológica a partir da 23ª semana epidemiológica. O Gráfico</p><p>1 apresenta a evolução dos novos casos e o saldo de óbitos por semana</p><p>epidemiológica no país.</p><p>Gráfico 1 - Novos casos de Covid-19 e saldo de óbitos por semana epidemiológica de</p><p>notificação – Brasil – 29 fev-30 jul</p><p>Fonte - Painel Coronavírus. Disponível em https://covid.saude.gov.br/</p><p>A partir da 23º semana epidemiológica (31 maio a 6 junho), o número de</p><p>óbitos apresentou baixas taxas de crescimento com pontuais reduções (24ª e</p><p>26ª semanas), quando os municípios e estados começaram a perder força na</p><p>defesa do isolamento social em contraposição a perda de empregos e da</p><p>redução da atividade econômica. Entretanto, apesar de menores do que no inicio</p><p>da série, mantiveram-se persistentes e significativos. De tal forma que, a partir</p><p>do início de abril de 2020, a taxa de transmissão (novos casos por semana sobre</p><p>o total da população em 100 mil habitantes) fica acima de 1 e acelerada, e, no</p><p>dia 29 de julho, o Brasil bateu novo recorde de óbitos em 24 horas (1.595). Em</p><p>104</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>todo o período, a testagem da população encontrou-se em níveis baixos por isso,</p><p>apesar dos altos números, as estimativas indicaram forte subnotificação1.</p><p>O contágio teve início nas capitais e nos maiores centros de densidade</p><p>populacional, mas, em meados de maio, verificou-se de forma mais significativa</p><p>a interiorização da pandemia. De acordo com dados do Ministério da Saúde</p><p>divulgados em boletim epidemiológico 16, que mostraram a situação do Brasil</p><p>até o dia 17 de maio, 3.270 municípios já haviam registrado casos da doença, o</p><p>que corresponde a 58,7% do total, das quais 2.606 (79,7%) possuem até 50 mil</p><p>habitantes (Figura1).</p><p>Figura 1 - Distribuição espacial dos casos de Covid-19 por município – Brasil</p><p>Fonte - Secretaria de vigilância em Saúde/Ministério da Saúde. Boletim epidemiológico nº 6 e</p><p>24. https://coronavirus.saude.gov.br/boletins-epidemiologicos</p><p>3. PANORAMA MACROECONÔMICO</p><p>A pandemia do coronavírus atingiu o Brasil quando a economia</p><p>brasileira</p><p>apresentava um crescimento claudicante, se recuperando paulatinamente da</p><p>crise econômica iniciada no final de 2014. A partir de meados de março de 2020,</p><p>estados como São Paulo e Rio de Janeiro decretaram medidas de isolamento</p><p>social para tentar conter o avanço da pandemia, mantendo em funcionamento</p><p>somente as atividades essenciais. Consequentemente, com o fechamento de</p><p>muitas empresas comerciais, industriais e de serviços, houve um impacto</p><p>negativo imediato na economia brasileira. O Produto Interno Bruto do primeiro</p><p>1 https://ciis.fmrp.usp.br/covid19/analise-subnotificacao/</p><p>105</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>trimestre de 2020 recuou 1,5% na comparação com trimestre anterior, após um</p><p>período de 4 taxas positivas em 2019 (Gráfico 2).</p><p>Fonte - IBGE, Sistema de Contas Nacionais Trimestrais</p><p>Pela ótica da demanda, o recuo de 1,5% deveu-se principalmente à</p><p>diminuição de 2,0% do Consumo das famílias e de 0,9% nas Exportações</p><p>(Tabela 1). A Formação Bruta de Capital Fixo cresceu 3,1%, as Importações,</p><p>2,8% e o Consumo do Governo, 0,2%. Pela ótica da produção, o Valor</p><p>Adicionado Bruto dos setores de Serviços e da Indústria recuaram 1,6% e 1,4%,</p><p>respectivamente, ao passo que o do setor agropecuário cresceu 0,6%.</p><p>Tabela 1 - Taxa trimestre contra trimestre imediatamente anterior, nos cinco últimos</p><p>trimestres, segundo as óticas da produção e da despesa</p><p>Trimestre/trimestre imediatamente anterior</p><p>(com ajuste sazonal)</p><p>1º tri</p><p>2019</p><p>2º tri</p><p>2019</p><p>3º tri</p><p>2019</p><p>4º tri</p><p>2019</p><p>1º tri</p><p>2020</p><p>PIB a preços de mercado 0,2 0,5 0,5 0,4 -1,5</p><p>Ótica da</p><p>produção</p><p>Valor adicionado da agropecuária -1,0 0,8 1,2 -0,4 0,6</p><p>Valor adicionado da indústria 0,0 0,6 0,8 0,0 -1,4</p><p>Valor adicionado dos serviços 0,4 0,2 0,3 0,7 -1,6</p><p>Ótica da</p><p>demanda</p><p>Despesa de consumo das famílias 0,7 0,4 0,5 0,4 -2,0</p><p>Despesa de consumo do governo 0,6 -0,3 -0,4 0,4 0,2</p><p>Formação bruta de capital fixo -1,6 2,5 1,7 -2,7 3,1</p><p>Exportação de bens e serviços -3,7 -2,3 -2,4 2,3 -0,9</p><p>Importação de bens e serviços (-) -0,5 1,5 2,5 -3,3 2,8</p><p>Fonte: IBGE, Sistema de Contas Trimestrais 1º tri 2020.</p><p>106</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>As Contas Nacionais Trimestrais conseguiram captar somente o impacto</p><p>macroeconômico inicial da pandemia com as informações do primeiro trimestre</p><p>de 2020. Para conseguir verificar como a economia evoluiu nos meses</p><p>seguintes, nesse momento (final de julho de 2020), é necessário lançar mão de</p><p>outro indicador, que possibilita a análise da evolução mensal da economia, o</p><p>Índice de atividade econômica do Banco Central (IBC-Br). Esse índice estima a</p><p>evolução do PIB mensal a partir de indicadores econômicos setoriais divulgados</p><p>mensalmente por diferentes instituições.</p><p>Os resultados divulgados apontaram que nos dois primeiros meses do</p><p>ano, a economia havia crescido 0,1% e 0,4%, respectivamente, mas em</p><p>decorrência das medidas necessárias para o distanciamento social em várias</p><p>partes do país, o IBC-Br recuou 6,10% em março e 9,45% em abril (Gráfico 3).</p><p>Em maio, com o retorno do funcionamento de algumas atividades econômicas</p><p>não essenciais, o índice cresceu 1,31%.</p><p>Fonte: Banco Central</p><p>Em suma, as medidas de restrição da atividade econômica adotadas</p><p>para tentar conter a evolução da pandemia ocasionaram uma forte retração da</p><p>atividade econômica nos meses de março e abril de 2020. A recuperação</p><p>iniciada em maio, não compensou a queda observada nos meses anteriores.</p><p>0,6 0,3</p><p>-0,2</p><p>0,4 0,5 0,3</p><p>-0,1 -0,3</p><p>0,1 0,4</p><p>-6,1</p><p>-9,5</p><p>1,3</p><p>-12,0</p><p>-10,0</p><p>-8,0</p><p>-6,0</p><p>-4,0</p><p>-2,0</p><p>0,0</p><p>2,0</p><p>4,0</p><p>%</p><p>Gráfico 3: Taxa de variação do Índice de atividade</p><p>econômica - IBC-Br - 2019-2020</p><p>107</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>4. IMPACTOS NAS EMPRESAS</p><p>Para buscar compreender como as empresas formais foram impactadas</p><p>na pandemia, o IBGE criou uma pesquisa denominada Pulso Empresa, inserida</p><p>na categoria experimental, dado que não fazia parte do conjunto de pesquisas</p><p>habitualmente divulgadas pela instituição. O seu objetivo é avaliar o grau de</p><p>intensidade da pandemia nas empresas, considerando o comportamento das</p><p>vendas dos produtos ou serviços, sobre a capacidade da empresa de realizar</p><p>pagamentos de rotina, sobre o número de funcionários, dentre outras variáveis2.</p><p>Ela foi elaborada para representar as 4,0 milhões de empresas</p><p>brasileiras formais ativas com resultados para a totalidade das empresas, por</p><p>porte, por atividade econômica e Grandes Regiões3.</p><p>Entre as empresas, que na primeira quinzena de junho estavam com</p><p>atividades encerradas temporária ou definitivamente, 39,4% apontaram como</p><p>causa as restrições impostas pela pandemia do novo coronavírus.</p><p>Entre as empresas em atividade, 70,0% relataram que a pandemia teve</p><p>um impacto geral negativo sobre o negócio; 70,7% disseram ter tido queda nas</p><p>vendas dos produtos ou serviços, enquanto 63,7% tiveram dificuldade com a</p><p>folha de pagamentos; 34,6% sofreram redução no número de empregados,</p><p>enquanto 29,7% tiveram redução superior a 50% nos empregados, em</p><p>decorrência da pandemia (Tabela 2).</p><p>Tabela 2 - Principais resultados da pesquisa Pulso Empresa para a 1ª</p><p>quinzena de junho – Brasil - 2020</p><p>Variáveis Participação</p><p>relativa (%)</p><p>1. Empresas que encerraram as atividades definitivamente 17,6</p><p>2. Empresas que encerraram em decorrência da pandemia 39,4</p><p>3. Empresas em funcionamento afetadas negativamente 70,0</p><p>4. Empresas em funcionamento com queda nas vendas dos</p><p>produtos ou serviços 70,7</p><p>5. Empresas em funcionamento com dificuldade para pagar a</p><p>folha de pagamentos 63,7</p><p>6. Empresas em funcionamento com redução do número de</p><p>empregados 34,6</p><p>7. Empresas em funcionamento com redução de empregados</p><p>acima de 50% em relação à antes da pandemia 29,7</p><p>Fonte - IBGE, Pesquisa Pulso Empresa</p><p>2https://www.ibge.gov.br/estatisticas/investigacoes-experimentais/estatisticas-experimentais/28291-</p><p>pesquisa-pulso-empresa-impacto-da-covid-19-nas-empresas.html?=&t=conceitos-e-</p><p>metodos&utm_source=covid19&utm_medium=hotsite&utm_campaign=covid_19</p><p>3A unidade de investigação é formada pelas empresas não financeiras representativas dessas</p><p>atividades econômicas.</p><p>108</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>É possível observar que do total de 4 milhões de empresas, 67,4%</p><p>estavam abertas, mesmo que parcialmente, em produção ou funcionamento;</p><p>17,6% encerraram as atividades definitivamente, e 15,0% encerraram</p><p>temporariamente (Gráfico 4). Nas empresas com até 49 pessoas, 67,0%</p><p>permaneceram em funcionamento, enquanto 17,8% encerraram definitivamente</p><p>e 15,0% encerraram temporariamente. Observa-se, por um lado, que o</p><p>percentual de empresas abertas, nessa faixa, foi inferior a média do total de</p><p>empresas, 67,4%; por outro, os percentuais de encerramentos situaram-se</p><p>acima das médias de 17,6% e 15,0%. Nas empresas com 50 a 499 pessoas,</p><p>90,5% das empresas continuaram abertas, enquanto o percentual das que</p><p>fecharam temporariamente foi de 7,4% e das que encerraram definitivamente foi</p><p>de 2,1%. Nas empresas com 500 ou mais pessoas, 97,9% ficaram abertas,</p><p>enquanto 2,1% fecharam temporariamente e nenhuma fechou definitivamente.</p><p>Assim, as empresas menores foram as mais afetadas pela pandemia. Mais de</p><p>90% das grandes empresas continuaram abertas e o percentual das que</p><p>encerraram definitivamente foi inferior ao das que encerraram temporariamente,</p><p>ao contrário do que aconteceu com as empresas menores.</p><p>Fonte: IBGE, Pesquisa Pulso Empresa.</p><p>67,4 67,0</p><p>90,5 97,9</p><p>15,0 15,1</p><p>7,4 2,1</p><p>17,6 17,8</p><p>2,1 0,0</p><p>0</p><p>20</p><p>40</p><p>60</p><p>80</p><p>100</p><p>Total até 49 pessoas 50 a 499 pessoas 500 ou mais</p><p>pessoas</p><p>%</p><p>Porte</p><p>das empresas</p><p>Gráfico 4 - Distribuição percentual das empresas por tipo de</p><p>situação na primeira quinzena de junho, segundo porte das</p><p>empresas - Brasil - 2020</p><p>Encerrou definitivamente</p><p>Encerrou temporariamente</p><p>Estava aberta, mesmo que parcialmente, em produção ou funcionamento</p><p>109</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>As empresas da Construção foram as mais atingidas pela pandemia,</p><p>sendo que 57,0% prosseguiram em funcionamento, enquanto 28,5% encerraram</p><p>definitivamente suas atividades e 14,6%, temporariamente (Gráfico 5). Observa-</p><p>se que o percentual de empresas que permaneceram abertas, nessa atividade,</p><p>foi inferior a média do total de empresas, 67,4%; por outro lado, o percentual de</p><p>encerramento definitivo ficou acima da média de 17,6%.</p><p>Em Serviços, 61,8% das empresas permaneceram em funcionamento,</p><p>enquanto o percentual das que fecharam temporariamente foi de 18,7% e das</p><p>que encerraram definitivamente, 19,4%. Ressalta-se que ambos os valores de</p><p>encerramentos foram superiores aos observados na média do país. Nas</p><p>empresas do Comércio, 72,5% estavam abertas, enquanto 15,3% fecharam</p><p>definitivamente, e 12,2% fecharam temporariamente. A indústria foi o setor</p><p>menos atingido pela pandemia, com 76,1% das empresas permanecendo</p><p>abertas, 12,9% foram fechadas definitivamente e 11,1% fechadas</p><p>temporariamente.</p><p>Fonte: IBGE, Pesquisa Pulso Empresa</p><p>As empresas da Região Norte foram as mais atingidas pela pandemia</p><p>em termos de fechamento temporário, sendo que 23,8% das empresas nessa</p><p>região encerraram temporariamente suas atividades, no período analisado</p><p>(Gráfico 6). Observa-se também que o percentual de empresas que</p><p>permaneceram abertas no Norte, 66,2%, foi inferior a média de empresas que</p><p>67,4</p><p>57,0 61,8</p><p>72,5 76,1</p><p>15,0</p><p>14,6</p><p>18,7</p><p>12,2 11,1</p><p>17,6</p><p>28,5</p><p>19,4 15,3 12,9</p><p>0%</p><p>10%</p><p>20%</p><p>30%</p><p>40%</p><p>50%</p><p>60%</p><p>70%</p><p>80%</p><p>90%</p><p>100%</p><p>Total Construção Serviços Comércio Indústria</p><p>Gráfico 5 - Distribuição percentual das empresas por tipo de</p><p>situação na primeira quinzena de junho, segundo atividades</p><p>econômicas - Brasil - 2020</p><p>Encerrou definitivamente</p><p>Encerrou temporariamente</p><p>Estava aberta, mesmo que parcialmente, em produção ou funcionamento</p><p>110</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>estavam abertas no país, 67,4%. Já o percentual de empresas que fechou</p><p>definitivamente na região, 10,0%, foi o menor dos observados nas cinco Grandes</p><p>Regiões.</p><p>No Nordeste, o percentual de empresas que continuaram abertas foi</p><p>66,6%, também abaixo da média do país, enquanto 13,5% fecharam</p><p>temporariamente e 19,9% encerraram definitivamente, ou seja, o maior</p><p>percentual entre as regiões. As empresas do Sudeste apresentaram o menor</p><p>percentual de empresas que permaneceram em funcionamento no período</p><p>analisado, 64,8%, e ficou em segundo lugar entre as que mais fecharam</p><p>definitivamente, com 18,5% e também entre as que fecharam temporariamente,</p><p>16,7%.</p><p>As Regiões Centro-Oeste e Sul apresentaram os maiores percentuais</p><p>de empresas que permaneceram abertas no período analisado, 75,9% e 70,7%,</p><p>respectivamente. Em relação aos encerramentos de atividade, tanto a Região</p><p>Centro-oeste como a Região Sul apresentaram valores abaixo da média do país.</p><p>Fonte: IBGE, Pesquisa Pulso Empresa</p><p>O Gráfico 7 apresenta a distribuição percentual das empresas em</p><p>funcionamento, por categoria de avaliação do impacto da Covid-19 sobre o</p><p>número de empregados em relação à antes da pandemia, segundo o porte das</p><p>empresas. É possível observar que do total de 4 milhões de empresas, em 61,2%</p><p>não houve mudança no número de empregados; em 34,6% ocorreu redução do</p><p>67,4 66,2 66,6 64,8 70,7 75,9</p><p>15,0 23,8</p><p>13,5 16,7 11,9</p><p>13,7</p><p>17,6</p><p>10,0</p><p>19,9 18,5 17,4 10,3</p><p>0%</p><p>10%</p><p>20%</p><p>30%</p><p>40%</p><p>50%</p><p>60%</p><p>70%</p><p>80%</p><p>90%</p><p>100%</p><p>Brasil Norte Nordeste Sudeste Sul Centro-Oeste</p><p>Grandes Regiões</p><p>Gráfico 6 - Distribuição percentual das empresas por tipo de</p><p>situação na primeira quinzena de junho, segundo Grandes Regiões</p><p>- Brasil - 2020</p><p>Encerrou definitivamente</p><p>Encerrou temporariamente</p><p>Estava aberta, mesmo que parcialmente, em produção ou funcionamento</p><p>111</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>número de empregados, em 3,8% houve aumento e 0,5% não soube responder.</p><p>Nas empresas com até 49 pessoas, não houve alteração no número de</p><p>empregados em 61,5%; em 34,4%, o número de empregados se reduziu, em</p><p>3,7%, cresceu e 0,4% não soube responder. Nas empresas de 50 a 499 pessoas,</p><p>em 44,7% permaneceram sem alteração no número de empregados; em 45,4%</p><p>houve redução do número de empregados, em 8,9%, aumento e 1,0% não soube</p><p>responder. Nas empresas com 500 ou mais pessoas, em 57,4% não houve</p><p>alteração no número de empregados; em 37,2% houve diminuição do número</p><p>de empregados, em 4,2% houve crescimento e 1,2% não soube responder.</p><p>Desse modo, constata-se que a faixa de 50 a 499 pessoas apresentou o menor</p><p>percentual de empresas onde não houve mudança no número de empregados,</p><p>assim como apresentou o maior percentual de redução no número de</p><p>empregados.</p><p>Fonte: IBGE, Pesquisa Pulso Empresa</p><p>Nas empresas da Construção ocorreu a maior redução do número de</p><p>empregados, 45,2%, apesar de ter sido também a atividade com maior aumento,</p><p>11,7%. Em 42,6% das empresas dessa atividade não houve mudança no número</p><p>de empregados, sendo o menor valor apresentado entre as atividades (Gráfico</p><p>8). No Comércio, em 61,9% das empresas não houve alteração no número de</p><p>empregados; em 35,2%, registrou-se redução e em 2,9%, aumento. Nas</p><p>empresas de Serviços, em 61,2% não houve alteração no número de</p><p>empregados; em 33,8% estimou-se redução do número de empregados, em</p><p>34,6 34,4</p><p>45,4</p><p>37,2</p><p>61,2 61,5 44,7 57,4</p><p>3,8 3,7 8,9 4,2</p><p>0,5 0,4 1,0 1,2</p><p>0%</p><p>20%</p><p>40%</p><p>60%</p><p>80%</p><p>100%</p><p>Total até 49 pessoas 50 a 499 pessoas 500 ou mais pessoas</p><p>Gráfico 7 - Empresas em funcionamento, por categoria de avaliação do</p><p>impacto da Covid-19 sobre o número de empregados em relação à</p><p>antes da pandemia, segundo porte das empresas - Brasil - 2020</p><p>Houve redução Não houve mudança Houve aumento Não sabe responder</p><p>112</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>3,9% houve aumento e 1,1% não soube responder. Na Indústria, notou-se o</p><p>maior percentual de empresas sem mudança no número de empregados, 66,7%;</p><p>e também a menor redução, 29,8%. Houve também aumento no número de</p><p>empregados em 3,3% das empresas e 0,1% não soube responder.</p><p>Fonte - IBGE, Pesquisa Pulso Empresa</p><p>Na Região Nordeste, as empresas apresentaram a maior perda no</p><p>número de empregados, 41,4%, valor acima da média do país, 34,6%. Em 57,8%</p><p>das empresas não houve alteração no número de empregados, em 0,7% houve</p><p>aumento e 0,1% não soube responder (Gráfico 9).</p><p>A Região Sudeste foi a segunda onde houve maior redução de</p><p>empregados, 36,2%. Em 59,1% das empresas não houve alteração, em 4,1%,</p><p>crescimento e 0,5% não soube responder. O menor percentual de redução no</p><p>número de empregados foi observado na Região Norte, 27,0%, assim como o</p><p>maior aumento, 15,9%, enquanto 1,6% não soube responder.</p><p>A Região Centro-Oeste apresentou o maior percentual de empresas</p><p>onde não houve mudança no número de empregados, 68,9%. Em 28,0% houve</p><p>redução, em 2,5%, aumento e 0,7 não soube responder. A Região Sul também</p><p>obteve valor percentual sem mudança no número de empregados superior a</p><p>média do país, 64,8%. O percentual das empresas onde houve redução foi de</p><p>30,2%, em 4,5% houve aumento e 0,5% não soube responder.</p><p>34,6</p><p>45,2</p><p>35,2 33,8 29,8</p><p>61,2 42,6 61,9 61,2 66,7</p><p>3,8</p><p>11,7</p><p>2,9 3,9 3,3</p><p>0,5 0,5 0,0 1,1 0,1</p><p>0%</p><p>10%</p><p>20%</p><p>30%</p><p>40%</p><p>50%</p><p>60%</p><p>70%</p><p>80%</p><p>90%</p><p>100%</p><p>Total Construção Comércio Serviços Indústria</p><p>Gráfico 8 - Empresas em funcionamento, por categoria de avaliação do</p><p>impacto da Covid-19 sobre o número de empregados na primeira semana de</p><p>junho em</p><p>relação à antes da pandemia, segundo atividade econômica - Brasil</p><p>- 2020</p><p>Houve redução Não houve mudança Houve aumento Não sabe responder</p><p>113</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>Fonte: IBGE, Pesquisa Pulso Empresa</p><p>Em suma, 17,6% das empresas encerraram suas atividades</p><p>definitivamente; quatro em cada dez empresas fecharam por causa da</p><p>pandemia; 34,6% das empresas em funcionamento tiveram redução no número</p><p>de empregados; as empresas menores sentiram mais os impactos da pandemia;</p><p>assim como a atividade de Construção. A Região Norte foi a mais atingida em</p><p>termos de encerramento temporário de atividades e o Sudeste foi a região que</p><p>conseguiu manter o menor percentual de empresas abertas no período</p><p>analisado.</p><p>34,6</p><p>27,0</p><p>41,4</p><p>36,2</p><p>30,2 28,0</p><p>61,2</p><p>55,5</p><p>57,8</p><p>59,1</p><p>64,8 68,9</p><p>3,8</p><p>15,9</p><p>0,7 4,1 4,5 2,5</p><p>0,5 1,6 0,1 0,5 0,5 0,7</p><p>0%</p><p>20%</p><p>40%</p><p>60%</p><p>80%</p><p>100%</p><p>Brasil Norte Nordeste Sudeste Sul Centro-Oeste</p><p>Gráfico 9: Empresas em funcionamento, por categoria de avaliação do impacto</p><p>da Covid-19 sobre o número de empregados em relação à antes da pandemia,</p><p>segundo Grandes Regiões - Brasil - 2020</p><p>Houve redução Não houve mudança Houve aumento Não sabe responder</p><p>114</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>5. IMPACTOS NO MERCADO DE TRABALHO</p><p>A redução na atividade econômica em decorrência da pandemia</p><p>impactou o mercado de trabalho brasileiro, dado que 34,6% das empresas</p><p>reduziram seu quadro de funcionários, de acordo com a pesquisa Pulso Empresa</p><p>do IBGE. Para monitorar esse impacto e aspectos de saúde, o IBGE criou a</p><p>Pesquisa Nacional por Amostra de Domicílios COVID194, doravante</p><p>denominada PNAD- COVID19. É uma pesquisa por telefone, que coleta</p><p>semanalmente informações de 48 mil domicílios, em uma amostra fixa. Assim</p><p>como a pesquisa Pulso Empresa, é categorizada como experimental por não</p><p>fazer parte das pesquisas habitualmente divulgadas pela instituição. Ela se</p><p>iniciou em 3 de maio, com resultados semanais e mensais.</p><p>A PNAD-Covid19 estimou 19,1 milhões de pessoas fora da força de</p><p>trabalho que não procuraram trabalho por causa da pandemia ou por falta de</p><p>trabalho na localidade nessa no início de maio, caindo para 17,7 milhões ao final</p><p>de maio, o que representa uma diferença de 10,4% (Gráfico 10). Esse montante</p><p>voltou a crescer até a segunda semana de junho, quando atingiu 18,2 milhões</p><p>de pessoas. Recuou para 17,3 milhões na semana seguinte, o menor nível da</p><p>série, mas nas semanas seguintes cresceu 11,8%, chegando à última semana</p><p>de junho e primeira de julho no maior patamar, 19,4 milhões de pessoas.</p><p>Fonte: Elaboração própria a partir da PNAD-COVID19.</p><p>4 https://www.ibge.gov.br/estatisticas/sociais/trabalho/27946-divulgacao-semanal-pnadcovid1.html?</p><p>19 137</p><p>18 812</p><p>18 164</p><p>17 680</p><p>17 917</p><p>18 164</p><p>17 337</p><p>17 825</p><p>19 375</p><p>16 000</p><p>16 500</p><p>17 000</p><p>17 500</p><p>18 000</p><p>18 500</p><p>19 000</p><p>19 500</p><p>20 000</p><p>03 a 09</p><p>de maio</p><p>10 a 16</p><p>de maio</p><p>17 a 23</p><p>de maio</p><p>24 a 30</p><p>de maio</p><p>31 de</p><p>maio a 6</p><p>de junho</p><p>07 a 13</p><p>de junho</p><p>14 a 20</p><p>de junho</p><p>21 a 27</p><p>de junho</p><p>28 a 04</p><p>de julho</p><p>E</p><p>m</p><p>m</p><p>il</p><p>Semanas</p><p>Gráfico 10: Pessoas não ocupadas que não procuraram</p><p>trabalho por conta da pandemia ou por falta de trabalho na</p><p>localidade, mas que gostariam de trabalhar na semana</p><p>anterior - Brasil</p><p>115</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>A oscilação nesses valores pode ter sido provocada pelas diferentes</p><p>condições no mercado de trabalho nos estados brasileiros em decorrência da</p><p>pandemia. Nas primeiras semanas de maio, com a decretação de isolamento</p><p>social principalmente nos estados de São Paulo e do Rio de Janeiro, os</p><p>quantitativos foram mais elevados. À medida que esses estados mais populosos</p><p>relaxaram as suas medidas de isolamento e foram paulatinamente possibilitando</p><p>a abertura de atividades econômicas não essenciais, uma parcela dessas</p><p>pessoas pode ter retornado para a força de trabalho e passado para a categoria</p><p>de desocupados.</p><p>O Gráfico 11 apresenta a evolução das taxas de desocupação, de</p><p>pessoas não ocupadas por conta da pandemia ou falta de trabalho na localidade</p><p>e de subutilização da força de trabalho que é soma as duas taxas anteriores.</p><p>Observa-se que a taxa de desocupação subiu 2,6 pontos percentuais entre o</p><p>início de maio e o final de junho, passando de 10,5% na semana de 3 a 9 de</p><p>maio, para 12,4% na semana de 7 a 13 de junho de 2020 e para 13,1% na</p><p>semana de 21 a 27 de junho. Esse nível de desocupação no final de junho</p><p>representava 12,4 milhões5 de pessoas desocupadas.</p><p>Fonte: Elaboração própria a partir da PNAD-COVID19.</p><p>Nota: A taxa de subutilização taxa representa o percentual de pessoas</p><p>desocupadas ou não ocupadas que não procuraram trabalho por conta da</p><p>pandemia ou por falta de trabalho na localidade, mas que gostariam de trabalhar,</p><p>no total de pessoas na força de trabalho ou que não procuraram trabalho por conta</p><p>da pandemia ou por falta de trabalho na localidade.</p><p>5https://agenciadenoticias.ibge.gov.br/media/commediaibge/arquivos/fc29fca196839d36675d8723b04</p><p>f9eb7.pdf</p><p>5,0</p><p>10,0</p><p>15,0</p><p>20,0</p><p>25,0</p><p>30,0</p><p>03 a 09</p><p>de maio</p><p>10 a 16</p><p>de maio</p><p>17 a 23</p><p>de maio</p><p>24 a 30</p><p>de maio</p><p>31 de</p><p>maio a 6</p><p>de junho</p><p>07 a 13</p><p>de junho</p><p>14 a 20</p><p>de junho</p><p>21 a 27</p><p>de junho</p><p>28 a 04</p><p>de julho</p><p>%</p><p>Gráfico 11: Taxas de subutilização, de desocupação e</p><p>de pessoas não ocupadas por causa da pandemia -</p><p>Brasil - 2020</p><p>Taxa de pessoas não ocupadas por conta da pandemia</p><p>Taxa de desocupação</p><p>Taxa de subutilização</p><p>116</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>Contudo, para avaliar o grau de deterioração no mercado de trabalho</p><p>brasileiro a taxa de desocupação não é suficiente, pois ela pode não estar</p><p>refletindo condição do mercado de trabalho no momento da pandemia. Hallak e</p><p>Dweck (2020) afirmam que “a taxa de subutilização da força de trabalho e o nível</p><p>de ocupação devem ser preferíveis para a aferição do mercado de trabalho”.</p><p>Assim, é necessário incorporar na análise da subutilização da força de trabalho,</p><p>não somente as pessoas desocupadas, mas também as pessoas fora da força</p><p>de trabalho que não procuraram trabalho por causa da pandemia ou por falta de</p><p>trabalho na localidade. Assim como, acompanhar a evolução da ocupação para</p><p>se ter uma percepção mais acurada do mercado de trabalho.</p><p>A taxa de subutilização da força de trabalho no início da pesquisa era de</p><p>25,6%, tendo recuado nas duas semanas seguintes até atingir o menor valor da</p><p>série, 25,0% entre 17 e 23 de maio. Nas semanas seguintes, a taxa manteve-se</p><p>em torno de 26,0%, mas recrudesceu na última semana de junho e na primeira</p><p>semana de julho, atingindo 26,8% e 27,4%, respectivamente.</p><p>Ressalta-se que a taxa de pessoas não ocupadas por conta da pandemia</p><p>supera a de pessoas desocupadas em toda a série analisada, entretanto à</p><p>medida que essa taxa recua a de desocupação cresce, sinalizando um</p><p>movimento entre esses dois grupos de pessoas.</p><p>O nível de ocupação, que é a relação entre o número de pessoas</p><p>ocupadas e as pessoas na força de trabalho, manteve-se abaixo de 50% ao</p><p>longo da série, mas com sinais claros de redução mais significativa na última</p><p>semana de junho e primeira semana de julho com valores de 48,5% e 48,1%,</p><p>respectivamente, como mostra o Gráfico 12.</p><p>Fonte: Elaboração própria a partir da PNAD-COVID19.</p><p>49,4</p><p>49,7</p><p>49,9</p><p>49,7</p><p>49,3</p><p>49,0</p><p>49,3</p><p>48,5</p><p>48,1</p><p>47,0</p><p>47,5</p><p>48,0</p><p>48,5</p><p>49,0</p><p>49,5</p><p>50,0</p><p>50,5</p><p>03 a 09</p><p>de maio</p><p>10 a 16</p><p>de maio</p><p>17 a 23</p><p>de maio</p><p>24 a 30</p><p>de maio</p><p>31 de</p><p>maio a</p><p>6 de</p><p>junho</p><p>07 a 13</p><p>de</p><p>junho</p><p>14 a 20</p><p>de</p><p>junho</p><p>21 a 27</p><p>de</p><p>junho</p><p>28 a 04</p><p>de julho</p><p>%</p><p>Gráfico 12: Nível da ocupação (%)</p><p>117</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>Outro indicador levantado pela pesquisa foi o percentual de pessoas</p><p>ocupadas e afastadas do trabalho em relação à população ocupada, como</p><p>mostra o Gráfico 13. No início de maio, 19,2% da população ocupada estava</p><p>afastada, contudo esse percentual foi decrescendo nas semanas seguintes,</p><p>chegando no final de junho e início de julho em um percentual que representa</p><p>quase a metade da semana inicial, 10,1%. Demonstrando que mesmo com a</p><p>pandemia, as pessoas precisaram retornar ao seu trabalho.</p><p>Fonte: Elaboração própria a partir da PNAD-COVID19.</p><p>Outra fonte de informações importante para a análise da situação do</p><p>mercado de trabalho brasileiro, que possibilita mostrar o grau do impacto da</p><p>pandemia de COVID19, é o Cadastro Geral de Empregados e Desempregados-</p><p>CAGED, do Ministério da Economia. O Gráfico 14 apresenta o saldo das</p><p>admissões e demissões dos empregos formais regidos pela Consolidação das</p><p>Leis Trabalhistas-CLT entre janeiro e junho de 2020 em comparação com o</p><p>mesmo período do ano anterior.</p><p>Os dados divulgados6 mostram uma perda de 918 mil empregos formais,</p><p>em abril, de 350 mil em maio e 11 mil em junho. Ou seja, um total de 1,3 milhão</p><p>de empregos que foram eliminados no período da pandemia. Não se pode</p><p>afirmar que esta foi a única causa, mas certamente contribuiu significativamente</p><p>para esse resultado, principalmente quase compara com os resultados dos</p><p>saldos desses três meses no ano anterior, quando houve criação de 218,2 mil</p><p>novos empregos.</p><p>6 http://pdet.mte.gov.br/images/Novo_CAGED/Jun2020/2-apresentacao.pdf</p><p>19,8 19,2</p><p>18,4</p><p>17,2</p><p>16,1</p><p>14,8</p><p>13,3</p><p>12,5</p><p>10,1</p><p>0,0</p><p>5,0</p><p>10,0</p><p>15,0</p><p>20,0</p><p>25,0</p><p>03 a 09</p><p>de maio</p><p>10 a 16</p><p>de maio</p><p>17 a 23</p><p>de maio</p><p>24 a 30</p><p>de maio</p><p>31 de</p><p>maio a 6</p><p>de junho</p><p>07 a 13</p><p>de junho</p><p>14 a 20</p><p>de junho</p><p>21 a 27</p><p>de junho</p><p>28 a 04</p><p>de julho</p><p>%</p><p>Gráfico 13 : Percentual de pessoas ocupadas e afastadas</p><p>do trabalho que tinham devido ao distanciamento social no</p><p>total da população ocupada (%)</p><p>118</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>Fonte: Ministério da Economia, Secretaria de Trabalho, Caged e Novo Caged.</p><p>Em suma, o mercado de trabalho brasileiro durante a pandemia do</p><p>coronavírus entre o início de maio e o início de julho apresentou sinais de</p><p>deterioração, devido à redução do nível de ocupação, aumento da taxa de</p><p>desocupação e da taxa de subutilização da força de trabalho, além da perda de</p><p>1,3 milhão de empregos formais.</p><p>O quadro macroeconômico delineado para 2020 revela a importância</p><p>das políticas de transferência de renda como instrumento político de reativação</p><p>da economia. Isto porque se contabilizou 150,7 milhões7 de cadastros solicitando</p><p>o auxílio emergencial de R$ 600 por 3 meses, proposto e aprovado pelo</p><p>Congresso Nacional8. Esse programa garantiu o direito ao isolamento social a</p><p>uma parte significativa da população9 e, segundo a Pnad-covid, chegou a 44,1%</p><p>dos domicílios do Brasil com rendimento médio de R$ 904 no mês de julho. Para</p><p>que esse auxílio fosse viabilizado, entre outros gastos necessários para combate</p><p>7 https://www.gov.br/pt-br/noticias/assistencia-social/2020/07/auxilio-emergencial-tem-99-8-dos-</p><p>pedidos-processados</p><p>8 Lei nº 13.982, de 2 de Abril de 2020.</p><p>9 https://agenciabrasil.ebc.com.br/economia/noticia/2020-08/email-auxilio-emergencial-</p><p>agencias#:~:text=N%C3%BAmeros,as%20estat%C3%ADsticas%20do%20aux%C3%ADlio%20emergencial.</p><p>&text=A%20Caixa%20pagou%20R%24%2073,pelo%20site%20do%20aux%C3%ADlio%20emergencial.</p><p>42.254</p><p>188.797</p><p>-40.778</p><p>132.603</p><p>37.188 48.436</p><p>114.786</p><p>226.341</p><p>259.717</p><p>-918.286</p><p>-350.303</p><p>-10.984</p><p>-1.000.000</p><p>-800.000</p><p>-600.000</p><p>-400.000</p><p>-200.000</p><p>0</p><p>200.000</p><p>400.000</p><p>janeiro fevereiro março abril maio junho</p><p>S</p><p>al</p><p>do</p><p>Gráfico 14: Saldo mensal de admissões e demissões de</p><p>empregos formais - Brasil - jan-jun 2019/2020</p><p>2019 2020</p><p>119</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>à pandemia, foi decretado estado de calamidade 10para suspender os efeitos</p><p>improbidade administrativa com o não cumprimento da meta fiscal estabelecida</p><p>pela Lei de Responsabilidade fiscal11, abrindo crédito extraordinário de 254</p><p>bilhões para pagamento de auxílio de R$ 600 por 3 meses12. Apesar do efeito</p><p>positivo sobre a ocupação e principalmente sobre renda e após muitas</p><p>discussões, o executivo federal editou MP prorrogando o auxílio emergencial</p><p>(agora também denominado residual) até dezembro de 2020 no valor de R$ 300,</p><p>ou seja, metade do anterior.</p><p>Do orçamento federal previsto para a saúde, o governo federal retardou</p><p>sua execução. De acordo com a denúncia do Ministério Público Federal, no mês</p><p>de maio o Ministério da Saúde utilização de apenas 6,8% dos recursos</p><p>destinados diretamente para a emergência sanitária provocada pela pandemia13.</p><p>De acordo com o Conselho Nacional de Saúde, no final do primeiro quadrimestre</p><p>de 2020, havia 53,5% de recursos orçamentários parados nessa ação 21C0 -</p><p>enfrentamento da emergência de saúde pública de importância internacional</p><p>decorrente do coronavírus - (ou seja, ainda não empenhados). Considerando</p><p>que também em abril de 2020 a curva de casos e de morte por Covid-19 cresceu</p><p>exponencialmente, ocorreu falta de eficácia na no ato administrativo no contexto</p><p>da emergência sanitária.</p><p>Tendo em vista, os principais fatos de política pública realizados em</p><p>2020, passa-se a avaliação da perspectiva para 2021. Claramente, há um viés</p><p>fiscalistas na equipe econômica que se mantém apesar da alteração do choque</p><p>externo da pandemia. E pela falta de tempestividade das ações, há perda de</p><p>efetividade que se traduz na manutenção do contagio e do número de mortos</p><p>por semana. O governo federal sinaliza para o ano de 2021, o endurecimento da</p><p>política de austeridade fiscal, suspendendo a situação de calamidade pública e</p><p>propondo um conjunto de medidas para contingenciar gastos de custeio em</p><p>todas as esferas.</p><p>10 DECRETO LEGISLATIVO Nº 6, DE 2020.</p><p>https://www.gov.br/planalto/pt-br/acompanhe-o-planalto/noticias/2020/4/sancionada-lei-do-auxilio-</p><p>emergencial-de-r-600-para-informais</p><p>https://www.camara.leg.br/noticias/689876-governo-edita-medida-provisoria-com-auxilio-emergencial-</p><p>de-r-300-ate-dezembro</p><p>11 Art. 161 da Lei Complementar nº 101, 4 de Maio de 2000.</p><p>12 http://www.portaltransparencia.gov.br/orcamento/despesas?ordenarPor=ano&direcao=desc Ação</p><p>orçamentária: 00S4 - auxilio emergencial de proteção social a pessoas em situação de vulnerabilidade,</p><p>devido a pandemia da covid-19</p><p>13 https://outraspalavras.net/outrasmidias/governo-e-pandemia-os-dados-chocantes-do-descaso/</p><p>https://www.cnnbrasil.com.br/nacional/2020/06/02/mpf-vai-apurar-execucao-orcamentaria-do-</p><p>ministerio-da-saude-durante-pandemia</p><p>http://conselho.saude.gov.br/recomendacoes-cns/1256-recomendacao-n-049-de-02-de-julho-de-2020</p><p>120</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>A principal medida é a proposta de Reforma Administrativa que abrirá 29</p><p>milhões de vagas de emprego no setor público para os mecanismos de alocação</p><p>de recursos por meio do mercado. Ou seja, trata-se do fim da estabilidade com</p><p>possiblidade de demissão por avaliação de desempenho assim como</p><p>compreende a institucionalização de contrato por tempo determinado. As</p><p>estatísticas do Cadastro Central de Empresas – CEMPRE – indicam que a maior</p><p>parte dos servidores públicos possuem nível superior e que, em comparação</p><p>com o nível superior do setor empresarial, o salário médio mensal dos primeiros</p><p>é menor. Assim, trazer a rotatividade para como instrumento de alocação no</p><p>mercado de trabalho para 29 milhões de vagas implicará em redução da renda</p><p>média total. Trata-se de um mecanismo de arrocho salarial em um momento de</p><p>depressão.</p><p>Além disso, a prestação dos serviços públicos de saúde e educação será</p><p>a mais atingida, as análises apontam a desestruturação desses serviços</p><p>intensivos em mão-de-obra e, consequentemente a redução de sua oferta</p><p>quando há aumento de demanda,</p><p>especialmente pela manutenção de políticas</p><p>para emergências sanitárias. Mesmo que a vacina chegue no início de 2021, a</p><p>previsão de controle da situação seria em torno de 14 meses14 no Brasil após o</p><p>início da vacinação. O principal paralelo é realizado com a pandemia da H1N1</p><p>(menos contagiosa, menos letal e com disponibilidade de tratamentos e vacina)</p><p>para a qual a OMS contabilizou quase 16 meses de pandemia15.</p><p>Outro elemento importante para uma economia primário exportadora é o</p><p>cenário internacional que permanece conturbado pela pandemia e pela guerra</p><p>comercial entre EUA e China e com significativa fuga de capitais do Brasil,</p><p>implicando em venda de reservas e grande desvalorização do real. Para 2021,</p><p>somam-se alguns efeitos: (i) redução da renda que será agravada com a reforma</p><p>administrativa; (ii) consolidação da economia brasileira como exportadora de</p><p>commodities e sem a execução de um plano de investimentos protagonizado</p><p>pelo Estado principalmente em ciências médicas e de tecnologia de informação;</p><p>(iii) aumento dos preços dos alimentos, ocasionado pelo aumento da taxa de</p><p>câmbio, pela total desarticulação da política de preço mínimos e de estoques</p><p>reguladores e pela redução da oferta de alimentos básicos no mercado</p><p>internacional (como por exemplo a suspensão das exportações de arroz pelo</p><p>Vietnam em 2020).</p><p>14 https://www1.folha.uol.com.br/opiniao/2020/10/vacina-nao-sera-panaceia.shtml;</p><p>https://www.youtube.com/watch?v=9W-6p27gXYo</p><p>15 https://www.bbc.com/portuguese/internacional-52078906</p><p>121</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>Apesar da elevada capacidade ociosa dos setores, da desarticulação</p><p>das cadeias globais de produção, do alto nível de informalidade no mercado de</p><p>trabalho e do desemprego, o governo federal e parte do Congresso mantêm a</p><p>proposta da volta da meta fiscal e reestruturação da política de transferência de</p><p>renda. Então, o que se aponta como forma de reativação da economia,</p><p>adicionalmente ao achatamento dos salários no setor público, principalmente em</p><p>saúde e educação, é uma proposta de reforma tributária que não possui foco na</p><p>taxação dos superricos ou que reflita alguma justiça tributária reduzindo a</p><p>progressividade de nosso sistema. Trata-se da busca do financiamento da</p><p>proposta de renda mínima (denominada Renda Brasil) com mais impostos com</p><p>maior percentual sobre os que ganham menos.</p><p>Outro elemento que pode ser revertido em 2021 é a trajetória</p><p>descendente da taxa básica de juros (SELIC). Seu baixo nível gerou uma</p><p>pequena folga fiscal por conta do menor custo da rolagem da dívida pública,</p><p>porém o setor financeiro e os rentistas estão com baixos rendimentos em suas</p><p>aplicações. Assim, há uma pressão para retomada do aumento da SELIC mais</p><p>uma vez a partir da retórica de seus efeitos sobre a inflação16.</p><p>O somatório dos elementos desse quadro delineado anteriormente</p><p>indica aumento da pobreza e da fome, precarização dos serviços públicos de</p><p>educação e saúde, instrumentos efetivos de redução da desigualdade, e pouca</p><p>possibilidade de uma trajetória de crescimento que recupere a economia</p><p>brasileira.</p><p>6.CONCLUSÕES</p><p>Esse artigo apresentou os impactos econômicos da pandemia de coronavírus para as</p><p>empresas e no mercado de trabalho a partir principalmente das novas pesquisas experimentais</p><p>do IBGE, Pulso Empresa e PNAD-Covid19. Os resultados apresentados mostraram que as</p><p>medidas restritivas de isolamento social para conter a pandemia e preservar vidas resultaram</p><p>em uma forte contração das atividades econômicas em todos os setores da economia e em</p><p>empresas de todos os portes em todas as Grandes Regiões do país. Contudo, as empresas de</p><p>menor porte, as ligadas ao setor de Construção e Serviços, e para as localizadas nas regiões</p><p>Nordeste e Sudeste foram as que apresentaram as maiores dificuldades, no período em análise.</p><p>17,6% das empresas encerraram suas atividades e 70% das empresas em</p><p>funcionamento tiveram dificuldades e 34,6% reduziram seu quadro de</p><p>funcionários.</p><p>16 https://veja.abril.com.br/blog/radar-economico/banqueiros-alertam-guedes-sobre-os-r-600-bi-de-</p><p>divida-que-vencem-em-2021/</p><p>122</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>No mercado de trabalho, os impactos em decorrência da paralisação das</p><p>atividades econômicas não essenciais ocasionaram o aumento da taxa de</p><p>desocupação e da taxa de subutilização da força de trabalho, o nível de</p><p>ocupação recuou principalmente nas últimas duas semanas da análise e foram</p><p>perdidos 1,3 milhão de empregos formais. Portanto, uma deterioração das</p><p>condições de trabalho no país.</p><p>Como consequência da pandemia, parece que estamos fadados ao</p><p>aumento da pobreza e da fome, precarização dos serviços públicos de educação</p><p>e saúde, instrumentos efetivos de redução da desigualdade, e pouca</p><p>possibilidade de uma trajetória de crescimento que recupere a economia</p><p>brasileira. Para que isso não aconteça, o Governo deve agir rapidamente, pondo</p><p>em prática políticas públicas de curto e longo prazos, protegendo as famílias e</p><p>os setores que mais sofreram pela contração econômica.</p><p>A seguir estão relacionadas algumas propostas que têm como objetivo</p><p>a recuperação econômica pós pandemia de Covid-19, a partir de suporte às</p><p>atividades produtivas, em especial às executadas por micro e pequenas</p><p>empresas, preservando a geração de novos empregos.</p><p>1) Revogação da Emenda Constitucional 95, que definiu um teto de gastos para</p><p>um período de 20 anos, ignorando questões básicas como o envelhecimento da</p><p>população ou que uma epidemia poderia atingir o país, por exemplo. O teto de</p><p>gastos não permite o ajuste de medidas anticíclicas para recuperação da</p><p>economia do país.</p><p>2) Concessão de empréstimo a juros baixos para as micro e pequenas</p><p>empresas, condicionado à manutenção dos empregos por um período</p><p>equivalente a seis meses após o encerramento do isolamento social, a ser pago</p><p>com um ano de carência, a partir da suspensão do isolamento, e com a</p><p>amortização contingente ao faturamento.</p><p>3) Direcionar a política de compras do governo para sustentar a atividade</p><p>empresarial de micro e pequenas empresas, ao mesmo tempo em que se</p><p>estimula a competição.</p><p>4) Reforma tributária progressiva para recapacitar financeiramente o Estado a</p><p>fim de garantir proteção a todos, conter efeitos da crise econômica e social,</p><p>inclusive para as pequenas e microempresas, e não só para as pessoas físicas,</p><p>para retomada do crescimento. O Brasil apresenta uma matriz tributária</p><p>altamente regressiva, na qual as pessoas com menor capacidade contributiva</p><p>arcam com a maior parte dos tributos arrecadados em nosso país. Isso se dá,</p><p>em boa parte, devido à importância dada à incidência de tributos sobre o</p><p>123</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>consumo de bens e serviços. Em geral, esse tipo de tributação não considera a</p><p>capacidade contributiva do indivíduo para efeitos de tributação, sendo</p><p>responsável pela maior parte do ônus atribuído às camadas menos abastadas</p><p>de nossa população.</p><p>5) Fortalecimento do Sistema Único de Saúde (SUS) e de Assistência Social</p><p>(SUAS) como políticas centrais de proteção à população. Uma vez que a maioria</p><p>da população brasileira depende exclusivamente do SUS para a atenção à</p><p>saúde, é pressuposto fundamental para a proteção social que este sistema seja</p><p>priorizado e fortalecido, tanto em termos de ampliação e alocação de recursos</p><p>como de acesso a novas fontes.</p><p>6) Implantar, em caráter imediato, medidas de custo relativamente baixo,</p><p>focadas em micro e pequenos empreendedores das regiões Norte, Nordeste e</p><p>Centro-Oeste, que buscam aumentar o número de empréstimos e eliminar</p><p>entraves na operacionalização dos recursos dos Fundos Constitucionais de</p><p>Financiamento Regional (FNO, FNE e FCO), com apoio dos agentes operadores</p><p>desses fundos.</p><p>7) Utilizar as inovações tecnológicas disponíveis para transformar as empresas</p><p>e o setor público, aumentando a produtividade.</p><p>8) Reduzir a inatividade e a elevada taxa de desemprego dos jovens vulneráveis</p><p>inscritos no Cadastro Único por meio da criação de oportunidades de</p><p>participação em atividades de ensino, formação e emprego, de acordo com as</p><p>preferências e necessidades dos jovens.</p><p>7. REFERÊNCIAS BIBLIOGRÁFICAS</p><p>BANCO CENTRAL DO BRASIL, Índice de atividade econômica- IBC-Br, disponível em</p><p>. https://www.bcb.gov.br/conteudo/relatorioinflacao/EstudosEspeciais/Metodologia_ibc-</p><p>br_pib_estudos_especiais.pdf. Acesso em 28 de julho de 2020.</p><p>HALLAK, J. e DWECK, E. A taxa de desemprego não é mais a mesma. Valor econômico,</p><p>Opinião, 02/07/2020. Disponível em https://valor.globo.com/opiniao/coluna/a-taxa-de-</p><p>desemprego-nao-e-mais-a-mesma.ghtml. Acesso em 28 de julho de 2020.</p><p>IBGE, Contas Nacionais Trimestrais 1º trimestre 2020, disponível em</p><p>https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9300-contas-</p><p>nacionais-trimestrais.html. Acesso em 29 de julho de 2020.</p><p>IBGE, Pesquisa Nacional por Amostra de Domicílios Covid19, disponível em</p><p>https://www.ibge.gov.br/estatisticas/sociais/trabalho/27946-divulgacao-semanal-</p><p>pnadcovid1.html?. Acesso em 30 de julho de 2020.</p><p>124</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.101-124, julho-dezembro 2020</p><p>IBGE, Pesquisa Pulso Empresa 1ª quinzena, disponível em</p><p>https://www.ibge.gov.br/estatisticas/investigacoes-experimentais/estatisticas-</p><p>experimentais/28291-pesquisa-pulso-empresa-impacto-da-covid-19-nas-</p><p>empresas.html?=&t=conceitos-e-</p><p>metodos&utm_source=covid19&utm_medium=hotsite&utm_campaign=covid_19</p><p>.Acesso em 30 de julho de 2020.</p><p>MINISTÉRIO DA ECONOMIA, Secretaria de Trabalho, Novo Cadastro Geral de</p><p>Empregados e desempregados junho de 2020, disponível em</p><p>http://pdet.mte.gov.br/images/Novo_CAGED/Jun2020/2-apresentacao.pdf. Acesso em 30 de</p><p>julho de 2020.</p><p>MINISTÉRIO DA SAÚDE, Painel Coronavírus, disponível em https://covid.saude.gov.br/.</p><p>Acesso em 30 de julho de 2020.</p><p>125</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>O DESAFIO NA ELABORAÇÃO DE ÍNDICES DE</p><p>PREÇOS NO CONTEXTO DA PANDEMIA</p><p>José Fernando Pereira Gonçalves</p><p>fernandopg@ymail.com</p><p>IBGE</p><p>Resumo: Com a declaração da pandemia do novo coronavírus pela Organização Mundial de</p><p>Saúde, foram adotadas medidas restritivas de distanciamento social e de circulação das</p><p>pessoas, resultando no fechamento de estabelecimentos fornecedores de produtos e serviços</p><p>para a população. Os institutos de estatística, que compilam indicadores econômicos e sociais,</p><p>tiveram que dar uma resposta rápida para a substituição da coleta presencial dos dados de suas</p><p>pesquisas. Nesse artigo abordaremos a elaboração do índice de preços ao consumidor</p><p>discutindo a experiência de três países, além do Brasil, que vivenciaram grande ocorrência de</p><p>casos de coronavírus. Serão apresentadas as medidas adotadas relativamente à coleta de</p><p>preços dos bens e serviços que compõem suas respectivas cestas de consumo e o tratamento</p><p>utilizado por conta da ausência de preços, ou seja, o procedimento de imputação.</p><p>Palavras-chave: Pandemia; Índice de preços, Coronavírus; Inflação; Imputação.</p><p>Abstract: With the announcement of the new coronavirus pandemic by the World Health</p><p>Organization, restrictive measures of social distancing and circulation of people were adopted,</p><p>resulting in the closure of establishments which supply products and services to the population.</p><p>The statistical institutes, which compile economic and social indicators, had to respond quickly to</p><p>replace the face-to-face collection of their research data. In this article, we will address the</p><p>development of the consumer price index by discussing the experience of three countries, in</p><p>addition to Brazil, which experienced a high incidence of coronavirus cases. The measures</p><p>adopted in relation to the collection of prices of goods and services that make up their respective</p><p>consumption baskets will be presented and the treatment used due to the absence of prices, that</p><p>is, the imputation procedure.</p><p>Keywords: Pandemic; Price index, Coronavirus; Inflation; Imputation</p><p>126</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>1.INTRODUÇÃO</p><p>As restrições de circulação e o distanciamento social impostos pela</p><p>pandemia da Covid-19 surpreenderam a todos. Repentinamente, novas rotinas</p><p>tiveram que ser incorporadas ao dia a dia das famílias: higienização dos produtos</p><p>adquiridos em quaisquer estabelecimentos, utilização constante de álcool em</p><p>gel, maior e mais frequente higienização das mãos, uso de máscara, para citar</p><p>algumas.</p><p>Os trabalhadores das atividades tidas como essenciais (profissionais da</p><p>saúde, de supermercados, de farmácias, dos transportes, policiais, dentre</p><p>outros), como não podiam parar, mantiveram, em certa medida, sua rotina pouco</p><p>alterada. Porém, sua exposição diária no transporte e no exercício de sua</p><p>atividade profissional incorporava um risco maior para si e para seus familiares.</p><p>Outro nicho da população pôde executar suas atividades laborais de casa por</p><p>meio do chamado home office, reduzindo sua exposição à somente quando</p><p>necessitava sair para adquirir produtos em mercados e farmácias.</p><p>As famílias, de maneira geral, tiveram, também, que administrar a</p><p>educação dos filhos em uma nova realidade de aulas à distância, acessível para</p><p>aqueles cujos estabelecimentos de ensino ofereceram tal modalidade e, apenas,</p><p>para as famílias que dispõem de computador e acesso à internet que possibilite</p><p>ao estudante seguir com seus estudos.</p><p>Diversos estabelecimentos comerciais e de serviços tiveram suas</p><p>atividades suspensas por não terem sido considerados essenciais e, por sua</p><p>característica, facilitarem a aglomeração de pessoas. Incluem-se nessa</p><p>categoria as academias de ginástica, os cinemas, as lojas de roupas, etc.</p><p>Com todas essas novas situações que emergiram durante a pandemia,</p><p>restringindo a circulação, colocando o distanciamento social e levando a</p><p>suspensão de atividades econômicas ao redor do planeta, é de fundamental</p><p>importância o acompanhamento do desempenho dos indicadores econômicos e</p><p>sociais dos países. Os institutos de estatística e os bancos centrais, que são, em</p><p>geral, os órgãos responsáveis pela compilação dos indicadores econômicos e</p><p>sociais, se depararam com uma situação relativamente ímpar em suas rotinas.</p><p>A coleta de informações, atividade importante na apuração desses indicadores,</p><p>deveria ser continuada para evitar um apagão estatístico. Porém, havia a</p><p>imposição de uma restrição de contato impossibilitando a coleta presencial, tão</p><p>comum e rotineira no levantamento de informações estatísticas.</p><p>No Brasil, o Instituto Brasileiro de Geografia e Estatística (IBGE),</p><p>responsável pela compilação de dados para indicadores como o da</p><p>127</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>desocupação, apurado pela Pesquisa Nacional por Amostra de Domicílios</p><p>Contínua (PNAD Contínua), cujos dados são apurados em entrevistas realizadas</p><p>nos domicílios dos informantes, teve que se adaptar para realizar seus</p><p>levantamentos por telefone.</p><p>Outro indicador compilado pelo IBGE, o índice de preços ao consumidor,</p><p>também teve que sofrer ajustes para contornar a situação de isolamento trazida</p><p>pela chegada do Coronavírus no Brasil.</p><p>Neste artigo, dada a nova realidade que o mundo está vivendo,</p><p>apresentaremos os desafios que tal situação trás para os órgãos responsáveis</p><p>pela elaboração dos índices de preços ao consumidor em alguns países e como</p><p>e quais medidas estão sendo adotadas para que não sejam prejudicados os</p><p>históricos de preços. Antes, porém, será apresentada uma conceituação dos</p><p>índices de preços ao consumidor e as orientações para o tratamento da ausência</p><p>de preços.</p><p>2. O ÍNDICE DE PREÇOS AO CONSUMIDOR</p><p>2.1 DEFINIÇÃO, USOS E COLETA</p><p>Na publicação sobre o seu método de cálculo do índice de preços ao</p><p>consumidor, o IBGE (2013) o traduz como um indicador que resume o</p><p>“movimento de preços de um conjunto de bens e serviços, chamado ‘cesta de</p><p>mercadorias’, representativo de um determinado grupo populacional, em certo</p><p>período de tempo”.</p><p>Essa conceituação é corroborada no manual de índices de preços ao</p><p>consumidor elaborado em conjunto por diversos organismos internacionais:</p><p>Organização Internacional do Trabalho - OIT, Fundo Monetário Internacional -</p><p>FMI, Organização para a Cooperação e o Desenvolvimento Econômico - OCDE,</p><p>Eurostat (órgão de estatística da União Européia), Comissão Econômica das</p><p>Nações Unidas para a Europa - UNECE e Banco Mundial. Nesse manual, além</p><p>de uma definição – “CPIs measure changes over time in the general level of</p><p>prices of goods and services that households acquire (use or pay for) for the</p><p>purpose of consumption.” (ILO, 2020), são também apresentadas as principais</p><p>utilizações de um índice de preços.</p><p>Assim como no Brasil, em muitos países os índices de preços surgiram</p><p>como uma medida para monitorar a variação de preços de produtos e serviços</p><p>e assim ser utilizado com indicador para o reajuste dos salários dos</p><p>trabalhadores. Atualmente, conforme destacado pelo manual da OIT (ILO, 2020),</p><p>além de seu uso para a indexação de salários, o IPC é empregado como um</p><p>128</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>indicador para metas de inflação e para o deflacionamento das despesas de</p><p>consumo das famílias nas contas nacionais.</p><p>Em vista da sua ampla utilização, os índices de preços são um indicador</p><p>econômico de elevada importância, como ressaltado pelo manual da</p><p>Organização Internacional do Trabalho: “CPIs are now considered as one of the</p><p>most important economic and social indicators produced by National Statistical</p><p>Offices (NSOs) throughout the world.” (ILO, 2020).</p><p>Foge ao escopo deste trabalho a descrição dos procedimentos prévios</p><p>ao cálculo do índice de preços (apuração das cestas de bens e serviços</p><p>consumidos pelas famílias, determinação de seus pesos, definição da</p><p>abrangência geográfica do índice, locais de aquisição bens e serviços, fórmula</p><p>de cálculo, etc.). Considera-se a estrutura para a sua compilação já estabelecida,</p><p>com uma rotina normal de um instituto de estatística com coleta de preços em</p><p>estabelecimentos comerciais e de serviços espalhados na região de abrangência</p><p>definida.</p><p>A coleta presencial, seja em questionário de papel ou com o suporte de</p><p>algum dispositivo eletrônico, é um dos meios mais comuns na obtenção de</p><p>preços, conforme destacado pela OIT (ILO, 2020): “[…] involves collectors</p><p>visiting individual outlets to collect prices for several goods and services. This is</p><p>the predominant method of price collection in most countries [...].”, dada a</p><p>importância de se buscar representação, nos métodos de coleta, dos hábitos de</p><p>consumos das famílias.</p><p>2.2 PROCEDIMENTOS NA AUSÊNCIA DE PREÇOS</p><p>É parte da rotina de um coletor de preços de um instituto de estatística</p><p>se deparar com a situação de falta de um determinado produto, seja por seu</p><p>caráter sazonal, seja por uma ausência temporária. Nessa situação os órgãos</p><p>responsáveis pelos índices de preços possuem procedimentos a serem</p><p>adotados. O manual da OIT (ILO, 2020) esclarece que os produtores dos índices</p><p>têm as seguintes três opções:</p><p>i) excluir do cálculo aquela marca de produto para o qual o preço não</p><p>pode ser coletado, com atenção para não comprometer o tamanho da amostra.</p><p>ii) carregar o último preço observado, o que não é fortemente aceito a</p><p>não ser que se trate de preços e tarifas fixas ou controladas. Este procedimento,</p><p>alerta a OIT no mesmo manual, terá um viés descendente caso o movimento</p><p>geral de preços apresente um movimento de subida e um viés ascendente caso</p><p>contrário.</p><p>129</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>iii) realizar a imputação do preço ausente, que se configura na melhor</p><p>opção, podendo essa ser realizada pela variação do preço médio dos preços</p><p>disponíveis no agregado elementar ou pela variação do preço médio dos preços</p><p>de produtos comparáveis em estabelecimentos similares.</p><p>Independente do procedimento adotado, ele deve ser revestido de</p><p>transparência, haja vista a importância que o índice de preços tem na política</p><p>monetária, influenciando no reajuste de salários e aposentadorias. Segundo a</p><p>OIT (ILO, 2020): “The methods used to compile it must therefore be fully</p><p>documented, transparent, and open to public scrutiny.”</p><p>Essa transparência é recorrente nos institutos de estatística produtores</p><p>de índices de preços por meio da apresentação de suas metodologias de cálculo.</p><p>Especificamente nesse momento de isolamento social em razão da pandemia</p><p>do Covid-19, os institutos e órgãos de estatística disponibilizaram em seus sítios</p><p>na internet notas metodológicas ou artigos com os procedimentos por eles</p><p>adotados e recomendados para a ausência de preços em decorrência da</p><p>suspensão das atividades de estabelecimentos comerciais e de serviços, aliada</p><p>a não realização de pesquisas pessoais.</p><p>Desde o início da proliferação do coronavírus, passando pela decretação</p><p>da pandemia pela Organização Mundial da Saúde em 11 de março de 2020, até</p><p>meados de junho do mesmo ano, alguns países foram foco mais acentuado de</p><p>contaminação, a citar os Estados Unidos, o Reino Unido, a Itália e o Brasil. Para</p><p>tais países, abordaremos os procedimentos adotados ao lidar com a situação de</p><p>isolamento frente à necessidade de se continuar a produção do índice de preços</p><p>ao consumidor.</p><p>3.PROCEDIMENTOS ADOTADOS EM INSTITUTOS DE</p><p>ESTATÍSTICA</p><p>Na elaboração desse artigo, foram consultados os sítios na internet dos</p><p>institutos de estatística produtores das informações de índice de preços ao</p><p>consumidor dos Estados Unidos, do Reino Unido, da Itália e do Brasil. Esses</p><p>países são grades economias mundiais e também se destacaram no número de</p><p>casos e de mortes do novo coronavírus. Nos quatro países, as medidas</p><p>restritivas de distanciamento social e de circulação de pessoas tiveram início no</p><p>mês de março de 2020.</p><p>3.1 ESTADOS UNIDOS</p><p>Nos Estados Unidos, a compilação dos dados para o índice de preços</p><p>ao consumidor é realizada pelo Bureau of Labor Statistics (BLS). No sitio da</p><p>internet do órgão foi disponibilizada uma nota explicando os efeitos da pandemia</p><p>130</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>nos índices de preços do instituto (BLS, 2020). Inicialmente, a nota esclarece</p><p>que o índice de preços ao consumidor é calculado com base em duas pesquisas</p><p>mensais, uma em estabelecimentos de bens e serviços e outra, de habitação,</p><p>realizada junto a proprietários e inquilinos.</p><p>A nota do BLS, escrita em um esquema de perguntas e respostas,</p><p>esclarece os fatores limitantes da pesquisa tais como a disponibilidade dos</p><p>informantes e de produtos, em decorrência da pandemia e ressalta, também,</p><p>que são utilizados vários modos de coleta de dados sendo que a principal fonte</p><p>de dados advém da coleta presencial.</p><p>Na impossibilidade de coleta de preço, a nota informa que o preço</p><p>ausente é imputado, e acrescenta (BLS, 2020): “Essentially, the price movement</p><p>of items that are not collected is estimated to be the same as those that are</p><p>collected for a given item and geographic area.” Em adição, o texto ressalta para</p><p>a possibilidade do aumento de preços ausentes na amostra do IPC.</p><p>As pesquisas presenciais foram suspensas e substituídas por coleta por</p><p>telefone, e-mail ou internet no sítio do estabelecimento, caso este o tenha. Uma</p><p>preocupação a mais que o instituto teve com alguns estabelecimentos tidos</p><p>como essenciais foi a de não pesquisá-los por telefone.</p><p>Com relação aos dados</p><p>com o governo federal” (CEPEDES, 2020). De uma forma geral, o</p><p>relatório conclui especificamente sobre as medidas de distanciamento social</p><p>7 Os dados no painel oficial foram restaurados em sua integralidade por determinação do STF após</p><p>mudanças em sua forma de disponibilização, ocultando os casos e óbitos acumulados. Mais detalhes ver a</p><p>decisão do STF em https://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=445071&ori=1</p><p>8 https://bigdata-covid19.icict.fiocruz.br/</p><p>9 http://www.conass.org.br/painelconasscovid19/</p><p>Incidência Mortalidade Letalidade</p><p>(Casos/100 mil</p><p>hab)</p><p>(Óbitos/100 mil</p><p>hab)</p><p>(Óbitos/Casos)</p><p>(%)</p><p>Brasil 210.147.125 1.884.967 72.833 897,0 34,7 3,9</p><p>Norte 18.430.980 323.717 10.552 1.756,4 57,3 3,3</p><p>Nordeste 57.071.654 635.612 23.610 1.113,7 41,4 3,7</p><p>Sudeste 88.371.433 647.352 33.036 732,5 37,4 5,1</p><p>Sul 29.975.984 127.053 2.601 423,8 8,7 2,0</p><p>Centro-Oeste 16.297.074 151.233 3.034 928,0 18,6 2,0</p><p>Fonte: Elaboração própria a partir de Ministério da Saúde, 2020 (Portal Coronavírus Brasil, consulta em 14/07/2020)</p><p>(1) População total disponibilizado no Painel Coronavírus referente à população enviada ao TCU 2019</p><p>(2) Situação em13/07/2020, a partir da consolidação de dados das Secretarias Estaduais</p><p>Brasil e Grandes</p><p>Regiões</p><p>População</p><p>Total (1)</p><p>Totais(2) Taxas e Indicadores</p><p>Casos Óbitos</p><p>12</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>adotadas: (i) algumas tornaram-se inexequíveis para parte da população</p><p>brasileira que sofre com a ausência de trabalho e renda, infraestrutura urbana e</p><p>habitações adequadas, transporte público e acesso aos serviços; e (ii) sob</p><p>ataques de diferentes grupos de interesse e da Presidência da República as</p><p>medidas não avançaram do modo necessário, resultando em flexibilização e</p><p>relaxamento das mesmas ainda na fase ascendente das curvas de contágio.</p><p>Os efeitos adjacentes sobre a economia, no Brasil e no mundo, já são</p><p>fruto de ampla discussão e distintas projeções indicam que o Brasil está diante</p><p>de uma queda histórica do PIB. Em recente revisão divulgada no mês de junho</p><p>o Fundo Monetário Internacional (FMI) atualizou projeção de queda do PIB</p><p>brasileiro para -9,1%. Projeções do Grupo de Indústria e Competitividade, do</p><p>Instituto de Economia da Universidade Federal do Rio de Janeiro - UFRJ trazem</p><p>um cenário “de referência” de queda de 6,4% e um “pessimista” que alcança -</p><p>11%. A revisão do Instituto de Pesquisa Econômica Aplicada - IPEA divulgada</p><p>em junho, por sua vez, indica queda de -6% no ano. Quaisquer dessas previsões,</p><p>se realizadas, representarão a maior queda anual da economia brasileira desde</p><p>1947, ano de início da série histórica10.</p><p>Com o objetivo de fornecer proteção emergencial no período de</p><p>enfrentamento à crise, algumas políticas foram adotadas como a concessão do</p><p>“auxílio emergencial”11, um benefício financeiro destinado aos trabalhadores</p><p>informais, microempreendedores individuais (MEI) e desempregados. O</p><p>benefício corresponde ao valor de R$ 600 a ser pago inicialmente por três</p><p>meses, para até duas pessoas da mesma família. Outra medida adotada foi o</p><p>“benefício emergencial de preservação do emprego e da renda”, destinado aos</p><p>empregados formais que tiveram suas jornadas e remunerações reduzidas.</p><p>Neste caso, os empregados recebem uma fração do seguro desemprego como</p><p>compensação pela redução salarial acordada (de 25%, 50%, 70% ou 100%)12.</p><p>Tais medidas buscam atenuar o efeito da crise no tecido social uma vez</p><p>que os efeitos da pandemia na economia já são extremamente desfavoráveis no</p><p>10 Ver: FMI (2020); UFRJ (2020) e IPEA (2020).</p><p>11 O auxílio emergencial foi criado pela Lei 13.982 de 2 de Abril de 2020 é destinado a todas as pessoas</p><p>com mais de 18 anos – e mães com menos de 18 anos – que estejam desempregados ou exerça atividade</p><p>de: microempreededor Individual (MEI), contribuinte individual na previdência social e trabalhador informal,</p><p>que não tenham recebido nenhum benefício de programas do governo, com exceção do Bolsa Família.</p><p>Além disso deve reunir os requisitos de possuírem renda domiciliar per capita de até meio salário mínimo</p><p>ou renda total de até três salários mínimo, além de não ter tido rendimentos tributáveis, em 2018, acima</p><p>de R$ 28,6 mil.</p><p>12 O Benefício Emergencial de Preservação do Emprego e da Renda é destinado a trabalhadores que</p><p>formalizaram acordo com os seus empregadores, durante o período da pandemia da COVID-19, para</p><p>suspensão do contrato de trabalho ou redução proporcional de jornada de trabalho e de salário nos termos</p><p>da Medida Provisória nº 936/2020. Ver: http://www.caixa.gov.br/beneficios-trabalhador/beneficio-</p><p>emergencial/paginas/default.aspx.</p><p>13</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>mercado de trabalho brasileiro. O Cadastro Geral de Empregados e</p><p>Desempregados (CAGED), divulgado em maio/2020, mostrou que a economia</p><p>brasileira fechou 1,5 milhão de postos de trabalho com carteira assinada</p><p>somente nos meses de março e maio, o maior saldo negativo em 29 anos de</p><p>série histórica13. A base de dados apontou também que em abril houve 4,4</p><p>milhões de contratos de trabalho suspensos e outros 3,5 milhões com redução</p><p>de até 70% das horas trabalhadas, em relação ao mês de março de 2020. Foram</p><p>solicitados 351 mil pedidos de seguro-desemprego na primeira quinzena de</p><p>junho, 456 mil na segunda quinzena de maio e 504 mil na primeira quinzena de</p><p>maio, um aumento significativo em relação ao mesmo período do ano passado.</p><p>De acordo com a PNAD Contínua, que cobre a totalidade das posições</p><p>na ocupação e não apenas os vínculos celetistas, houve redução de 7,0 milhões</p><p>de pessoas ocupadas no trimestre móvel terminado em maio de 2020, quando</p><p>comparada a igual período do ano passado. O país registrou ainda deflação</p><p>medida pelo IPCA nos meses de abril (-0,31%) e maio (-0,38%) indicando queda</p><p>do consumo e desorganização do sistema econômico.</p><p>A partir dessa contextualização inicial, as seções seguintes buscam</p><p>explorar o conjunto de informações públicas disponíveis para o enfrentamento</p><p>da crise nas áreas de saúde, estatísticas vitais, moradia e emprego, de forma a</p><p>avaliar o atendimento imediato das demandas e discutir limites, potencialidades</p><p>e impactos sobre o sistema informacional público brasileiro nessas áreas.</p><p>3. ESTATÍSTICAS PÚBLICAS DURANTE A PANDEMIA</p><p>3.1 INFRAESTRUTURA HOSPITALAR E ESTATÍSTICAS VITAIS</p><p>A observação das características de propagação do Sars-Covid-2 e a</p><p>evolução da COVID19 nos países asiáticos e europeus no início da pandemia</p><p>indicou a necessidade de avaliação urgente da disponibilidade de leitos,</p><p>profissionais de saúde e respiradores para atendimento em massa da</p><p>população. Embora considerada de letalidade baixa, o alto grau de contágio, a</p><p>rápida evolução da doença para tratamento intensivo – principalmente entre os</p><p>idosos – e o tempo de internação elevado acenderam o alerta para a capacidade</p><p>de atendimento dos sistemas de saúde público e privado. No Brasil, essas</p><p>informações encontram-se disponíveis no departamento de informática do</p><p>Sistema Único de Saúde do Brasil (DATASUS) por meio do CNES – Cadastro</p><p>Nacional de Estabelecimentos de Saúde. Em ação conjunta, IBGE e Fiocruz</p><p>13 CAGED (2020).</p><p>14</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>disponibilizaram no site especial “IBGE Covid19”14 informações consolidadas</p><p>sobre esses recursos na forma de mapas e tabelas, com data de referência</p><p>dezembro/2019 e desagregação por região de saúde, município, Unidades da</p><p>Federação e Distrito Federal. A Tabela 3 traz dados consolidados, por 100 mil</p><p>habitantes e proporção de recursos no SUS para Brasil e Grandes Regiões.</p><p>Tabela 3 - Leitos, médicos e respiradores em uso por 100 mil habitantes, total e no SUS, e</p><p>proporção desses recursos disponíveis no SUS – Dez/2019</p><p>O Brasil dispunha para enfrentamento da pandemia, ao final de 2019,</p><p>de aluguel, apurados na pesquisa de habitação</p><p>citada anteriormente, os coletores receberam instruções específicas para</p><p>situações de perdão, redução ou não pagamento do aluguel.</p><p>3.2 REINO UNIDO</p><p>O instituto de estatística do Reino Unido (Office of Nationa Statistics –</p><p>ONS) disponibilizou em sua página na internet um documento (ONS, 2020)</p><p>estabelecendo os procedimentos para a manutenção da coleta de dados para</p><p>as estatísticas de preços durante a pandemia do coronavírus. Tal qual o</p><p>procedimento adotado nos Estados Unidos, a coleta presencial foi substituída</p><p>pela pesquisa pela internet, no sítio dos estabelecimentos, por telefone ou e-</p><p>mail.</p><p>O documento orienta quanto ao procedimento de imputação a ser</p><p>empregado caso o bem ou serviço a ser pesquisado for classificado como</p><p>“disponível” ou “indisponível”, entendendo-se por “disponível” aqueles itens que</p><p>ainda estão disponíveis para o consumidor adquirir de alguma forma. No caso</p><p>dos indisponíveis, deve-se verificar se se trata de um item sazonal.</p><p>De forma geral, o artigo do instituto afirma que as opções utilizadas para</p><p>imputação serão, dentre a mais apropriada: i) imputar a variação do índice</p><p>imediatamente acima na estrutura de classificação; ii) imputar com base no</p><p>131</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>movimento geral de presos de um item semelhante ou iii) repetir o preço,</p><p>procedimento adotado quando a série da variação de preços mostra-se estável</p><p>ao longo do tempo.</p><p>3.3 ITÁLIA</p><p>Junto com a divulgação dos dados da inflação de abril de 2020 consta</p><p>uma nota metodológica do Instituto Nacional de Estatística da Itália (Istat) sobre</p><p>os procedimentos do instituto frente à pandemia.</p><p>A coleta de dados para os índices de preços é proveniente de coletas</p><p>realizadas por pesquisas locais, pesquisa central, o uso de scanner data além</p><p>de dados administrativos.</p><p>O instituto esclarece (Istat, 2020) que os maiores problemas referem-se</p><p>à coleta de campo, realizada pelos escritórios de estatística municipais (pesquisa</p><p>local) e que tal atividade passou de presencial para coleta por telefone ou com</p><p>uso da internet.</p><p>Para o caso de produtos ausentes do mercado em decorrência da</p><p>restrição de movimentação das pessoas e do fechamento de estabelecimentos,</p><p>a nota salienta que os procedimentos de imputação adotados estão em</p><p>conformidade com as orientações do órgão de estatística da União Europeia –</p><p>Eurostat, e que seriam empregados para estimar os preços dos produtos que</p><p>não pudessem ser coletados e daqueles que não estavam disponíveis, como as</p><p>passagens aéreas ou outros serviços turísticos, ou em quantidades</p><p>insignificantes.</p><p>Desse modo, o instituto de estatística italiano, conforme sua nota</p><p>metodológica, adota como critério de imputação, via de regra, a taxa de variação</p><p>do mesmo produto em outra área geográfica, ou de um agregado semelhante</p><p>ou, ainda, “the monthly change of the index of the higher aggregation level in the</p><p>classification structure.” (Istat, 2020). A mesma nota índica que a imputação</p><p>também pode ocorrer carregando-se o último preço e, para aqueles produtos</p><p>marcadamente sazonais, aplica-se a taxa de variação do índice geral, excluídos</p><p>tais produtos.</p><p>O Istat destaca o procedimento adotado para alguns serviços com</p><p>caráter sazonal e cujas atividades foram fortemente afetadas pelas medidas</p><p>restritivas de circulação de pessoas, tais como as passagens aéreas e pacotes</p><p>turísticos, dentre outros. Para tais serviços o processo de imputação adotado</p><p>pelo instituto é a aplicação, nos preços observados um ano atrás, da variação</p><p>anual do índice geral calculado em tais serviços.</p><p>132</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>3.4 BRASIL</p><p>Do mesmo modo que os outros países, conforme abordado nos itens</p><p>anteriores, o IBGE, órgão do governo federal responsável pela compilação,</p><p>dentre outros, do Índice de Preços ao Consumidor Amplo (IPCA), que é o</p><p>indicador utilizado pelo Banco Central do Brasil como balizador das metas de</p><p>inflação, decidiu, conforme comunicado em seu sítio na internet, suspender as</p><p>coletas de preços presenciais nos locais de compra (IBGE, 2020a).</p><p>Nesse processo, conforme informativo da agência de notícias do órgão</p><p>(IBGE, 2020b), a coleta presencial foi substituída pela apuração de preços pela</p><p>internet para os produtos dos grupamentos de alimentação (no domicílio e em</p><p>restaurantes), artigos de limpeza, de higiene pessoal e de residência, além de</p><p>itens de vestuário. Para alguns produtos da cesta de bens e serviços dos índices</p><p>de preços do Brasil, tais como livros e eletrônicos, por exemplo, a nota informa</p><p>que a coleta de preços era realizada, tanto em lojas físicas quanto de forma on-</p><p>line, sendo esse o método de coleta adotado. Adicionalmente, a agência destaca</p><p>que os “[...] preços de passagens aéreas e transporte por aplicativo continuam a</p><p>ser coletados por webscraping.” (IBGE, 2020b).</p><p>Em seu relatório mensal sobre os índices de preços o instituto (IBGE,</p><p>2020c, p.8) informa que:</p><p>[...] em virtude do quadro de emergência de saúde pública causado pela</p><p>COVID-19, o IBGE suspendeu, no dia 18 de março, a coleta presencial de preços</p><p>nos locais de compra. A partir dessa data, os preços passaram a ser coletados</p><p>por outros meios, como pesquisas realizadas em sites de internet, por telefone</p><p>ou por e-mail.</p><p>Ainda em caráter informativo o instituto divulgou uma nota técnica (IBGE,</p><p>2020d) relativa aos cursos regulares. A nota esclarece que descontos oferecidos</p><p>pelas instituições de ensino, em decorrência da suspensão das aulas</p><p>presencias, serão apropriados pelos índices de preços do instituto no mês de</p><p>agosto, quando se realizará nova coleta, conforme calendário, “[...] de forma que</p><p>o acumulado no ano reflita os reajustes e reduções praticados ao longo de 2020.”</p><p>(IBGE, 2020d).</p><p>No tocante a imputação de preços, o método de cálculo dos índices do</p><p>instituto (IBGE, 2013) apresenta as duas formas adotadas para a falta de preços</p><p>de bens ou serviços. O documento diz que a imputação será realizada pela</p><p>média de preços apurados nos locais que apresentam preços para os bens e</p><p>serviços no mês ou então a imputação se dará pela repetição do preço do mês</p><p>anterior.</p><p>133</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>4. CONSIDERAÇÕES FINAIS</p><p>A declaração da pandemia por coronavírus pela Organização Mundial</p><p>da Saúde em março de 2020 trouxe diversas restrições às pessoas ao redor do</p><p>mundo e, consequentemente, para a economia dos países. Por não poder</p><p>circular e, para evitar o contato das pessoas e, assim, aumentar a disseminação</p><p>da doença, diversas atividades econômicas tiveram suas atividades</p><p>interrompidas. É o caso, por exemplo, dos serviços de entretenimento em geral</p><p>(cinema, teatro, casas de espetáculo), dos restaurantes (que funcionaram</p><p>somente para entrega de refeições), das empresas aéreas e de turismo e das</p><p>lojas de vestuário. Demais serviços tidos como essenciais – supermercados,</p><p>transportes urbanos, farmácias – mantiveram suas atividades operando</p><p>regularmente, com restrições para o atendimento dos clientes (uso de máscara)</p><p>além de limitação no número destes nos estabelecimentos. Em algumas</p><p>localidades, dada a magnitude do alcance da doença, medidas mais rígidas</p><p>foram adotadas, o chamado lockdown.</p><p>Nesse cenário, com as famílias e as empresas adaptando-se a uma</p><p>realidade de trabalho em casa, os institutos de estatística pelo mundo,</p><p>responsáveis pela compilação e divulgação de indicadores sociais e</p><p>econômicos, como o índice de preços ao consumidor, também se viram forçados</p><p>a reformular seus procedimentos de coleta de dados. Os quatro institutos</p><p>verificados neste artigo suspenderam as coletas presenciais, mesmo nos</p><p>estabelecimentos que permanecem em funcionamento, substituindo pela coleta</p><p>por telefone, e-mail ou em consulta</p><p>em sítios da internet.</p><p>Foram também divulgados os procedimentos adotados pelos institutos</p><p>para a imputação de preços para os produtos que não estivessem disponíveis</p><p>no momento da coleta que variavam de carregar o preço do mês anterior, aplicar</p><p>a variação de produto semelhante apurada em outra região, ou a variação do</p><p>índice geral, excluídos os produtos faltantes. Adicionalmente, cabe destacar a</p><p>transparência nos procedimentos adotados e a importância da continuidade dos</p><p>procedimentos de divulgação das informações, especificamente aquelas</p><p>relativas aos índices de preços, indicador de relevância para a economia dos</p><p>países.</p><p>Essa nova realidade que se impôs repentinamente trouxe um grande</p><p>desafio para os institutos de estatística que, rapidamente, mostraram-se</p><p>dinâmicos na busca de soluções para enfrentar o problema na coleta de preços,</p><p>tanto na questão da impossibilidade de coleta presencial quanto na questão da</p><p>falta de preços.</p><p>134</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>A configuração de uma situação diferente no pós-pandemia, o chamado</p><p>“novo normal”, ainda trará desafios para a produção de indicadores econômicos</p><p>e sociais para os países que devem, a partir de então, investir mais esforços no</p><p>aprimoramento da informatização da obtenção de dados, especificamente no</p><p>que tange aos índices de preços ao consumidor, no desenvolvimento de</p><p>ferramentas como o scanner data e o webscraping.</p><p>5. REFERÊNCIAS BIBLIOGRÁFICAS</p><p>Instituto Brasileiro de Geografia e Estatística (IBGE). Sistema nacional de índices de</p><p>preços ao consumidor: métodos de cálculo. 7. ed. Rio de Janeiro: IBGE, 2013. 72 p.</p><p>(Série relatórios metodológicos, v. 14). Disponível</p><p>em: . Acesso em: jun.</p><p>2020</p><p>______. (2020a). Comunicados: Suspensão da coleta presencial (IPCA, IPCA-15, IPCA-</p><p>E, INPC e SINAPI). Disponível em: . Acesso em: jun. 2020.</p><p>______. (2020b). Agência IBGE Notícias: Durante pandemia, coleta de dados de</p><p>emprego e inflação será via telefone e internet. Disponível em:</p><p>. Acesso em jun.2020.</p><p>______. (2020c). Indicadores IBGE: Sistema Nacional de Índices de Preços ao</p><p>Consumidor IPCA e INPC Março 2020. Disponível em: .</p><p>Acesso em: jun. 2020.</p><p>______. (2020d). Sistema Nacional de Índices de Preços ao Consumidor - SNIPC. Nota</p><p>técnica 02/2020: Cursos regulares. Disponível em:</p><p>. Acesso em: jun.</p><p>2020.</p><p>Instituto Nacional de Estatística - Istat. (2020). Metodological Note. The Covid-19 crisis</p><p>and the compilation of consumer price indices. Disponível em</p><p>. Acesso em</p><p>maio 2020.</p><p>International Labour Office – ILO. Consumer price index manual: concepts and methods.</p><p>Draft jan. 2020. 775 p. Elaborado pela Organização Internacional do Trabalho - OIT,</p><p>Fundo Monetário Internacional - FMI, Organização para a Cooperação e o</p><p>Desenvolvimento Econômico - OCDE, órgão de estatística da União Europeia - Eurostat,</p><p>Comissão Econômica das Nações Unidas para a Europa - UNECE e Banco Mundial.</p><p>Disponível em: . Acesso em: maio</p><p>2020.</p><p>135</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.125-135, julho-dezembro 2020</p><p>Office of National Statistics - ONS (2020). Coronavirus and the effects on UK prices.</p><p>Disponível em</p><p>. Acesso em maio 2020.</p><p>U. S. Bureau of Labor Statistics (2020). BLS information. Effects of COVID-19 Pandemic</p><p>on BLS Price Indexes. Disponível em . Acesso em maio 2020.Todo o texto do artigo,</p><p>incluindo título, resumo, abstract, títulos das seções e subseções etc., deve ser escrito</p><p>em fonte ARIAL.</p><p>136</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>ÍNDICE DE VULNERABILIDADE DEMOGRÁFICA E</p><p>INFRAESTRUTURAL DAS TERRAS INDÍGENAS À</p><p>COVID-19: A IMPORTÂNCIA DAS ESTATÍSTICAS</p><p>PÚBLICAS NA ELABORAÇÃO DE SUBSÍDIOS PARA A</p><p>TOMADA DE DECISÃO</p><p>Marta de Oliveira Antunes</p><p>marta.antunes@ibge.gov.br</p><p>Instituto Brasileiro de Geografia e Estatística</p><p>Fernando Souza Damasco</p><p>fernando.damasco@ibge.gov.br</p><p>Escola Nacional de Ciências Estatísticas/Instituto Brasileiro de Geografia e Estatística</p><p>Marcos Henriques Martins</p><p>marcos.henrique@ibge.gov.br</p><p>Instituto Brasileiro de Geografia e Estatística</p><p>Matheus Pinto Rebouças</p><p>matheus.reboucas@ibge.gov.br</p><p>Instituto Brasileiro de Geografia e Estatística</p><p>Marta Maria do Amaral Azevedo</p><p>Núcleo de Estudos de População Elza Berquó /Nepo da UNICAMP</p><p>azevedomartamaria55@gmail.com</p><p>Resumo: A análise da vulnerabilidade demográfica e infraestrutural das Terras Indígenas à</p><p>COVID-19, através da construção de um índice que tem como insumos os dados produzidos no</p><p>âmbito do Censo Demográfico 2010 pelo IBGE, dados do Ministério da Saúde sobre a</p><p>disponibilidade de Unidades de Tratamento Intensivo, da Fundação Nacional do Índio sobre a</p><p>situação de regularização das terras e dados sobre os deslocamentos da população para</p><p>atendimento de saúde de alta complexidade do IBGE, apresentada no presente artigo,</p><p>demonstra o potencial de agregar dados demográficos e infraestruturais a análises de</p><p>vulnerabilidade e cenarização relativas ao enfrentamento da pandemia que acomete o Brasil e o</p><p>mundo. A representação geoespacial dos resultados obtidos antes da entrada da pandemia nas</p><p>terras indígenas e por recortes alinhados com a operacionalização das políticas de saúde do</p><p>137</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>subsistema de saúde indígena colabora para a afirmação de que as estatísticas públicas e, em</p><p>particular, os dados censitários desagregáveis para grupos etnicamente diferenciados e recortes</p><p>territoriais específicos são fundamentais para orientar as tomadas de decisão em situações de</p><p>crise, como se verificou na fase inicial da pandemia no Brasil, quando ainda não havia dados</p><p>sobre a evolução territorial da mesma, indicando os recortes que podem sofrer mais impactos no</p><p>longo prazo.</p><p>Palavras-chave: Estatísticas Públicas; Políticas Públicas, Saúde Indígena; COVID-19; Terras</p><p>Indígenas.</p><p>Abstract: The analysis of the demographic and infrastructural vulnerability of Indigenous</p><p>Reserves to COVID-19 through the construction of a social indicator presented in this article</p><p>demonstrates the potential of adding demographic and infrastructure data to analysis of</p><p>vulnerability and relative scenarios facing the pandemic that affects Brazil and the world. The</p><p>geospatial representation of the results obtained before the pandemic arrived the indigenous</p><p>lands, and presenting geographic cutouts aligned with the health services of the indigenous health</p><p>system, contributes to the statement that the public statistics are fundamental to guide decision</p><p>making in crisis situation. Specifically the disaggregated census data for ethnically differentiated</p><p>social groups and specific territorial cutouts are important in crisis situations, as was seen in the</p><p>initial phase of the pandemic in Brazil, when there was still no data on its territorial evolution,</p><p>indicating the cuts that may suffer the most long-term impacts. The analysis uses as input the</p><p>data produced under the 2010 Demographic Census by Brazilian Institute of Geography and</p><p>Statistics (IBGE), data from the Ministry of Health on the availability</p><p>of Intensive Care Units, of</p><p>the Brazilian Indigenous Foundation at the Justice Secretary (FUNAI) on the situation of land</p><p>regularization and data on population displacements for highly complex health care provided by</p><p>IBGE.</p><p>Keywords: Public Statistics; Public Policies, Healthcare for Indigenous People; COVID-19;</p><p>Indigenous Reserves.</p><p>1.INTRODUÇÃO</p><p>Partindo da análise das informações divulgadas pela Organização</p><p>Mundial da Saúde (OMS) e pelo Ministério da Saúde do Brasil (MS) sobre</p><p>condições que aumentam a vulnerabilidade ao contágio e ao risco de morte pela</p><p>COVID-19, e aliando a mesma ao conhecimento acumulado no campo da</p><p>Demografia dos povos indígenas, os autores propõem um índice que permite a</p><p>comparação entre recortes que orientam a implementação das políticas de</p><p>saúde pelo subsistema de saúde indígena gerido pela Secretaria Especial de</p><p>Saúde Indígena (SESAI): os Distritos Sanitários Especiais (DSEI) e as Terras</p><p>Indígenas que os compõem.</p><p>Sua construção, no final de março, início de abril, por volta da semana</p><p>epidemiológica 16-2020, teve como objetivo inicial criar um instrumento que</p><p>contribuísse para os programas de prevenção ao coronavírus entre os povos</p><p>indígenas a partir da avaliação de informações demográficas, infraestruturais e</p><p>geográficas sobre as terras indígenas. Oferecendo elementos que permitissem</p><p>priorizar as regiões onde ações preventivas eram mais urgentes, considerando</p><p>138</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>sua maior vulnerabilidade uma vez que a pandemia se interiorizasse, preparando</p><p>ações governamentais e das próprias comunidades e suas organizações</p><p>parceiras num estágio inicial da pandemia no território nacional.</p><p>Nesse sentido, os resultados foram divulgados por meio de seminários</p><p>pela internet1, com diferentes atores, e um conjunto abrangente de material de</p><p>insumo foi disponibilizado no sítio de internet da Associação Brasileira de</p><p>Estudos Populacionais (ABEP)2, servindo de insumo para outros estudos, dos</p><p>quais destacamos Damasco et al. (2020).</p><p>Após a construção do Índice de Vulnerabilidade Demográfica e</p><p>Infraestrutural das Terras Indígenas à COVID-19 (IVDIC), os autores</p><p>acompanharam a interiorização da pandemia e seus impactos no contágio e nas</p><p>mortes ocorridas nas Terras Indígenas. Os dados extremamente preocupantes</p><p>da realidade deste avanço permitiram ratificar a importância de agregar dados</p><p>demográficos e infraestruturais a análises de vulnerabilidade e cenarização</p><p>relativas ao enfrentamento da pandemia e que as estatísticas públicas e, em</p><p>particular, os dados censitários desagregáveis para grupos etnicamente</p><p>diferenciados, mais vulneráveis a esse tipo de calamidade, e por recortes</p><p>territoriais específicos são fundamentais para orientar as tomadas de decisão</p><p>nos momentos iniciais de uma pandemia, quando ainda não se possuem dados</p><p>sobre a evolução territorial da mesma.</p><p>Neste artigo apresentamos a composição do IVDIC e a justificativa para</p><p>a escolha de suas variáveis, assim como dos pesos atribuídos às mesmas na</p><p>primeira seção. Em seguida, apresentamos e analisamos os resultados obtidos</p><p>na comparação do IVDIC entre DSEIs e como os componentes do IVDIC</p><p>apontam para vulnerabilidades diferenciadas em cada Terra Indígena e suas</p><p>combinações também diferenciadas, mostrando a importância de desenhar</p><p>respostas preventivas e ações emergenciais que dialoguem com as mesmas,</p><p>tanto nas fases iniciais do processo de expansão territorial da pandemia, quanto</p><p>nas fases de interiorização e ampliação da mesma.</p><p>1 Destacamos o “Webinário 04 – UNFPA e ABEP: Povos Indígenas e a Pandemia da COVID”</p><p>(https://www.youtube.com/watch?v=cRVdwss7BKc – 20/05/2020) e a Mesa-Redonda online do</p><p>Programa de Pós-Graduação de Geografia da UFF: “Vulnerabilidade e enfrentamento à COVID-</p><p>19 em contextos indígenas. Contribuições Geográficas e Estatísticas”</p><p>(https://www.youtube.com/watch?v=F7TtPgAJqYo – 22/05/2020).</p><p>2 Disponível em https://www.nepo.unicamp.br/publicacoes/Caderno-Demografia-Indigena-e-</p><p>COVID19.pdf, acessado em 17/07/2020.</p><p>139</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>2. SELECIONANDO OS COMPONENTES DO IVDIC</p><p>As estatísticas divulgadas no Boletim Especial 10 do Ministério da</p><p>Saúde3 demonstram que a maioria dos óbitos de COVID-19 confirmados no</p><p>Brasil está entre a população mais idosa (72% dos casos de óbito com</p><p>investigação concluída), com fatores de risco associados4, sendo 60% dos óbitos</p><p>do sexo masculino5, ao mesmo tempo em que o Boletim Especial 06 aponta para</p><p>um padrão de alta transmissibilidade do vírus em processos de contato social e</p><p>enfatiza a “necessidade de manutenção das medidas de distanciamento social</p><p>ampliada que foi adotada por diversos gestores estaduais e municipais”6, a</p><p>chamada quarentena.</p><p>De notar, que de abril para julho o percentual de óbitos por COVID-19,</p><p>por recorte de cor ou raça informada, passou de 0,5% para 0,6% para pessoas</p><p>declaradas indígenas (Boletim Especial 10 e Boletim Especial 22)7, enquanto o</p><p>Censo Demográfico 2010 apontou um percentual inferior - 0,4% - da participação</p><p>das pessoas declaradas indígenas na distribuição da população por cor ou raça</p><p>no Brasil, dentro e fora de Terras Indígenas.</p><p>O total de indígenas no Brasil em 2010 era de 896,9 mil, sendo a Região</p><p>Norte a mais populosa em indígenas no país com 342 mil indígenas. Destes,</p><p>57,6% residiam em Terras Indígenas. Quando analisamos a razão de sexo da</p><p>população em Terras Indígenas, verificamos que em 70% das Terras Indígenas</p><p>existe um predomínio masculino, em 18% um predomínio feminino e em 12% um</p><p>equilíbrio entre o número de homens e de mulheres (IBGE, 2012a). Esse dado</p><p>é importante, considerando que os homens, sem distinção de cor ou raça,</p><p>contabilizam cerca de 60% dos óbitos por COVID-19 no Brasil.</p><p>Já em 2005, na publicação do IBGE “Tendências Demográficas – Uma</p><p>Análise dos Indígenas com base nos Censos 1991 e 2000” foi possível estimar</p><p>a Taxa de Mortalidade Infantil (TMI) de maneira geral para todos os declarados</p><p>indígenas morando nas áreas rurais dos municípios que têm terras indígenas</p><p>3 Disponível em: https://portalarquivos.saude.gov.br/images/pdf/2020/April/17/2020-04-16---</p><p>BE10---Boletim-do-COE-21h.pdf, acessado em 16/07/2020.</p><p>4 Fatores de risco associados com maior probabilidade de letalidade são: Cardiopatia; Diabetes;</p><p>Pneumopatia; Doença neurológica; Doença renal; Imunodepressão, entre outros.</p><p>5 Taxas que variam pouco ao final da 28ª semana epidemiológica: 72% dos óbitos são de</p><p>pessoas com 60 anos ou mais de idade; e 58,3% dos óbitos por COVID-19 são do sexo</p><p>masculino (Boletim Especial 22). Dados sem recorte de cor ou raça e para Brasil.</p><p>6 Disponível em: https://portalarquivos.saude.gov.br/images/pdf/2020/April/03/BE6-Boletim-</p><p>Especial-do-COE.pdf .</p><p>7 A taxa de não declaração de cor ou raça passou de 40% em abril (Boletim 10) para 60% em</p><p>julho (Boletim 22).</p><p>140</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>(denominado nessa publicação de “rural-específico”) de 51/1000, o que a OMS</p><p>classifica como alta taxa de mortalidade.</p><p>Em 2010, os povos indígenas mantiveram um crescimento populacional</p><p>de em média 3% ao ano, como informa a publicação “Os Indígenas no Censo</p><p>2010 – Primeiras Considerações” do IBGE, em 2012. Esse nível de crescimento</p><p>demográfico se refere à população declarada indígena residente em áreas</p><p>rurais, dentro e fora de Terras Indígenas. Além disso, é possível verificar que a</p><p>população declarada indígena em áreas rurais possui um perfil etário</p><p>caracterizado por altas taxas de fecundidade (altas em relação às taxas de</p><p>fecundidade dos não-indígenas no Brasil no mesmo período) e ainda alta TMI,</p><p>embora os dados da Secretaria Especial de Atendimento à Saúde Indígena</p><p>mostrem uma tendência de queda da mortalidade infantil nesse período.</p><p>Em 2009, a Fiocruz</p><p>realizou o Inquérito Nacional de Saúde e Nutrição</p><p>em conjunto com a Fundação Nacional de Saúde (FUNASA) do Ministério da</p><p>Saúde, que na época executava os serviços de atendimento à população</p><p>indígena. Nesse inquérito, os resultados chamam atenção para a enorme</p><p>vulnerabilidade da população indígena no país todo, em todas as regiões, mas</p><p>principalmente no Norte e no Centro-Oeste, onde a subnutrição de crianças com</p><p>até 60 meses (5 anos) é muito encontrada. Relacionado a isso, a verminose e</p><p>as doenças por diarréias são prevalentes entre as crianças dessa população.</p><p>Outro resultado importante é a tuberculose como causa de morbi-mortalidade</p><p>entre os indígenas (Coimbra et al., 2009) e demais Infecções Respiratórias</p><p>Agudas (IRA) que inclui a pneumonia como complicação frequente de gripes</p><p>entre essa população.</p><p>Esses dados denotam algo que os estudos sobre os povos indígenas no</p><p>Brasil têm demonstrado: esses povos são a população mais vulnerável em</p><p>termos dos níveis dos indicadores de mortalidade num cenário de “normalidade”,</p><p>tornando-se um público-alvo prioritário de prevenção perante uma pandemia</p><p>com taxas de incidência8 (957,5) e letalidade9 (3,8%) tão preocupantes quanto é</p><p>a COVID-19, e que variam de acordo com os recortes de Unidades de Federação</p><p>e municípios, conforme dados do MS10.</p><p>Com base nessa contextualização, as variáveis que comporiam o IVDIC</p><p>foram selecionadas, sendo utilizados na construção do indicador, principalmente,</p><p>os dados do Censo Demográfico 2010 do IBGE, que os disponibiliza pelo recorte</p><p>8 Número de casos confirmados de COVID-19 por 100 mil habitantes, na população residente</p><p>por recorte territorial, no período considerado.</p><p>9 Número de óbitos confirmados por COVID-19 em relação ao total de casos confirmados, na</p><p>população residente por recorte territorial, no período considerado.</p><p>10 Dados disponíveis em: https://covid.saude.gov.br/ (acessado em 16/07/2020).</p><p>141</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>de Terras Indígenas por estados. Foram utilizados também dados do Ministério</p><p>da Saúde sobre a disponibilidade de Unidades de Tratamento Intensivo (UTIs),</p><p>da FUNAI sobre a situação de regularização das terras e os dados sobre</p><p>deslocamento de pessoas para atendimento de saúde de alta complexidade,</p><p>divulgados pelo IBGE em 2020. Sempre levando em consideração que não é</p><p>objetivo deste artigo incluir no índice de vulnerabilidade os dados</p><p>epidemiológicos do real avanço da COVID-19 no país, o que demandaria</p><p>análises com outras fontes e tipos de dados, assim como uma atualização</p><p>periódica do índice.</p><p>Foram selecionadas variáveis que dialogassem com:</p><p>a) o comportamento da transmissão do vírus;</p><p>b) os fatores de risco associados à letalidade (mortalidade);</p><p>c) a capacidade de manter isolamento social;</p><p>d) a capacidade de manter uma rotina de prevenção;</p><p>e) a disponibilidade de atendimento em Unidades de Terapia</p><p>Intensiva (UTIs) nos hospitais para casos graves da doença; e</p><p>f) a segurança da situação de regularização fundiária da Terra</p><p>Indígena.</p><p>Tendo sido então escolhidas as seguintes variáveis, que serão</p><p>apresentadas nos próximos itens:</p><p>• PI – Percentual de pessoas idosas na Terra Indígena</p><p>• MEDMOR – Média de moradores por domicílio da Terra Indígena</p><p>• SEBX – Existência de banheiro de uso exclusivo ou sanitário nos</p><p>domicílios da Terra Indígena</p><p>• SRED – Rede de abastecimento de água nos domicílios da Terra</p><p>Indígena</p><p>• MUTI – Localização da Terra Indígena em relação aos municípios com</p><p>disponibilidade de leitos em UTI</p><p>• SITTI – Estado da situação de regularização da Terra Indígena.</p><p>É importante notar que essas variáveis foram alimentadas com as</p><p>informações disponíveis no Sistema IBGE de Recuperação Automática – SIDRA,</p><p>na publicação do IBGE no âmbito do Censo Demográfico 2010 denominada</p><p>“Características gerais dos indígenas”, no Hotsite do Censo Demográfico 2010,</p><p>no Banco Multidimensional de Estatísticas do IBGE, informações da Base</p><p>Territorial 2010 e informações públicas da FUNAI e SESAI.</p><p>142</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>Todas as variáveis apresentadas a seguir foram normalizadas,</p><p>permitindo que cada uma se transformasse num indicador alvo de análise</p><p>individualizada dos demais indicadores que compõem o índice de</p><p>vulnerabilidade proposto. Esse procedimento foi realizado porque cada variável</p><p>apresenta valores mínimos e máximos bem diferenciados entre si, o que</p><p>dificultaria sua comparação sem a normalização. Com a normalização, cada</p><p>variável passa a receber valores entre 0 e 1, permitindo a comparação delas</p><p>numa escala harmonizada.</p><p>Nessa normalização das variáveis, os valores próximos de 1 (um)</p><p>significam maior vulnerabilidade e os próximos de 0 (zero) menor</p><p>vulnerabilidade. A fórmula utilizada para a normalização foi a seguinte:</p><p>�������������</p><p>� =</p><p>�</p><p>�������������</p><p>�����í�����</p><p>�</p><p>�����á�����</p><p>�����í�����</p><p>(1)</p><p>As análises partiram de fontes já publicadas pelo IBGE dos dados do</p><p>Censo Demográfico 2010 e desagregáveis por Terras Indígenas por estados.</p><p>Cabe salientar que 20 terras indígenas em situação fundiária de delimitadas,</p><p>embora tenham sido cadastradas na base territorial do Censo Demográfico</p><p>2010, não foram objeto de divulgação de dados pelo IBGE em 201011, motivo</p><p>pelo qual não foram incluídas. Além disso, as terras indígenas delimitadas a partir</p><p>de 2010 não foram incluídas no cálculo do índice, mas foram representadas nos</p><p>cartogramas. Por conta das restrições de confidencialidade do IBGE12, foi</p><p>necessário retirar da análise mais 29 Terras Indígenas.</p><p>Essas 49 terras indígenas ausentes do presente estudo por não</p><p>constarem nos dados do Censo Demográfico 2010, somadas àquelas que foram</p><p>delimitadas após 2010 pela FUNAI, merecem especial atenção pelos diferentes</p><p>atores no enfrentamento à pandemia da COVID-19, recorrendo-se a registros</p><p>administrativos complementares, como os dados cadastrais produzidos pela</p><p>SESAI. Estas terras estarão representadas nos cartogramas que</p><p>apresentaremos a seguir, para que se conheça o seu enquadramento regional,</p><p>11 Lista das TIs que não foram alvo de divulgação em 2010: Massaco; Alto Tarauacá; Kulina do</p><p>Médio Juruá (porção no estado do Acre); Hi-Merimã; Jutuarana; Juma; Patauá; Paumari do Lago</p><p>Manissuã; Trombetas/Mapuera (porção no estado do Amazonas); Zuruahã; Praia do Mangue;</p><p>Parque do Tumucumaque (porção no estado do Amapá); Fazenda Remanso; Guarani de Águas</p><p>Brancas; Nossa Senhora de Fátima; Cacique Fontoura; Karajá de Aruanã II; Lagoa dos Brincos;</p><p>Pequizal; e Terena Gleba Iriri. Outras Terras Indígenas têm restrições de divulgação em alguns</p><p>dos quesitos do Censo Demográfico 2010, conforme as regras de confidencialidade do IBGE.</p><p>12 Ver: https://biblioteca.ibge.gov.br/visualizacao/livros/liv101636.pdf</p><p>143</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>suas extensões e suas conexões com as variáveis apresentadas, embora sejam</p><p>necessários aprofundamentos e análises próprias a cada uma delas.</p><p>2.1 PROPORÇÃO DE PESSOAS IDOSAS (PI)</p><p>Um dos principais fatores de risco reportados pela OMS e pelo Ministério</p><p>da Saúde é a idade avançada, sendo a população idosa considerada um grupo</p><p>de risco. Embora a linha de corte de idoso para a população em geral seja de 60</p><p>anos de idade, as análises demográficas sobre povos indígenas residentes em</p><p>TIs permite afirmar que é mais acertado fazer a linha de corte em 50 anos, pois</p><p>observa-se que a partir desta idade as pessoas indígenas já são avós e</p><p>consideradas como idosas do ponto de vista social e de vulnerabilidade para à</p><p>Covid-19.</p><p>Quadro 1 – Percentual de pessoas por localização dos domicílios, segundo os grupos de idade</p><p>– Brasil – 2010</p><p>Fonte – IBGE, Censo Demográfico 2010</p><p>No quadro 1 apresentamos uma análise da proporção de pessoas</p><p>residentes nas TIs no Brasil</p><p>por faixa etária. Analisando e comparando</p><p>residentes dentro e fora de TI é possível verificar que o total de pessoas abaixo</p><p>de 50 anos em TIs corresponde a 89,32% do total da população residente,</p><p>enquanto que fora de TIs a população com menos de 60 anos corresponde a um</p><p>144</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>percentual de 89,19%, ou seja, a proporção de idosos não indígenas</p><p>considerando os de 60 anos e mais, é semelhante à proporção dos idosos</p><p>indígenas, considerando os de 50 anos e mais.</p><p>Tendo em conta a distribuição proporcional da população residente em</p><p>TI pelos grupos de idade, a variável de Percentual de Pessoas Idosas (PI) foi</p><p>construída tendo como linha de corte a idade de 50 anos e à mesma foi atribuída</p><p>um peso de 25%.</p><p>2.2 MÉDIA DE MORADORES POR DOMICÍLIO (MEDMOR)</p><p>O nível elevado de contágio relacionado com a co-presença no mesmo</p><p>espaço fechado faz com que uma dimensão de agravamento da vulnerabilidade</p><p>ao contágio seja a presença de um número de moradores elevado no mesmo</p><p>espaço. Nesse sentido, consideramos que quanto mais elevada for a quantidade</p><p>de moradores coabitando um mesmo domicílio, uma mesma casa, mais difícil é</p><p>garantir o isolamento social desses moradores.</p><p>Consideramos então que quanto maior for a média de moradores por</p><p>domicílio numa TI, maior é a facilidade de transmissão do vírus entre eles, e</p><p>inserimos a variável de média de moradores por domicílio (MEDMOR) no</p><p>indicador síntese com peso de 25%. Essa variável considerou os domicílios</p><p>particulares permanentes registrados no Censo Demográfico 2010 para cada TI.</p><p>Quando comparamos a média de moradores dentro (4,97) e fora (3,28)</p><p>de terras indígenas verificamos que, em 2010, dentro de terras indígenas a</p><p>média de moradores era de 1,69 pessoas a mais, do que fora de terras indígenas</p><p>(IBGE, 2012a).</p><p>2.3 ABASTECIMENTO DE ÁGUA E EXISTÊNCIA DE BANHEIRO DE USO</p><p>EXCLUSIVO OU SANITÁRIO (AGBA)</p><p>Uma dimensão importante da prevenção à contaminação pelo</p><p>Coronavírus é a higienização pessoal, das roupas usadas fora do domicílio, do</p><p>próprio domicílio e dos produtos vindos de fora do domicílio.</p><p>A inexistência de banheiro ou sanitário no domicílio indica maior</p><p>dificuldade de isolamento de pessoas infectadas durante os cuidados base de</p><p>higiene pessoal e o risco de contaminação maior pela falta de saneamento em</p><p>outros domicílios da aldeia ou comunidade. Enquanto 30,5% dos domicílios em</p><p>Terra Indígena não tinham banheiro ou sanitário, fora de Terra Indígena apenas</p><p>2,6% se encontravam na mesma situação (IBGE, 2010).</p><p>A falta de abastecimento de água por rede geral pode implicar numa</p><p>menor qualidade da água disponível para uso nos domicílios, sendo também</p><p>145</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>uma proxy de maior distância para a fonte de disponibilidade de água, o que</p><p>implica em deslocamentos fora do domicílio, o que expõe as pessoas a possível</p><p>contágio.</p><p>Os dados de 2010 mostram que dentro de Terras Indígenas apenas</p><p>33,3% dos domicílios tinham acesso a rede de abastecimento de água, enquanto</p><p>que fora das Terras Indígenas 81,9% dos domicílios tinham acesso à rede geral</p><p>de abastecimento de água (IBGE, 2010).</p><p>Levando isso em consideração, construímos um índice que tem como</p><p>componentes:</p><p>• Percentual de domicílios sem banheiro de uso exclusivo ou</p><p>sanitário (SBEX) – peso 60%</p><p>• Percentual de domicílios sem rede geral de abastecimento</p><p>(SRED) – peso 40%</p><p>E com a seguinte fórmula:</p><p>���� = �0,6 ∗ "#�$� + �0,4 ∗ "'#(� (2)</p><p>Utilizamos apenas os domicílios particulares permanentes na construção</p><p>desta variável, considerando que apenas nesses domicílios o censo realiza</p><p>perguntas sobre características dos domicílios. Atribuímos um peso de 20% a</p><p>esta variável.</p><p>2.4 LOCALIZAÇÃO DA TI EM RELAÇÃO AOS MUNICÍPIOS COM</p><p>DISPONIBILIDADE DE LEITOS EM UTI (MUTI)</p><p>A existência e o acesso a leitos em Unidades de Terapia Intensiva em</p><p>Hospitais (UTI) para os casos mais graves da COVID-19 é fundamental para</p><p>diminuir a letalidade da doença. A disponibilidade de leitos em municípios onde</p><p>as terras indígenas estão localizadas aumenta a chance de acesso aos mesmos,</p><p>caso seja necessário, diminuindo a vulnerabilidade dos moradores dessas</p><p>terras, comparado com moradores de TIs que apenas têm disponibilidade de</p><p>leitos de UTIs em município vizinho ou mesmo aqueles que moram em TIs que</p><p>não têm nem nos municípios vizinhos disponibilidade desses leitos nos seus</p><p>hospitais.</p><p>A quantidade de leitos de UTIs disponíveis também amplia a chance de</p><p>um desses leitos ser destinado ao morador de uma TI, reduzindo assim o nível</p><p>de vulnerabilidade, embora saibamos da dificuldade de acesso dos indígenas a</p><p>essas vagas.</p><p>146</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>Considerando essas duas dimensões construímos uma variável de</p><p>MUTI, que combina a existência de leitos e a quantidade dos mesmos, cruzando</p><p>essa informação com a localização desses leitos, isto é, se estão em municípios</p><p>onde se localiza a TI, em municípios vizinhos ou em nenhuma das duas</p><p>situações.</p><p>Quadro 2 – Dimensões da variável MUTI</p><p>Localização dos leitos de UTI Peso</p><p>No mesmo município 1,0</p><p>Município vizinho 0,3</p><p>Nenhuma das situações 0,0</p><p>Fonte – Elaborado pelos autores</p><p>Combinando as duas dimensões temos então:</p><p>*+,- = ./0� ∗ 12��3�</p><p>�</p><p>/</p><p>/�/�3�0</p><p>/+,- (3)</p><p>Foi realizada a normalização da variável quantidade de leitos de UTI –</p><p>MUTI – de forma que a escala entre zero e um continuasse refletindo menor para</p><p>maior vulnerabilidade. A fórmula utilizada foi a seguinte:</p><p>�������������</p><p>�</p><p>/*+,- = 1 −</p><p>�</p><p>�������������</p><p>�����í�����</p><p>�</p><p>�����á�����</p><p>�����í�����</p><p>(4)</p><p>Esta variável recebeu peso 15%.</p><p>2.5 ESTADO DA SITUAÇÃO DE REGULARIZAÇÃO DA TI (SITTI)</p><p>O estado da situação de regularização fundiária de uma Terra Indígena,</p><p>estágio do processo de identificação e demarcação, tem implicações sobre a</p><p>vulnerabilidade da população que nela reside a possíveis entradas de não-</p><p>indígenas nas mesmas, expondo os povos indígenas a possíveis contaminações</p><p>por outras doenças e também pelo corona vírus e dificultando seu isolamento</p><p>social nas aldeias.</p><p>Como apontado pelo IBGE na publicação “Características Gerais dos</p><p>Indígenas: Resultados do Universo”, o processo administrativo de regularização</p><p>fundiária, composto pelas etapas de identificação e delimitação, demarcação</p><p>física, homologação e registro das terras indígenas, está definido na Lei no</p><p>147</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>6.001, de 19 de dezembro de 1973 (Estatuto do Índio), e no Decreto no 1.775,</p><p>de 8 de janeiro de 1996.</p><p>De notar, que a Base Territorial de 2010 apenas incorporou à sua malha</p><p>de divulgação as TIs em estágio de Regularizadas, Homologadas, Declaradas e</p><p>Encaminhada a Reserva Indígena, sendo:</p><p>• Declaradas: terras que obtiveram a expedição da Portaria</p><p>Declaratória do Ministério da Justiça e estão autorizadas para</p><p>serem demarcadas;</p><p>• Homologadas: terras que foram demarcadas e tiveram seus</p><p>limites homologados pela Presidência da República;</p><p>• Regularizadas: terras que, após a homologação de seus limites,</p><p>foram registradas em cartório em nome da União e no Serviço de</p><p>Patrimônio da União; e</p><p>• Reservas indígenas: terras doadas por terceiros, adquiridas ou</p><p>desapropriadas pela União, que não se confundem com as de</p><p>posse tradicional e, por esse motivo, não se submetem aos</p><p>procedimentos anteriormente descritos.</p><p>Quadro 3 – Dimensões da variável SITTI</p><p>Situação da TI Valor</p><p>Declarada 1,0</p><p>Homologada 0,5</p><p>Regularizada 0,0</p><p>Encaminhada RI 0,0</p><p>Fonte – Elaborado pelos autores</p><p>A variável</p><p>situação de regularização da TI recebeu peso de 15% e foi</p><p>construída numa escala de zero a um, em que um representa maior</p><p>vulnerabilidade e zero menor vulnerabilidade, conforme apresentado no Quadro</p><p>3.</p><p>2.6 PERFIL DE VULNERABILIDADE (IVDIC)</p><p>A partir das variáveis apresentadas nos itens anteriores, foi construído o</p><p>índice de vulnerabilidade dos moradores de domicílios localizados em terras</p><p>indígenas, a partir da seguinte fórmula:</p><p>148</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>-�(-6 = �0,25 ∗ .-� + �0,25 ∗ *#(*9'� + �0,2 ∗ ����� + �0,15 ∗ *+,-� + �0,15 ∗ "-,,-� (5)</p><p>No gráfico a seguir, pode-se observar como cada uma dessas variáveis</p><p>colabora para o valor final do indicador, ou seja, qual o peso que foi atribuído a</p><p>cada uma delas através do gráfico 1:</p><p>Gráfico 1 – Composição do Índice de Vulnerabilidade Demográfica e Infraestrutural das Terras</p><p>Indígenas à COVID-19</p><p>Fonte – Elaborado pelos autores</p><p>A análise do IVDIC permitiu construir um perfil de vulnerabilidade tanto</p><p>das Terras Indígenas individualmente quanto da combinação de Terras Indígenas</p><p>atendidas por cada DSEI. Para combinar o IVDIC pelo recorte de DSEI,</p><p>realizamos média ponderada das variáveis de sua composição pela população</p><p>das TIs. Esta análise e a forma de interpretação do índice são alvo da próxima</p><p>seção.</p><p>3. COMPORTAMENTO DO IVDIC</p><p>O Índice de Vulnerabilidade Demográfica e Infraestrutural das Terras</p><p>Indígenas à COVID-19 varia entre zero (0) e um (1), o que significa que quanto</p><p>mais próximo de um maior é a vulnerabilidade da TI e quanto mais próximo de</p><p>zero mais moderada é a sua vulnerabilidade:</p><p>25% 25% 20% 15% 15%</p><p>0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%</p><p>Pessoas Idosas</p><p>Média de Moradores</p><p>Saneamento</p><p>Proximidade de UTI</p><p>Situação da TI</p><p>149</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>0</p><p>,</p><p>3</p><p>0</p><p>,</p><p>4</p><p>0</p><p>,</p><p>5</p><p>Figura 1 – Escala de Intensidade do Índice de Vulnerabilidade Demográfica e Infraestrutural</p><p>das Terras Indígenas à COVID-19</p><p>Fonte – Elaborado pelos autores</p><p>Considerando a importância dos DSEIs na prevenção e gestão da</p><p>pandemia de COVID-19 junto aos povos indígenas, os autores fizeram uma</p><p>análise agregada das variáveis demográficas e infraestruturais que compõem o</p><p>IDVIC (Quadro 4), e que foram calculadas para as Terras Indígenas, para os</p><p>DSEIs, o que permitiu agrupar as 471 TIs e os 34 DSEIs em quatro categorias,</p><p>de acordo com o valor do IVDIC:</p><p>• Grupo A – Vulnerabilidade Crítica – quando o índice alcançou um valor</p><p>superior a 0,5;</p><p>• Grupo B – Vulnerabilidade Intensa – quando o índice variou entre 0,4</p><p>e ficou abaixo de 0,499;</p><p>• Grupo C – Vulnerabilidade Alta – quando o índice variou entre 0,3 e</p><p>ficou abaixo de 0,399;</p><p>• Grupo D – Vulnerabilidade Moderada – quando o índice ficou abaixo</p><p>de 0,3.</p><p>Para que os leitores compreendam a opção de apresentação do IVDIC</p><p>pelo recorte do DSEI, apresentamos brevemente sua importância no processo</p><p>de implementação da política de saúde para os povos indígenas no Brasil.</p><p>O Distrito Sanitário Especial Indígena (DSEI) é a unidade gestora</p><p>descentralizada do Subsistema de Atenção à Saúde Indígena (Sasi/SUS). Trata-</p><p>se de um modelo de organização de serviços – orientado para um espaço etno-</p><p>cultural dinâmico, geográfico, populacional e administrativo bem delimitado – que</p><p>contempla um conjunto de atividades técnicas que se fundamentam em medidas</p><p>racionalizadas e qualificadas de atenção à saúde. Além disso, promove a</p><p>reordenação da rede de saúde e das práticas sanitárias por meio de atividades</p><p>administrativo-gerenciais necessárias à prestação da assistência, com base no</p><p>Controle Social.</p><p>Moderada Alta Intensa Crítica</p><p>150</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>Quadro 4 – DSEIs segundo Índice de Vulnerabilidade Demográfica e Infraestrutural à COVID-</p><p>19 do agregado de Terras Indígenas</p><p>Fonte – Elaborado pelos autores</p><p>No Brasil, há 34 (trinta e quatro) DSEIs divididos estrategicamente por</p><p>critérios territoriais, tendo como base a ocupação geográfica das comunidades</p><p>indígenas, não obedecendo assim aos limites dos estados. Sua estrutura de</p><p>atendimento conta com unidades básicas de saúde indígenas, polos base e as</p><p>Casas de Apoio a Saúde Indígena (CASAI).</p><p>Aplicando o IDVIC aos DSEIs é possível observar quais os DSEIs em</p><p>situação de maior vulnerabilidade, considerando a vulnerabilidade das TIs em</p><p>suas áreas de atuação.</p><p>Código do DSEI Nome do DSEI Índice de Vulnerabilidade</p><p>6 ALTO RIO NEGRO 0,6286</p><p>33 YANOMAMI 0,5667</p><p>31 XAVANTE 0,5585</p><p>32 XINGU 0,5387</p><p>13 KAIAPÓ DO PARÁ 0,5356</p><p>27 RIO TAPAJÓS 0,5224</p><p>21 MÉDIO RIO PURUS 0,4993</p><p>5 ALTO RIO PURUS 0,4871</p><p>28 MÉDIO RIO SOLIMÕES E AFLUENTES 0,4785</p><p>25 POTIGUARA 0,4664</p><p>17 MANAUS 0,4634</p><p>10 CEARÁ 0,4611</p><p>7 ALTO RIO SOLIMÕES 0,4581</p><p>23 PERNAMBUCO 0,4560</p><p>26 CUIABÁ 0,4459</p><p>29 TOCANTINS 0,4402</p><p>1 ALAGOAS E SERGIPE 0,4379</p><p>8 ARAGUAIA 0,4261</p><p>34 KAIAPÓ DO MATO GROSSO 0,4089</p><p>24 PORTO VELHO 0,4077</p><p>2 AMAPÁ E NORTE DO PARÁ 0,3982</p><p>12 VALE DO JAVARI 0,3953</p><p>19 MARANHÃO 0,3942</p><p>4 ALTO RIO JURUÁ 0,3917</p><p>30 VILHENA 0,3802</p><p>18 GUAM -TOCANTINS 0,3778</p><p>36 INTERIOR SUL 0,3761</p><p>15 LESTE DE RORAIMA 0,3698</p><p>11 MINAS GERAIS E ESPÍRITO SANTO 0,3630</p><p>3 ALTAMIRA 0,3579</p><p>9 BAHIA 0,3551</p><p>22 PARINTINS 0,3414</p><p>35 LITORAL SUL 0,3405</p><p>20 MATO GROSSO DO SUL 0,3244</p><p>151</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>A análise por grupos de vulnerabilidade revela que segundo o IVDIC</p><p>81.621 pessoas residem em terras indígenas localizadas na área de atuação de</p><p>seis DSEIs que apresentam condição de vulnerabilidade crítica ao contágio e</p><p>letalidade da COVID-19 e 209.381 pessoas residem em TIs localizadas na área</p><p>de atuação de 14 DSEIs que apresentam condição de vulnerabilidade intensa ao</p><p>contágio e letalidade da COVID-19. Isso implica que 51% do total de residentes</p><p>em TIs encontra-se em nível crítico ou intenso de vulnerabilidade demográfica e</p><p>infraestrutural à COVID-19.</p><p>É importante destacar que quando a análise utiliza o recorte do DSEI</p><p>(Quadro 5), nenhum DSEI é classificado no nível de vulnerabilidade moderada.</p><p>Quadro 5 – Quantidade de DSEIs e de população residente em TIs na área de atuação de</p><p>DSEIs segundo nível de vulnerabilidade</p><p>Nível de Vulnerabilidade Quantidade de DSEIs População residente em TI</p><p>Crítica 6 81.621</p><p>Intensa 14 209.381</p><p>Alta 14 274.785</p><p>Moderada 0 -</p><p>Total 34 565.787</p><p>Fonte – Elaborado pelos autores</p><p>Com base no índice de vulnerabilidade, pudemos representar</p><p>cartograficamente os dados estatísticos, apoiados no arquivo georreferenciado</p><p>dos limites das Terras Indígenas declaradas, homologadas, regularizadas e</p><p>encaminhadas como reserva indígena de 2010, disponibilizado pela Fundação</p><p>Nacional do Índio, conforme a metodologia do Censo Demográfico 2010 (IBGE,</p><p>2012). Nos mapas, as Terras Indígenas em outros estágios administrativos ou as</p><p>delimitadas após 2010, embora não dispondo de dados, foram representadas</p><p>para que se possa compreender o seu enquadramento territorial.</p><p>152</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>Figura 2 – Distritos Sanitários Especiais Indígenas (Brasil): Vulnerabilidade à COVID-</p><p>19 nas Terras Indígenas</p><p>153</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>No mapa da Figura 2, observe a distribuição do índice entre os DSEIs,</p><p>com destaque para áreas críticas localizadas na extensa região que contempla</p><p>o Rio Negro e área de ocupação Yanomami, na parte oeste do estado de</p><p>Roraima; no médio Purus, também no Amazonas; na região do Tapajós; e, por</p><p>fim, o alto e médio Xingu, envolvendo o Sul do Pará e parte do estado do Mato</p><p>Grosso, onde também merece destaque toda a região de Barra do Garças.</p><p>Além da importância dos dados trazidos pelo IVDIC, as variáveis que o</p><p>compõem</p><p>também trazem informações relevantes sobre como orientar as</p><p>políticas públicas de prevenção e enfrentamento da pandemia, como a</p><p>decomposição do IVDIC demonstra (Quadro 6).</p><p>Quadro 6 – Decomposição do IVDIC por seus componentes</p><p>Fonte – Elaborado pelos autores</p><p>Nesse sentido, o IVDIC permite que as ações possam ser pensadas</p><p>combinando a realidade demográfica das TIs – proporção mais elevada de</p><p>idosos ou média de moradores mais elevada – com a infraestrutura disponível</p><p>das TIs e nas proximidades, orientando assim a gestão sobre qual o tipo de ação</p><p>Código DSEI Nome DSEI Pessoas Idosas Média Moradores Saneamento UTI Situação TI</p><p>1 ALAGOAS E SERGIPE 0,146 0,040 0,053 0,150 0,049</p><p>2 AMAPÁ E NORTE DO PARÁ 0,021 0,128 0,099 0,150 0,000</p><p>3 ALTAMIRA 0,049 0,047 0,113 0,149 0,000</p><p>4 ALTO RIO JURUÁ 0,004 0,117 0,113 0,150 0,008</p><p>5 ALTO RIO PURUS 0,035 0,163 0,139 0,149 0,000</p><p>6 ALTO RIO NEGRO 0,160 0,120 0,199 0,150 0,000</p><p>7 ALTO RIO SOLIMÕES 0,044 0,175 0,089 0,149 0,002</p><p>8 ARAGUAIA 0,079 0,114 0,082 0,150 0,001</p><p>9 BAHIA 0,116 0,039 0,043 0,150 0,008</p><p>10 CEARÁ 0,153 0,018 0,018 0,142 0,130</p><p>11 MINAS GERAIS E ESPÍRITO SANTO 0,081 0,072 0,061 0,150 0,000</p><p>12 VALE DO JAVARI 0,000 0,105 0,141 0,150 0,000</p><p>13 KAIAPÓ DO PARÁ 0,088 0,163 0,135 0,150 0,000</p><p>15 LESTE DE RORAIMA 0,073 0,094 0,053 0,149 0,000</p><p>17 MANAUS 0,066 0,131 0,117 0,149 0,000</p><p>18 GUAMÁ-TOCANTINS 0,035 0,097 0,097 0,149 0,000</p><p>19 MARANHÃO 0,057 0,082 0,105 0,150 0,000</p><p>20 MATO GROSSO DO SUL 0,087 0,056 0,022 0,148 0,011</p><p>21 MÉDIO RIO PURUS 0,070 0,117 0,163 0,149 0,000</p><p>22 PARINTINS 0,023 0,101 0,068 0,150 0,000</p><p>23 PERNAMBUCO 0,250 0,013 0,044 0,150 0,000</p><p>24 PORTO VELHO 0,037 0,125 0,097 0,149 0,000</p><p>25 POTIGUARA 0,240 0,000 0,000 0,149 0,078</p><p>26 CUIABÁ 0,153 0,039 0,082 0,149 0,023</p><p>27 RIO TAPAJÓS 0,041 0,250 0,083 0,149 0,000</p><p>28 MÉDIO RIO SOLIMÕES E AFLUENTES 0,035 0,158 0,132 0,150 0,004</p><p>29 TOCANTINS 0,073 0,100 0,118 0,150 0,000</p><p>30 VILHENA 0,067 0,089 0,074 0,150 0,000</p><p>31 XAVANTE 0,039 0,226 0,144 0,149 0,000</p><p>32 XINGU 0,062 0,193 0,133 0,150 0,000</p><p>33 YANOMAMI 0,047 0,169 0,200 0,150 0,000</p><p>34 KAIAPÓ DO MATO GROSSO 0,027 0,142 0,081 0,150 0,009</p><p>35 LITORAL SUL 0,109 0,005 0,020 0,120 0,086</p><p>36 INTERIOR SUL 0,107 0,054 0,033 0,149 0,032</p><p>154</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>preventiva mais estratégica para cada DSEI e cada Terra Indígena, como as</p><p>figuras seguintes de decomposição do IVDIC pelas TIs demonstram.</p><p>Começamos por apresentar a variável da proporção de idosos por Terra</p><p>Indígena combinada com a média de moradores (Figura 3), não só porque os</p><p>idosos são o grupo mais vulnerável à mortalidade pelo vírus, quanto pelo impacto</p><p>da média de moradores na possibilidade de contágio mais fácil nessas terras.</p><p>Figura 3 – Terras Indígenas (Brasil): Pessoas Idosas e Moradores por Domicílio</p><p>155</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>Figura 4 – Terras Indígenas (Brasil): Domicílios sem Abastecimento de Água pela Rede</p><p>Geral</p><p>Lembrando que perder os mais velhos numa situação de pandemia tem</p><p>um potencial desestabilizador do grupo indígena como um todo, pois essas</p><p>mortes afetam a transmissão de fluxos culturais (BARTH, 2000, 2003) entre</p><p>gerações, prática que é basilar à manutenção da cosmovisão e da organização</p><p>social e política de cada grupo étnico. Assim, a análise dessa componente do</p><p>IVDIC é importante para pensar estratégias de prevenção e cuidado dos idosos,</p><p>que levem em consideração os modos de ser e fazer desses grupos, inclusive</p><p>156</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>suas estratégias habitacionais, respeitando-os na sua integridade e pensando</p><p>alternativas etnicamente adequadas, como construção de abrigos dentro das</p><p>terras para isolamento dos doentes com sintomas leves, permitindo que se</p><p>mantenham integrados na vida comunitária, por exemplo.</p><p>Figura 5 – Terras Indígenas (Brasil): Domicílios sem Banheiro de uso exclusivo ou</p><p>Sanitário</p><p>O componente de saneamento básico do IVDIC demonstra uma situação</p><p>preocupante nas Terras Indígenas do ponto de vista de maior vulnerabilidade ao</p><p>157</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>contágio, mesmo as localizadas mais próximas de áreas urbanas, como mostram</p><p>as Figuras 4 e 5.</p><p>Figura 6 – Terras Indígenas (Brasil): Leitos de UTI Disponíveis e Deslocamentos para</p><p>Atendimentos de Alta Complexidade</p><p>158</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>O componente de disponibilidade e proximidade de leitos de UTI do</p><p>IVDIC (Figura 6) demonstra que as TIs estão carentes desse tipo de assistência</p><p>emergencial, tão importante para evitar a morte nos casos de sintomas</p><p>agravados da COVID-19, o que aliado à distância e meios para percorrê-la que</p><p>envolvem transporte aéreo e fluvial, além de longos deslocamentos terrestres</p><p>por vias não asfaltadas, expõe a necessidade de investimentos urgentes no</p><p>reforço dessa dimensão de atendimento emergencial numa situação de</p><p>pandemia, como é discutido por Damasco et al. (2020).</p><p>5. DESDOBRAMENTOS POSSÍVEIS</p><p>Um dos objetivos deste artigo é mostrar a possibilidade e o potencial de</p><p>agregar dados demográficos e infraestruturais a análises de vulnerabilidade à</p><p>COVID-19 e cenarização, mesmo que eles tenham uma década desde sua</p><p>coleta, e como sua combinação com registros administrativos pode prever áreas</p><p>de maior vulnerabilidade a uma pandemia, antes da mesma iniciar seu processo</p><p>de expansão territorial.</p><p>A maior vulnerabilidade das Terras Indígenas e dos DSEIs, predita pelo</p><p>IVDIC, não implica que esses recortes serão os que terão maior número de</p><p>casos e óbitos no primeiro momento da pandemia, ou nas primeiras semanas ou</p><p>meses da mesma, mas que são aqueles que podem sofrer mais impactos no</p><p>longo prazo, ou seja, estamos falando de uma vulnerabilidade demográfica e</p><p>infraestrutural a uma situação epidêmica.</p><p>O IVDIC pode ainda ser replicado às estatísticas cadastrais</p><p>demográficas e epidemiológicas da SESAI/MS, associando com registros</p><p>administrativos de disponibilidade de Agentes Indígenas de Saúde e</p><p>Saneamento, infraestrutura de saneamento em funcionamento, meios à</p><p>disposição para deslocamento e transporte de doentes para centros de</p><p>referência na resposta ao COVID-19, tudo isso em diálogo com a malha do IBGE</p><p>construída para o Censo Demográfico 2020 (adiado para 2021). Poderiam ainda</p><p>ser agregados dados de quantidade de pacientes com comorbidades por TI e</p><p>por DSEI, considerando que esse é um fator de risco da COVID-19, dados esses</p><p>também oriundos de registros administrativos da SESAI.</p><p>Uma possibilidade de avançar para um IVDIC que conjugue a dimensão</p><p>demográfica e infraestrutural com a conjuntural é de agregar ao IVDIC aqui</p><p>proposto a dimensão do avanço da pandemia nos municípios onde as TIs se</p><p>localizam, demandando um remanejamento dos pesos de seus componentes e</p><p>159</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>sua atualização a cada semana epidemiológica, um exercício de cenarização de</p><p>curto prazo, diferente do aqui proposto.</p><p>Nesse sentido, seria muito importante que um trabalho de sensibilização</p><p>para a captura correta da declaração da pergunta de cor ou raça fosse feita com</p><p>os profissionais de saúde e que um diálogo entre os dados apresentados por</p><p>DSEI e por município fosse possível, para que indígenas dentro e fora de TIs</p><p>estivessem presentes nos dados da pandemia, permitindo assim orientar as</p><p>políticas de prevenção e atenção diferenciada a esse público mais vulnerável à</p><p>mesma.</p><p>6. REFERÊNCIAS BIBLIOGRÁFICAS</p><p>Barth, F. (2003) Temáticas permanentes e emergentes na análise da etnicidade</p><p>(páginas 19-44) In: VERMEULEN, Hans e GOVERS, Cora. Antropologia da etnicidade.</p><p>Para além de “Ethnic groups and boundaries”.</p><p>Lisboa: Fim de Século.</p><p>______. (2000) Os grupos étnicos e suas fronteiras; A identidade pathan e sua</p><p>manutenção; Por um maior naturalismo na conceptualização das sociedades (páginas</p><p>pp. 25-67; 69-93; 167-186). In: ______. O guru, o iniciador e outras variações</p><p>antropológicas. Organização de Tomke Lask; tradução de John Cunha Comerford. Rio</p><p>de Janeiro: Contra Capa Livraria.</p><p>Coimbra Jr, C. et al. (2009) Relatório Final do Inquérito Nacional de Saúde e Nutrição</p><p>dos Povos Indígenas. Brasília, Ministério da Saúde.</p><p>Damasco, F.S., Antunes, M. & Azevedo, M. (2020). Deslocamentos da população</p><p>indígena para acesso aos Serviços de Saúde: Elementos para ações emergenciais de</p><p>enfrentamento à COVID-19. GEOgraphia - Revista do Programa de Pós-Graduação em</p><p>Geografia da Universidade Federal Fluminense. 22(48), 1-32.</p><p>IBGE (2018) Confidencialidade no IBGE. Procedimentos adotados na preservação do</p><p>sigilo das informações individuais nas divulgações de resultados das operações</p><p>estatísticas. Rio de Janeiro: IBGE.</p><p>______. (2012a) Censo Demográfico 2010. Características gerais dos indígenas.</p><p>Resultados do universo. Rio de Janeiro: IBGE.</p><p>______. (2012b) Os indígenas no Censo Demográfico 2010: primeiras considerações</p><p>com base no quesito cor ou raça. Rio de Janeiro: IBGE.</p><p>______. (2005) Tendências demográficas: uma análise dos indígenas com base nos</p><p>resultados da amostra dos censos demográficos 1991 e 2000. Rio de Janeiro: IBGE</p><p>Ministério da Saúde, Boletim Epidemiológico 06 – COE-COVID19 – 03 de abril de 2020.</p><p>Centro de Operações de Emergência em Saúde Pública. Doença pelo Corona Vírus</p><p>2019 (COE-COVID-19). Secretaria de Vigilância em Saúde. Disponível em</p><p>https://portalarquivos.saude.gov.br/images/pdf/2020/April/03/BE6-Boletim-Especial-do-</p><p>COE.pdf, acessado em 16/07/2020.</p><p>160</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.136-160, julho-dezembro 2020</p><p>______, Boletim Epidemiológico 10 – COE-COVID19 – 16 de abril de 2020. Centro de</p><p>Operações de Emergência em Saúde Pública. Doença Pelo Corona Vírus 2019 (COE-</p><p>COVID-19). Secretaria de Vigilância em Saúde. Disponível em</p><p>https://portalarquivos.saude.gov.br/images/pdf/2020/April/17/2020-04-16---BE10---</p><p>Boletim-do-COE-21h.pdf, acessado em 16/07/2020.</p><p>______, Boletim Epidemiológico 22 – COE-COVID19 – Semana Epidemiológica 28 (05</p><p>a 11 de julho de 2020). Secretaria de Vigilância em Saúde. Disponível em</p><p>https://coronavirus.saude.gov.br/boletins-epidemiologicos, acessado em 16/07/2020.</p><p>Aplicativos web do IBGE:</p><p>www.bme.ibge.gov.br (IBGE, 2010)</p><p>https://censo2010.ibge.gov.br/terrasindigenas/ (IBGE, 2010)</p><p>https://sidra.ibge.gov.br/pesquisa/censo-demografico/demografico-2010/universo-</p><p>caracteristicas-gerais-dos-indigenas (IBGE, 2010)</p><p>AGRADECIMENTOS e COLABORAÇÕES</p><p>Os autores agradecem ao Rodrigo Reis, professor da UFAM em Benjamin</p><p>Constant, pela leitura atenta e pelos debates a respeito do IVDIC.</p><p>161</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>ENFRENTAMENTO DA EPIDEMIA DA COVID-19 PELA</p><p>ANÁLISE DE DADOS: RELATO DE UMA EQUIPE DE</p><p>PESQUISADORES</p><p>Fernando Antonio Basile Colugnati</p><p>Fernando.colugnati@medicina.ufjf.br</p><p>Faculdade de Medicina - UFJF</p><p>Mário Círio Nogueira</p><p>mario.nogueira@ufjf.br</p><p>Faculdade de Medicina - UFJF</p><p>Marcel de Toledo Vieira</p><p>marcel.vieira@ice.ufjf.br</p><p>Depto. de Estatística/ ICE – UFJF</p><p>Maria Tesesa Bustamante Teixeira</p><p>mariateresa.bustamante@ufjf.edu.br</p><p>Faculdade de Medicina - UFJF</p><p>Isabel Cristina Gonçalves Leite</p><p>isabel.leite@medicina.ufjf.br</p><p>Faculdade de Medicina - UFJF</p><p>Alfredo Chaoubah</p><p>alfredo.chaoubah@ice.ufjf.br</p><p>Depto. de Estatística/ ICE – UFJF</p><p>Resumo: Em março de 2020 a prefeitura de Juiz de Fora e a Universidade Federal de Juiz de</p><p>Fora firmaram convênio para o enfrentamento da pandemia da Covid-19. Um grupo</p><p>multidisciplinar de docentes pesquisadores da universidade foi formado para dar apoio à</p><p>administração pública nas tomadas de decisões relativas à epidemia regional. Este artigo tem</p><p>como principal objetivo discutir como a Estatística, aliada aos conceitos da Epidemiologia, tem</p><p>sido fundamental junto ao poder público, para que este possa planejar e agir frente aos desafios</p><p>desta epidemia sem precedentes nos tempos atuais. São apresentados o histórico e</p><p>contextualização deste grupo, sistematização e organização dos dados disponíveis indicadores</p><p>de saúde, as principais técnicas estatísticas utilizadas, além das descritivas, e aponta para os</p><p>desafios enfrentados por este tipo de equipe no apoio ao município.</p><p>162</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>Palavras-chave: Covid-19, Técnicas de apoio para decisão, Modelos estatísticos, Análise</p><p>Espacial, Prevenção e mitigação</p><p>Abstract: In March 2020, the Juiz de Fora local government and the Federal University of Juiz</p><p>de Fora signed an agreement to face the Covid-19 pandemic. A multidisciplinary group of</p><p>researchers from the university was formed to support public administration in making decisions</p><p>regarding the regional epidemic. This article has as main aim to discuss how Statistics, combined</p><p>with concepts of Epidemiology, has been fundamental with the public administration, so that it</p><p>could plan and take the necessary actions in face of the challenges of this unprecedented</p><p>epidemic in the current times. An account of the group's activities is presented, including the</p><p>systematization and organization of the available data and health indicators, the main statistical</p><p>techniques used, in addition to descriptive analyzes, and a discussion on the challenges faced</p><p>by the team in supporting the municipality is made.</p><p>Keywords: Covid-19, Decision support techniques, Statistical models, Spatial analysis,</p><p>Prevention and mitigation.</p><p>163</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>1.INTRODUÇÃO</p><p>Este artigo é produto do grupo responsável pelas análises de dados e</p><p>modelagem da epidemia da Covid-19 em Juiz de Fora, formado pelos</p><p>pesquisadores autores deste documento. A troca de saberes e experiências</p><p>dessa equipe na elaboração de estudos sobre a evolução da COVID-19 local é</p><p>parte de uma iniciativa de parceria entre a Universidade Federal de Juiz de Fora</p><p>(UFJF) e a Prefeitura de Juiz de Fora (PJF), que contempla diversas ações nas</p><p>mais variadas áreas de conhecimento, como fabricação de álcool em gel,</p><p>equipamentos de proteção individual, laboratórios de testagem, dentre outros. A</p><p>produção de notas técnicas teve como objetivo maior auxiliar os gestores</p><p>públicos municipais na elaboração dos planos de contingenciamento dos leitos,</p><p>profissionais e equipamentos de saúde no decorrer do crescimento da infecção</p><p>na cidade.</p><p>O “Grupo de Modelagem Epidemiológica da Covid-19 UFJF” foi</p><p>estabelecido a partir do dia 25 de março, por solicitação da PJF e da</p><p>administração superior da UFJF. O grupo é formado por pesquisadores com</p><p>formação de base em diversas áreas, como estatística, economia, medicina e</p><p>odontologia, mas com formação de pós-graduação e linhas de pesquisa</p><p>consolidadas nas áreas de estatística, epidemiologia e saúde coletiva.</p><p>Portanto, o principal objetivo deste artigo é discutir como a Estatística,</p><p>aliada aos conceitos da Epidemiologia, teve um papel fundamental junto ao</p><p>poder público, para que este pudesse planejar e tomar as ações necessárias</p><p>frente aos desafios desta epidemia sem precedentes nos tempos atuais. A</p><p>comunicação do grupo com a sociedade vem se dando por intermédio de duas</p><p>ferramentas: a plataforma virtual JF Salvando Todos</p><p>(http://jfsalvandotodos.ufjf.br/) e Notas Técnicas.</p><p>1.1 O CONTEXTO DA ATUAÇÃO</p><p>Juiz de Fora é o município com a quarta maior população em Minas</p><p>Gerais, com cerca de 569 mil habitantes (projeção do IBGE), localizado na Zona</p><p>da Mata mineira, próximo ao estado e à capital do Rio de Janeiro. É também o</p><p>principal polo de saúde para a macrorregião</p><p>de saúde Sudeste, composta por</p><p>nove microrregiões (Além Paraíba, Carangola, Juiz de Fora,</p><p>Leopoldina/Cataguases, Lima Duarte, Muriaé, Santos Dumont, São João</p><p>Nepomuceno/Bicas e Ubá), que contêm 94 municípios com população estimada</p><p>pelo IBGE em 2019 de 1.677.090 habitantes. Teve o primeiro caso confirmado</p><p>da Covid-19 em 10 de março de 2020, em um munícipe que havia acabado de</p><p>164</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>retornar de viagem à Itália, na época um dos países mais atingidos pela</p><p>pandemia. Após uma semana dois novos casos foram confirmados sem, no</p><p>entanto, que tivessem tido qualquer contato com este primeiro paciente, e sem</p><p>terem viajado ao exterior, configurando uma provável contaminação sustentada.</p><p>No dia 18 de março, a PJF decretou o isolamento social, fechando todos os</p><p>comércios e serviços não essenciais, escolas e instituições de ensino superior,</p><p>recomendando também o distanciamento social aos cidadãos.</p><p>Havia a princípio a necessidade de sistematizar os dados de diversas</p><p>fontes oficiais sobre a pandemia no país, nos estados e especificamente no</p><p>município de Juiz de Fora, incluindo os dados fornecidos diretamente pelo</p><p>Departamento de Vigilância Epidemiológica e Ambiental (DVEA) da PJF,</p><p>sigilosos por conterem informações sensíveis dos casos registrados, suspeitos</p><p>ou confirmados. Estes dados foram fundamentais para um entendimento da</p><p>situação, modelagem da evolução da pandemia e construção de diferentes</p><p>cenários possíveis para a cidade.</p><p>Este artigo está dividido em cinco seções, incluindo esta introdução. A</p><p>segunda seção apresenta a plataforma JF Salvando Vidas, a terceira seção</p><p>apresenta os aspectos da modelagem temporal com finalidade de previsões dos</p><p>diversos indicadores, e na quarta seção o uso de ferramentas e métodos de</p><p>georreferenciamento. Por fim, a quinta seção apresenta as considerações finais</p><p>sobre esta experiência, e coloca os desafios que a comunidade estatística, e da</p><p>epidemiologia, devem encarar em situações semelhantes.</p><p>2. A PLATAFORMA JF SALVANDO TODOS</p><p>A sistematização dos dados para o acompanhamento da epidemia é</p><p>fundamental, e frente a um grande número de fontes de dados que passaram a</p><p>ser disponibilizadas por diversos grupos de pesquisa no país, uma solução local</p><p>veio ao encontro dos objetivos do grupo de modelagem da UFJF. Este trabalho,</p><p>a partir da pesquisa de bases de dados oficiais disponíveis, acabou por indicar</p><p>ao grupo as fontes mais confiáveis, que são consideradas pela plataforma.</p><p>165</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>Figura 1 - Página de abertura da Plataforma “JF Salvando Todos” (jfsalvandotodos.ufjf.br).</p><p>Assim, a evolução dos casos confirmados e dos óbitos causados pelo</p><p>novo coronavírus (Covid-19) pode ser acompanhada em gráficos na plataforma</p><p>virtual “JF Salvando Todos” (http://jfsalvandotodos.ufjf.br/), que vem sendo</p><p>desenvolvida com a colaboração dos autores deste artigo. O principal objetivo</p><p>da plataforma é permitir o acesso aos dados e informações sobre a Covid-10 de</p><p>forma clara e rápida para tomadores de decisão de políticas públicas na área da</p><p>Saúde, profissionais da área de saúde e também para a população em geral.</p><p>As fontes oficiais de dados utilizados pela plataforma são as seguintes:</p><p>Cadastro Nacional de Estabelecimentos de Saúde (CNES-DATASUS) para os</p><p>dados sobre leitos disponibilizados e respiradores mecânicos disponíveis;</p><p>Prefeitura de Juiz de Fora para dados de casos e óbitos para o município;</p><p>Secretaria de Estado da Saúde para dados de casos e óbitos para os demais</p><p>municípios de Minas Gerais e para todo o estado; e Ministério da Saúde para</p><p>dados de casos e óbitos para os demais estados e para o Brasil como um todo.</p><p>Este site vem passando por um constante aprimoramento e permite a</p><p>visualização de forma amigável de dados de todos os municípios do Brasil e</p><p>também agregados por microrregiões e macrorregiões de saúde, regiões</p><p>definidas de acordo com o IBGE, Unidades da Federação e Grandes Regiões.</p><p>Dados apresentados para essa agregação geográfica permitem a sua utilização</p><p>para a integração das ações e serviços públicos de saúde no âmbito da</p><p>pandemia da Covid-19 de forma regionalizada e hierarquizada.</p><p>A plataforma “JF Salvando Todos” disponibiliza gráficos para o número</p><p>de casos e vidas perdidas acumuladas (em escala linear ou logarítmica e em</p><p>números absolutos ou por milhão de habitantes), proporções de casos e óbitos</p><p>por faixa etária e por sexo, estimativas do Número de Reprodução Efetivo (Rt),</p><p>número de casos e óbitos novos por dia (com médias móveis para os últimos 7</p><p>166</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>dias), número de casos e vidas perdidas por semana epidemiológica, da taxa de</p><p>letalidade, taxas de crescimento dos números de casos e óbitos, perfis das</p><p>internações, número de leitos hospitalares e ventiladores mecânicos disponíveis,</p><p>estimativas para o tempo de duplicação do número de casos e óbitos, dentre</p><p>outras estatísticas importantes para o acompanhamento da evolução da</p><p>pandemia.</p><p>Estimativas do Rt, ou seja, do número esperado de infecções</p><p>secundárias por caso primário da Covid-19, são produzidas na plataforma “JF</p><p>Salvando Todos” a partir de metodologia proposta por Wallinga e Teunis (2004)</p><p>considerando parâmetros definidos por Nishiura, Linton e Akhmetzhanov (2020).</p><p>Maiores informações sobre este indicador podem ser encontradas em JF</p><p>Salvando Todos (2020).</p><p>Além disso, estão disponíveis na plataforma abas com links para as</p><p>notas técnicas do Grupo de Modelagem Epidemiológica da UFJF e para boletins</p><p>publicados quinzenalmente.</p><p>3.O QUE MODELAR?</p><p>A principal preocupação da PJF, comum a todos municípios brasileiros,</p><p>era a capacidade de absorção do sistema de saúde pública e privada de uma</p><p>demanda de atendimento urgente e crescente. A solicitação prioritária ao grupo</p><p>foi a de projeção de cenários futuros de ocupação de leitos, para subsidiar o</p><p>desenvolvimento de um plano de contingenciamento.</p><p>Exercícios de modelagem são capazes de gerar cenários mais</p><p>confiáveis na medida em que as informações sobre infectados, internações e</p><p>óbitos decorrentes, estejam disponíveis em tempo hábil e com a devida</p><p>fidedignidade ao quadro real da epidemia. No início da epidemia, havia uma</p><p>grande dificuldade de se realizar testes de diagnóstico no país, que de uma</p><p>maneira geral, priorizava testagem daqueles em estado grave ou crítico e dos</p><p>profissionais de saúde. Resultados de testes chegavam a demorar duas</p><p>semanas, e em alguns casos mais que isso, uma vez que as amostras coletadas</p><p>no município eram enviadas para a capital do Estado.</p><p>Desta forma, a curva de casos, que seria a base fundamental para</p><p>inferência de parâmetros que alimentam os modelos de simulação, não refletia</p><p>a verdadeira dinâmica da epidemia, senão o processo de testagens. Com isso,</p><p>havia um risco da produção de previsões enviesadas, levando a uma</p><p>subestimação do cenário real.</p><p>Dado o porte e características de gestão do município, Juiz de Fora</p><p>possui um departamento de Vigilância Epidemiológica e Ambiental (DVEA) que</p><p>167</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>desenvolve atividade de monitoramento e assim, as notificações compulsórias</p><p>de casos suspeitos que são enviadas das diferentes unidades de saúde do</p><p>município seriam uma boa aproximação da taxa de crescimento de maneira mais</p><p>próxima da real situação. Presume-se isso dado que não havia se iniciado o</p><p>período de maior incidência de síndromes gripais, sendo que o aumento na</p><p>notificação de usuários do sistema com este quadro sintomatológico seria, em</p><p>sua maioria, de infectados pelo novo coronavírus. Certamente a proporção de</p><p>reais infectados não era 100%, mas assumindo-se que esta</p><p>proporção de</p><p>infectados seria razoavelmente constante ao longo do tempo, uma suposição</p><p>ainda bastante forte, a taxa de crescimento desta curva não se alteraria, o que</p><p>serviu de base para alimentar os modelos de simulação adotados.</p><p>Em meados de abril, a UFJF conseguiu credenciar dois laboratórios de</p><p>testagem no município, agilizando a realização dos testes e permitindo então</p><p>que fosse possível acompanhar as curvas de casos infectados confirmados,</p><p>apesar de ainda ser uma testagem bastante restrita em termos populacionais,</p><p>ao menos para a saúde pública. Laboratórios privados testavam também, com</p><p>critérios um pouco mais amplos, mas ainda muito próximos dos adotados pela</p><p>saúde pública. Enquanto os exames realizados pela saúde pública abrangiam</p><p>somente pacientes sintomáticos e com fator de risco presente, os laboratórios</p><p>particulares realizavam exames mediante solicitação do médico responsável</p><p>pelo atendimento do paciente, sintomáticos, mas não necessariamente com</p><p>fatores de risco e/ou contato prévio com infectados confirmados.</p><p>A figura 2 apresenta as curvas de casos suspeitos e confirmados do</p><p>município de Juiz de Fora, respectivamente, desde a primeira notificação de um</p><p>caso no país, 26 de fevereiro, até o dia 25 de julho de 2020.</p><p>168</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>Figura 2 - Curvas do logaritmo de casos acumulados, suspeitos e confirmados, no município</p><p>de Juiz de Fora</p><p>2.1 MODELOS SEIR: PRIMÓRDIOS</p><p>Dada a escassez de dados de qualidade, no início das atividades do</p><p>grupo, optou-se pela utilização do modelo de compartimentos do tipo SEIR, que</p><p>modela Suscetíveis, Expostos, Infectados e Recuperados. A literatura sobre o</p><p>assunto é bastante extensa, mas algumas referências como Hetchcote (2000) e</p><p>Bailey (1975) servem como boa introdução ao tema. O conceito de suscetível</p><p>prescinde da possibilidade de contato com o vírus, e no caso deste</p><p>consideramos, naquela época, a população inteira. Expostos são os indivíduos</p><p>já infectados, mas que ainda não têm capacidade de infectar outras pessoas e</p><p>são assintomáticos.</p><p>No modelo compartimental adotado, os infectados puderam ser divididos</p><p>em quatro categorias, pertinentes aos quadros de infecção da Covid-19:</p><p>• Assintomáticos (I0): Infectados, sem sintomas, mas que já podem infectar</p><p>outros;</p><p>• Leve (I1): Tem sintomas leves, que não requerem cuidados especializados,</p><p>devem ser mantidos em casa. Em alguns países, mesmo estes indivíduos</p><p>eram internados com intenção de isolamento;</p><p>• Graves (I2): Sintomas mais graves, pneumonia levando à dispneia,</p><p>frequência respiratória</p><p>de</p><p>pouco mais de 30 mil leitos de terapia intensiva (UTI), porém mais da metade</p><p>desses leitos destinava-se aos 24% da população que era beneficiária de planos</p><p>de saúde, segundo dados da Agência Nacional de Saúde Suplementar (ANS)15.</p><p>Os leitos de UTI estavam disponíveis em apenas 536 dos 5570 municípios</p><p>brasileiros (9,6%) e se considerarmos apenas os pertencentes ao SUS o número</p><p>de municípios com disponibilidade de tratamento intensivo cai para 474 (cerca</p><p>de metade desses em municípios das capitais). No país, eram 7,2 leitos no SUS</p><p>para cada 100 mil habitantes, com muita variação entre os estados – de 1,42 no</p><p>Amapá a 10,86 no Paraná16. As altas taxas habituais de ocupação (80% na rede</p><p>privada e quase esgotada na pública) associada à elevada taxa de permanência</p><p>nos leitos torna o enfrentamento dessa pandemia ainda mais desafiador (AMIB,</p><p>2020)17. Diante desse cenário, o Conselho Nacional de Saúde recomendou o</p><p>uso de leitos privados ociosos e a regularização de uma fila única de atendimento</p><p>durante a vigência da pandemia, estratégia adotada por países como Espanha,</p><p>14 https://covid19.ibge.gov.br/</p><p>15 https://www.ans.gov.br/perfil-do-setor/dados-gerais</p><p>16 A Associação de Medicina Intensiva Brasileira (AMIB) continua mantendo os parâmetros referidos na</p><p>extinta Portaria do MS nº 1.101/2002 como ideais, a saber, de 1 a 3 leitos de UTI para cada 10 mil</p><p>habitantes. Com esse referencial, o total de leitos em UTI para o Brasil em 2019 era de 1,52 por 10 mil</p><p>habitantes, mas, no SUS, a taxa era de 0,72.</p><p>17 Segundo o projeto UTIs Brasileiras da AMIB, entre março e maio de 2020, a taxa média de permanência</p><p>em terapia intensiva foi de cerca de 10 dias, um pouco maior nos leitos públicos que nos privados (a média</p><p>habitual é de 6 a 7 dias). O projeto coletou dados voluntariamente informados por 452 hospitais entre 01/03</p><p>e 31/05/2020, um total de 14.382 leitos de UTIs adulto, sendo 73% desses privados. Ver em:</p><p>http://www.utisbrasileiras.com.br/sari-covid-19/benchmarking-covid-19/</p><p>Total SUS Total SUS Total SUS</p><p>Leitos de</p><p>UTI</p><p>Médicos</p><p>Respiradores</p><p>em uso</p><p>BRASIL 15,2 7,2 196,8 142,8 29,6 20,7 47,7 72,5 69,9</p><p>Norte 8,1 4,6 105,0 88,1 18,1 14,2 56,2 83,9 78,6</p><p>Nordeste 10,9 5,9 133,3 109,5 20,5 16,2 54,2 82,1 79,1</p><p>Sudeste 19,0 8,1 246,7 167,1 36,9 23,8 42,7 67,7 64,4</p><p>Sul 15,1 9,2 225,0 166,5 29,4 22,6 61,1 74,0 76,9</p><p>Centro-Oeste 18,0 6,8 200,4 145,5 35,3 23,5 37,8 72,6 66,8</p><p>Fonte: Elaboração própria a partir a partir de IBGE/Fiocruz com base nos dados do CNES para dezembro de 2019</p><p>Brasil e Grandes</p><p>Regiões</p><p>Leitos de UTI, médicos e respiradores em uso por 100 mil habitantes Proporção de leitos de UTI, médicos e</p><p>respiradores em uso disponíveis no SUS</p><p>(%)</p><p>Leitos de UTI Médicos Respiradores em uso</p><p>15</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Austrália e Irlanda18. Todavia, sua implementação sofre grande pressão contrária</p><p>das entidades privadas da saúde.</p><p>As importantes informações sobre disponibilidade de leitos via CNES</p><p>não implica que haja informações com a mesma agilidade para a ocupação real</p><p>desses leitos durante determinado período. As secretarias estaduais monitoram</p><p>esse indicador (algumas sem dados sobre leitos privados) como forma de</p><p>indicativo para retomada ou não das atividades econômicas, porém, tais</p><p>informações não constam do Painel do CONASS nem do MS. Cidades como Rio</p><p>de Janeiro e São Paulo promoveram a expansão dos leitos curativos e de UTI</p><p>para enfrentamento da pandemia por meio de hospitais de campanha, mas não</p><p>há informações disponíveis sobre os demais recursos associados e</p><p>imprescindíveis (equipes médicas, respiradores, EPIs). As informações da</p><p>Tabela 3 mostram que médicos e respiradores também se distribuem de forma</p><p>muito desigual pelo território brasileiro.</p><p>Com o intuito de buscar melhor medir os impactos da COVID19 no Brasil,</p><p>duas importantes pesquisas amostrais domiciliares foram a campo a partir de</p><p>abril/maio de 2020, com resultados e metodologias ainda em discussão. A</p><p>EPICOVID19-BR, implementada pela UFPEL com o objetivo de fazer um</p><p>mapeamento epidemiológico do novo coronavírus no Brasil, realizou cerca de 90</p><p>mil entrevistas, em 3 etapas, sendo a última concluída ao final de junho19. Os</p><p>dados iniciais apontam para uma estimativa em torno de 3,8% da população com</p><p>anticorpos na terceira fase, letalidade em torno de 1% e uma subnotificação de</p><p>6 a 7 vezes o número oficial (UFPEL, 2020)20.</p><p>Por sua vez, a PNAD-Covid19 foi concebida por meio de um convênio</p><p>entre IBGE e MS e seus resultados são considerados “estatísticas</p><p>experimentais”21. A pesquisa é uma versão da PNAD Contínua para coleta de</p><p>dados por telefone, com objetivos de estimar número de pessoas com sintomas</p><p>referidos associados à síndrome gripal; obter informações sobre procura por</p><p>estabelecimento de saúde; e monitorar as transformações ocorridas no mercado</p><p>de trabalho brasileiro durante a pandemia. A amostra é composta por 193 mil</p><p>domicílios divididos para coleta ao longo das quatro semanas do mês. Os</p><p>resultados iniciais sobre a força de trabalho apontam para cerca de 73% de</p><p>18 Ver CNS (2020)</p><p>19 Resultados extrapolados para as cidades investigadas que perfizeram 200 ou mais entrevistas em cada</p><p>etapa de um universo de 133 cidades pesquisadas (UFPEL, 2020)</p><p>20 Outras informações importantes ao monitoramento da COVID19 tratam da desagregação em grupos</p><p>sociais, indicando maior vulnerabilidade e exposição entre os mais pobres, indígenas, pretos e pardos.</p><p>21 Ou seja, devem ser usadas com cautela, pois são estatísticas novas que ainda estão em fase de teste</p><p>e sob avaliação.</p><p>16</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>pessoas ocupadas trabalhando, 11,6% de pessoas ocupadas e afastadas devido</p><p>ao distanciamento social e 12,3% de desocupadas22.</p><p>Em termos de estatísticas vitais para o controle e monitoramento da</p><p>COVID19, a correta enumeração de óbitos (e comparação direta entre países)</p><p>deve ser realizada à luz de alguns aspectos importantes, como (i) a</p><p>implementação de ampla testagem que permita atribuir corretamente a causa</p><p>das mortes; (ii) a forma como os óbitos estão sendo contabilizados; e (iii) os</p><p>registros tardios que impactam a análise de curto prazo de acompanhamento</p><p>diário dos óbitos. No Brasil, a produção de estatísticas vitais possui longa</p><p>tradição e duas fontes de dados oficiais: Cartórios de Registro Civil de Pessoas</p><p>Naturais e DATASUS/MS23. A Declaração de Óbito (DO) é o documento-base do</p><p>Sistema de Informações sobre Mortalidade do MS (SIM/MS), sendo de</p><p>responsabilidade de um médico preenchê-la corretamente com os dados de</p><p>identificação do paciente, condições e causas de morte. É com esse documento</p><p>que a família se dirige aos Cartórios para lavrar a certidão de óbito e, assim,</p><p>realizar os serviços funerários. O IBGE coleta anualmente os dados dos cartórios</p><p>por meio da Pesquisa Estatísticas do Registro Civil e divulga os resultados no</p><p>ano posterior à coleta, após intenso trabalho de consolidação e qualificação das</p><p>bases de dados recebidas. A consolidação final das informações do</p><p>SIM/DATASUS ocorre com dois anos de defasagem, mas alguns dados</p><p>preliminares são divulgados mensalmente pelo Painel de Monitoramento da</p><p>Mortalidade.</p><p>Durante a pandemia do novo coronavírus, os dados de óbitos</p><p>publicizados à população pelos órgãos competentes têm sido desde o início</p><p>provenientes dessas duas fontes oficiais. O MS e outros informantes oficiais</p><p>como o CONASS e Fiocruz divulgam boletins nacionais consolidados a partir das</p><p>atualizações enviadas pelas Secretarias Estaduais de Saúde. A novidade desse</p><p>período foi a implementação do Portal da Transparência, uma iniciativa dos</p><p>Cartórios para disponibilização de estatísticas diárias relacionadas à COVID19</p><p>a partir das certidões de óbitos lavradas. Os dados, devem, contudo, ser</p><p>analisados com a devida cautela em função tanto dos registros</p><p>al. (2020) em R, a partir do pacote segmented. As</p><p>Figuras 4a e 4b apresentam estes modelos ajustados para os casos suspeitos e</p><p>confirmados, respectivamente de 26/02/2020 até 02/05/2020.</p><p>Tanto para os casos suspeitos, quanto para confirmados, foram ajustados</p><p>três pontos de mudança, portanto quatro regimes de crescimento. No caso dos</p><p>suspeitos, o segundo regime (em verde), apesar de melhorar o ajuste do modelo,</p><p>deve ser interpretado com cautela devido ao pequeno número de pontos. Neste</p><p>gráfico, chamam a atenção os regimes em vermelho, que correspondem a um</p><p>crescimento inicial de praticamente 19%, e o regime representado na cor roxa,</p><p>onde esta taxa cai para aproximadamente 3%. Novamente é captada uma</p><p>mudança que deve ser interpretada com cautela, em azul claro, onde o</p><p>crescimento é de 5%, constando de apenas cinco pontos. As principais quebras</p><p>ocorrem nos dias 4 de abril e 29 de abril.</p><p>Figura 4- Modelos para avaliação das quebras de regime nas curvas de a) suspeitos e b)</p><p>confirmados</p><p>a) b)</p><p>No modelo para os casos confirmados, os regimes aparecem de maneira</p><p>mais clara. Iniciam-se as confirmações a uma taxa de 29% ao dia (vermelho),</p><p>caindo para aproximadamente 8% (verde), 3% (roxo) e finalmente os cinco</p><p>pontos apontando para uma retomada de crescimento, com 12% de crescimento</p><p>172</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>ao dia. As datas detectadas para as mudanças são 27 de março, 14 de abril e</p><p>28 de abril.</p><p>A maioria dos casos classificados como suspeitos é composto por</p><p>pacientes com quadros de síndrome gripal, grande parte destes de natureza viral</p><p>por transmissão aérea/respiratória e, portanto, qualquer tipo de intervenção que</p><p>evite o contato social, e portanto a circulação do vírus, acaba afetando a</p><p>incidência destes casos também, independente de serem positivos para Covid-</p><p>19. Importante notar que a primeira mudança no comportamento da curva de</p><p>crescimento do número de casos suspeitos ocorreu 18 dias após o decreto da</p><p>prefeitura de 18 de março, que pode ser atribuída, se não em sua totalidade, ao</p><p>menos em boa parte ao início do isolamento.</p><p>Nos casos confirmados, estes efeitos são mais difíceis de interpretar,</p><p>principalmente pelo fato de, no início da epidemia, os testes terem ficado</p><p>represados por mais tempo nos laboratórios credenciados pelo estado, onde o</p><p>tempo até confirmação estava levando de 10 a 15 dias. Esta pode ser uma</p><p>explicação para a primeira quebra no final de março. O regime que se sucede,</p><p>com cerca de 8% de crescimento diário do número de casos, pode ser entendido</p><p>como uma estabilização dos serviços de testagem, ainda com demora de cerca</p><p>de uma semana, e talvez um crescimento mais próximo do real de casos</p><p>confirmados na população elegível para testagem. Em 14 de abril, o crescimento</p><p>chega a patamares semelhantes aos encontrados na curva de suspeitos, com</p><p>cerca de 3% de aumento diário. Esta quebra ocorre cerca de 28 dias após o</p><p>decreto municipal. Considerando que a curva apresentada é baseada na data</p><p>de confirmação dos testes, e a semelhança na taxa de crescimento com os</p><p>suspeitos, pode-se inferir como sendo um possível efeito do isolamento inicial.</p><p>Em 17 de abril a UFJF passou a realizar testes para a Covid-19, o que</p><p>fez aumentar o número de casos confirmados. Além da realização de um número</p><p>maior de testes, os resultados passaram a sair em 48h. Este fato pode explicar</p><p>o crescimento abrupto de casos confirmados após 28 de abril.</p><p>O grupo ainda continuou sendo demandado para a produção de</p><p>previsões de casos. Optou-se pelo abandono dos modelos tipo SEIR, e a adoção</p><p>de modelos de previsão de horizontes mais curtos e baseados diretamente na</p><p>observação de dados, chamados de data driven, tornou-se uma alternativa,</p><p>justificada e detalhada a seguir.</p><p>Tecnicamente ainda havia um problema de não haver uma série</p><p>suficientemente grande que permitisse uma estimativa acurada e precisa dos</p><p>parâmetros do modelo. Mas considerando que se pode aprender com as séries</p><p>temporais de outros países, ou outras regiões, que iniciaram a epidemia mais</p><p>173</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>cedo, este problema pode ser bastante amenizado. Com esta ideia em mente,</p><p>Medeiros et al. (2020) desenvolveram, a partir dos trabalhos de econometria</p><p>realizados, uma modelagem de curto prazo para os chamados latecomers, ou</p><p>seja, para as “epidemias atrasadas”.</p><p>O modelo proposto é simples, tendo como base uma regressão dos</p><p>dados observados no local de interesse como função das séries observadas em</p><p>outros países. Se denotarmos por t = 1, 2, ..., T o número de dias contados a</p><p>partir do centésimo caso, por yt o logaritmo do número de casos confirmados</p><p>após o centésimo dia, e ainda sendo xt a matriz com os dados de mesma</p><p>natureza mas de uma localidade que iniciaram a epidemia mais cedo, podemos</p><p>utilizar estes dados como possíveis preditores para o local de interesse. Por</p><p>exemplo, o centésimo caso na França e Espanha ocorreram em 29 de fevereiro</p><p>e 2 de março, respectivamente. Em Juiz de Fora, isso ocorreu apenas em 17 de</p><p>abril. A ideia foi utilizar os dados de França e Espanha naqueles dias, para</p><p>explicar o que ocorreu em Juiz de Fora no dia 17 de abril, e assim poder fazer</p><p>as previsões. Obviamente nem todos os países explicariam bem os dados de</p><p>Juiz de Fora, mas este problema pôde ser contornado com técnicas de</p><p>aprendizado de máquina. O modelo, chamado de Error Correction Model (ECM)</p><p>(Medeiros et al., 2020) pode ser escrito então como</p><p>∆�� = ∆ !</p><p>�" + #���$</p><p>− !</p><p>�$</p><p>� + %�, (3)</p><p>em que ∆�� = �� − ��$</p><p>, ∆ � = &� − &�$</p><p>e ",</p><p>e # são os parâmetros de</p><p>interesse e %�~(�0, *��.</p><p>Desta forma, o modelo é estimado em 2 fases, a partir de curvas de</p><p>crescimento acumulado que já registraram ao menos 100 casos confirmados,</p><p>como Juiz de Fora. Na primeira fase do processo de estimação, por meio de uma</p><p>regressão do tipo LASSO, técnica difundida em trabalhos de machine learning,</p><p>são escolhidos os parâmetros de curvas destas outras localidades que melhor</p><p>se adequam à curva de interesse. A partir desta estimativa dos parâmetros,</p><p>procede-se para o ajuste do modelo principal, que permite então que sejam feitas</p><p>estimativas. Maiores detalhes técnicos podem ser encontrados em Medeiros et</p><p>al. (2020).</p><p>Estes modelos estavam em uso até a submissão deste artigo, agosto de</p><p>2020, e as figuras 5a, 5b, 5c refletem a qualidade das estimativas, sendo que</p><p>em 5d, observou-se uma falha da previsão, que chamou a atenção do grupo e</p><p>das autoridades sanitárias, pois identificou-se um pico na semana</p><p>epidemiológica 27 (com início em 28 de junho), que não manteve a mesma</p><p>tendência. As previsões foram corrigidas e publicadas após a semana 28, mas</p><p>174</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>mesmo este “erro” foi extremamente útil para chamar a atenção de um momento</p><p>especial para o município.</p><p>Figura 5- Previsões de casos publicadas nos boletins epidemiológicos semanais. a) Feita em 8</p><p>de maio, b) feita em 25 de maio, c) feita em 9 de junho e d) feita em 5 de julho.</p><p>a) b)</p><p>c) d)</p><p>175</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.161-181, julho-dezembro 2020</p><p>2.3 MODELO PARA OCUPAÇÃO DE LEITOS: UMA ADAPTAÇÃO</p><p>O painel da prefeitura de Juiz de Fora (https://covid19.pjf.mg.gov.br/)</p><p>passou a apresentar de forma detalhada números sobre a ocupação de leitos a</p><p>partir do dia 30 de março. O objetivo desta modelagem foi procurar entender</p><p>padrões nestas curvas de crescimento e prever com algum horizonte estas</p><p>ocupações.</p><p>Os modelos apresentados anteriormente para a previsão de casos não</p><p>se comportavam bem para estas séries, o que surpreendeu o grupo uma vez</p><p>que os padrões em geral, teoricamente, deveriam seguir a curva de casos</p><p>confirmados.</p><p>Na busca por uma solução, um modelo que</p><p>tardios como do</p><p>22 Ver https://covid19.ibge.gov.br/ e seção 3.3</p><p>23 Segundo Oliveira (2018), “os diferentes estágios de desenvolvimento econômico e social e as</p><p>assimetrias regionais, associados às largas distâncias de um país continental, fizeram com que ao longo</p><p>de largo período a cobertura e a qualidade de dados sobre os eventos de nascimentos e óbitos ficassem</p><p>muito aquém das desejadas”. Todavia, recentes estudos sobre cobertura dos dados a partir do</p><p>pareamento das informações de ambas as bases de dados demonstram a melhoria e convergência dos</p><p>principais sistemas oficiais.</p><p>17</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>próprio diagnóstico da causa da morte, que ainda pode sofrer alteração24.</p><p>Importante ainda ressaltar que em uma pandemia todos os casos devem ser</p><p>avaliados em sua trajetória e comparação com anos anteriores porque a falta de</p><p>recursos hospitalares pode acarretar mortes que, a princípio, não tem relação</p><p>direta com a doença. A Tabela 4 mostra que o total de óbitos por COVID19 em</p><p>14/07/2020 é próximo ao obtido pelo DATASUS (Tabela 2), o que reforça a</p><p>qualificação e convergência de cobertura de ambas as bases. Ademais, são</p><p>indicados os casos suspeitos de causas consideradas correlacionadas (como a</p><p>Síndrome Respiratória Aguda – SRAG) como indicativo de subnotificação de</p><p>casos. Observa-se um “excesso” de 24.701 mortes em 2020 em relação ao</p><p>mesmo período em 2019.</p><p>Tabela 4 – Total de óbitos por causas respiratórias – 16/03 a 14/07/2020</p><p>Cabe ressaltar que tanto os dados das Secretarias Estaduais quanto dos</p><p>Cartórios divulgados diariamente não são definitivos. Em situações não atípicas,</p><p>o DATASUS e o Registro Civil divulgam as informações com 1 a 2 anos de</p><p>defasagem, justamente para realizar uma avaliação sistemática pormenorizada</p><p>das informações coletadas, minimizando inconsistências. O que se observa é</p><p>um imenso esforço das instituições em atender as demandas urgentes desse</p><p>período de forma ágil, mesmo com dados sujeitos a alterações e revisões,</p><p>visando sinalizar e orientar a ação governamental. Mesmo com esses sistemas</p><p>consolidados e historicamente reconhecidos, foram observadas tentativas por</p><p>parte de alguns entes federativos de adoção de fontes alternativas de dados</p><p>oficiais, como o número de sepultamentos25. Por esse indicador, confirmações</p><p>24 A partir de uma tabela de correspondência, o portal destaca um conjunto de sete causas</p><p>correlacionadas: COVID19, Síndrome Respiratória Aguda (SRAG), Pneumonia, Insuficiência respiratória,</p><p>Septicemia, Indeterminada e Demais Óbitos.</p><p>25 A exemplo da cidade do Rio de Janeiro. Entretanto, conforme Nota Técnica elaborada por Reis et al,</p><p>(2020),”em municípios e estados brasileiros onde há baixa cobertura de dados de mortalidade no SIM, é</p><p>recomendável a utilização das informações do cemitério/sepultamento para melhorar a qualidade da</p><p>2019 2020 Absoluta Percentual</p><p>COVID 0 67.545 67.545 -</p><p>SRAG 561 9.504 8.943 1594,1</p><p>Pneumonia 79.196 54.693 -24.503 -30,9</p><p>Insuficiência Respiratória 33.854 31.505 -2.349 -6,9</p><p>Septicemia 58.153 45.843 -12.310 -21,2</p><p>Indeterminada 2.217 3.080 863 38,9</p><p>Demais Óbitos 220.416 206.928 -13.488 -6,1</p><p>Total 394.397 419.098 24.701 6,3</p><p>Fonte: Elaboração própria a partir do Portal da Transparência do Registro Civil (Acesso em 14/07/2020)</p><p>Causas Respiratórias</p><p>identificadas</p><p>Total Diferença</p><p>18</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>posteriores de COVID19 só entrariam nas estatísticas oficiais caso as famílias,</p><p>por iniciativa própria, se dirijissem a um cartório para alteração da certidão26. No</p><p>primeiro dia de mudança na cidade do Rio de Janeiro, o total de óbitos já</p><p>apresentou uma diferença de cerca de mil a menos em relação aos divulgados</p><p>pela Secretaria Municipal de Saúde.</p><p>3.2 INDICADORES HABITACIONAIS</p><p>A oferta de informações sobre as características de moradia das</p><p>pessoas e famílias brasileiras mostra ser possível a construção de um quadro de</p><p>indicadores que contribua para monitoramento das condições de vida da</p><p>população a partir da sua articulação com outras informações socioeconômicas.</p><p>Anualmente a PNAD Contínua fornece uma série de indicadores que medem</p><p>não apenas as características habitacionais, como também o acesso da</p><p>população aos serviços de saneamento básico, como água, esgotamento</p><p>sanitário e coleta de lixo.</p><p>Com uma gama de indicadores mais restritos, porém similares aos da</p><p>PNAD Contínua, as informações do Cadastro Único (CADUNICO) disponibilizam</p><p>regularmente indicadores habitacionais e de saneamento que cobrem o universo</p><p>de famílias em situação de vulnerabilidade social, estipuladas como aquelas que</p><p>possuem renda domiciliar per capita de até meio salário mínimo ou de famílias</p><p>com rendimento de até três salários mínimos como um todo.</p><p>Se, por um lado, a riqueza de informações disponibilizadas por estas</p><p>duas fontes cobrem grande parte das demandas por informações habitacionais</p><p>das famílias brasileiras, por outro lado, esbarram em algumas limitações</p><p>metodológicas como, por exemplo, a cobertura territorial. Por ser uma pesquisa</p><p>amostral, a PNAD Contínua não fornece informações para todos os níveis</p><p>subnacionais de governo e, muito menos, para recortes menores, como bairros.</p><p>Alguns indicadores são divulgados no máximo ao nível de Unidades da</p><p>Federação e Regiões Metropolitanas; enquanto outros podem chegar ao nível</p><p>de Município das Capitais. As informações mais desagregadas territorialmente</p><p>só estão disponíveis nos Censos Demográficos, cuja periodicidade decenal</p><p>limita o monitoramento contínuo das condições habitacionais da população</p><p>informação sobre os óbitos ocorridos naquela localidade (...). Contudo, esta não representa a realidade do</p><p>município e estado do Rio de Janeiro cuja cobertura do SIM é de 97%”.</p><p>26 “É de responsabilidade das Secretarias Municipais de Saúde, por meio dos serviços de vigilância</p><p>epidemiológica ou serviço de verificação de óbito, proceder à investigação de óbitos (...) Se for indicada a</p><p>mortalidade por COVID-19, a causa suspeita é recodificada e, para efeito das estatísticas de saúde,</p><p>passa a ser contado como óbito confirmado” (Reis et al, 2020).</p><p>19</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Quadro 1 - Indicadores habitacionais indicativos de vulnerabilidade socioeconômica</p><p>Fonte - Elaboração própria</p><p>Esta característica acaba por limitar o uso dos indicadores da PNAD</p><p>Contínua como ferramenta de diagnóstico e implementação de políticas públicas</p><p>em recortes intraurbanos ou intramunicipais, onde se concentram, por exemplo,</p><p>contingentes populacionais com elevado nível de vulnerabilidade social. Se, no</p><p>nível de Unidade da Federação, esta pesquisa já mostra desigualdades</p><p>marcantes em indicadores como moradores residindo em domicílios com mais</p><p>de três moradores por cômodo servindo de dormitório, sua apresentação em</p><p>desagregações intraurbanas permitiria uma ação mais objetiva do poder público,</p><p>já que seria possível a identificação de áreas de concentração de moradias com</p><p>essas características e passíveis de mais elevados níveis de contágio durante a</p><p>pandemia.</p><p>O caso do CADUNICO requer menos reflexão sobre este ponto, pois o</p><p>programa se propõe a cadastrar apenas as famílias em situação de</p><p>vulnerabilidade social. Por ser um cadastro, as mesmas podem ser identificadas</p><p>em diferentes níveis de desagregação, bastando apenas a junção das</p><p>informações com a malha territorial necessária à sua disponibilização. Por outro</p><p>lado, seus gestores possuem o desafio de identificar ao máximo as famílias que</p><p>se enquadram nos critérios definidos para fazerem parte do CADUNICO, o que</p><p>demanda aprimoramentos constantes em metodologias relacionadas à busca</p><p>ativa, além do estabelecimento de mecanismos que permitam a atualização das</p><p>informações em regularidade definida.</p><p>Este desafio, no entanto, não limita</p><p>o papel do CADUNICO como</p><p>importante instrumento para programas de transferência de renda, sendo, no</p><p>momento, um dos principais mecanismos de viabilização do auxílio emergencial.</p><p>Como já há uma base de informações centralizada no Ministério da Cidadania a</p><p>Principais Indicadores Habitacionais PNAD Contínua CADUNICO</p><p>Número de moradores por cômodo utilizados como dormitório x x</p><p>Proporção de pessoas com ausência de banheiro de uso exclusivo</p><p>do domicílio</p><p>x Só existência de banheiro</p><p>Proporção de pessoas com ausência de abastecimento de água</p><p>por rede geral</p><p>x x</p><p>Proporção de pessoas com abastecimento de água por rede</p><p>geral, com frequencia inferior à diária</p><p>x -</p><p>Proporção de pessoas com ausência de esgotamento sanitário</p><p>por rede coletora, pluvial ou fossa ligada à rede</p><p>x Não cobre fossa ligada à rede</p><p>Proporção de pessoas com ausência de coleta direta ou indireta</p><p>de lixo</p><p>x x</p><p>20</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>mesma vem sendo utilizada para a identificação de grande parte da população</p><p>alvo deste benefício27.</p><p>3.3 INFORMALIDADE</p><p>A elevada participação de pessoas ocupadas na informalidade é uma</p><p>característica marcante do mercado de trabalho brasileiro que tem suas origens</p><p>na formação histórica do desenvolvimento do país. Há um significativo número</p><p>de trabalhadores que não possuem acesso aos direitos sociais associados à</p><p>formalização, como as licenças remuneradas por afastamento para a</p><p>maternidade ou por motivo de saúde, ou o direito à aposentadoria por tempo de</p><p>contribuição. Para os empregados nesta situação, benefícios como férias,</p><p>décimo terceiro salário e remuneração mínima de acordo com o salário mínimo</p><p>também não são assegurados.</p><p>É consenso entre pesquisadores que mensurar a informalidade é tarefa</p><p>bastante complexa e de difícil execução por conta da carência de dados que</p><p>decorre da própria condição da informalidade: a falta de registro. Tal</p><p>complexidade representada por termos como “informalidade” ou “economia</p><p>informal”, para ser mais bem compreendida (e mensurada) deve ser admitida em</p><p>duas esferas: i) a da natureza da atividade econômica, ou seja, a</p><p>institucionalidade da unidade produtiva (ou empreendimento) que realiza a</p><p>produção; e ii) a da natureza do posto de trabalho, ou a ocupação28. Embora</p><p>tenham pontos em comum, convém ter em mente a separação conceitual das</p><p>duas esferas da informalidade: a do setor informal e a do trabalho informal.</p><p>Em relação ao setor, não há consenso sobre a própria definição do que</p><p>é uma atividade econômica informal, podendo haver um gradiente de</p><p>possibilidades entre um empreendimento formal e um informal, representando</p><p>categorias de “semiformalidade” (Oddo, 2019), o que torna a mensuração do</p><p>fenômeno ainda mais difícil. Talvez por isso seja raro encontrar fontes para se</p><p>mensurar a produção informal de maneira direta, sendo uma delas a Pesquisa</p><p>de Economia Informal (ECINF), produzida pelo IBGE em 1997 e 2003 (somente</p><p>áreas urbanas). O objetivo da ECINF foi delimitar o âmbito do setor informal</p><p>utilizando como ponto de partida a unidade de produção. Todavia, sua</p><p>irregularidade temporal representa um impedimento para a análise da dinâmica</p><p>do setor, tão sensível às variações conjunturais, e constitui-se somente uma</p><p>fotografia do setor informal naquelas duas oportunidades. Outra limitação da</p><p>27 Para quem não tinha registro no cadastro único até o dia 2 de abril de 2020, a solicitação do benefício é</p><p>feita através aplicativo disponibilizado pela Ministério da Cidadania e pela Caixa Econômica Federal.</p><p>28 Recentemente a OIT divulgou o manual internacional para a mensuração da informalidade: Measuring</p><p>informality: A statistical manual on the informal sector and informal employment - ILO (2013).</p><p>21</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>pesquisa foi a definição do universo do setor informal baseado no critério de</p><p>empresas com até cinco empregados, que desconsidera empresas maiores que</p><p>este porte com funcionamento informal, ou considera como informais</p><p>microempresas constituídas legalmente que tendem a ser encontradas com</p><p>frequência em setores de atividade econômica mais avançados.</p><p>Outra possibilidade para a mensuração indireta da produção de</p><p>empreendimentos informais é a utilização do Sistema de Contas Nacionais</p><p>(SCN), também do IBGE. Em poucas palavras, o SCN constitui-se de uma</p><p>síntese, baseada em metodologia internacional definida, de diversas fontes, que</p><p>incluem registros administrativos, balanços de empresas, pesquisas domiciliares</p><p>e pesquisas de empresas, levantadas pelo IBGE ou por outras instituições29.</p><p>Embora não seja destacado exatamente o que corresponde ao setor informal, é</p><p>possível obter indiretamente uma estimativa a partir do valor adicionado do setor</p><p>institucional famílias30. Ao contrário da ECINF, uma série anual pode ser obtida</p><p>de 2000 até 201731. Uma limitação é a impossibilidade de recorte regional para</p><p>a produção de natureza informal.</p><p>Em relação ao trabalho informal são as investigações domiciliares que</p><p>cumprem papel principal como fonte de informações. Assim, para a mensuração</p><p>do pessoal ocupado informal, até outrora, a base de dados de referência foi a</p><p>PNAD e, atualmente, sua substituta, a PNAD Contínua. A PNAD foi criada em</p><p>1967 com o objetivo de suprir o Brasil com informações sobre condições de vida</p><p>de sua população entre os períodos censitários32. Para desagregações</p><p>municipais a amostra da pesquisa não era representativa, cabendo somente aos</p><p>Censos Demográficos decenais alcançar tais resultados. Outra limitação da</p><p>PNAD, e também dos Censos, é seu uso para estudos que estão sujeitos à</p><p>sazonalidade, pois a referência destes levantamentos é de um ponto do ano, no</p><p>caso o mês de setembro para a PNAD, e o mês de junho para os Censos.</p><p>A PNAD Contínua, por usa vez, foi o principal produto do processo de</p><p>reformulação das pesquisas domiciliares do IBGE, cujo objetivo foi tornar mais</p><p>robusto seu sistema de informações de estatísticas do trabalho, adequando-o às</p><p>demandas por informações cada vez mais descentralizadas e com maior</p><p>periodicidade. A PNAD Contínua incorporou uma série de recomendações da</p><p>29 Ver IBGE (2016)</p><p>30 Hallak Neto, Namir e Kozovitz (2012)</p><p>31 Os resultados detalhados do SCN são publicados com dois anos de defasagem em relação ao ano</p><p>corrente</p><p>32 Com um questionário completo em relação ao tema Trabalho, a PNAD ainda se constitui em valiosa base</p><p>de dados para a investigação do trabalho até o nível das 9 Regiões Metropolitanas consideradas pela</p><p>pesquisa.</p><p>22</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>19° Conferência Internacional de Estatísticas do Trabalho (CIET) que viabilizou</p><p>o cálculo de novos indicadores, redefinindo, da mesma forma, uma série de</p><p>conceitos, como, por exemplo, o próprio conceito de trabalho, que passou a</p><p>incorporar atividades não remuneradas em sua definição33. A pesquisa</p><p>disponibiliza os dados para a construção de algumas séries trimestrais desde</p><p>2012 e outras a partir do quarto trimestre de 2015, após reformulação que incluiu</p><p>novos quesitos no questionário.</p><p>A Síntese de Indicadores Sociais (SIS) foi a primeira publicação do IBGE</p><p>a divulgar uma série histórica de indicadores de trabalho informal, apesar de a</p><p>instituição disponibilizar as informações para seu cálculo anteriormente. A</p><p>produção deste indicador ocorreu pela primeira vez com base na PNAD na</p><p>edição de 2012 e seguiu metodologia compatível com a definida pela</p><p>Organização Internacional do Trabalho sobre o trabalho decente no Brasil (OIT,</p><p>2012). Na SIS de 2016 uma série de 2004 a 2015 foi divulgada, marcando o</p><p>último ano de informações publicadas pela PNAD. Desde então este indicador</p><p>vem sendo reproduzido anualmente, agora com base na PNAD Contínua.</p><p>Recortes por Unidade da Federação, bem como por sexo, cor ou raça e grupos</p><p>de</p><p>idade são apresentados em suas publicações anuais.</p><p>Complementando as bases de dados aptas à mensuração do trabalho</p><p>informal, a PNAD COVID-19, mencionada na seção 3.1, possui um módulo</p><p>satisfatório para a investigação do mercado de trabalho, considerando as</p><p>limitações de tempo impostas para a elaboração e realização da pesquisa. Para</p><p>o nível nacional são divulgados resultados semanais e seus resultados iniciais</p><p>tiveram como referência o mês de maio de 2020, portanto, já no período de</p><p>isolamento social, iniciado no dia 11 de março em diversas cidades do País.</p><p>Embora importante por fornecer respostas com alta frequência, para análises</p><p>comparativas com o período anterior à crise da COVID19, torna-se necessário o</p><p>uso de bases de dados que possuam séries históricas mais amplas, como a</p><p>PNAD Contínua, que possibilita obter informações sobre as pessoas ocupadas</p><p>em trabalhos informais de acordo com a definição escolhida pelo pesquisador,</p><p>que não raro, pode variar conforme o objetivo do estudo.</p><p>Para a análise dos resultados recentes são detalhadas quatro</p><p>possibilidades. A mais simples e direta (critério 1) considera a classificação por</p><p>posição na ocupação. Por esta definição, o trabalho informal é composto pelo</p><p>pessoal ocupado como empregado ou trabalhador doméstico sem carteira</p><p>assinada, os trabalhadores por conta própria e os trabalhadores familiares</p><p>33 Ver: Simões e Dick (2016) e OIT (2013)</p><p>23</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>auxiliares não remunerados. É o critério que abrange mais pessoas por não</p><p>realizar filtros adicionais nas principais posições na ocupação, ao contrário das</p><p>definições seguintes. Por este critério estão incluídas pessoas ocupadas que são</p><p>público alvo do benefício do auxílio emergencial, como os MEI por exemplo. Uma</p><p>alternativa (critério 2) desconsidera do universo do trabalho informal todos</p><p>aqueles que contribuem para a previdência social, ou seja, são entendidos como</p><p>informais todas as pessoas ocupadas que não estão asseguradas pelo sistema</p><p>previdenciário, independentemente da posição na ocupação. Este é o critério</p><p>mais restrito, pois, por exemplo, os empregados sem carteira, os trabalhadores</p><p>domésticos sem carteira, bem como os trabalhadores por conta própria e</p><p>empregadores que contribuem para a previdência social são excluídos do</p><p>conceito de trabalho informal.</p><p>Os dois critérios seguintes possuem distintos filtros para as pessoas</p><p>ocupadas dependentes (empregados, trabalhadores domésticos e trabalhadores</p><p>familiares auxiliares) e independentes (conta própria e empregadores). O</p><p>trabalhador dependente que não possui carteira assinada é considerado informal</p><p>em ambos os critérios, sendo a diferença relativa aos independentes. O critério</p><p>3 admite como informal os trabalhadores independentes que não contribuem</p><p>para a previdência (independentes não segurados) e o critério 4 os que não</p><p>possuem o empreendimento formalizado, ou seja, não possuem inscrição no</p><p>CNPJ (independentes sem CNPJ). Em termos de abrangência, ambos situam-</p><p>se entre os extremos sendo o critério 4 mais próximo do critério 1, o que significa</p><p>que há mais trabalhadores por conta própria e empregadores assegurados na</p><p>previdência do que com CNPJ. O Quadro 2 a seguir sintetiza as definições</p><p>segundo cada critério e período inicial de construção das séries. O Gráfico 1</p><p>apresenta os resultados trimestrais de cada uma das quatro séries, construídas</p><p>a partir da Pnad Contínua.</p><p>24</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Quadro 2 - Critérios e definições das séries de trabalho informal</p><p>Fonte - Elaboração própria.</p><p>Gráfico 1 – Proporção de pessoas ocupadas informalmente sobre o total das pessoas</p><p>ocupadas, segundo critérios definidos no Quadro 2 – Brasil – 1ºTrimestre/2012 a</p><p>1ºTrimestre/2020</p><p>Fonte: Elaboração própria a partir dos resultados da Pnad Contínua/IBGE – Trimestral</p><p>Conforme esperado, as séries de proporção de pessoas ocupadas em</p><p>trabalhos informais apresentam trajetórias semelhantes, embora níveis</p><p>diferentes por conta do conteúdo de cada definição que inclui mais ou menos</p><p>pessoas na situação de informalidade. A série mais abrangente, (1), registrou</p><p>em média de 45,0% de pessoas ocupadas informais, e a série mais restrita (2),</p><p>36,3%. Em todas as séries nota-se um processo de redução da informalidade</p><p>Critério Descrição Definição</p><p>Série trim.</p><p>desde</p><p>C1 (posição na ocupação)</p><p>empregado/trab. doméstico s/ CA; conta</p><p>própria e TFA</p><p>1º trim de 2012</p><p>C2 (PO total s/ PS)</p><p>pessoas ocupadas que não contribuem</p><p>para a PS.</p><p>1º trim de 2012</p><p>C3</p><p>(dependentes s/CA +</p><p>indep. s/ PS)</p><p>dependentes s/ CA e conta própria e</p><p>empregadores que não contribuem para a</p><p>PS</p><p>1º trim de 2012</p><p>C4</p><p>(dependentes s/CA +</p><p>indep. s/ CNPJ)</p><p>dependentes s/ CA e conta prórpia e</p><p>empregadores s/ CNPJ</p><p>4º trim de 2015</p><p>25</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>até o final de 2014 – processo este que vinha em curso desde 200434, com o</p><p>aquecimento do mercado de trabalho e a geração relativamente maior de postos</p><p>de trabalho com carteira assinada35. Neste período também houve queda</p><p>expressiva da taxa de desocupação, aumento do nível de ocupação e dos</p><p>rendimentos médios36.</p><p>A partir dos anos 2015-2016, com as quedas anuais do PIB37, as séries</p><p>de proporção de trabalhos informais se estabilizam e, em seguida, revertem suas</p><p>trajetórias, o mesmo ocorrendo com os outros indicadores que se comportavam</p><p>favoravelmente aos trabalhadores. No triênio 2017-19, mesmo com a tímida</p><p>recuperação da economia e do mercado de trabalho38, a informalidade continuou</p><p>a crescer, demonstrando que o aumento das vagas se deu de maneira mais forte</p><p>entre os informais.</p><p>Em 2020, no contexto da pandemia, uma nova crise econômica emerge</p><p>com potencial para ser a mais forte da história do País. Um de seus principais</p><p>efeitos é a destruição dos postos de trabalho, que atinge com maior força o</p><p>trabalho mais vulnerável, como já mencionado na seção inicial. Os resultados</p><p>dos meses de janeiro a março de 2020, embora com apenas a metade do mês</p><p>de março sob o efeito do isolamento social, já mostram expressiva redução das</p><p>pessoas ocupadas informalmente. Assim, a proporção de trabalho informal sofre</p><p>queda, pois a destruição deste tipo de ocupação é mais intensa do que a dos</p><p>demais, qualquer que seja o critério escolhido. Como resultado há uma redução</p><p>da informalidade no mercado de trabalho, mas com causas e consequências</p><p>completamente diferentes das verificadas nos anos até 201439. É possível</p><p>também pela PNAD Contínua a análise da informalidade desagregada por</p><p>grupos populacionais, como cor ou raça, sexo e outras características</p><p>relevantes40.</p><p>34 Baltar et al. (2010), Baltar e Leone (2012); Reis (2012); Amitrano (2013) e Saboia (2014) documentaram</p><p>e interpretaram a evolução favorável do mercado de trabalho brasileiro durante este período.</p><p>35 Segundo o CAGED, de 2004 a 2014, o saldo líquido de admissões foi de 17,5 milhões de empregos</p><p>regidos pela CLT, o que corresponde a uma média de 1,6 milhão de vagas formais por ano.</p><p>36 Detalhes, ver IBGE (2018, cap. 1).</p><p>37 A taxa de variação do PIB anual registrou, respectivamente, -3,5% e -3,6%, em 2015 e 2016 (SCN, 2019).</p><p>38 A média anual de crescimento do PIB nos três anos foi de apenas 1,1%. No período 2017-2019, o</p><p>aumento de pessoas ocupadas correspondeu 3,6 milhões, o que significou uma elevação marginal do nível</p><p>de ocupação 54,4% para 55,3% (PNAD Contínua, 2019).</p><p>39 Os dados mais recentes da divulgação mensal da Pnad Contínua (30/06/2020) mostram que o trimestre</p><p>móvel terminado em maio de 2020 registrou redução de 7,0 milhões de pessoas ocupadas, sendo 4,8</p><p>milhões delas nas posições de empregados sem carteira assinada ou conta própria.</p><p>40 Por exemplo, o contingente de trabalhadores informais na série disponível na IBGE 2019, compatível</p><p>com o critério 3, mostrou que é significativamente maior a participação da população ocupada preta ou</p><p>parda nestas ocupações quando comparada com os trabalhadores brancos. Ver IBGE (2019, Cap. 1).</p><p>26</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>Em suma, conforme mencionado no início dessa seção, a principal</p><p>dificuldade para a mensuração da informalidade é decorrente da falta de</p><p>registros. Isto vale para os estabelecimentos produtivos que constituem o setor</p><p>informal, que muitas vezes são os próprios domicílios das famílias, ou ficam</p><p>situados nas ruas das cidades, bem como, para os vínculos trabalhistas que não</p><p>estão nas bases de dados da Secretaria do Trabalho ou nos cadastros das</p><p>instituições de pesquisa. Sem uma pesquisa como a ECINF, a fonte para se</p><p>estimar a produção informal, compreendendo-a como um subsetor do setor</p><p>famílias, é o SCN. Contudo não há como mensurar este produto e suas funções</p><p>de produção detalhadamente ou apresentar resultados com desagregações</p><p>espaciais. Uma opção que poderia contribuir para o refinamento da estimativa</p><p>de produção do setor informal é a inclusão de novos quesitos na PNAD Contínua</p><p>que identificassem se a unidade produtiva a qual o ocupado esteja vinculado</p><p>possua registro formal, como a existência de CNPJ ou de emissão de nota fiscal.</p><p>Já para o trabalho informal, a PNAD Contínua confere uma gama de</p><p>possibilidades de mensuração que pode ser adequada ao objetivo do estudo.</p><p>Há, porém, a restrição para os municípios que não sejam das capitais, ainda que</p><p>populosos. Algumas limitações inerentes às pesquisas domiciliares, como</p><p>eventuais imprecisões do informante, sobretudo no que diz respeito à ocupação</p><p>ou à atividade econômica exercida pela pessoa ocupada também são comuns</p><p>neste tipo de levantamento, considerando que, em geral, a pessoa entrevistada</p><p>responde por todos os membros do domicílio.</p><p>Uma fonte relevante de informação poderá ser construída a partir do</p><p>novo cadastro formado para a realização dos pagamentos referentes ao auxílio</p><p>emergencial por conta da crise da COVID19, estabelecido pela Caixa Econômica</p><p>Federal. Como o público alvo do programa inclui, além dos desempregados, os</p><p>“MEI” e os “trabalhadores informais ou autônomos”41, este cadastro poderá ser</p><p>preparado para fornecer informações sobre este numeroso grupo de pessoas</p><p>em situação de vulnerabilidade que são importantes para o objetivo das políticas</p><p>públicas.</p><p>41 Os critérios de concessão para acesso ao benefício Auxílio Emergencial são os previstos na Lei nº</p><p>13.982, de 02/04/2020, regulamentada pelo Decreto 10.316, de 07/04/2020. ver:</p><p>http://www.caixa.gov.br/auxilio/PAGINAS/DEFAULT2.ASPX#:~:text=O%20Aux%C3%ADlio%20Emergenci</p><p>al%20%C3%A9%20um,pandemia%20do%20Coronav%C3%ADrus%20%2D%20COVID%2019.</p><p>27</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>4. CONCLUSÕES: A DIMENSÃO INFORMACIONAL DA CRISE</p><p>A essa altura, não nos resta mais dúvidas sobre a magnitude da crise</p><p>que atravessamos expressa em diversos indicadores e cenários apresentados</p><p>neste artigo, com enfoque particular nas áreas de saúde, estatísticas vitais,</p><p>moradia e trabalho. Para além de desnudar questões estruturantes da formação</p><p>das sociedades e economias capitalistas, principalmente no tocante às abissais</p><p>desigualdades sociais e territoriais, a crise generalizada também atinge</p><p>diretamente os sistemas nacionais de estatísticas públicas e suas respectivas</p><p>capacidades de resposta às questões atuais. No Brasil, a dimensão</p><p>informacional da crise pode ser inicialmente avaliada por três aspectos que</p><p>merecem reflexão conjunta sobre os caminhos a seguir daqui em diante: (i)</p><p>importância da institucionalidade dos sistemas de informação oficial e a urgente</p><p>necessidade de revisão de seu marco regulatório; (ii) gestão integrada das</p><p>informações oficiais produzidas, sejam provenientes de registros administrativos</p><p>ou de pesquisas amostrais/censitárias, incluindo seus métodos de coleta; e (iii)</p><p>disponibilidade, qualidade, robustez, comunicabilidade e atualidade das</p><p>informações disponíveis e atendimento das novas demandas.</p><p>Sobre o primeiro ponto, o acompanhamento da notificação de casos e</p><p>óbitos, indicadores cruciais em tempos de pandemia para gestão da crise, foi</p><p>possível pela consolidação histórica dos fluxos de informações do DATASUS e</p><p>do Registro Civil. Secretarias estaduais de saúde, ao consolidarem os dados</p><p>municipais e reportá-los ao MS, permitiram que sociedade, acadêmicos e</p><p>gestores tivessem acesso a evolução da doença no país diariamente, mesmo</p><p>quando arbitrariamente o governo federal interferiu na disponibilização completa</p><p>das informações em seu portal oficial. A relativa convergência das informações</p><p>de óbitos provenientes de ambas as fontes, salvaguardada a tempestividade</p><p>com que foram disponibilizadas durante a crise em espaço inferior ao</p><p>tradicionalmente utilizado para sua consolidação, apontam para a robustez e</p><p>qualidade dos dados produzidos, confirmando estudos de pareamento que já</p><p>estavam em andamento em ação conjunta IBGE e MS42. A elevada</p><p>subnotificação de casos e óbitos evidenciada em estudos e pesquisas</p><p>desenvolvidos nesse período parece ter relação mais direta com a política</p><p>deliberada de não-testagem da população que a falhas sistêmicas na</p><p>comunicação dos eventos. É importante ressaltar que o DATASUS cobre</p><p>informações provenientes do sistema público de saúde e teria sido importante a</p><p>disponibilização integrada de informações públicas e privadas, em especial no</p><p>que concerne à ocupação de leitos em tempo real. Por outro lado, IBGE, Fiocruz,</p><p>42 Ver Oliveira (2018)</p><p>28</p><p>Revista Brasileira de Estatística, V.78, N. 244, p.7-31, julho-dezembro 2020</p><p>universidades federais e o próprio MS, instituições públicas federais, puderam</p><p>viabilizar uma série de projetos de pesquisa e estudos para suprir as demandas</p><p>de informação, como os dados sobre recursos hospitalares desagregados</p><p>geograficamente e uma inédita e ampla pesquisa domiciliar por telefone para</p><p>monitoramento dos efeitos imediatos da crise.</p><p>A revisão do marco regulatório apontada no item (i) dialoga diretamente</p><p>com o ponto (ii) sobre a gestão integrada das informações disponíveis e novas</p><p>demandas, integração essa que passa tanto pela organização dos produtores de</p><p>informação oficial como pelas próprias informações produzidas. A</p><p>institucionalização do Sistema Nacional de Informações Oficiais (SNIO) é</p><p>legalmente prevista, mas ainda requer legislações e regulações subjacentes.</p><p>Sob coordenação do IBGE, o SNIO possibilitaria o compartilhamento da</p><p>produção e análise das estatísticas oficiais com racionalização de recursos e</p><p>esforços, além da “criação de um local de discussão e ordenamento que permita</p><p>ao conjunto de produtores evoluir permanentemente na sua integração através</p><p>da harmonização de objetivos, práticas estatísticas, classificações, conceitos e</p><p>métodos sincronizados” (Olinto, 2019). Para o estabelecimento do SNIO é</p><p>fundamental que sejam regulados os compartilhamentos das distintas bases de</p><p>dados oficiais para produção de estatísticas, respeitando a lei de sigilo estatístico</p><p>ao qual o IBGE já está submetido. Um exemplo de como o SNIO em</p><p>funcionamento poderia ter favorecido o combate à pandemia foi a recusa das</p><p>empresas telefônicas, com respaldo do STF, em fornecer o cadastro de números</p><p>de telefones ao IBGE para operacionalização mais efetiva da PNAD-Covid19 no</p><p>contato com os domicílios selecionados na amostra. A eterna contenda com a</p><p>Receita Federal para disponibilização de dados tributários desidentificados de</p><p>pessoas jurídicas e físicas ao IBGE poderia reduzir a carga dos informantes nas</p><p>pesquisas domiciliares e de empresas e aprimorar as análises de distribuição de</p><p>renda e riqueza no país.</p><p>Em contrapartida, foi notória a dificuldade do governo em estabelecer a</p><p>base cadastral para a concessão</p>