Was the COVID-19 epidemic synchronous in space? An analysis in the health regions of the Rio de Janeiro state, 2020-2022

Rev Bras Epidemiol. 2024 Feb 26:27:e240010. doi: 10.1590/1980-549720240010. eCollection 2024.
[Article in English, Portuguese]

Abstract

Objective: To analyze the spatio-temporal dynamics of COVID-19 in the Rio de Janeiro state within the nine health regions, between March 2020 and December 2022.

Methods: The Poisson model with random effects was used to smooth and estimate the incidence of COVID-19 hospitalizations reported in the Influenza Epidemiological Surveillance Information System (SIVEP-Gripe) to verify the synchronicity of the epidemic in the state.

Results: The COVID-19 epidemic in the state is characterized by the presence of seven peaks during the analyzed period corresponding to seven found. An asynchrony in hospitalizations was identified, varying according to the different virus variants in the nine health regions of the state. The incidence peaks of hospitalizations ranged from 1 to 12 cases per 100,000 inhabitants during the pandemic.

Conclusion: This spatio-temporal analysis is applicable to other scenarios, enabling monitoring and decision-making for the control of epidemic diseases in different areas.

Objetivo:: Analisar a dinâmica espaço-temporal de COVID-19 no estado do Rio de Janeiro nas nove regiões de saúde, entre março de 2020 e dezembro de 2022.

Métodos:: Utilizou-se o modelo de Poisson com efeitos aleatórios para suavizar a curva de incidência de hospitalizações por COVID-19 notificadas no Sistema de Informação da Vigilância Epidemiológica da Gripe (Sivep-Gripe) para verificar a sincronicidade da epidemia no estado.

Resultados:: A epidemia de COVID-19 no estado é caracterizada pela presença de sete picos no período analisado correspondentes a sete variantes encontradas. Identificou-se uma assincronicidade nas hospitalizações, variando de acordo com as diferentes variantes do vírus nas nove regiões de saúde do estado. Os picos de incidência das hospitalizações variaram de 1 a 12 casos por 100 mil habitantes no decorrer da pandemia.

Conclusão:: Essa análise espaço-temporal é extensível em outros cenários, sendo possível o monitoramento e a tomada de decisões de controle de doenças epidêmicas em várias áreas.

MeSH terms

  • Brazil / epidemiology
  • COVID-19* / epidemiology
  • Humans
  • Incidence
  • Pandemics
  • Spatio-Temporal Analysis