Please use this identifier to cite or link to this item:
https://repositorio.ufpe.br/handle/123456789/52195
Share on
Title: | Detecção de municípios de risco para a síndrome respiratória aguda grave por Covid-19 em Pernambuco |
Authors: | LIMA, Maria Alessandra da Silva |
Keywords: | COVID-19; Análise Espacial; Estudos Ecológicos; Medidas Preventivas; Fatores de Risco |
Issue Date: | 27-Apr-2023 |
Citation: | LIMA, Maria Alessandra da Silva. Detecção de municípios de risco para a síndrome respiratória aguda grave por Covid-19 em Pernambuco. 2023. 32 f. TCC (Graduação) - Curso de Enfermagem, Centro Acadêmico de Vitória, Universidade Federal de Pernambuco, Vitória de Santo Antão, 2023. |
Abstract: | O objetivo do presente trabalho é identificar cluster de risco de risco para a ocorrência da Síndrome Respiratória Aguda Grave por COVID-19 entre os municípios de Pernambuco, antes e após a intensificação das medidas restritivas adotadas no primeiro ano da pandemia. Trata-se de um estudo ecológico e transversal realizado com casos notificados de Síndrome Respiratória Aguda Grave por COVID-19 em Pernambuco, no período de março a dezembro de 2020. Aplicou se análise descritiva e varredura espacial Scan, a fim de localizar áreas de riscos para o agravo. Foram totalizados 28.221 casos em Pernambuco durante o recorte temporal. Identificou-se 3 clusters de risco antes e 3 após a adoção do lockdown. A capital do Estado participava do aglomerado de alto risco para ocorrência da doença. Entretanto, após adoção de métodos restritivos, observou-se que Recife e cidades vizinhas reduziram esse risco relativo. Portanto, torna-se essencial conhecer a dispersão da COVID-19 em Pernambuco, bem como os efeitos da aplicação de medidas não farmacológicas restritivas, a fim de redirecionar ações de combate à doença. |
URI: | https://repositorio.ufpe.br/handle/123456789/52195 |
Appears in Collections: | (CAV) TCC - Enfermagem |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TCC Maria Alessandra da Silva Lima.pdf | 1,15 MB | Adobe PDF | ![]() View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License