Vulnerabilidade e mortalidade: o paradoxo do sub-registro
Seria de esperar que municípios mais vulneráveis tivessem maior mortalidade. O dado mostra correlação fraca e até negativa — e a explicação é metodológica.
Resumo
Cruzando um índice-proxy de vulnerabilidade social (Censo 2022) com a taxa de mortalidade padronizada nos 5.570 municípios, encontramos correlação de Pearson de −0,125 — fraca e na direção oposta à esperada. Argumentamos que o resultado revela menos sobre saúde e mais sobre a qualidade do registro de óbitos.
Dados e métodos
Os determinantes sociais da saúde preveem que pobreza, baixa escolaridade e falta de saneamento se traduzam em pior saúde — e maior mortalidade. Cruzamos nosso índice-proxy de vulnerabilidade social (analfabetismo + ausência de água encanada no Censo 2022, combinados por z-score, em quartis Q1–Q4) com a taxa de mortalidade padronizada por idade de 2023, nos 5.570 municípios.
Esperávamos correlação positiva. O que encontramos foi uma correlação de Pearson de −0,125 (n = 5.570): fraca e na direção oposta. Em vez de descartar o achado, ele merece ser explicado — e é aqui que a análise se torna interessante.
| Quartil de vulnerabilidade | Municípios (n) | Mortalidade padronizada média (/100 mil) |
|---|---|---|
| Q1 — menos vulnerável | 1.403 | 706 |
| Q2 | 1.392 | 721 |
| Q3 | 1.388 | 696 |
| Q4 — mais vulnerável | 1.387 | 663 |
Fonte: dim_ivs (proxy Censo 2022) × mart_mortalidade_municipio (taxa padronizada, 2023). O quartil mais vulnerável tem a menor mortalidade medida — o paradoxo. Elaboração: Saúde em Dado.
Três explicações plausíveis
Primeiro, sub-registro de óbitos. Municípios mais vulneráveis, sobretudo no Norte e Nordeste, historicamente captam menos óbitos no SIM. Menos óbitos registrados produzem taxa mensurada artificialmente baixa — um viés que pode inverter a relação verdadeira.
Segundo, a padronização por idade. Áreas vulneráveis tendem a ser demograficamente mais jovens; ao padronizar, removemos o efeito idade, mas não corrigimos a subnotificação. Terceiro, garbage codes: causas mal definidas (capítulo R da CID-10) são mais frequentes onde a infraestrutura de informação é precária.
A lição
Este é um exemplo didático de que correlação não é causalidade — e de que um dado 'limpo' pode esconder um viés sistemático. A leitura honesta não é 'vulnerabilidade protege'; é 'a mortalidade medida é menos confiável justamente onde a vulnerabilidade é maior'. O sinal a investigar é a qualidade do registro, não um efeito protetor inexistente.
Reconhecer o limite do índice também é parte do rigor: trata-se de um proxy de duas dimensões do Censo 2022, não do IVS oficial do IPEA. A incorporação do índice oficial está no roadmap e tende a refinar — não a anular — esta discussão.
Referências e fontes
- Saúde em Dado. Cruzamento vulnerabilidade × mortalidade. saudeemdado.com/tendencias.
- IBGE. Censo Demográfico 2022 (alfabetização e abastecimento de água).
- Szwarcwald C.L. et al. Busca ativa de óbitos e nascimentos no Nordeste e na Amazônia Legal. Ministério da Saúde.
Sobre o autor
Pedro Fernandes
- · Mestrando em Saúde Coletiva (IAMSPE)
- · Pós-graduando em Inteligência Artificial e Ciência de Dados em Saúde (Hospital Sírio-Libanês)
- · Diretor de Tecnologia da Informação — Prefeitura Municipal de Penápolis (SP)
Pesquisador na interseção entre saúde coletiva, ciência de dados e gestão pública. Concebeu e mantém a plataforma Saúde em Dado.