Resumo

Investigar o inter-relacionamento no curto prazo entre a taxa de mortalidade por COVID-19 e taxa de incidência da doença, movimentação de passageiros e índice de isolamento social para analisar os impactos estruturais sofridos na taxa de mortalidade. Em 1 de fevereiro a 30 de abril de 2020, foi investigado a taxa de mortalidade por COVID-19 no Brasil. Os grupos de variáveis explicativas foram: o Índice de Isolamento Social, taxa de incidência e a circulação de passageiros nos aeroportos. Foi utilizado a análise de vetores autorregressivos para estudar o inter-relacionamento, comportamento dinâmico e a contribuição relativa de explicação das variáveis. Observa-se que a resposta obtida após a aplicação dos choques na taxa de incidência, movimentação de passageiros e índice de isolamento, é que a taxa de mortalidade por COVID-19 sofre um aumento que continua para os próximos meses. As variáveis ∆2(IN), ∆(MO), ∆(PA) e ∆(ID) são capazes de explicar ∆(MO) no período analisado, sendo que, para o primeiro período ∆(MO), se autoexplica em 81,63% e sofre influência apenas de ∆2(IN) em 18,37%. Para os outros períodos, a contribuição relativa ocorre por todas as variáveis.

To investigate the short-term interrelationship between the mortality rate due to COVID-19 and the disease incidence rate, passenger movement and the social isolation index to analyze the structural impacts suffered on the mortality rate. On February 1 to April 30, 2020, the mortality rate due to COVID-19 in Brazil was investigated. The groups of explanatory variables were: the Social Isolation Index, incidence rate and the circulation of passengers at airports. The analysis of autoregressive vectors was used to study the interrelationship, dynamic behavior and the relative contribution of explanation of the variables. It is observed that the response obtained after the application of the shocks to the incidence rate, passenger movement and isolation index, is that the mortality rate due to COVID-19 suffers an increase that continues for the next months. The variables ∆2(IN), ∆(MO), ∆(PA) and ∆(ID) are able to explain ∆(MO) in the analyzed period, and for the first period ∆(MO), it is self-explained in 81, 63% and is influenced only by ∆2(IN) in 18.37%. For the other periods, the relative contribution occurs for all variables.