Artigos

INTRODUÇÃO
As transições demográfica e epidemiológica observadas em escala global e em curso no Brasil acarretam mudança nos padrões de morbimortalidade das populações humanas e, consequentemente, impõem reorganização das agendas de saúde no âmbito dos sistemas de saúde. A teoria da transição demográfica se baseia na mudança do padrão de altas para baixas taxas de natalidade e de mortalidade1.
Nos países desenvolvidos, a transição epidemiológica evolui com forte declínio das enfermidades infecciosas e aumento das doenças crônicas não transmissíveis (DCNT), enquanto países em desenvolvimento observam mais frequentemente a concomitância dos três grupos de causas de morte, configurando a tripla carga de doenças 2–4.
Diferentes perfis de transição epidemiológica também são observados em escala subnacional e podem ser explicados pelas desigualdades sociais, diferenças culturais e distintas formas de organização e de capacidade dos sistemas regionais e locais de saúde5, e se manifestam segundo sexo, idade, etnia e status socioeconômico6. Entre os anos de 1990 e 2016, o Brasil observou um decréscimo de 34% nas taxas de mortalidade por todas as causas (de 1.116,6 para 737,0 óbitos por 100.000 habitantes), porém com importantes variações entre suas unidades federativas7. Os menores decréscimos foram verificados nas regiões Norte e Nordeste7. Portanto, monitorar indicadores de sau?de e identificar as desigualdades que ampliam as diferenc?as sociais e em sau?de dentro de um mesmo território seriam o primeiro passo para planejar ac?o?es programa?ticas para a redução destas ocorre?ncias7,8.
Os Sistemas de Informac?a?o Geogra?fica (SIG) te?m sido amplamente utilizados em análises de dados de saúde por propiciarem uma investigação dos padrões de ocorrência espacial dos eventos e da sua evolução temporal. A análise do comportamento de eventos de saúde ao longo do tempo – de redução, acréscimo ou estagnação - também oferece importantes informações quanto às variações epidemiológicas resultantes de mudanças históricas socioculturais e demográficas, ambientais e políticas, além de possibilitar a análise do impacto, da eficácia e a proposição de políticas públicas. Barreto e Carmo9 investigaram as principais causas de morte e hospitalizações no Brasil no século XX e explicitaram um quadro de superposição de padrões de adoecimento e morte no País a partir da análise da evolução, ao longo dos anos e décadas, dos problemas de saúde9. Os autores desenvolveram uma reflexão sobre os desafios e estratégias a serem enfrentados no âmbito no sistema de saúde brasileiro a partir da análise. Soares Filho e colaboradores10 descreveram a evolução temporal das taxas de mortalidade pelos três grandes grupos de causas de adoecimento e morte no Brasil entre 1990 e 2019, ao que identificaram o avanço da transição epidemiológica e a melhoria da qualidade do dado de óbito no País, e uma inflexão desse panorama imposta pela pandemia de COVID-19. Todavia, é escassa a literatura que aborda a tripla carga de doença e os padrões de mortalidade em pequenas áreas brasileiras, expressão que se refere a um subgrupo populacional e/ou a um recorte geográfico11.
Minas Gerais é um estado com grande número de municípios e retrata em seu território a heterogeneidade regional observada no Brasil no que tange ao desenvolvimento econômico e social12. Tais desigualdades podem resultar na coexistência de diferentes cenários de morbimortalidade10, em razão de diferentes estágios de desenvolvimento socioeconômico.
Este estudo se soma aos esforços científicos de análise do padrão de ocorrência espacial e temporal da mortalidade em pequenas áreas brasileiras. Objetiva descrever a distribuição e a evolução temporal da mortalidade pelos principais grupos de causas nos municípios do estado de Minas Gerais (MG), Brasil, e verificar a associação com indicadores socioeconômicos.

MÉTODOS

Delineamento da pesquisa
Trata-se de estudo epidemiológico do tipo ecológico misto, descritivo e analítico. Foram analisadas estimativas de mortalidade para os 853 municípios do estado de Minas Gerais (MG), Brasil, e também para cada uma das 13 regiões geográficas intermediárias do estado, a saber: Montes Claros, Teófilo Otoni, Governador Valadares, Ipatinga, Belo Horizonte, Barbacena, Juiz de Fora, Divinópolis, Pouso Alegre, Varginha, Uberaba, Uberlândia e Patos de Minas (Figura 1).
As regiões geográficas intermediárias correspondem a um recorte político-administrativo na escala intermediária entre as Unidades da Federação (UF) e as Regiões Geográficas Imediatas. Organizam o território de modo a articular as regiões imediatas por meio de um polo de hierarquia superior que se diferencia pelos fluxos de gestão privado e público e pela existência de funções urbanas de maior complexidade13. Trata-se de classificação instituída em 2017 que corresponde a uma revisão das antigas mesorregiões, em vigor desde 198913. Neste trabalho, optou-se pela utilização desta divisão regional dada pelo Instituto Brasileiro de Geografia e Estatística (IBGE), a qual se configura como uma base territorial para fins de levantamento e divulgação de estatísticas oficiais e contribui para a ação de governos estaduais e municipais na implementação e gestão de políticas públicas, e na gestão de investimentos14,15.

Local do estudo
Minas Gerais (MG) é um estado brasileiro com grande extensão territorial, 853 municípios, e que apresenta grandes disparidades internas quanto a? distribuição de sua população, características demográficas e socioecono?micas16,17. A acentuada heterogeneidade econômica e social entre as regiões do estado de Minas Gerais se assemelha à verificada entre as macrorregiões brasileiras, para as quais se observa a clara divisão entre Norte-Nordeste e Sul-Sudeste12. O Norte de Minas Gerais e o Vale do Jequitinhonha/Mucuri apresentam os menores indicadores de desenvolvimento em oposição às regiões Central, Sul e do Tria?ngulo12,16.

Indicadores de mortalidade e disparidade socioeconômica, e fonte dos dados
Taxas médias de mortalidade por 100.000 habitantes foram padronizadas pelo método direto e se referem aos triênios de 2000 a 2002 (T1), 2009 a 2011 (T2) e 2016 a 2018 (T3). A análise por triênios foi realizada com vistas a minimizar flutuações ocasionadas pelos pequenos números, pois 68,5% dos municípios possuem menos de 20.000 habitantes, contemplando anos iniciais e finais das estimativas disponíveis, bem como a metade do período.
O cálculo das taxas de mortalidade compreendeu, no numerador, a média de óbitos e, no denominador, a média da população de cada triênio. O número de óbitos municipais foi extraído de uma base de dados referentes ao período de 2000 a 2018, que apresenta estimativas do Institute for Health Metrics and Evaluation (IHME) produzidas no âmbito do Global Burden of Disease Study (GBD) sob demanda da Rede GBD Brasil. As estimativas populacionais utilizadas foram as do Ministério da Saúde18.
As taxas foram padronizadas por idade pelo método direto, utilizando-se a população padrão do estudo Carga Global de Doenças19, e expressas na base de 100 mil habitantes. Para quantificar a evolução temporal das taxas, foi calculado o percentual de mudança das taxas de mortalidade do primeiro triênio (T1) com respeito ao último triênio (T3).
A análise descritiva da distribuição da mortalidade foi conduzida a partir da construção de mapas coropléticos avaliando as taxas de mortalidade nos três triênios, considerando os quintis como pontos de corte.
Para caracterizar a disparidade socioeconômica entre as regiões intermediárias de Minas Gerais foram utilizados o produto interno bruto (PIB) per capita, o índice brasileiro de privação (IBP) e o percentual de jovens com até o ensino fundamental incompleto dos municípios mineiros. A descrição e a análise da distribuição de eventos em saúde com foco em desigualdades sociais em saúde busca identificar grupos vulneráveis por meio da investigação de indicadores relacionados aos determinantes sociais da saúde. São medidas que abarcam as chamadas “dimensões da desigualdade”, a exemplo dos indicadores de status socioeconômico20, como os que mensuram renda e escolaridade, amplamente utilizados em estudos epidemiológicos que investigam associação com a mortalidade21. Isso balizou a escolha dos indicadores e índice supramencionados e detalhados a seguir.
O PIB per capita é um índice econômico que apresenta o valor dos bens e serviços finais produzidos em determinado espaço geográfico e ano, em moeda corrente e a preços de mercado, por indivíduo22. O PIB per capita é calculado a partir da divisão do PIB pelo número de habitantes da região e mede quanto do PIB caberia a cada indivíduo de um país se todos recebessem partes iguais23. Os valores do índice são de domínio público e foram extraídos da base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE)24.
O IBP, lançado em 2020, considera a combinação de escores-z de três indicadores de privação na escala de setores censitários, a partir de dados do Censo Demográfico 2010: percentual de domicílios com renda menor que meio salário mínimo, percentual de indivíduos com 7 anos de idade ou mais não alfabetizados, percentual de indivíduos com acesso inadequado à água, esgotamento sanitário, coleta de resíduos e sem banheiro25. O IBP gera um escore final em que o menor valor representa a área com menor privação, enquanto o maior valor representa a área com maior privação25,26.
Os dados de escolaridade utilizados nesse trabalho são oriundos do censo 2010 do IBGE e foram obtidos do Sistema de Informações de Saúde (TABNET) do Sistema Único de Saúde – DATASUS27

Aspectos metodológicos do estudo GBD
O GBD organiza a causa básica de morte numa hierarquia de quatro níveis. O nível 1 estratifica as doenças em três grandes grupos: doenças transmissíveis, maternas, neonatais e nutricionais, doenças crônicas não transmissíveis e causas externas. Os níveis 2, 3 e 4 detalham as doenças desses três grandes grupos, desagregando em 21, 168 e 369 doenças, respectivamente. No presente artigo, foram analisadas as causas de morte segundo o nível 1, mais agregado, com exceção das doenças maternas, cujos óbitos não foram calculados para a base municipal. Detalhes sobre a metodologia geral do estudo GBD podem ser consultados em outras publicações19,28,29.
Um resumo das etapas do processamento dos dados está descrito abaixo. Primeiro, os dados foram atribuídos a uma causa conforme lista de causas do GBD e código correspondente da Classificação Estatística Internacional de Doenças e Problemas Relacionados com a Saúde (CID), e os dados agregados por sexo ou idade foram divididos em grupos detalhados19. Em seguida, uma correção para classificação incorreta de demência, doença de Parkinson e fibrilação atrial foi aplicada aos dados19. Os dados então passaram pelo processo pelo qual os códigos garbage (códigos CID que não podem ser atribuídos de forma confiável a uma causa específica de óbito, a exemplo dos códigos para senilidade ou dor nas costas) são redistribuídos para causas reais da lista de causas GBD28. Finalmente, os dados foram suavizados para levar em conta a variação estocástica ao longo do ano em um processo chamado redução de ruído19.

Apresentação e análise dos dados
As taxas de mortalidade municipais foram apresentadas em mapas coropléticos. Tabelas com formatação condicional exibiram as taxas de mortalidade municipais agregadas em cada uma das regiões intermediárias de Minas Gerais, por grupo de causas, para cada triênio. Adicionalmente, os percentuais de mudança dessas taxas entre os triênios também foram apresentados nessas tabelas, nas quais a formatação de cores variou do vermelho escuro ao azul escuro. Quanto mais escura a tonalidade do vermelho, maiores as taxas de mortalidade e menor a redução ou maior o acréscimo dos percentuais de mudança. Contrariamente, quanto mais escura a tonalidade do azul, menores as taxas e maior a redução dos percentuais de mudança.
O PIB per capita mediano de cada região geográfica intermediária foi calculado referente aos anos do terceiro triênio. O IBP mediano se refere a dados do Censo de 2010. A escolaridade foi avaliada para os jovens de 18 a 24 anos e considerou-se a porcentagem desta população, em cada região intermediária, que possuia até o ensino fundamental incompleto, também referente a dados do Censo de 2010. Realizou-se a análise de correlação destes indicadores com as variações percentuais das taxas entre T3 e T1. A análise de correlação compreendeu o cálculo do coeficiente de correlação de Pearson (R) e considerou-se um nível de significância de 5%.
A apresentação e a análise dos dados foi realizada por meio do software R30 com o auxílio do pacote Rgeoda.

Aspectos éticos
A pesquisa atende às determinações da Resolução 466/12, do Conselho Nacional de Saúde. Todos dados utilizados são provenientes de bases secundárias de domínio público, cujas estimativas não permitem a identificação de indivíduos. O estudo foi aprovado pelo Comitê de Ética em Pesquisa da Universidade Federal de Minas Gerais (parecer número 3.258.076), parte integrante do projeto “Desigualdades em pequenas áreas geográficas dos indicadores de doenças crônicas não transmissíveis, violências e seus fatores de risco”.

RESULTADOS
Minas Gerais apresentou número médio de óbitos equivalente a 93.556 no triênio 2000 a 2002 (T1), 114.380 no triênio 2009 a 2011 (T2) e 130.095 no triênio 2016 a 2018 (T3), com predomínio das DCNT (76,0%, 76,6% e 78,3% em cada triênio, nesta ordem) (Tabela Suplementar 1).
Nota-se decréscimo importante das taxas de mortalidade por doenças transmissíveis, neonatais e nutricionais de T1 para T3 (-29%), em todo o estado, que passaram de 83 para 58,9 por 100.000 habitantes. Em T3, as maiores taxas foram nas regiões intermediárias de Montes Claros, Patos de Minas, Uberaba e Teófilo Otoni (Figura 2A e Figura 3). As doenças não transmissíveis (NCD) também apresentaram redução das taxas no período (-22,4%), variando de 553,6 para 429,9 por 100.000 habitantes. Em T3 as taxas mais elevadas foram em municípios das regiões de Barbacena e Varginha (Figura 2B e Figura 3). Por sua vez, as causas externas aumentaram de 62,2 para 64,4 por 100.000 habitantes (3,5%) entre o T1 e T3, com redução de 9,2% no trecho T2 e T3 (Figura 2C e Figura 3).
Entre as regiões intermediárias de MG, a região Uberaba apresentou as maiores taxas de mortalidade por doenças transmissíveis, neonatais e nutricionais, e a região Montes Claros o menor declínio das taxas por essas causas entre T1 e T3 (Figura 3). Quanto às doenças crônicas não transmissíveis, a região intermediária Teófilo Otoni se destacou pelo acréscimo na taxa de mortalidade (4,1%) e, opostamente, as regiões Belo Horizonte, Pouso Alegre, Ipatinga e Varginha, pelas maiores reduções, com mais de 25% no período. A mortalidade por causas externas aumentou na maioria das regiões entre T1 e T3, principalmente em Teófilo Otoni (41,4%), Montes Claros (22,3%) e Juiz de Fora (19,4%). Por outro lado, as maiores reduções foram nas regiões intermediárias Belo Horizonte (-9,2%), Pouso Alegre (-6,3%) e Varginha (-5,7%) (Figura 3).
Entre as causas externas (Figura 4), as taxas de mortalidade por acidentes de transporte foram as mais elevadas. Ao mesmo tempo, nota-se um aumento das taxas de mortalidade por suicídio e violência interpessoal (homicídio) entre T1 e T3.
A Figura 5 mostra a divisão do estado de Minas Gerais nas regiões geográficas intermediárias segundo valores do PIB per capita e IBP medianos e do percentual de jovens com até o ensino fundamental incompleto. Observados os indicadores socioeconômicos, as regiões que apresentaram os maiores PIB per capita medianos foram, em ordem decrescente, Uberaba, Uberlândia, Patos de Minas e Belo Horizonte. As regiões menos prósperas economicamente são Teófilo Otoni, Montes Claros e Governador Valadares (Figura 5A). Essas regiões intermediárias também foram classificadas como áreas de maior privação material, segundo valores de IBP mediano e, juntamente com a região de Ipatinga, apresentaram os maiores percentuais de população jovem com ensino fundamental incompleto (Figuras 5B e 5C). A região de Patos de Minas, embora tenha apresentado alto PIB per capita mediano, figurou entre as piores categorias do IBP mediano e do indicador de escolaridade. A Tabela Suplementar 2 detalha os valores dos indicadores socioeconômicos para cada Região Geográfica Intermediária.
A análise de correlação dos indicadores socioeconômicos com os percentuais de mudança das taxas de mortalidade indicou correlações negativas com o PIB per capita, independente do grupo de causa de morte, sendo significativas para doenças transmissíveis, neonatais e nutricionais (-0,70; p=0,0081) e causas externas (-0,64; p=0,019). Considerando o IBP e o indicador de escolaridade, as correlações foram positivas para os três grupos de causas, estatisticamente significativas e fortes (Figura 6).

DISCUSSÃO
Destaca-se a predominância da mortalidade por DCNT, a persistência das doenças transmissíveis neonatais e nutricionais e o aumento das causas externas, caracterizando a tripla carga de causas de adoecimento e morte no estado, com menores reduções das taxas de mortalidade em áreas de pior status socioeconômico.
As DCNT responderam pela maior carga de causas de morte. Houve redução de mortalidade por essas causas mais acentuada nas regiões geográficas intermediárias pertencentes a melhor e médio estrato econômico (regiões intermediárias Belo Horizonte, Ipatinga e Pouso Alegre). A segunda maior carga de mortalidade, o risco de morte por doenças transmissíveis, também diminuiu no período do estudo, no entanto com menor magnitude em áreas de baixo PIB per capita mediano (regiões intermediárias Montes Claros e Teófilo Otoni). As causas externas aumentaram no período analisado e os acréscimos mais expressivos ocorreram nas três regiões geográficas com os piores PIB per capita (Teófilo Otoni, Montes Claros e Governador Valadares).
Minas gerais apresenta grande variação no PIB per capita, com concentração de índices menores nas regiões geográficas intermediárias do norte do Estado, e índices mais elevados sobretudo no centro e no Triângulo Mineiro. Neste estudo, quanto maior o PIB per capita, maior o decréscimo das taxas de mortalidade. Uma das regiões mais ricas do estado, a região de Belo Horizonte, apresentou as maiores reduções nas taxas de mortalidade nos três grupos de causas. Outras reduções de destaque ocorreram nas regiões de Ipatinga, Barbacena, Uberaba e Uberlândia, que concentram as principais atividades dos setores econômicos de indústria, serviços e agropecuária31. No que se refere à área da saúde, a maior concentração de serviços, equipamentos e recursos humanos especializados está localizada em municípios ao centro e ao sul do estado32, que apresentaram melhor desempenho nos indicadores de mortalidade.
Por outro lado, no Norte e no Nordeste do estado foram encontrados os menores declínios das taxas de mortalidade por DCNT e doenças DTNN, destacando-se os piores resultados nas regiões intermediárias Teófilo Otoni, Montes Claros e Governador Valadares, que possuem os menores PIB per capita do estado. São áreas menos favorecidas socioeconomicamente, que apresentam as maiores carências e os menores indicadores de desenvolvimento32. A mortalidade por doenças DTNN é um indicador sensível a variáveis relacionadas à condição de vida e ao acesso a serviços de saúde. O menor declínio das taxas de mortalidade por doenças DTNN nesses territórios pode ser justificado, desse modo, pelo menor acesso dessas populações a bens e serviços, como os de saneamento básico, em especial, o esgotamento sanitário17,31.
Nessa mesma perspectiva, pode-se falar também das disparidades regionais no estado de Minas Gerais relacionadas à distribuição da oferta de serviços de saúde e aos vazios assistenciais. Um dos indicadores utilizados para se avaliar a promoção da equidade em saúde por meio da mensuração do nível alcançado pela regionalização da assistência à saúde e, portanto, das capacidades regionais de atendimento ambulatorial e hospitalar das populações residentes é a taxa de resolubilidade32. Segundo o Plano Mineiro de Desenvolvimento Integrado (PMDI) 2019-2030, sete das 13 macrorregiões de saúde do estado apresentaram taxa de resolubilidade acima de 80% e seis exibiram valores entre 56 e 67% no ano de 201731. As regiões com menor resolubilidade apresentaram aqui piores desempenhos, como Governador Valadares, Teófilo Otoni e que coincidiram no estudo com os piores resultados de mortalidade em todos os grupos de causas.
Destaca-se ainda o marcante aumento das taxas de mortalidade por causas externas no estado. Os municípios que apresentaram os maiores acréscimos concentram-se majoritariamente em regiões intermediárias com os menores PIB per capita: Teófilo Otoni, Montes Claros, Juiz de Fora e Governador Valadares.
A associação entre mortalidade e escolaridade tem-se mostrado significativa tanto em países desenvolvidos como países em desenvolvimento indicando que quanto maior a escolaridade, menor a mortalidade33,34. O estudo confirmou estes achados, identificando forte correlação entre baixa escolaridade em jovens e piora dos indicadores de mortalidade.
Outra forte correlação com a vulnerabilidade social foi a associação entre IBP e mortalidade, indicando que quanto maior a privação material, menores os decréscimos nas taxas de mortalidade. Estes resultados também foram encontrados em municípios mineiros na bacia hidrográfica do Rio Paraopeba, aqueles com maior vulnerabilidade tiveram elevada correlação por causas externas35.
Destaca-se ainda que esses achados reforçam os estudos sobre a transição epidemiológica, segundo a qual o quadro sanitário ilustraria uma mudança nos padrões de morbimortalidade marcada por uma substituição da carga de doenças transmissíveis pela carga de doenças crônicas e causas externas4,6,36–38. Suportam, também, a assertiva de que populações de países menos desenvolvidos socioeconomicamente, como o Brasil, apresentam um padrão de concomitância de cargas de doenças e agravos decorrentes da justaposição de riscos de diferentes esferas de determinação do processo saúde-doença39. Mas, para além disso, dentro de uma mesma sociedade, as populações mais ricas apresentariam um padrão de morbimortalidade marcado por doenças crônicas não transmissíveis e as populações mais pobres exibiriam mais fortemente um padrão múltiplo derivado da tripla carga de doenças40. Os segmentos mais vulneráveis social e economicamente estariam mais expostos à justaposição de riscos, o que resultaria em um excedente de morbimortalidade nessas populações40.
Por último, os achados também levam à reflexão sobre riscos competitivos, definidos como eventos cujas ocorrências excluem ou modificam a probabilidade de ocorrência de um outro evento de interesse41,42. Observa-se neste estudo que regiões de baixo PIB per capita possuem elevadas taxas de mortalidade por doenças DTNN e causas externas, mas baixas taxas de DCNT em comparação com regiões mais ricas de Minas Gerais, embora com menor declínio de DCNT ao longo dos anos. Essa última situação não corresponde ao esperado na literatura, já que elevadas taxas de DCNT são também esperadas em regiões mais pobres e populações mais vulneráveis43,44. Destaca-se que os óbitos por causas externas são mais frequentes em adultos jovens45. No caso das mortes por DCNT, cerca de um terço são precoces (30 a 69 anos de idade)46. Portanto, uma hipótese para a ocorrência de menores taxas de mortalidade por DCNT nas regiões mais pobres do estado pode ser a existência de tripla carga de doenças e a competição de riscos.
O conhecimento das causas de mortalidade e sua epidemiologia provê suporte ao direcionamento de prioridades em poli?ticas de sau?de. Há que se considerar, contudo, o avanço em termos de melhoria das estimativas de mortalidade propiciado pelas correções e ajustes metodológicos para subregistro e causas garbage do estudo GBD, na escala de municípios. Ademais, o uso de ferramenta de análise geográfica/espacial permitiu a visualização da distribuição espacial das estimativas de mortalidade em pequenas áreas e a identificação de desigualdades em saúde no território mineiro.
Este estudo apresenta algumas limitações, entre elas a utilização de fator de correção estadual para subregistro de óbitos e não municipal. Ademais, há que se considerar os pequenos números relativos aos óbitos na escala municipal, o que, em geral, acarreta flutuações aleatórias nas taxas de mortalidade ao longo do tempo. Nesse estudo, se buscou suavizar essa variabilidade pela análise dos dados por triênios.
O estudo mostra a transição epidemiológica e os diferentes padrões de mortalidade no estado de Minas Gerais. O estudo das causas de morte e do padrão de ocorrência desses eventos nos territórios, sobretudo em pequenas áreas, é ferramenta fundamental na identificação das desigualdades em saúde, no planejamento e implementação de ações e na avaliação em saúde. Promover o acesso de gestores, profissionais de saúde e da população em geral a esses estudos significa fortalecer a ciência aberta, a participação social e a gestão do Sistema Único de Saúde.

Financiamento
Esse estudo foi financiado pelos seguintes projetos: FAPEMIG Chamada Universal 01/2021“ Desigualdades nos indicadores de mortalidade por doenc?as cro?nicas na?o transmissi?veis e COVID-19 no Brasil e em Minas Gerais”; e Fundo Nacional de Saúde, pela Secretaria de Vigilância em Saúde, “Estudos sobre Carga Global de Doenças, Inquéritos e Inteligência Artificial”.

?
REFERÊNCIAS
1. Para E, Maria A, Vasconcelos N, Miranda M, Gomes F. Transição demográfica: a experiência brasileira. Epidemiol e Serviços Saúde [Internet]. 2012 Dec [cited 2023 May 15];21(4):539–48. Available from: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742012000400003&lng=pt&nrm=iso&tlng=pt
2. Omran AR. The Epidemiologic Transition: A Theory of the Epidemiology of Population Change. Milbank Q [Internet]. 2005 [cited 2022 Oct 13];83(4):731. Available from: /pmc/articles/PMC2690264/
3. Defo BK. Beyond the ‘transition’ frameworks: the cross-continuum of health, disease and mortality framework. Glob Health Action [Internet]. 2014 [cited 2022 Oct 13];7:24804. Available from: /pmc/articles/PMC4028927/
4. Martins TC de F, da Silva JHCM, Máximo G da C, Guimarães RM. Transição da morbimortalidade no Brasil: um desafio aos 30 anos de SUS. Cien Saude Colet [Internet]. 2021 Oct 25 [cited 2022 Oct 13];26(10):4483–96. Available from: http://www.scielo.br/j/csc/a/mBHf5pYMHkMHrz7LMf99HxS/?lang=pt
5. Araújo JD de. Polarização epidemiológica no Brasil. Epidemiol Serv Saúde [Internet]. 2012 Dec [cited 2022 Oct 13];21(4):533–8. Available from: http://dx.doi.org/10.5123/S1679-49742012000400002
6. Omran AR. The epidemiologic transition theory revisited thirty years later. World Heal Stat Q [Internet]. 1998 [cited 2022 Oct 13];53(2,3,4):99–119. Available from: https://apps.who.int/iris/handle/10665/330604
7. Marinho F, de Azeredo Passos VM, Carvalho Malta D, Barboza França E, Abreu DMX, Araújo VEM, et al. Burden of disease in Brazil, 1990–2016: a systematic subnational analysis for the Global Burden of Disease Study 2016. Lancet [Internet]. 2018 Sep 1 [cited 2022 Dec 8];392(10149):760–75. Available from: http://www.thelancet.com/article/S0140673618312212/fulltext.

8. Oliveira DC de, Barreira ÁS, Trunk MT, Guzmán AF. Efecto de las desigualdades socioeconómicas en la mortalidad de la ciudad de Fortaleza, Ceará, Brasil durante el año 2007. Rev Esp Salud Publica [Internet]. 2010 [cited 2022 Oct 13];84(4):441–50. Available from: https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1135-57272010000400009
9. Lima Barreto ML & Carmo EH. Padrões de adoecimento e de morte da população brasileira: os renovados desafios para o Sistema Único de Saúde. Ciênc. saúde coletiva 12 (suppl) • Nov 2007 • https://doi.org/10.1590/S1413-81232007000700003
10. Soares Filho AM, França GVA de, Malta DC. TRIPLA CARGA DE DOENÇAS NO BRASIL, 1990-2021: MUDANÇAS, INFLEXÕES E O FATOR COVID-19. Reme Rev Min Enferm [Internet]. 2022 Dec 21 [cited 2023 Oct 5];26(e-1475). Available from: http://www.revenf.bvs.br/scielo.php?script=sci_arttext&pid=S1415-27622022000100244&lng=pt&nrm=iso&tlng=pt
11. Jiang J, Rao JS. Robust Small Area Estimation: An Overview. https://doi.org/101146/annurev-statistics-031219-041212 [Internet]. 2020 Mar 9 [cited 2023 May 15];7:337–60. Available from: https://www.annualreviews.org/doi/abs/10.1146/annurev-statistics-031219-041212
12. Pales RC, Santos GR dos, Rodrigues SG. Minas Gerais, estado síntese do desenvolvimento regional brasileiro. In: IV Congresso em Desenvolvimento Social: Mobilidades e Desenvolvimento [Internet]. Montes Claros; 2014 [cited 2022 Dec 9]. p. 20. Available from: https://www.congressods.com.br/quarto/index.php/trabalhos-aceites/gt-06-indicadores-de/171-anais/gt-06/468-minas-gerais-estado-sintese-do-desenvolvimento-regional-brasileiro
13. Instituto Brasileiro de Geografia e Estati?stica. Divisão Regional do Brasil em Regiões Geográficas Imediatas e Regiões Geográficas Imeadiatas. Inst Bras Geogr e Estatística [Internet]. 2017 [cited 2022 Dec 9];82. Available from: https://www.ibge.gov.br/apps/regioes_geograficas/
14. Barros SF de S. Da Zona da Mata/MG à Região Geográfica Intermediária de Juiz de Fora/MG: continuidades e descontinuidades nas propostas de regionalização do IBGE. Caminhos Geogr [Internet]. 2021 Apr 5 [cited 2022 Dec 9];22(80):15–33. Available from: https://seer.ufu.br/index.php/caminhosdegeografia/article/view/54386
15. Instituto Brasileiro de Geografia e Estati?stica. Divisão Regional do Brasil. O que é. [Internet]. [cited 2022 Dec 9]. Available from: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/divisao-regional/15778-divisoes-regionais-do-brasil.html?=&t=o-que-e
16. Malachias I, Antônio F, Leles G, Auxiliadora M, Pinto S, Luiz C, et al. Plano Diretor de Regionalização da Saúde de Minas Gerais (PDR/MG). 2011 [cited 2022 Oct 13]; Available from: http://www.saude.mg.gov.br
17. Secretaria de Estado de Saúde de Minas Gerais. Plano estadual de educação permanente em saúde de Minas Gerais [Internet]. Belo Horizonte: Secretaria de Estado de Saúde de Minas Gerais; 2018 [cited 2022 Oct 13]. Available from: https://www.conass.org.br/planos-estaduais-educacao-permanente/PEEPS-MG.pdf
18. Datasus. População Residente - Estudo de Estimativas Populacionais por Município, Idade e Sexo 2000-2021 - Brasil [Internet]. [cited 2022 Dec 9]. Available from: http://tabnet.datasus.gov.br/cgi/deftohtm.exe?ibge/cnv/popsvsbr.def
19. Abbafati C, Abbas KM, Abbasi-Kangevari M, Abd-Allah F, Abdelalim A, Abdollahi M, et al. Global burden of 369 diseases and injuries in 204 countries and territories, 1990–2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2020 Oct 17;396(10258):1204–22.
20. Health Organization W. Handbook on health inequality monitoring: with a special focus on low- and middle-income countries.
21. Katikireddi SV, Niedzwiedz CL, Dundas R, Kondo N, Leyland AH, Rostila M. Inequalities in all-cause and cause-specific mortality across the life course by wealth and income in Sweden: a register-based cohort study. Int J Epidemiol [Internet]. 2020 Jun 1 [cited 2023 May 15];49(3):917–25. Available from: https://academic.oup.com/ije/article/49/3/917/5831977
22. Rede Interagencial de Informações para a saúde (RIPSA). Indicadores básicos para a saúde no Brasil: conceitos e aplicações [Internet]. 2nd ed. Brasília, DF: Organização Pan-Americana da Saúde, Ministéiro da Saúde; 2008 [cited 2022 Dec 9]. 349 p. Available from: http://bvsms.saude.gov.br/bvs/publicacoes/indicadores_basicos_saude_brasil_2ed.pdf
23. Instituto de Pesquisa Econômica Aplicada – IPEA. Produto interno bruto (PIB) per capita [Internet]. 2021 [cited 2022 Dec 9]. Available from: http://www.ipeadata.gov.br/ExibeSerie.aspx?serid=38375
24. Instituto Brasileiro de Geografia e Estatística - IBGE. Produto Interno Bruto dos Municípios. Downloads [Internet]. [cited 2022 Dec 9]. Available from: https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?edicao=29720&t=downloads
25. Allik M, Ramos D, Agranonik M, Pereira Júnior E, Ichihara MY, Barreto ML, et al. Developing a Small-Area Deprivation Measure for Brazil. Technical Report [Internet]. Vol. 68, Revista de Saude Publica. University of Glasgow, CIDACS; 2020 [cited 2022 Dec 9]. Available from: https://cidacs.bahia.fiocruz.br/ibp/publicacao/
26. Centro de Integração de Dados e Conhecimentos para a Saúde - CIDACS. O ÍNDICE – IBP [Internet]. [cited 2022 Dec 9]. Available from: https://cidacs.bahia.fiocruz.br/ibp/indice/
27. Ministério da Saúde. Educação – Censos 1991, 2000 e 2010 – DATASUS [Internet]. [cited 2023 May 14]. Available from: https://datasus.saude.gov.br/educacao-censos-1991-2000-e-2010
28. Johnson SC, Cunningham M, Dippenaar IN, Sharara F, Wool EE, Agesa KM, et al. Public health utility of cause of death data: applying empirical algorithms to improve data quality. BMC Med Inform Decis Mak [Internet]. 2021 Dec 1 [cited 2022 Dec 9];21(1):1–20. Available from: https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-021-01501-1
29. Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortalidade por causas garbage nos municípios brasileiros: diferenças nas estimativas de taxas pelos métodos direto e Bayesiano de 2015 a 2017. Rev Bras Epidemiol [Internet]. 2021 Apr 16 [cited 2022 Sep 21];24. Available from: http://www.scielo.br/j/rbepid/a/wxS3kd4ynmDwKjjg8ywT6rF/abstract/?lang=pt
30. Allaire JJ. RStudio: Integrated Development Environment for R. 2012 [cited 2022 Sep 21]; Available from: http://www.rstudio.org/
31. Minas Gerais. Plano Mineiro de Desenvolvimento Integrado (PMDI) 2019-2030 [Internet]. Belo Horizonte; 2019 [cited 2022 Dec 9]. Available from: https://www.planejamento.mg.gov.br/pagina/planejamento-e-orcamento/plano-mineiro-de-desenvolvimento-integrado-pmdi/plano-mineiro-de
32. SES-MG. Plano Diretor de Regionalização da Saúde de Minas Gerais (PDR/MG) [Internet]. Belo Horizonte; 2011. Available from: https://www.saude.mg.gov.br/images/noticias_e_eventos/000_2016/Livro Plano Diretor de Regionalizao - PDR-SUS-MG.pdf
33. Ross CE, Masters RK, Hummer RA. Education and the Gender Gaps in Health and Mortality. Demography [Internet]. 2012 Nov 1 [cited 2023 May 14];49(4):1157–83. Available from: https://link.springer.com/article/10.1007/s13524-012-0130-z
34. Halpern-Manners A, Helgertz J, Warren JR, Roberts E. The Effects of Education on Mortality: Evidence from Linked U.S. Census and Administrative Mortality Data. Demography [Internet]. 2020 Aug 1 [cited 2023 May 15];57(4):1513. Available from: /pmc/articles/PMC7890646/
35. Malta DC, Reis GM dos, Veloso GA, Cardoso LS de M, Hartz ZM de A, Cunningham M, et al. Mortality patterns in municipalities of a mining region before the Brumadinho dam failure, state of Minas Gerais, Brazil. Rev Bras Epidemiol [Internet]. 2023 Apr 21 [cited 2023 May 15];26(suppl 1):e230010. Available from: http://www.scielo.br/j/rbepid/a/mTk3T4shDjxYqQjHwRDcgYR/
36. Marinho F, Passos VM de A, França EB, Marinho F, Passos VM de A, França EB. Novo século, novos desafios: mudança no perfil da carga de doença no Brasil de 1990 a 2010. Epidemiol e Serviços Saúde [Internet]. 2016 Oct 1 [cited 2023 May 15];25(4):713–24. Available from: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742016000400713&lng=pt&nrm=iso&tlng=pt
37. Borges GM. Health transition in Brazil: regional variations and divergence/convergence in mortality. Cad Saude Publica [Internet]. 2017 Aug 21 [cited 2023 May 15];33(8):e00080316. Available from: http://www.scielo.br/j/csp/a/scTb4WcfqdDMc5nTFFdvMJM/?lang=en
38. Peixoto SV. A tripla carga de agravos e os desafios para o Sistema Único de Saúde. Cien Saude Colet [Internet]. 2020 Aug 5 [cited 2023 May 15];25(8):2912–2912. Available from: https://orcid.org/0000-0001-9431-2280
39. Duarte EC, Schneider MC, Sousa RP, Ramalho WM, Sardinha LMV, Silva Júnior JB da, et al. Epidemiologia das desigualdades em saúde no Brasil: um estudo exploratório [Internet]. Organização Pan-Americana da Saúde, editor. Brasília, DF: OPAS; OMS; FUNASA; 2002 [cited 2022 Dec 9]. 132 p. Available from: https://repositorio.unb.br/handle/10482/12955
40. Paes-Sousa R. Diferenciais intra-urbanos de mortalidade em Belo Horizonte, Minas Gerais, Brasil, 1994: revisitando o debate sobre transições demográfica e epidemiológica. Cad Saude Publica [Internet]. 2002 [cited 2023 May 15];18(5):1411–21. Available from: http://www.scielo.br/j/csp/a/Z7gQ7Dxw5ksdqJW6ZctZdQF/
41. Gooley TA, Leisenring W, Crowley J, Storer BE. Estimation of failure probabilities in the presence of competing risks: new representations of old estimators. Stat Med [Internet]. 1999 [cited 2022 Dec 9];18:695–706. Available from: https://onlinelibrary.wiley.com/doi/10.1002/(SICI)1097-0258(19990330)18:6%3C695::AID-SIM60%3E3.0.CO;2-O
42. Carvalho M de S, Pacheco AG. Eventos Competitivos. In: Análise de Sobrevivência Teoria e Aplicações em Saúde. 2nd ed. Rio de Janeiro: Fiocruz; 2011. p. 432.
43. Marmot M, Bell R. Social determinants and non-communicable diseases: time for integrated action. BMJ [Internet]. 2019 Jan 28 [cited 2022 Dec 9];364. Available from: https://www.bmj.com/content/364/bmj.l251
44. Di Cesare M, Khang YH, Asaria P, Blakely T, Cowan MJ, Farzadfar F, et al. Inequalities in non-communicable diseases and effective responses. Lancet (London, England) [Internet]. 2013 [cited 2022 Dec 9];381(9866):585–97. Available from: https://pubmed.ncbi.nlm.nih.gov/23410608/
45. Malta DC, Minayo MC de S, Cardoso LS de M, Veloso GA, Teixeira RA, Pinto IV, et al. Mortalidade de adolescentes e adultos jovens brasileiros entre 1990 e 2019: uma análise do estudo Carga Global de Doença. Ciênc Saúde Colet (Impr) [Internet]. 2021 [cited 2022 Dec 9];26(9):4069–86. Available from: https://www.scielo.br/j/csc/a/sVhCTzxtpTn8frtTHTDyNLS/?format=pdf&lang=pt
46. Malta DC, Duncan BB, Schmidt MI, Teixeira R, Ribeiro ALP, Felisbino-Mendes MS, et al. Trends in mortality due to non-communicable diseases in the Brazilian adult population: National and subnational estimates and projections for 2030. Popul Health Metr [Internet]. 2020 Sep 30 [cited 2022 Dec 9];18(1):1–14. Available from: https://pophealthmetrics.biomedcentral.com/articles/10.1186/s12963-020-00216-1

?