Deaths from infectious respiratory diseases in the Indigenous population: spatial and time series analysis, Minas Gerais, 2000–2023

Paulo Filipe Silva Siqueira; Daví Barbosa Pereira de Sousa; Ana Flávia Gamarano Moreira; Brian dos Santos Marchi; Guilherme da Costa Teixeira; Patrícia Ferraz Martins; Waneska Alexandra Alves

doi:10.1590/S2237-96222026v35e20250565.en

. 2026 Apr 20;35:e20250565. doi: 10.1590/S2237-96222026v35e20250565.en

Show available content in

View full-text in Portuguese

Deaths from infectious respiratory diseases in the Indigenous population: spatial and time series analysis, Minas Gerais, 2000–2023

Paulo Filipe Silva Siqueira ¹, Daví Barbosa Pereira de Sousa ², Ana Flávia Gamarano Moreira ¹, Brian dos Santos Marchi ¹, Guilherme da Costa Teixeira ³, Patrícia Ferraz Martins ¹, Waneska Alexandra Alves ⁴

PMCID: PMC13101430 PMID: 42718304

Abstract

Objective

To analyze the temporal trend and spatial distribution of deaths from respiratory tract infections in the Indigenous population residing in Minas Gerais, Brazil, between 2000 and 2023.

Methods

Time-series and multiple-group analysis of deaths recorded in the Brazilian Mortality Information System (Sistema de Informação sobre Mortalidade, SIM), coded according to the underlying cause of death as respiratory tract infections based on the International Classification of Diseases (ICD). The number of deaths was calculated according to demographic and clinical characteristics. In the trend analysis, the Joinpoint regression model was used to estimate the annual percent change (APC), and for spatial analysis, the global and local Moran’s I indices were applied.

Results

A total of 271 deaths were recorded, predominantly affecting females (51.7%), widowed individuals (30.3%), those with low educational level (49.1%), and older adults (62.7%). In 65.3% of cases, the infection affected the lower respiratory tract, and in 53.5% of cases, the etiologic agent was unspecified. Health macroregions exhibited a downward trend in deaths between 2020 and 2023, namely Central (APC -6.1), East (APC -38.3), and North (APC -25.0). Spatial analysis using Moran’s quadrants identified significant clusters of deaths in São João das Missões, Belo Horizonte, and Bertópolis.

Conclusion

The results demonstrated a high number of deaths among older adults, with marked temporal and territorial inequalities. Specific and sustained public policies are needed to prevent health inequities and ensure equitable access to health services for Indigenous Peoples, alongside improvements to health information systems.

Keywords: Respiratory Tract Infections, Mortality, Indigenous Peoples, Health Information Systems, Time Series Studies

Resumen

Objetivo

Analizar la tendencia temporal y la distribución espacial de las muertes por enfermedades respiratorias infecciosas en la población indígena residente en Minas Gerais, Brasil, entre 2000 y 2023.

Métodos

Análisis de series temporales y de múltiples grupos de las muertes registradas en el Sistema de Información sobre Mortalidad Brasileño (Sistema de Informação sobre Mortalidade, SIM, codificadas según la causa básica de muerte como enfermedades respiratorias infecciosas de acuerdo con la Clasificación Internacional de Enfermedades (CIE). El número de muertes se calculó según las características demográficas y clínicas. En el análisis de tendencia se utilizó el modelo de regresión por puntos de inflexión (Joinpoint regression), estimándose la variación porcentual anual (VPA); para el análisis espacial se empleó el I de Moran global y local.

Resultados

Se registraron 271 muertes, que afectaron principalmente a personas de sexo femenino (51,7 %), viudas (30,3 %), con bajo nivel educativo (49,1 %) y personas mayores (62,7 %). En el 65,3 % de los casos, la infección afectó el tracto respiratorio inferior y, en el 53,5 %, el agente etiológico no se especificó. Las macrorregiones de salud mostraron un patrón de disminución de las muertes entre 2020 y 2023, entre ellas Centro (VPA -6,1), Leste (VPA -38,3) y Norte (VPA -25,0). El análisis espacial por cuadrantes de Moran evidenció conglomerados significativos de muertes en São João das Missões, Belo Horizonte y Bertópolis.

Conclusión

Los resultados evidenciaron un elevado número de muertes entre personas mayores, con marcadas desigualdades temporales y territoriales. Se requieren políticas públicas específicas y permanentes orientadas a la prevención y al acceso equitativo a los servicios de salud para los pueblos originarios, así como a la mejora de los sistemas de información en salud.

Palabras clave: Infecciones del Sistema Respiratorio, Mortalidad, Pueblos Indígenas, Sistema de Información en Salud, Estudios de Series Temporales

Ethical aspects

This research used public domain anonymized databases.

Introduction

Infectious respiratory diseases constitute an important group of health conditions and are among the leading infectious causes of death worldwide. They are primarily transmitted through droplets and contact with secretions, and are caused by different infectious agents, mainly viruses, bacteria, and fungi, affecting both the upper and lower respiratory tracts.

Respiratory infections ranked fourth among the leading causes of death globally in 2023, according to a study (1). In 2021, approximately 344 million new episodes of lower respiratory tract infections occurred worldwide, resulting in 2.5 million deaths (2). A recent study conducted in Brazil showed that between 2009 and 2021 there were approximately 3.5 million cases of acute respiratory infections, with a predominant profile of being male (53.5%), of White race/ethnicity (43.5%), aged over 60 years (41.4%), unvaccinated (35.0%), and without a history of travel (24.3%) (3).

The Brazilian Indigenous population comprises hundreds of ethnic groups with their own cultures, languages, and social organizations. In 2022, they numbered 1,693,535 individuals, corresponding to 0.83% of the national population. In Minas Gerais, approximately 37,000 Indigenous people live in contexts marked by social and environmental inequalities. The average household density (4.6 inhabitants per household) is higher than the national average (3.6), which may increase the transmission of respiratory tract infections in overcrowded settings with inadequate ventilation (4). This scenario is compounded by the precarious infrastructure of health services in Indigenous territories, including shortages of supplies and equipment, lack of access to potable water and waste collection, dependence on air transfers to reach services, limited epidemiological surveillance actions with delays in reporting, and discontinuity of care due to high turnover of health professionals (5,6).

The COVID-19 pandemic, from 2020 to 2022, resulted in 693,853 registered deaths in Brazil, placing the country among the most affected worldwide. Among Indigenous Peoples, 958 deaths were recorded (7). In Minas Gerais, the general population registered 64,447 COVID-19 deaths during the same period. In the Special Indigenous Health District (Distrito Sanitário Especial Indígena, DSEI) of Minas Gerais and Espírito Santo, 13 deaths were recorded, highlighting significant regional variations in the pandemic’s impact (8).

Although there are studies on Indigenous health and respiratory diseases in Brazil, most analyses focus on the COVID-19 pandemic period or on national and regional settings. These studies generally do not examine long time series or detail the spatial distribution of registered deaths, thereby limiting understanding of local patterns. In particular, no published analyses combine an extensive historical series with a spatial approach focused on the Indigenous population of Minas Gerais.

Therefore, a gap persists regarding the historical and territorial behavior of respiratory tract infections among Indigenous Peoples in Minas Gerais. This study aims to fill this gap by investigating the temporal trend (2000–2023) and spatial distribution of deaths from respiratory tract infections among Indigenous residents in municipalities of Minas Gerais, providing evidence useful for culturally appropriate planning and policies.

Methods

Study design

This is a time series, multiple-group study of deaths recorded in the Brazilian Mortality Information System (Sistema de Informação sobre Mortalidade, SIM), coded by underlying cause of death as respiratory tract infections, among the Indigenous population in Minas Gerais between 2000 and 2023 (9). The units of analysis were macroregions for temporal analysis and municipalities for spatial distribution.

Study setting

Minas Gerais has 853 municipalities, making it the largest federation unit by number of municipalities. It has the second-largest population in the country, approximately 20.5 million inhabitants in 2022, of which 0.18% self-identify as Indigenous (4).

Data sources

Secondary data from SIM were used, made available by the Department of Informatics of the Brazilian Unified Health System Information Technology Department of the Ministry of Health (Departamento de Informática do Sistema Único de Saúde do Ministério da Saúde, DATASUS/MS), accessed via TabWin (through file transfer). The databases were extracted between 20 and 31 October 2024.

Participants

According to Ministry of Health guidelines, the death certificate is a mandatory document, and the “race/skin color” variable does not permit the “ignored” option. The responsible person must be asked to provide the most accurate race/skin color of the deceased (White, Black, Asian, Brown [Brazilian mixed race], and Indigenous) (10).

Records in which the race/skin color variable was filled as Indigenous, and the underlying cause of death was coded, according to the International Statistical Classification of Diseases and Related Health Problems 10th Revision (ICD-10), as belonging to the respiratory infection group were included (9,11). Deaths from causes unrelated to infectious respiratory diseases, as well as individuals who were nonindigenous and/or nonresidents of Minas Gerais, were excluded.

Variables

For this study, the demographic and clinical variables were analyzed descriptively. The sociodemographic variables were: sex (male, female), marital status (married, divorced, single, stable union, widowed, unknown/missing), educational level (in years of study: 1–3, 4–7, 8–11, ≥12, none, unknown/missing), age group (in years: 0–19, 20–39, 40–59, ≥60), and health macroregion of residence (Central, Central-South, Jequitinhonha, East, East-South, Northeast, Northwest, North, West, Southeast, South, Triângulo do Norte, Triângulo do Sul, Vale do Aço). The clinical variables were: etiologic agent (bacteria, virus, fungus, parasites, unspecified) and anatomical site of infection (upper respiratory tract, lower respiratory tract, systemic) (10) (Supplementary Table 1).

The outcomes analyzed were the absolute number of deaths (n) and the proportion (%). For proportional mortality, numbers were calculated by demographic characteristics (sex, age group, educational level, marital status) and clinical characteristics (etiology, anatomical site of infection).

Bias

To reduce potential selection and information biases in record selection, only records in which the race/skin color was clearly indicated as Indigenous, and the underlying cause of death was selected and established according to ICD-10, were included. Codes with inconclusive infectious etiology were excluded from the analysis. Furthermore, to ensure that deaths corresponded to Indigenous individuals residing in Minas Gerais, only localities with specific municipality codes for the state were included.

Data analysis

The proportion of deaths was calculated for age group, sex, marital status, and educational level by dividing the number of deaths in each category by the total number of deaths and multiplying by 100. The same procedure was applied for proportional deaths, considering two variables simultaneously (underlying cause and sex; underlying cause and age group).

For temporal analyses, the sum of deaths was calculated by year of occurrence for each health macroregion. By default, segmented regression imputes a value of 0.50 for years with no recorded deaths, thereby allowing the analysis to proceed.

For spatial analyses, data were grouped into the periods 2000–2009, 2010–2019, and 2020–2023, due to the low frequency of deaths in some regions. Deaths were summed by municipality and assigned a value of 0 to municipalities with no records for each period to produce more stable and interpretable estimates. Analyses were performed using the absolute number of deaths per municipality in each period.

Statistical methods

For time-series analysis, the JoinPoint Regression Program (version 5.3.0) was used to identify inflection points in trends by applying a logarithmic transformation to the data. The model was fitted using a Poisson variance, with the dependent variable () being the number of deaths and the study years as the independent variable (). Additionally, the health macroregions were included as covariates, enabling a more detailed analysis of regional variations (12). The optimal number of inflection points, with a maximum of four tested, was determined using the weighted Bayesian information criterion (WBIC), which evaluates model fit relative to the number of observations in each segment. To characterize trend periods, the annual percent change (APC) and average annual percent change (AAPC) were calculated with 95% confidence intervals (95%CI). Using the logarithmic scale, the APC is obtained as , where is the slope of the segmented regression line fitted to the logarithm of the number of deaths. The AAPC is determined by , where represents the regression segments and is the weight of each segment , proportional to the number of years the segment covers. When no segments are present . Each inflection point indicates a possible change in the trajectory of the series (13).

For the spatial analysis of deaths, a quintile map (five quantiles) was initially created to visualize the distribution of deaths across the state. Next, Moran’s indices were calculated at global and local levels. At the global level, the statistic measures the difference between observed values and the overall mean, resulting in an index ranging from [-1, 1] (14).

Upon rejection of the hypothesis of spatial randomness, the local indicator of spatial autocorrelation (LISA) was applied to identify municipalities clustered in different Moran quadrants, namely: high-high, representing municipalities with high death values surrounded by neighbors also with high values; low-low, representing the inverse pattern; high-low and low-high, indicating municipalities whose values differ significantly from neighbors, considered as spatial discrepancies (15).

In descriptive analyses, proportions for categorical variables were calculated, and Pearson’s chi-square test was used to assess differences between categories. Additionally, Fisher’s exact test was used to compare proportions, as some cells had fewer than five observations. Tests were conducted at a 0.05 significance level (5.0%). Except for the temporal analysis, all other steps were performed using RStudio (version 2024.12.0-467).

Results

A total of 271 deaths from respiratory tract infections were recorded in Minas Gerais. Females predominated (51.7%), as did individuals aged 60 years or older (62.7%) and children aged 1–3 years (17.7%). Higher incompleteness was observed for educational level, marital status, and etiologic agent. It is noteworthy that the high proportion of missing information for key variables may affect the interpretation of the results (Table 1). The main causes of death were unspecified pneumonias (38.0%), coronavirus infections (25.8%), and unspecified bacterial pneumonia (14.0%). Other relevant causes included acute respiratory failure and unspecified bronchopneumonia (Table 2).

Table 1. Absolute (n) and relative (%) frequency of deaths from respiratory tract infections in the Indigenous population, according to demographic and clinical variables. Minas Gerais, 2000–2023 (n=271) .

Variables	Deaths n (%)	p-value^a
Sex
Female	140 (51.7)	0.63
Male	131 (48.3)
Marital status
Married	56 (20.7)	<0.001
Divorced	12 (4.4)
Single	46 (17.0)
Stable union	6 (2.2)
Widowed	82 (30.3)
Ignored/blank	69 (25.5)
Educational level (years of schooling)
1–3	48 (17.7)	<0.001
4–7	26 (9.6)
8–11	10 (3.7)
≥12	4 (1.5)
None	85 (31.4)
Ignored/blank	98 (36.2)
Age group (years)
0–19	41 (15.1)	<0.001
20–39	15 (5.5)
40–59	45 (16.6)
≥60	170 (62.7)
Etiologic agents
Bacteria	53 (19.6)	<0.001
Etiologic agentsirus	73 (26.9)
Not specified	145 (53.5)
Anatomical site
Lower respiratory tract	177 (65.3)	<0.001
Upper respiratory tract	4 (1.5)
Systemic	90 (33.2)

Open in a new tab

^aPearson’s chi-square.

Table 2. Absolute (n) and relative (%) frequency of deaths by underlying cause of death, macroregion of residence, sex, and age group. Minas Gerais, 2000–2023 (n=271) .

Variables	Sex			Age group (years)					Total n (%)
Variables	Female n (%)	Male n (%)	p-value^a	0–19 n (%)	20–39 n (%)	40–59 n (%)	≥60 n (%)	p-value^a	Total n (%)
Underlying cause of death			0.409					<0.001
Pneumonia, unspecified (J18.9)	59 (42.1)	44 (33.6)		22 (53.7)	4 (26.7)	9 (20.0)	68 (40.0)		103 (38.0)
Coronavirus infection, unspecified site (B34.2)	35 (25.0)	35 (26.7)		2 (4.9)	4 (26.7)	16 (35.6)	48 (28.2)		70 (25.8)
Bacterial pneumonia, unspecified (J15.9)	16 (11.4)	22 (16.8)		6 (14.6)	2 (13.3)	4 (8.9)	26 (15.3)		38 (14.0)
Bronchopneumonia, unspecified (J18.0)	9 (6.4)	8 (6.1)		5 (12.2)	-	2 (4.4)	10 (5.9)		17 (6.3)
Acute respiratory failure (J96.0)	8 (5.7)	12 (9.2)		2 (4.9)	1 (6.7)	8 (17.8)	9 (5.3)		20 (7.4)
Tuberculosis of lung, without mention of bacteriological or histological confirmation (A16.2)	7 (5.0)	2 (1.5)		-	3 (20.0)	4 (8.9)	2 (1.2)		9 (3.3)
Influenza with other respiratory manifestations, virus not identified (J11.8)	2 (1.4)	1 (0.8)		1 (2.4)	-	-	2 (1.2)		3 (1.1)
Lobar pneumonia, unspecified (J18.1)	1 (0.7)	-		-	-	1 (2.2)	-		1 (0.4)
Other bacterial pneumonia (J15.8)	1 (0.7)	2 (1.5)		1 (2.4)	-	-	2 (1.2)		3 (1.1)
Sequelae of respiratory and unspecified tuberculosis (B90.9)	1 (0.7)	-		-	-	-	1 (0.6)		1 (0.4)
Unspecified acute bronchitis (J20.9)	1 (0.7)	-		1 (2.4)	-	-	-		1 (0.4)
Respiratory tuberculosis unspecified, without mention of bacteriological or histological confirmation (A16.9)	-	1 (0.8)		-	-	1 (2.2)	-		1 (0.4)
Unspecified acute lower respiratory infection (J22)	-	1 (0.8)		-	-	-	1 (0.6)		1 (0.4)
Tuberculosis of lung, confirmed by sputum microscopy with or without culture (A15.0)	-	1 (0.8)		-	-	-	1 (0.6)		1 (0.4)
Abscess of lung with pneumonia (J85.1)	-	1 (0.8)		-	1 (6.7)	-	-		1 (0.4)
Acute tonsillitis, unspecified (J03.9)	-	1 (0.8)		1 (2.4)	-	-	-		1 (0.4)
Health macroregion			0.949					<0.001
Central	33 (23.6)	31 (23.7)		3 (7.3)	4 (26.7)	9 (20.0)	48 (28.2)		64 (23.6)
Central-South	3 (2.1)	2 (1.5)		-	-	2 (4.4)	3 (1.8)		5 (1.8)
Jequitinhonha	2 (1.4)	1 (0.8)		1 (2.4)	-	-	2 (1.2)		3 (1.1)
East	6 (5.0)	5 (3.8)		1 (2.4)	3 (20.0)	2 (4.4)	5 (3.5)		11 (4.5)
East-South	3 (2.1)	2 (1.5)		-	-	2 (4.4)	3 (1.8)		5 (1.8)
Northeast	22 (15.7)	20 (15.3)		26 (63.4)	1 (6.7)	4 (8.9)	11 (6.5)		42 (15.5)
Northwest	2 (1.4)	4 (3.1)		-	-	1 (2.2)	5 (2.9)		6 (2.2)
North	40 (28.6)	34 (26.0)		10 (24.4)	2 (13.3)	13 (28.9)	49 (28.8)		74 (27.3)
West	5 (3.6)	4 (3.1)		-	1 (6.7)	-	8 (4.7)		9 (3.3)
Southeast	7 (5.0)	3 (2.3)		-	-	2 (4.4)	8 (4.7)		10 (3.7)
South	9 (6.4)	12 (9.2)		-	3 (20)	4 (8.9)	14 (8.2)		21 (7.7)
Triângulo do Norte	4 (2.9)	5 (3.8)		-	1 (6.7)	3 (6.7)	5 (2.9)		9 (3.3)
Triângulo do Sul	1 (0.7)	1 (0.8)		-	-	-	2 (1.2)		2 (0.7)
Vale do Aço	3 (2.1)	7 (5.3)		-	-	3 (6.7)	7 (4.1)		10 (3.7)
Total	140 (51.7)	131 (48.3)		15 (5.5)	45 (16.6)	170 (62.7)	170 (62.7)		271 (100.0)

Open in a new tab

^aFisher’s exact test and Monte Carlo simulation.

Unspecified pneumonias and coronavirus infections were the leading causes by age group. Among those aged ≥60 years, pneumonias accounted for 40.0% and coronavirus infections for 28.2%. Among individuals aged 40–59 years, coronavirus infections were more frequent (35.6%). A significant association was observed between the underlying cause and age group (p-value<0.001). Pneumonia and coronavirus infections occurred equally in both sexes, with no significant association between cause and sex (p-value>0.050). The highest concentrations of deaths occurred in the macroregions North (27.3%), Central (23.6%), Northeast (15.5%), and South (7.7%), accounting for 74.2% of all deaths (Table 2).

Segmented regression analysis revealed heterogeneous patterns across the macroregions. Periods of marked increase were observed, such as in Central between 2018–2020 (APC 264.8; 95%CI 149.4; 448.8), East between 2017–2019 (APC 113.8; 95%CI 54.3; 185.9), Southeast between 2018–2020 (APC 93.9; 95%CI 49.5; 138.8), South (APC 68.1; 95%CI 27.1; 109.0), and for the state as a whole during 2018–2020 (APC 60.3; 95%CI 31.8; 85.1). Conversely, significant declines were observed in the most recent period in Minas Gerais, 2021–2023 (APC -49.2; 95%CI -64.6; -32.4), as well as in the Central, East, Southeast, and South macroregions, all showing reductions greater than -38% over the same interval. Some regions exhibited predominantly stable patterns, such as Central-South, Jequitinhonha, East-South, West, Triângulo do Norte, and Triângulo do Sul, while the Northwest showed a more moderate upward trend between 2015 and 2023 (APC 18.0; 95%CI 8.8; 53.1). Vale do Aço was the only region to display a consistent downward global trend during the analyzed period (2011–2023) (APC -10.1; 95%CI -33.3; -2.9). In summary, a common pattern of sharp increases in deaths between 2018 and 2020, followed by a marked decline from 2021 onward, was observed, although the intensity of this pattern varied across macroregions. The main divergences were observed in Vale do Aço, with a consistent reduction, and in regions such as Northwest and Northeast, where moderate or stable trends predominated (Table 3).

Table 3. Temporal trends, annual percent change (APC), average annual percent change (AAPC), and 95% confidence interval (95%CI) in the number of deaths from infectious respiratory diseases in the Indigenous population, according to health macroregion. Minas Gerais, 2000–2023 (n=271) .

Macroregion	Period	Trendsb	Total period
		APC (95%CI)	AAPC (95%CI)
Central	2009–2017^a	-19.7 (-57.4; -12.2)	7.4 (3.2; 14.6)
	2018–2020^a	264.8 (149.4; 448.8)
	2021–2023	-66.1 (-79.0; -54.1)
Central-South	2000–2023^a	-	1.1 (0.6; 3.1)
Jequitinhonha	2000–2023^a		1.4 (-0.3; 3.2)
East	2009–2016^a	-10.8 (-47.2; -3.7)	3.0 (-0.2; 7.7)
	2017–2019^a	113.8 (54.3; 185.9)
	2020–2023	-38.3 (-54.1; -25.6)
East-South	2000–2023^a	-	3.0 (0.2; 6.4)
Northeast	2000–2023^a	-	6.4 (1.9; 13.5)
Northwest	2015–2023^a	18.0 (8.8; 53.1)	5.9 (2.9; 8.9)
North	2020–2023	-25.0 (-56.7; 3.5)	10.4 (6.9; 17.3)
West	2000–2023^a	-	4.6 (1.0; 9.6)
Southeast	2006–2008^a	54.6 (-4.3; 94.0)	-0.7 (-5.0; 2.8)
	2009–2017^a	-15.0 (-32.1; -10.0)
	2018–2020^a	93.9 (49.5; 138.8)
	2021–2023^a	-58.0 (-73.4; -41.6)
South	2002–2017^a	6.0 (-3.2; 14.4)	-5.0 (-9.1; -1.2)
	2018–2020^a	68.1 (27.1; 109.0)
	2021–2023	-58.3 (-75.3; -35.6)
Triângulo do Norte	2000–2023^a	-	6.0 (2.5; 10.7)
Triângulo do Sul	2000–2023^a	-	0.5 (-1.0; 2.1)
Vale do Aço	2011–2023^a	-10.1 (-33.3; -2.9)	3.3 (-3.8; 13.9)
Minas Gerais	2018–2020	60.3 (31.8; 85.1)	5.0 (1.8; 8.5)
	2021–2023	-49.2 (-64.6; -32.4)

Open in a new tab

^aThe series included imputation of the value 0.5 in some years due to the presence of years without Indigenous deaths; ^b Positive percent change values, when statistically different from zero (considering the confidence interval), indicate an increasing trend; negative values indicate a decreasing trend; all others were interpreted as a stationary trend.

Regarding temporal trend and spatial distribution, deaths increased during 2000–2009 and 2010–2019, followed by a decrease in 2020–2023, although more municipalities recorded deaths in this latter period, maintaining a pattern similar to the second period. In all periods, São João das Missões (North) recorded the highest numbers of deaths: 2000–2009 (n=4), 2010–2019 (n=28), and 2020–2023 (n=17), followed by Bertópolis (Northeast), which also had a high number of deaths in 2010–2019 (n=10) and 2020–2023 (n=3) (Figure 1). The global Moran’s index indicated significant spatial autocorrelation across all three periods: 2000–2009, 0.07; 2010–2019, 0.05; and 2020–2023, 0.09 (p-value<0.010) (Figure 2).

LISA analysis identified significant spatial patterns throughout the series. Between 2000 and 2009, clusters were concentrated in the Central region, notably Belo Horizonte, Betim, Contagem, and Materlândia (high-high), as well as Brumadinho and Ribeirão das Neves (low-high). In the Northeast and North, Santa Helena de Minas and Manga (high-high) and Itacarambi (low-high) stood out. Between 2010 and 2019, some clusters decreased, but critical areas such as Bertópolis and Ubaporanga (high-high) persisted. During 2020–2023, areas of high mortality expanded, particularly in the Central region (Belo Horizonte, Contagem, Santa Luzia, Sabará, Ribeirão das Neves), while patterns persisted in the North (Manga and Itacarambi) and in Brumadinho (low-high) (Figure 2).

Discussion

Findings revealed that Indigenous deaths from respiratory tract infections were mostly concentrated among females aged 60 years or older, widowed individuals, and those with low educational levels, with the etiologic agent often unspecified. Deaths were concentrated in the North macroregion, especially São João das Missões, and in the Northeast macroregion, especially in Bertópolis. Higher occurrences were noted during 2000–2009 and 2010–2019, followed by a reduction between 2020–2023.

Therefore, respiratory tract infections represent a public health problem among vulnerable populations such as Indigenous Peoples (2). In this context, the susceptibility of older adults to pneumonia, particularly Indigenous elders, may be related to multiple factors, including immune system decline with aging, the presence of chronic diseases, as well as alterations in respiratory function and swallowing difficulties, which increase the risk of aspiration (1,16,17).

The high frequency of deaths from ill-defined causes without specification of the etiologic agent, such as “unspecified pneumonia,” is a recurring challenge in mortality analyses, as discussed in similar studies (11,17). Difficulty in determining the causative agent was also highlighted in an ecological study on infant mortality from respiratory tract infections in Brazil between 2009 and 2018, in which 94.4% of deaths had unspecified pneumonia as the main cause (11). This pattern may reflect limited access to health services and medical care, deficiencies in laboratory monitoring, and errors in death certificate completion, thereby compromising data quality and hindering understanding of the determinants of morbidity and mortality in this population (10,18).

Spatial patterns indicate significant clusters of deaths, particularly in the North (São João das Missões) and Northeast (Bertópolis). São João das Missões hosts Indigenous residents of Terra Xacriabá (79.8% of the local population), with a high number of death records, which may be attributed to social and political neglect linked to precarious water supply, exacerbated by recurrent droughts, forcing many communities to face a shortage of potable water (19). This may be related to the so-called “lethal triad”: deforestation, wildfires, and respiratory tract infections (20). The constant use of fire in land management, resulting in deforestation to clear new areas for agriculture, may have intensified respiratory tract infections in the region (19,20).

Spatial patterns suggest that factors such as hospital infrastructure, patient displacement, and socioeconomic differences influence the number of deaths (21). In the North and Northeast macroregions (Itacarambi and Ubaporanga), underreporting or migration of death records may mask local patterns. Structural and regional inequalities particularly affect rural areas (22). Moreover, some macroregions showed stable or unstable temporal patterns, which may result from occasional fluctuations in small absolute numbers, underreporting, errors in death certificates, migration of Indigenous populations, and inequalities in access to health care. These factors complicate the identification of linear trends and require caution in interpreting the results.

The observed temporal distribution aligns with the spatial distribution analyzed, where the pattern of deaths among the Indigenous population was not uniform, reflecting socio-spatial inequalities. Therefore, the significant increase in death records in the North between 2005 and 2019 may reflect environmental impacts from mining, including water contamination and reduced biodiversity (23). Land conflicts and rising violence against Indigenous peoples may have increased the social vulnerability of these populations (24). The significant reduction in records in the Southeast macroregion between 2009–2017 and in Jequitinhonha between 2008–2010 may reflect structural improvements in health care and food security in these regions (25,26).

In the Southeast, expansion of the Family Health Strategy (Estratégia Saúde da Família, FHS) and strengthening of primary care may have contributed to the reduction of infectious and preventable diseases, such as the incorporation of community health agents into FHS teams in Indigenous communities (25). In Jequitinhonha, initiatives focused on food security were key to this decline. Social protection and healthy dietary practices reinforced and expanded access to nutritious foods (25,26).

Between 2019 and 2021, there was a marked increase in deaths among the Indigenous population, especially in the Central region of the state, an area that, due to lower medical infrastructure, received a higher flow of severe COVID-19 patients (27,28). This increase can be attributed not only to individual factors but also to social and environmental determinants. Greater exposure in areas of social vulnerability, combined with precarious housing conditions, high household density, and limited access to health services, significantly increased the risk of transmission and disease severity (28). Therefore, the rapid rise in Indigenous deaths during the pandemic represents a relevant public health milestone for understanding the findings of this study.

In 2022 and 2023, the reduction in deaths may be attributed to expanded COVID-19 vaccination coverage and Indigenous health surveillance and care actions (1,27). However, fluctuations in regional trends indicate persistent inequalities in access to and quality of health care (27). Macroregions exhibit variation in the temporal trend of mortality, underscoring the need for continuous monitoring and the implementation of health equity policies.

Indigenous populations face structural vulnerabilities that amplify both exposure and severity to respiratory tract infections (19). Precarious access to essential services, such as basic sanitation, potable water, and adequate nutrition, creates unsanitary environments, favors malnutrition, and compromises immunity, increasing susceptibility to infections (16). Geographical and linguistic barriers, overcrowded housing, and institutional bias hinder the implementation of preventive measures and access to qualified medical care, thereby limiting the impact of health interventions (27,29). These structural factors increase both the incidence and number of deaths from respiratory diseases, reinforcing the need for integrated public policies that prioritize primary care, sanitation, nutrition, and health education tailored to the cultural specificities of Indigenous communities (16).

Finally, several important limitations of this study should be noted, including the use of secondary data subject to errors due to racial misclassification, poorly defined causes of death, reliance solely on the underlying cause of death, and underreporting among Indigenous populations in death certificates (30,31). Additionally, heterogeneity in data quality over time, influenced by factors such as changes in death surveillance and infrastructure, may introduce temporal bias in trend analysis (30,31). Census data inconsistencies regarding Indigenous populations and their territories compromise the calculation of specific mortality rates standardized by population at risk.

It is also important to note that the analysis was restricted to the underlying cause of death; standardized rates were not calculated due to the absence of municipal-level Indigenous population data, and the heterogeneity and limitations of the data may affect the robustness of the observed trends. The imputation of minimal values for years without records was necessary to fit the JoinPoint model in a series with long sequences of zeros. However, it is recognized that this strategy may increase trend instability in rare-event series, which is why the interpretation of results was conducted with caution.

Despite these limitations, comparing the results of this study with previous investigations contributes to a better understanding of the dynamics of deaths from respiratory tract infections among Indigenous Peoples in Minas Gerais.

It is concluded that the number of deaths from respiratory infections among Indigenous residents of Minas Gerais exhibited an uneven distribution in time and space, with higher concentrations in the North of the state and a more pronounced impact on older adults with low years of schooling, residing in socioeconomically vulnerable areas. The high proportion of unspecified causes highlights weaknesses in both access to qualified care and the proper recording of death information.

In this context, strengthening health care in regions inhabited by Indigenous peoples is recommended, with an emphasis on active surveillance, improving the reporting of underlying causes of death through the action of Death Surveillance, and addressing preventable causes. Priority strategies include: i) improving training for Indigenous health professionals to complete death certificates correctly; ii) implementing local epidemiological and death surveillance systems to enable near-real-time monitoring; iii) reinforcing primary care with itinerant multiprofessional teams in villages and rural communities; and iv) creating integration protocols among municipalities, the state, and the Special Secretariat for Indigenous Health (Secretaria Especial de Saúde Indígena, SESAI) to ensure continuous monitoring of Indigenous health (25,26,32). Given the ethnic-racial focus adopted, it is also essential to improve information systems for Indigenous populations, particularly by ensuring accurate completion of the race/skin color variable and incorporating territorial markers sensitive to Indigenous sociocultural organization (30,32). Such measures can reduce underreporting, improve data quality, and support more effective, targeted public policies.

Evidence further highlights the need for studies that integrate data from the DSEI of Minas Gerais and Espírito Santo with information from other health information systems, such as the Influenza Epidemiological Surveillance Information System (Sistema de Informação da Vigilância Epidemiológica da Gripe, SIVEP-Gripe) and the Brazilian Health Information System for Indigenous Peoples in Brazil (Sistema de Informações da Atenção à Saúde Indígena, SIASI), using data matching techniques. Such integration can enhance the quality of analyses, enabling more precise identification of factors associated with Indigenous deaths from respiratory tract infections and informing culturally sensitive and territorially directed surveillance and health planning actions.

Footnotes

Peer Review Administrator: Izabela Fulone (https://orcid.org/0000-0002-3211-6951)

Peer Reviewers: Lucas Vinícius de Lima (https://orcid.org/0000-0002-9582-9641), Gabriel Pavinati (https://orcid.org/0000-0002-0289-8219)

Data availability: The research database and analysis code are available at: https://doi.org/10.48331/SCIELODATA.MAPYJ8

Use of generative artificial intelligence: Not used.

Supplementary Table 1

2237-9622-ress-35-e20250565-supp01-en.pdf^{(92.7KB, pdf)}

References

1.Institute for Health Metrics and Evaluation Global Burden of Disease 2023: Findings from the GBD 2023 Study [Internet] 2023. [[cited 2025 Nov 26]]. https://www.healthdata.org/sites/default/files/2025-10/GBD_2023_Booklet_Final_2025.10.17.pdf .
2.World Health Organization The top 10 causes of death [Internet] 2024. [[cited 2025 Sept 27]]. https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death .
3.Leandro GCW, Cicchelero LM, Massago M, Oliveira DG de, Bortoli DM, Murillo RSG. Evaluation of the acute respiratory infections surveillance system and associated factors: a cross-sectional study, Brazil, 2009-2021. Epidemiol Serv Saúde. 2025;34 doi: 10.1590/S2237-9622025v34e20240555.en. [DOI] [PubMed] [Google Scholar]
4.Instituto Brasileiro de Geografia e Estatísticta Censo demográfico 2022: indígenas: primeiros resultados do universo [Internet] 2023. [[cited 2025 Sept 27]]. https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=2102018 .
5.Instituto de Estudos para Políticas de Saúde, Umane, Instituto Veredas Relatório Técnico nº 1/2023: saúde dos povos indígenas e quilombolas [Internet] 2023. [[cited 2025 Nov 26]]. https://agendamaissus.org.br/wp-content/uploads/2023/06/ieps-boletim01-saude-povos-indigenas.pdf .
6.Silva FAB da, Lunelli IC. Políticas Sociais: acompanhamento e análise. Ipea; Políticas Sociais: 2024. Povos indígenas. https://repositorio.ipea.gov.br/server/api/core/bitstreams/ed6b2def-f203-44cb-87f9-12f55ac51642/content. [Google Scholar]
7.Ministério da Saúde (BR) Covid-19 no Brasil [Base de dados] 2020. [[cited 2025 Oct 3]]. https://infoms.saude.gov.br/extensions/covid-19_html/covid-19_html.html .
8.Ministério da Saúde (BR) Painel Covid-19 SESAI (SasiSUS) [Base de dados] 2025. [[cited 2025 Oct 3]]. https://infoms.saude.gov.br/extensions/sesai_covid_v2/sesai_covid_v2.html .
9.World Health Organization International statistical classification of diseases and related health problems. 2016. [[cited 2025 Apr 30]]. https://icd.who.int/browse10/2016/en .
10.Ministério da Saúde (BR) Secretaria de Vigilância em Saúde. Departamento de Análise de Saúde e Vigilância de Doenças não Transmissíveis Declaração de óbito: manual de instruções para preenchimento [Internet] 2022. [[cited 2025 Apr 30]]. http://bvsms.saude.gov.br/bvs/publicacoes/declaracao_obito_manual_preenchimento.pdf .
11.Moura DNA e, Silva FR, Assumpção DM de, Reis NEO, Cunha IFC, Silva AP de SC. Temporal trend of mortality from infectious respiratory diseases in childhood in Minas Gerais, Brazil, 2000-2020. Epidemiol Serv Saúde. 2023;32(3) doi: 10.1590/S2237-96222023000300006.EN. [DOI] [PMC free article] [PubMed] [Google Scholar]
12.Astolfo S, Andrade AC de S, Kehrig RT. Temporal analysis and spatial distribution of acquired syphilis in the state of Mato Grosso, Brazil, 2010-2021: an ecological study. Epidemiol Serv Saúde. 2024;33 doi: 10.1590/S2237-96222024V33E2023398.EN. [DOI] [PMC free article] [PubMed] [Google Scholar]
13.Nóvoa-Lôbo NM de, Campos MR, Pires DC. Tuberculose no sistema prisional brasileiro: cenários via Joinpoint entre 2007 e 2019. Cad Saúde Pública. 2007;39(9) doi: 10.1590/0102-311XPT166722. [DOI] [PMC free article] [PubMed] [Google Scholar]
14.Nahas AK, Alencar GP. Distribuição espacial da mortalidade fetal e sua correlação com indicadores de saúde da mulher e de vulnerabilidade social na cidade de São Paulo, Brasil. Rev Bras Saude Mater Infant. 2024;24 [Google Scholar]
15.Pinto IV, Bernal RTI, Souza JB, Andrade GN de, Araújo LF, Felisbino-Mendes MS. Gravidez em meninas menores de 14 anos: análise espacial no Brasil, 2011 a 2021. Ciênc Saúde Colet. 2011;29(9) doi: 10.1590/1413-81232024299.10582024. [DOI] [PubMed] [Google Scholar]
16.1Ministério da Saúde (BR) Secretaria Especial de Saúde Indígena Anexo XIV: Relatório situacional do Distrito Sanitário Especial Indígena Minas Gerais e Espírito Santo [Internet] 2023. [[cited 2025 Apr 30]]. https://www.gov.br/saude/pt-br/acesso-a-informacao/participacao-social/chamamentos-publicos/2023/chamamento-publico-sesai-no-5-2023/anexo-xiv-relatorio-situacional-dsei-minas-gerais-e-espirito-santo.pdf .
17.Epitácio JRS, Souza FOM dos R, Baldow PHB, Gomes KA. Prevalência de óbitos em idosos por pneumonia nas macrorregiões da Bahia entre 2018-2022. Rev Contemp. 2024;4(4) [Google Scholar]
18.Balieiro PC da S, Silva LCF da, Sampaio V de S, Monte EX do, Pereira EM dos S, Queiroz LAF de. Fatores associados à mortalidade por causas inespecíficas e mal definidas no estado do Amazonas, Brasil, de 2006 a 2012. Ciênc Saúde Colet. 2006;25(1) doi: 10.1590/1413-81232020251.27182017. [DOI] [PubMed] [Google Scholar]
19.Instituto Brasileiro de Geografia e Estatística São João das Missões-MG: Censo 2022 [Base de dados] 2022. [[cited 2025 Apr 30]]. https://cidades.ibge.gov.br/brasil/mg/sao-joao-das-missoes/pesquisa/10102/122229 .
20.Ellwanger JH, Chies JAB. Conexões entre desequilíbrios ambientais e o surgimento de doenças infecciosas na Amazônia [Internet] 2020. [[cited 2025 Apr 30]]. https://www.ufrgs.br/jornal/conexoes-entre-desequilibrios-ambientais-e-o-surgimento-de-doencas-infecciosas-na-amazonia/
21.Barreto ML. Desigualdades em saúde: uma perspectiva global. Ciênc Saúde Colet. 2017;22(7) doi: 10.1590/1413-81232017227.02742017. [DOI] [PubMed] [Google Scholar]
22.Arruda NM, Maia AG, Alves LC. Desigualdade no acesso à saúde entre as áreas urbanas e rurais do Brasil: uma decomposição de fatores entre 1998 a 2008. Cad Saúde Pública. 1998;34(6) doi: 10.1590/0102-311X00213816. [DOI] [PubMed] [Google Scholar]
23.Ribeiro MIF da CA. Mineração e garimpo em terras indígenas [Internet] 2016. [[cited 2025 Apr 30]]. https://www.cetem.gov.br/antigo/series/serie-estudos-e-documentos/item/2145-mineracao-e-garimpo-em-terras-indigenas .
24.Conselho Indigenista Missionário Relatório: violência contra os povos indígenas no Brasil – dados de 2022 [Internet] 2022. [[cited 2025 Apr 30]]. https://cimi.org.br/wp-content/uploads/2023/07/relatorio-violencia-povos-indigenas-2022-cimi.pdf .
25.Garnelo L, Pontes AL. Saúde indígena: uma introdução ao tema. 2012. [[cited 2025 Apr 30]]. https://bvsms.saude.gov.br/bvs/publicacoes/saude_indigena_uma_introducao_tema.pdf .
26.Liberato RSB, Rocha C. Mangutando culturas: indígenas construindo segurança alimentar e nutricional no Vale do Jequitinhonha. Ateliê Geogr. 2012;6(3) [Google Scholar]
27.Machado FG, Ferron MM, Barddal MT da M, Nascimento LA, Rosalen J, Avelino-Silva VI. Iniquidades na vacinação e taxa de mortalidade em populações indígenas comparadas com a população geral no Brasil: uma análise de série temporal. Braz J Infect Dis. 2022;26(S2) [Google Scholar]
28.Oliveira U, Filho BS, Oviedo A, Santos TM dos, Carlos S, Alves JRR. Modelagem da vulnerabilidade dos povos indígenas no Brasil ao covid-19. 2020. [[cited 2025 Apr 30]]. https://acervo.socioambiental.org/sites/default/files/documents/i1d00035.pdf .
29.Instituto Socioambiental Covid-19 e povos indígenas no Brasil: plataforma de monitoramento da situação indígena na pandemia do novo coronavírus (Covid-19) no Brasil [Base de dados] 2021. [[cited 2025 Apr 29]]. https://covid19.socioambiental.org/index.html .
30.Santos ABS dos, Coelho TCB, Araújo EM de. Identificação racial e a produção da informação em saúde. Interface (Botucatu) 2013;17(45) [Google Scholar]
31.Laurenti R, Mello Jorge MHP de, Gotlieb SLD. Mortalidade segundo causas: considerações sobre a fidedignidade dos dados. Rev Panam Salud Publica. 2008;23 doi: 10.1590/s1020-49892008000500007. [DOI] [PubMed] [Google Scholar]
32.Siqueira PC, Sales CMM, Prado TN do, Maciel ELN. Analysis of completeness of COVID-19 notification forms among the Indigenous population in the state of Espírito Santo, 2020. Epidemiol Serv Saude. 2020;34 doi: 10.1590/S2237-96222025v34e20240176.en. [DOI] [PMC free article] [PubMed] [Google Scholar]

Epidemiol Serv Saude. 2026 Apr 20;35:e20250565. [Article in Portuguese] doi: 10.1590/S2237-96222026v35e20250565.pt

Óbitos por doenças respiratórias infecciosas na população indígena: análise espacial e de séries temporais, Minas Gerais, 2000-2023

Resumo

Objetivo

Analisar a tendência temporal e a distribuição espacial dos óbitos por doenças respiratórias infecciosas em população indígena residente em Minas Gerais, Brasil, entre 2000 e 2023.

Métodos

Análise de séries temporais e múltiplos grupos dos óbitos registrados no Sistema de Informação sobre Mortalidade, codificados pela causa básica de morte como doenças respiratórias infecciosas pela Classificação Internacional de Doenças. O número de óbitos foi calculado segundo características demográficas e clínicas. Na análise de tendência, utilizou-se o modelo de regressão por pontos de inflexão (Joinpoint regression), calculando-se a variação percentual anual (VPA), e para análise espacial, usou-se Índice de Moran global e local.

Resultados

Foram registrados 271 óbitos, atingindo majoritariamente pessoas do sexo feminino (51,7%), viúvos (30,3%), com baixa escolaridade (49,1%) e idosos (62,7%). Em 65,3% dos casos, a infecção atingiu o trato respiratório inferior, e em 53,5% o agente etiológico não foi especificado. Macrorregiões de saúde exibiram padrão de queda nos óbitos entre 2020 e 2023, dos quais, Centro (VPA -6,1), Leste (VPA -38,3) e Norte (VPA -25,0). A análise espacial por quadrantes de Moran evidenciou aglomerações significativas de óbitos em São João das Missões, Belo Horizonte e Bertópolis.

Conclusão

Os resultados evidenciaram alto número de óbitos entre idosos, com expressivas desigualdades temporais e territoriais. Políticas públicas específicas e permanentes são necessárias, visando prevenção e acesso equitativo aos serviços de saúde para os povos originários, com melhorias nos sistemas de informação de saúde.

Palavras-chave: Infecções Respiratórias, Mortalidade, População Indígena, Sistemas de Informação em Saúde, Estudos de Séries Temporais

Aspectos éticos

Esta pesquisa utilizou bancos de dados de domínio público e anonimizados.:

Introdução

As doenças respiratórias infecciosas constituem importante grupo de agravos à saúde e estão entre as principais causas infecciosas de morte, globalmente. São transmitidas principalmente por gotículas e contato com secreções, sendo causadas por diferentes agentes infecciosos, principalmente vírus, bactérias e fungos, acometendo as vias aéreas superiores e inferiores.

As infecções respiratórias ocuparam a quarta posição entre as principais causas de morte no mundo em 2023, de acordo com estudo (1). Em 2021, cerca de 344 milhões de novos episódios de infecções respiratórias inferiores ocorreram no mundo, sendo registrados 2,5 milhões de mortes (2). Um estudo recente, realizado no Brasil, evidenciou a ocorrência, entre 2009 e 2021, de aproximadamente 3,5 milhões de casos de infecções respiratórias agudas e perfil predominante para indivíduos do sexo masculino (53,5%), raça/cor branca (43,5%), mais de 60 anos (41,4%), não vacinados (35,0%) e sem histórico de viagem (24,3%) (3).

A população indígena brasileira é composta por centenas de etnias com culturas, línguas e formas próprias de organização social. Em 2022, somavam 1.693.535 pessoas, correspondendo a 0,83% da população nacional. Em Minas Gerais, aproximadamente 37 mil indígenas vivem em contextos marcados por desigualdades sociais e ambientais. A densidade domiciliar média (4,6 moradores por domicílio) é superior à média nacional (3,6), podendo intensificar a transmissão de doenças respiratórias infecciosas em cenários de superlotação e ventilação precária (4). Somam-se a esse cenário a precariedade da infraestrutura dos serviços de saúde em territórios indígenas, com escassez de insumos, equipamentos e até falta de acesso à água potável e coleta de lixo, além da dependência de remoções aéreas para acesso a serviços, da escassez das ações de vigilância epidemiológica, com atrasos nos registros de agravos, e da descontinuidade do cuidado, associada à alta rotatividade de profissionais (5,6).

A pandemia de covid-19, no período de 2020 a 2022, resultou em 693.853 óbitos registrados no Brasil, colocando o país entre os mais afetados no mundo. Entre os povos indígenas, foram registrados 958 óbitos (7). No estado de Minas Gerais, a população geral apresentou 64.447 óbitos por covid-19 no mesmo período. No Distrito Sanitário Especial Indígena (DSEI) Minas Gerais e Espírito Santo, foram registrados 13 óbitos no período, evidenciando importantes variações regionais no impacto da pandemia (8).

Apesar de existirem estudos sobre saúde indígena e doenças respiratórias no Brasil, grande parte das análises concentra-se no período da pandemia de covid-19 ou em recortes nacionais e regionais. Essas produções, em geral, não exploram séries temporais longas nem detalham a distribuição espacial de óbitos registrados, limitando a compreensão de padrões locais. Em particular, não se identificam análises publicadas que combinem série histórica extensa e abordagem espacial focadas na população indígena de Minas Gerais.

Assim, persiste uma lacuna quanto à análise do comportamento histórico e territorial das doenças respiratórias infecciosas entre povos indígenas de Minas Gerais. Este estudo busca preencher essa lacuna, ao investigar a tendência temporal (2000-2023) e a distribuição espacial de óbitos por doenças respiratórias infecciosas entre indígenas residentes em municípios mineiros, oferecendo evidências úteis para planejamento e políticas culturalmente adequadas.

Métodos

Delineamento do estudo

Trata-se de um estudo de séries temporais e múltiplos grupos dos óbitos registrados no Sistema de Informação sobre Mortalidade (SIM), codificados pela causa básica de morte como doenças respiratórias infecciosas, para a população indígena em Minas Gerais, no período 2000-2023 (9). As unidades de análise foram as macrorregiões para a análise temporal e os municípios para a distribuição espacial.

Local de estudo

Minas Gerais possui 853 municípios, sendo a maior Unidade da Federação em número de municípios. Possui a segunda maior população do país, aproximadamente 20,5 milhões de habitantes em 2022, dos quais 0,18% se autodeclaram indígenas (4).

Fonte de dados

Utilizaram-se dados secundários do SIM, disponibilizados pelo Departamento de Informática do Sistema Único de Saúde do Ministério da Saúde (DATASUS/MS), acessados pelo Tabwin (via transferência de arquivos). Os bancos foram extraídos no período de 20 a 31 de outubro de 2024.

Participantes

Conforme orientações do Ministério da Saúde, a declaração de óbito é documento obrigatório e a variável raça/cor da pele não admite a alternativa “ignorada”, sendo necessário perguntar à pessoa responsável por prestar as informações sobre o falecido, que informará a melhor opção de raça/cor da pele (branca, preta, amarela, parda e indígena) (10).

Foram incluídos os registros cuja variável raça/cor da pele estivesse preenchida como indígena e a causa básica de morte codificada, segundo a Classificação Internacional de Doenças (CID-10), como pertencente ao grupo de infecções respiratórias (9,11). Foram excluídos os registros de óbitos com causas não relacionadas às doenças respiratórias infecciosas, bem como os de indivíduos não indígenas e/ou não residentes em Minas Gerais.

Variáveis

Para esta pesquisa, foram analisadas descritivamente as variáveis demográficas e clínicas. As variáveis sociodemográficas foram: sexo (masculino, feminino), estado civil (casado, divorciado, solteiro, união estável, viúvo, ignorado/vazio), escolaridade (em anos de estudo: 1-3, 4-7, 8-11, ≥12, nenhuma, ignorado/vazio), faixa etária (em anos: 0-19, 20-39, 40-59, ≥60), macrorregião de saúde de residência (Centro, Centro Sul, Jequitinhonha, Leste, Leste do Sul, Nordeste, Noroeste, Norte, Oeste, Sudeste, Sul, Triângulo do Norte, Triângulo do Sul, Vale do Aço). As variáveis clínicas foram: agente etiológico (bactéria, vírus, fungo, parasitas, não especificado) e sítio anatômico da infecção (vias aéreas superiores, vias aéreas inferiores, sistêmico) (10) (Tabela Suplementar 1).

Os desfechos analisados foram os números absolutos de óbitos (n) e os proporcionais (%). Para a mortalidade proporcional, os números foram calculados segundo características demográficas (sexo, faixa etária, escolaridade, estado civil) e clínicas (agente etiológico, sítio anatômico da infecção).

Viés

Para reduzir potenciais vieses de seleção e informação na seleção de registros, optou-se pelos cuja raça/cor da pele indígena estivesse claramente preenchida e a causa básica de morte selecionada e estabelecida pela CID-10. Códigos com etiologia infecciosa considerada inconclusiva foram excluídos da análise. Ademais, para se garantir que os óbitos correspondessem a indivíduos indígenas residentes em Minas Gerais, foram incluídas apenas localidades com códigos específicos para municípios do estado.

Análise dos dados

Calculou-se o número de óbitos proporcional para faixa etária, sexo, estado civil e escolaridade, considerando-se a divisão do número de óbitos em cada variável dívida pelo total de óbitos, multiplicada por 100. O mesmo foi realizado para as mortes proporcionais com duas variáveis (causa básica e sexo; causa básica e faixa etária).

Para as análises temporais, a soma dos óbitos foi calculada por ano de ocorrência para cada macrorregião de saúde. Por padrão, a regressão segmentada imputa o valor 0,50 nos anos sem óbitos registrados, permitindo a realização da análise.

Para as análises espaciais, os dados foram agrupados nos períodos 2000-2009, 2010-2019 e 2020-2023, devido à baixa frequência de óbitos em algumas regiões, somando-se os óbitos por município e atribuindo-se zero aos municípios sem registros durante cada período, de modo a serem garantidas estimativas mais estáveis e interpretáveis. As análises foram realizadas com o número absoluto de óbitos por município em cada período.

Métodos estatísticos

Na análise de séries temporais, utilizou-se o software JoinPoint Regression Program (versão 5.3.0), que permite identificar pontos de inflexão nas tendências ao longo do tempo, aplicando a transformação logarítmica aos dados. O modelo foi ajustado sob variância Poisson e adotando como variável dependente () o número de óbitos, enquanto os anos do período de estudo foram definidos como variável independente (). Ademais, foram incluídas como covariáveis as macrorregiões de saúde, possibilitando uma análise mais detalhada das variações regionais (12). O número ótimo de pontos de inflexão, com um máximo de quatro testados, foi definido com base no critério do menor critério de informação bayesiano ponderado (WBIC), que pondera a qualidade do ajuste pelo número de observações em cada segmento. Para caracterizar os períodos de tendência, calcularam-se a variação percentual anual (VPA) e a variação percentual anual média (VPAM) com intervalo de confiança de 95% (IC95%). Considerando-se a aplicação da escala logarítmica, a VPA é obtida por , em que representa o coeficiente angular (slope) da reta de regressão segmentada ajustada ao logaritmo do número de óbitos. Já a VPAM é determinada por , onde representa os segmentos da regressão e é o peso de cada segmento , proporcional à quantidade de anos que o segmento cobre. Quando não há segmentos, . Cada ponto de inflexão indica uma possível mudança na trajetória da série (13).

Para a análise espacial dos óbitos, inicialmente foi elaborado um mapa de quintis (cinco quantis) para visualização da distribuição dos dados no estado. Em seguida, calcularam-se os índices de Moran nos níveis global e local. No nível global, a estatística mede a diferença entre os valores observados e a média geral, resultando em um índice que varia no intervalo [-1,1] (14).

Com a rejeição da hipótese de aleatoriedade espacial, aplicou-se o indicador local de autocorrelação espacial (LISA) para se identificarem municípios agrupados em diferentes quadrantes de Moran, a saber: alto-alto, representando municípios com altos valores de óbitos cercados por vizinhos também com valores elevados; baixo-baixo, com padrão inverso ao anterior; alto-baixo e baixo-alto, que indicam municípios cujos valores diferem significativamente dos vizinhos, sendo considerados como discrepâncias espaciais (15).

Nas análises descritivas, foram calculadas as proporções das variáveis categóricas, aplicando-se o teste qui-quadrado de Pearson para identificar diferenças entre classes. Além disso, ao se compararem proporções entre variáveis, utilizou-se o teste exato de Fisher, uma vez que algumas células apresentavam menos de cinco observações. Os testes foram conduzidos considerando um nível de significância de 0,05 (5,0%). Com exceção da análise temporal, as demais etapas foram realizadas no software RStudio (versão 2024.12.0-467).

Resultados

Foram registrados 271 óbitos por doenças respiratórias infecciosas em Minas Gerais. Predominaram mulheres (51,7%), indivíduos com 60 anos ou mais (62,7%) e crianças de 1 a 3 anos (17,7%). Observou-se maior incompletude em escolaridade, estado civil e agente etiológico. Vale ressaltar que a elevada proporção de informações ausentes em variáveis-chave pode influenciar a interpretação dos resultados (Tabela 1). As principais causas de óbito foram pneumonias não especificadas (38,0%), infecções por coronavírus (25,8%) e pneumonia bacteriana não especificada (14,0%). Outras causas relevantes incluíram insuficiência respiratória aguda e broncopneumonia não especificada (Tabela 2).

Tabela 1. Frequência absoluta (n) e relativa (%) do número de óbitos por doenças respiratórias infecciosas em população indígena, segundo variáveis demográficas e clínicas. Minas Gerais, 2000-2023 (n=271) .

Variáveis	Óbitos n (%)	p-valor^a
Sexo
Feminino	140 (51,7)	0,63
Masculino	131 (48,3)
Estado civil
Casado	56 (20,7)	<0,001
Divorciado	12 (4,4)
Solteiro	46 (17,0)
União estável	6 (2,2)
Viúvo	82 (30,3)
Ignorado/vazio	69 (25,5)
Escolaridade (anos)
1-3	48 (17,7)	<0,001
4-7	26 (9,6)
8-11	10 (3,7)
≥12	4 (1,5)
Nenhuma	85 (31,4)
Ignorado/vazio	98 (36,2)
Faixa etária (anos)
0-19	41 (15,1)	<0,001
20-39	15 (5,5)
40-59	45 (16,6)
≥60	170 (62,7)
Agente etiológico
Bactéria	53 (19,6)	<0,001
Vírus	73 (26,9)
Não especificado	145 (53,5)
Sítio anatômico
Vias aéreas inferiores	177 (65,3)	<0,001
Vias aéreas superiores	4 (1,5)
Sistêmico	90 (33,2)

Open in a new tab

^aQui-quadrado de Pearson.

Tabela 2. Frequência absoluta (n) e relativa (%) do número de óbitos por causa básica de morte, macrorregião de saúde de residência do óbito, sexo e faixa etária. Minas Gerais, 2000-2023 (n=271) .

Variáveis	Sexo			Faixa etária (anos)					Total n (%)
Variáveis	Feminino n (%)	Masculino n (%)	p-valor^a	0-19 n (%)	20-39 n (%)	40-59 n (%)	≥60 n (%)	p-valor^a	Total n (%)
Causa básica da morte			0,409					<0,001
Pneumonia não especificada (J18.9)	59 (42,1)	44 (33,6)		22 (53,7)	4 (26,7)	9 (20,0)	68 (40,0)		103 (38,0)
Infecção por coronavírus de localização não especificada (B34.2)	35 (25,0)	35 (26,7)		2 (4,9)	4 (26,7)	16 (35,6)	48 (28,2)		70 (25,8)
Pneumonia bacteriana não especificada (J15.9)	16 (11,4)	22 (16,8)		6 (14,6)	2 (13,3)	4 (8,9)	26 (15,3)		38 (14,0)
Broncopneumonia não especificada (J18.0)	9 (6,4)	8 (6,1)		5 (12,2)	-	2 (4,4)	10 (5,9)		17 (6,3)
Insuficiência respiratória aguda (J96.0)	8 (5,7)	12 (9,2)		2 (4,9)	1 (6,7)	8 (17,8)	9 (5,3)		20 (7,4)
Tuberculose pulmonar, sem menção de confirmação bacteriológica ou histológica (A16.2)	7 (5,0)	2 (1,5)		-	3 (20,0)	4 (8,9)	2 (1,2)		9 (3,3)
Influenza (gripe) com outras manifestações respiratórias, devida a vírus não identificado (J11.8)	2 (1,4)	1 (0,8)		1 (2,4)	-	-	2 (1,2)		3 (1,1)
Pneumonia lobar não especificada (J18.1)	1 (0,7)	-		-	-	1 (2,2)	-		1 (0,4)
Outras pneumonias bacterianas (J15.8)	1 (0,7)	2 (1,5)		1 (2,4)	-	-	2 (1,2)		3 (1,1)
Sequelas de tuberculose das vias respiratórias e de órgãos não especificados (B90.9)	1 (0,7)	-		-	-	-	1 (0,6)		1 (0,4)
Bronquite aguda não especificada (J20.9)	1 (0,7)	-		1 (2,4)	-	-	-		1 (0,4)
Tuberculose respiratória, não especificada, sem menção de confirmação bacteriológica ou histológica (A16.9)	-	1 (0,8)		-	-	1 (2,2)	-		1 (0,4)
Infecções agudas não especificada das vias aéreas inferiores (J22)	-	1 (0,8)		-	-	-	1 (0,6)		1 (0,4)
Tuberculose pulmonar, com confirmação por exame microscópico da expectoração, com ou sem cultura (A15.0)	-	1 (0,8)		-	-	-	1 (0,6)		1 (0,4)
Abscesso do pulmão com pneumonia (J85.1)	-	1 (0,8)		-	1 (6,7)	-	-		1 (0,4)
Amigdalite aguda não especificada (J03.9)	-	1 (0,8)		1 (2,4)	-	-	-		1 (0,4)
Macrorregião de saúde			0,949					<0,001
Centro	33 (23,6)	31 (23,7)		3 (7,3)	4 (26,7)	9 (20,0)	48 (28,2)		64 (23,6)
Centro Sul	3 (2,1)	2 (1,5)		-	-	2 (4,4)	3 (1,8)		5 (1,8)
Jequitinhonha	2 (1,4)	1 (0,8)		1 (2,4)	-	-	2 (1,2)		3 (1,1)
Leste	6 (5,0)	5 (3,8)		1 (2,4)	3 (20,0)	2 (4,4)	5 (3,5)		11 (4,5)
Leste do Sul	3 (2,1)	2 (1,5)		-	-	2 (4,4)	3 (1,8)		5 (1,8)
Nordeste	22 (15,7)	20 (15,3)		26 (63,4)	1 (6,7)	4 (8,9)	11 (6,5)		42 (15,5)
Noroeste	2 (1,4)	4 (3,1)		-	-	1 (2,2)	5 (2,9)		6 (2,2)
Norte	40 (28,6)	34 (26,0)		10 (24,4)	2 (13,3)	13 (28,9)	49 (28,8)		74 (27,3)
Oeste	5 (3,6)	4 (3,1)		-	1 (6,7)	-	8 (4,7)		9 (3,3)
Sudeste	7 (5,0)	3 (2,3)		-	-	2 (4,4)	8 (4,7)		10 (3,7)
Sul	9 (6,4)	12 (9,2)		-	3 (20)	4 (8,9)	14 (8,2)		21 (7,7)
Triângulo do Norte	4 (2,9)	5 (3,8)		-	1 (6,7)	3 (6,7)	5 (2,9)		9 (3,3)
Triângulo do Sul	1 (0,7)	1 (0,8)		-	-	-	2 (1,2)		2 (0,7)
Vale do Aço	3 (2,1)	7 (5,3)		-	-	3 (6,7)	7 (4,1)		10 (3,7)
Total	140 (51,7)	131 (48,3)		15 (5,5)	45 (16,6)	170 (62,7)	170 (62,7)		271 (100,0)

Open in a new tab

^a Exato de Fisher e simulação de Monte Carlo.

Pneumonias não especificadas e infecções por coronavírus foram as principais causas por faixa etária. Em ≥60 anos, pneumonias corresponderam a 40,0% e coronavírus a 28,2%. Entre 40-59 anos, infecções por coronavírus foram mais frequentes (35,6%). Houve associação significativa entre causa básica e faixa etária (p-valor<0,001). Pneumonias e infecções por coronavírus predominaram em ambos os sexos, sem associação significativa entre causa e sexo (p-valor>0,050). A maior concentração de óbitos ocorreu nas macrorregiões Norte (27,3%), Centro (23,6%), Nordeste (15,5%) e Sul (7,7%), totalizando 74,2% do total (Tabela 2).

O modelo de regressão segmentada revelou padrões heterogêneos nas macrorregiões. Houve períodos de crescimento expressivo, como no Centro entre 2018-2020 (VPA 264,8; IC95% 149,4; 448,8), Leste entre 2017-2019 (VPA 113,8; IC95% 54,3; 185,9), Sudeste entre 2018-2020 (VPA 93,9; IC95% 49,5; 138,8), Sul (VPA 68,1; IC95% 27,1; 109,0) e no estado como um todo no período de 2018-2020 (VPA 60,3; IC95% 31,8; 85,1). Em contrapartida, quedas significativas foram observadas no período mais recente em Minas Gerais 2021-2023 (VPA -49,2; IC95% -64,6; -32,4), bem como nas macrorregiões Centro, Leste, Sudeste e Sul, todas com reduções acima de -38% no mesmo intervalo. Algumas regiões apresentaram comportamentos predominantemente estacionários, como Centro-Sul, Jequitinhonha, Leste do Sul, Oeste, Triângulo do Norte e Triângulo do Sul, enquanto o Noroeste, entre 2015-2023 (VPA 18,0; IC95% 8,8; 53,1), mostrou tendência de crescimento mais moderada. O Vale do Aço foi a única região a apresentar tendência global decrescente no período analisado entre 2011-2023 (VPA -10,1; IC95% -33,3; -2,9). Em síntese, verificou-se um padrão comum de aumento expressivo de óbitos entre 2018 e 2020, seguido de queda acentuada a partir de 2021, embora com intensidades distintas entre as macrorregiões. As principais divergências residem no Vale do Aço, com redução consistente, e em regiões como Noroeste e Nordeste, onde predominaram tendências de crescimento mais moderado ou estacionário (Tabela 3).

Tabela 3. Tendências temporais, variação percentual anual (VPA), variação percentual anual média (VPAM) e intervalo de confiança de 95% (IC95%) do número de óbitos por doenças respiratórias infecciosas em população indígena, segundo a macrorregião de saúde. Minas Gerais, 2000-2023 (n=271) .

Macrorregião	Período	Tendências^b	Período total
		VPA (IC95%)	VPAM (IC95%)
Centro	2009-2017^a	-19,7 (-57,4; -12,2)	7,4 (3,2; 14,6)
	2018-2020^a	264,8 (149,4; 448,8)
	2021-2023	-66,1 (-79,0; -54,1)
Centro Sul	2000-2023^a	-	1,1 (0,6; 3,1)
Jequitinhonha	2000-2023^a		1,4 (-0,3; 3,2)
Leste	2009-2016^a	-10,8 (-47,2; -3,7)	3,0 (-0,2; 7,7)
	2017-2019^a	113,8 (54,3; 185,9)
	2020-2023	-38,3 (-54,1; -25,6)
Leste do Sul	2000-2023^a	-	3,0 (0,2; 6,4)
Nordeste	2000-2023^a	-	6,4 (1,9; 13,5)
Noroeste	2015-2023^a	18,0 (8,8; 53,1)	5,9 (2,9; 8,9)
Norte	2020-2023	-25,0 (-56,7; 3,5)	10,4 (6,9; 17,3)
Oeste	2000-2023^a	-	4,6 (1,0; 9,6)
Sudeste	2006-2008^a	54,6 (-4,3; 94,0)	-0,7 (-5,0; 2,8)
	2009-2017^a	-15,0 (-32,1; -10,0)
	2018-2020^a	93,9 (49,5; 138,8)
	2021-2023^a	-58,0 (-73,4; -41,6)
Sul	2002-2017^a	6,0 (-3,2; 14,4)	-5,0 (-9,1; -1,2)
	2018-2020^a	68,1 (27,1; 109,0)
	2021-2023	-58,3 (-75,3; -35,6)
Triângulo do Norte	2000-2023^a	-	6,0 (2,5; 10,7)
Triângulo do Sul	2000-2023^a	-	0,5 (-1,0; 2,1)
Vale do Aço	2011-2023^a	-10,1 (-33,3; -2,9)	3,3 (-3,8; 13,9)
Minas Gerais	2018-2020	60,3 (31,8; 85,1)	5,0 (1,8; 8,5)
	2021-2023	-49,2 (-64,6; -32,4)

Open in a new tab

^aSérie teve imputação de valor 0,5 em algum dos anos devido à presença de anos sem óbitos indígenas; ^bValores positivos de variação percentual, desde que estatisticamente diferentes de zero (considerando o intervalo de confiança), indicam tendência crescente, valores negativos indicam tendência decrescente e os demais foram interpretados como tendência estacionária.

Quanto à tendência temporal e à distribuição espacial, observou-se aumento de óbitos entre 2000-2009 e 2010-2019, seguido de redução entre 2020-2023, embora mais municípios tenham registrado óbitos nesse último período, mantendo padrão semelhante ao segundo período. Em todos os períodos, São João das Missões (Norte) apresentou os maiores números de óbitos entre 2000-2009 (n=4), 2010-2019 (n=28) e 2020-2023 (n=17), seguida por Bertópolis (Nordeste), que também registrou número de mortes expressiva entre 2010-2019 (n=10) e 2020-2023 (n=3) (Figura 1). O índice de Moran global indicou autocorrelação espacial significativa nos três períodos analisados: 2000-2009, 0,07; 2010-2019, 0,05; e 2020-2023, 0,09 (p-valor<0,010) (Figura 2).

A análise LISA identificou padrões espaciais significativos ao longo de toda a série. Entre 2000-2009, os agrupamentos concentraram-se na região Centro, destacando-se Belo Horizonte, Betim, Contagem e Materlândia (alto-alto), além de Brumadinho e Ribeirão das Neves (baixo-alto). No Nordeste e Norte, Santa Helena de Minas e Manga (alto-alto) e Itacarambi (baixo-alto) se destacaram. Entre 2010-2019, alguns agrupamentos diminuíram, mas áreas críticas como Bertópolis e Ubaporanga (alto-alto) persistiram. No período 2020-2023, houve expansão das áreas de alto número de óbitos, principalmente no Centro (Belo Horizonte, Contagem, Santa Luzia, Sabará, Ribeirão das Neves), mantendo-se padrões no Norte (Manga e Itacarambi) e em Brumadinho (baixo-alto) (Figura 2).

Discussão

Os achados revelaram que os óbitos indígenas por doenças respiratórias infecciosas se concentraram, em sua maioria, em mulheres com 60 anos ou mais, viúvas e com baixa escolaridade, cujo agente etiológico não foi especificado. Os óbitos se concentraram nas macrorregiões Norte, especialmente em São João das Missões, e Nordeste, com destaque para Bertópolis. Verificou-se maior ocorrência nos anos de 2000-2009 e 2010-2019, seguida de redução entre 2020-2023.

Dessa forma, as doenças respiratórias se colocam como um problema de saúde pública entre as populações vulneráveis, como os indígenas (2). Nesse contexto, a suscetibilidade da população idosa à pneumonia, especialmente para idosos indígenas, pode estar relacionada a múltiplos fatores, como o declínio do sistema imunológico com o envelhecimento, a presença de doenças crônicas, além de alterações na função respiratória e dificuldades na deglutição, que elevam o risco de aspiração (1,16,17).

A elevada frequência de óbitos por causas mal definidas sem a especificação do agente etiológico como “pneumonia não especificada” é um desafio recorrente na análise do número de mortes, como abordado em estudos semelhantes (11,17). A dificuldade em determinar o agente também foi evidenciada em estudo ecológico sobre mortalidade infantil por doenças respiratórias no Brasil entre 2009-2018, no qual 94,4% dos óbitos tiveram pneumonia não especificada como causa principal (11). Esse padrão pode refletir limitações no acesso aos serviços de saúde, assistência médica, deficiências na vigilância laboratorial e falhas no preenchimento das declarações de óbito, comprometendo a qualidade dos dados e dificultando a compreensão dos diferentes determinantes para a morbimortalidade nessa população (10,18).

Os padrões espaciais indicam aglomerados significativos de óbitos, especialmente no Norte (São João das Missões) e Nordeste (Bertópolis). São João das Missões concentra indígenas da Terra Xacriabá (79,8% da população residente) com alto número de registros de óbitos, que pode ser atribuída à negligência social e política atrelada à precariedade no abastecimento de água, agravado pela recorrente seca, levando muitas comunidades a enfrentarem a escassez de água potável (19). Isso pode estar relacionado com a “tríade fatalmente conectada”: desmatamento, queimadas e doenças respiratórias (20). O uso do fogo constante no manejo da terra, provocando o desmatamento para destinação de novas áreas para cultivo da agricultura, pode consistir em fatores que intensificaram as doenças respiratórias na região (19,20).

Os padrões espaciais sugerem que fatores como infraestrutura hospitalar, deslocamento de pacientes e diferenças socioeconômicas influenciam no número de mortes (21). Nas macrorregiões Norte e Nordeste (Itacarambi e Ubaporanga), pode haver subnotificação ou migração de registros de óbitos, mascarando padrões locais. As desigualdades estruturais e regionais impactam sobretudo as áreas rurais (22). Além disso, algumas macrorregiões apresentaram comportamento temporal estacionário ou instável, o que pode decorrer de flutuações ocasionais em números absolutos reduzidos, subnotificação, falhas nas declarações de óbito, migração de populações indígenas e desigualdades no acesso à saúde. Esses fatores dificultam a identificação de tendências lineares e exigem cautela na interpretação dos resultados.

A distribuição temporal observada está alinhada com a distribuição espacial analisada onde o comportamento dos óbitos para a população indígena não foi uniforme, refletindo desigualdades socioespaciais. Assim, o crescimento significativo nos registros de óbitos no Norte, entre 2005-2019, pode refletir os impactos ambientais da mineração, que resultaram na contaminação hídrica e redução da biodiversidade (23). Conflitos fundiários e o aumento da violência contra indígenas podem ter intensificado a vulnerabilidade social dessas populações (24). A redução significativa dos registros nas macrorregiões Sudeste, entre 2009-2017, e Jequitinhonha, entre 2008-2010, podem refletir avanços estruturais na saúde e segurança alimentar dessas regiões (25,26).

No Sudeste, a ampliação da Estratégia Saúde da Família (ESF) e o fortalecimento da atenção básica podem ter contribuído para a redução de doenças infecciosas e evitáveis, a exemplo da incorporação de agentes comunitários de saúde nas equipes da ESF em comunidades indígenas (25). No Jequitinhonha, iniciativas voltadas para a segurança alimentar foram determinantes para essa queda. Proteção social e práticas alimentares saudáveis reforçaram e ampliaram o acesso a alimentos nutritivos (25,26).

Entre 2019 e 2021, observou-se um aumento expressivo no número de óbitos entre a população indígena, especialmente no Centro do estado, região que, devido à infraestrutura médica, recebeu um fluxo maior de pacientes graves por covid-19 (27,28). Esse crescimento pode ser atribuído não apenas a fatores individuais, mas também a determinantes sociais e ambientais. A maior exposição em áreas de vulnerabilidade social, associada a condições de moradia precárias, alta densidade domiciliar e acesso limitado aos serviços de saúde, ampliou significativamente o risco de transmissão e agravamento da doença (28). Assim, a rápida elevação dos óbitos indígenas, no período da pandemia, constitui um marco sanitário relevante para a compreensão dos achados desta pesquisa.

Em 2022 e 2023, a redução nos óbitos pode ser atribuída à ampliação da cobertura vacinal contra a covid-19 e às ações de vigilância e assistência à saúde indígena (1,27). Contudo, flutuações nas tendências regionais apontam para desigualdades persistentes no acesso e na qualidade da atenção à saúde (27). As macrorregiões apresentam variações na tendência temporal dos óbitos, sugerindo a necessidade de monitoramento contínuo e implementação de políticas de equidade em saúde.

As populações indígenas enfrentam vulnerabilidades estruturais que amplificam sua exposição e gravidade às doenças respiratórias infecciosas (19). A precariedade no acesso a serviços essenciais, como saneamento básico, água potável e alimentação adequada, cria ambientes insalubres, favorece a desnutrição e compromete a imunidade, aumentando a suscetibilidade às doenças (16). Barreiras geográficas e linguísticas, moradias superlotadas e preconceito institucional dificultam a implementação de medidas preventivas e o acesso a cuidados médicos qualificados, contribuindo para o impacto limitado das intervenções de saúde (27,29). Esses fatores estruturais elevam tanto a incidência quanto o número de mortes por doenças respiratórias, reforçando a necessidade de políticas públicas integradas, que priorizem atenção primária, saneamento, nutrição e educação em saúde adaptadas às especificidades culturais das comunidades indígenas (16).

Por fim, destacam-se limitações relevantes deste estudo, como análise com dados secundários sujeitos a erros devido à heteroclassificação racial, causas de morte mal definidas, uso apenas da causa básica de morte e subnotificação para a população indígena no preenchimento da declaração de óbito (30,31). Ademais, a heterogeneidade na qualidade da informação ao longo do tempo, influenciada por fatores como mudanças na vigilância do óbito e infraestrutura, pode gerar viés temporal na análise de tendências (30,31). A inconsistência de dados censitários sobre a população indígena e seus territórios compromete a construção de taxas de mortalidade específicas e padronizadas com ajuste por população em risco.

Cabe ainda destacar que a análise se restringiu à causa básica de óbito, não utilizou taxas padronizadas por falta de dados populacionais indígenas por município, e que a heterogeneidade e as limitações dos dados podem afetar a robustez das tendências observadas. A imputação de valores mínimos, em anos sem registros, foi necessária para viabilizar o ajuste do modelo Joinpoint em uma série marcada por longas sequências de zeros. Contudo, reconhece-se que essa estratégia pode aumentar a instabilidade de tendências em séries raras, motivo pelo qual a interpretação dos resultados foi realizada com cautela.

Apesar dessas limitações, confrontar os resultados obtidos neste estudo com os de investigações já realizadas contribui para melhorar a compreensão da dinâmica das mortes por doenças respiratórias infecciosas entre povos indígenas de Minas Gerais.

Conclui-se que o número de óbitos por doenças respiratórias infecciosas entre indígenas residentes em Minas Gerais apresentou distribuição desigual no tempo e no espaço, com maior concentração no Norte do estado e impacto mais acentuado em idosos com baixa escolaridade, residentes em áreas socioeconomicamente vulneráveis. A elevada proporção de causas não especificadas evidencia fragilidades tanto no acesso à assistência qualificada quanto no registro adequado das informações de óbito.

Diante desse cenário, recomenda-se o fortalecimento da atenção à saúde nas regiões habitadas por povos originários, com ênfase na vigilância ativa, na qualificação da notificação das causas básicas de morte por meio da atuação da Vigilância do Óbito e no enfrentamento das causas evitáveis. Entre as estratégias prioritárias, destacam-se: i) o aprimoramento do treinamento de profissionais de saúde indígena para o correto preenchimento das declarações de óbito; ii) a implantação de sistemas locais de vigilância epidemiológica e de óbitos que possibilitem monitoramento em tempo quase real; iii) o reforço da atenção primária com equipes multiprofissionais itinerantes em aldeias e comunidades rurais; e iv) a criação de protocolos de integração entre municípios, estado e Secretaria Especial de Saúde Indígena (SESAI), assegurando o acompanhamento contínuo da saúde indígena (25,26,32). Dado o recorte étnico-racial adotado, considera-se ainda essencial a qualificação dos sistemas de informação voltados à população indígena, especialmente no que se refere ao adequado preenchimento da variável raça/cor e à incorporação de marcadores territoriais mais sensíveis à organização sociocultural indígena (30,32). Tais medidas podem reduzir a subnotificação, melhorar a qualidade dos dados e subsidiar políticas públicas mais eficazes e direcionadas.

As evidências reforçam ainda a necessidade da realização de estudos que integrem dados do DSEI de Minas Gerais e Espírito Santo, associados a informações provenientes de outros sistemas de informação em saúde, como o Sistema de Informação da Vigilância Epidemiológica da Gripe e o Sistema de Informações da Atenção à Saúde Indígena, por meio de técnicas de pareamento. Essa integração pode ampliar a qualidade das análises, permitindo identificar de forma mais precisa os fatores associados aos óbitos indígenas por doenças respiratórias infecciosas e subsidiar ações de vigilância e planejamento em saúde culturalmente sensíveis e territorialmente direcionadas.

Footnotes

Gestora de pareceristas: Izabela Fulone (https://orcid.org/0000-0002-3211-6951)

Pareceristas: Lucas Vinícius de Lima (https://orcid.org/0000-0002-9582-9641), Gabriel Pavinati (https://orcid.org/0000-0002-0289-8219)

Disponibilidade de dados: O banco de dados e os códigos de análise da pesquisa estão disponíveis em: https://doi.org/10.48331/SCIELODATA.MAPYJ8

Uso de inteligência artificial generativa: Não empregada.

Tabela Suplementar 1

2237-9622-ress-35-e20250565-supp01-pt.pdf^{(90.4KB, pdf)}

Associated Data

This section collects any data citations, data availability statements, or supplementary materials included in this article.

Supplementary Materials

2237-9622-ress-35-e20250565-supp01-en.pdf^{(92.7KB, pdf)}

2237-9622-ress-35-e20250565-supp01-pt.pdf^{(90.4KB, pdf)}

[B1] 1.Institute for Health Metrics and Evaluation Global Burden of Disease 2023: Findings from the GBD 2023 Study [Internet] 2023. [[cited 2025 Nov 26]]. https://www.healthdata.org/sites/default/files/2025-10/GBD_2023_Booklet_Final_2025.10.17.pdf .

[B2] 2.World Health Organization The top 10 causes of death [Internet] 2024. [[cited 2025 Sept 27]]. https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death .

[B3] 3.Leandro GCW, Cicchelero LM, Massago M, Oliveira DG de, Bortoli DM, Murillo RSG. Evaluation of the acute respiratory infections surveillance system and associated factors: a cross-sectional study, Brazil, 2009-2021. Epidemiol Serv Saúde. 2025;34 doi: 10.1590/S2237-9622025v34e20240555.en. [DOI] [PubMed] [Google Scholar]

[B4] 4.Instituto Brasileiro de Geografia e Estatísticta Censo demográfico 2022: indígenas: primeiros resultados do universo [Internet] 2023. [[cited 2025 Sept 27]]. https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=2102018 .

[B5] 5.Instituto de Estudos para Políticas de Saúde, Umane, Instituto Veredas Relatório Técnico nº 1/2023: saúde dos povos indígenas e quilombolas [Internet] 2023. [[cited 2025 Nov 26]]. https://agendamaissus.org.br/wp-content/uploads/2023/06/ieps-boletim01-saude-povos-indigenas.pdf .

[B6] 6.Silva FAB da, Lunelli IC. Políticas Sociais: acompanhamento e análise. Ipea; Políticas Sociais: 2024. Povos indígenas. https://repositorio.ipea.gov.br/server/api/core/bitstreams/ed6b2def-f203-44cb-87f9-12f55ac51642/content. [Google Scholar]

[B7] 7.Ministério da Saúde (BR) Covid-19 no Brasil [Base de dados] 2020. [[cited 2025 Oct 3]]. https://infoms.saude.gov.br/extensions/covid-19_html/covid-19_html.html .

[B8] 8.Ministério da Saúde (BR) Painel Covid-19 SESAI (SasiSUS) [Base de dados] 2025. [[cited 2025 Oct 3]]. https://infoms.saude.gov.br/extensions/sesai_covid_v2/sesai_covid_v2.html .

[B9] 9.World Health Organization International statistical classification of diseases and related health problems. 2016. [[cited 2025 Apr 30]]. https://icd.who.int/browse10/2016/en .

[B10] 10.Ministério da Saúde (BR) Secretaria de Vigilância em Saúde. Departamento de Análise de Saúde e Vigilância de Doenças não Transmissíveis Declaração de óbito: manual de instruções para preenchimento [Internet] 2022. [[cited 2025 Apr 30]]. http://bvsms.saude.gov.br/bvs/publicacoes/declaracao_obito_manual_preenchimento.pdf .

[B11] 11.Moura DNA e, Silva FR, Assumpção DM de, Reis NEO, Cunha IFC, Silva AP de SC. Temporal trend of mortality from infectious respiratory diseases in childhood in Minas Gerais, Brazil, 2000-2020. Epidemiol Serv Saúde. 2023;32(3) doi: 10.1590/S2237-96222023000300006.EN. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B12] 12.Astolfo S, Andrade AC de S, Kehrig RT. Temporal analysis and spatial distribution of acquired syphilis in the state of Mato Grosso, Brazil, 2010-2021: an ecological study. Epidemiol Serv Saúde. 2024;33 doi: 10.1590/S2237-96222024V33E2023398.EN. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B13] 13.Nóvoa-Lôbo NM de, Campos MR, Pires DC. Tuberculose no sistema prisional brasileiro: cenários via Joinpoint entre 2007 e 2019. Cad Saúde Pública. 2007;39(9) doi: 10.1590/0102-311XPT166722. [DOI] [PMC free article] [PubMed] [Google Scholar]

[B14] 14.Nahas AK, Alencar GP. Distribuição espacial da mortalidade fetal e sua correlação com indicadores de saúde da mulher e de vulnerabilidade social na cidade de São Paulo, Brasil. Rev Bras Saude Mater Infant. 2024;24 [Google Scholar]

[B15] 15.Pinto IV, Bernal RTI, Souza JB, Andrade GN de, Araújo LF, Felisbino-Mendes MS. Gravidez em meninas menores de 14 anos: análise espacial no Brasil, 2011 a 2021. Ciênc Saúde Colet. 2011;29(9) doi: 10.1590/1413-81232024299.10582024. [DOI] [PubMed] [Google Scholar]

[B16] 16.1Ministério da Saúde (BR) Secretaria Especial de Saúde Indígena Anexo XIV: Relatório situacional do Distrito Sanitário Especial Indígena Minas Gerais e Espírito Santo [Internet] 2023. [[cited 2025 Apr 30]]. https://www.gov.br/saude/pt-br/acesso-a-informacao/participacao-social/chamamentos-publicos/2023/chamamento-publico-sesai-no-5-2023/anexo-xiv-relatorio-situacional-dsei-minas-gerais-e-espirito-santo.pdf .

[B17] 17.Epitácio JRS, Souza FOM dos R, Baldow PHB, Gomes KA. Prevalência de óbitos em idosos por pneumonia nas macrorregiões da Bahia entre 2018-2022. Rev Contemp. 2024;4(4) [Google Scholar]

[B18] 18.Balieiro PC da S, Silva LCF da, Sampaio V de S, Monte EX do, Pereira EM dos S, Queiroz LAF de. Fatores associados à mortalidade por causas inespecíficas e mal definidas no estado do Amazonas, Brasil, de 2006 a 2012. Ciênc Saúde Colet. 2006;25(1) doi: 10.1590/1413-81232020251.27182017. [DOI] [PubMed] [Google Scholar]

[B19] 19.Instituto Brasileiro de Geografia e Estatística São João das Missões-MG: Censo 2022 [Base de dados] 2022. [[cited 2025 Apr 30]]. https://cidades.ibge.gov.br/brasil/mg/sao-joao-das-missoes/pesquisa/10102/122229 .

[B20] 20.Ellwanger JH, Chies JAB. Conexões entre desequilíbrios ambientais e o surgimento de doenças infecciosas na Amazônia [Internet] 2020. [[cited 2025 Apr 30]]. https://www.ufrgs.br/jornal/conexoes-entre-desequilibrios-ambientais-e-o-surgimento-de-doencas-infecciosas-na-amazonia/

[B21] 21.Barreto ML. Desigualdades em saúde: uma perspectiva global. Ciênc Saúde Colet. 2017;22(7) doi: 10.1590/1413-81232017227.02742017. [DOI] [PubMed] [Google Scholar]

[B22] 22.Arruda NM, Maia AG, Alves LC. Desigualdade no acesso à saúde entre as áreas urbanas e rurais do Brasil: uma decomposição de fatores entre 1998 a 2008. Cad Saúde Pública. 1998;34(6) doi: 10.1590/0102-311X00213816. [DOI] [PubMed] [Google Scholar]

[B23] 23.Ribeiro MIF da CA. Mineração e garimpo em terras indígenas [Internet] 2016. [[cited 2025 Apr 30]]. https://www.cetem.gov.br/antigo/series/serie-estudos-e-documentos/item/2145-mineracao-e-garimpo-em-terras-indigenas .

[B24] 24.Conselho Indigenista Missionário Relatório: violência contra os povos indígenas no Brasil – dados de 2022 [Internet] 2022. [[cited 2025 Apr 30]]. https://cimi.org.br/wp-content/uploads/2023/07/relatorio-violencia-povos-indigenas-2022-cimi.pdf .

[B25] 25.Garnelo L, Pontes AL. Saúde indígena: uma introdução ao tema. 2012. [[cited 2025 Apr 30]]. https://bvsms.saude.gov.br/bvs/publicacoes/saude_indigena_uma_introducao_tema.pdf .

[B26] 26.Liberato RSB, Rocha C. Mangutando culturas: indígenas construindo segurança alimentar e nutricional no Vale do Jequitinhonha. Ateliê Geogr. 2012;6(3) [Google Scholar]

[B27] 27.Machado FG, Ferron MM, Barddal MT da M, Nascimento LA, Rosalen J, Avelino-Silva VI. Iniquidades na vacinação e taxa de mortalidade em populações indígenas comparadas com a população geral no Brasil: uma análise de série temporal. Braz J Infect Dis. 2022;26(S2) [Google Scholar]

[B28] 28.Oliveira U, Filho BS, Oviedo A, Santos TM dos, Carlos S, Alves JRR. Modelagem da vulnerabilidade dos povos indígenas no Brasil ao covid-19. 2020. [[cited 2025 Apr 30]]. https://acervo.socioambiental.org/sites/default/files/documents/i1d00035.pdf .

[B29] 29.Instituto Socioambiental Covid-19 e povos indígenas no Brasil: plataforma de monitoramento da situação indígena na pandemia do novo coronavírus (Covid-19) no Brasil [Base de dados] 2021. [[cited 2025 Apr 29]]. https://covid19.socioambiental.org/index.html .

[B30] 30.Santos ABS dos, Coelho TCB, Araújo EM de. Identificação racial e a produção da informação em saúde. Interface (Botucatu) 2013;17(45) [Google Scholar]

[B31] 31.Laurenti R, Mello Jorge MHP de, Gotlieb SLD. Mortalidade segundo causas: considerações sobre a fidedignidade dos dados. Rev Panam Salud Publica. 2008;23 doi: 10.1590/s1020-49892008000500007. [DOI] [PubMed] [Google Scholar]

[B32] 32.Siqueira PC, Sales CMM, Prado TN do, Maciel ELN. Analysis of completeness of COVID-19 notification forms among the Indigenous population in the state of Espírito Santo, 2020. Epidemiol Serv Saude. 2020;34 doi: 10.1590/S2237-96222025v34e20240176.en. [DOI] [PMC free article] [PubMed] [Google Scholar]

PERMALINK

Deaths from infectious respiratory diseases in the Indigenous population: spatial and time series analysis, Minas Gerais, 2000–2023

Tendencia temporal y distribución espacial de las muertes por enfermedades respiratorias infecciosas en la población indígena: análisis espacial y de series temporales, Minas Gerais, 2000–2023

Paulo Filipe Silva Siqueira

Daví Barbosa Pereira de Sousa

Ana Flávia Gamarano Moreira

Brian dos Santos Marchi

Guilherme da Costa Teixeira

Patrícia Ferraz Martins

Waneska Alexandra Alves

Roles

Abstract

Objective

Methods

Methods

Results

Conclusion

Resumen

Objetivo

Métodos

Resultados

Conclusión

Ethical aspects

Introduction

Methods

Study design

Study setting

Data sources

Participants

Variables

Bias

Data analysis

Statistical methods

Results

Table 1. Absolute (n) and relative (%) frequency of deaths from respiratory tract infections in the Indigenous population, according to demographic and clinical variables. Minas Gerais, 2000–2023 (n=271) .

Table 2. Absolute (n) and relative (%) frequency of deaths by underlying cause of death, macroregion of residence, sex, and age group. Minas Gerais, 2000–2023 (n=271) .

Table 3. Temporal trends, annual percent change (APC), average annual percent change (AAPC), and 95% confidence interval (95%CI) in the number of deaths from infectious respiratory diseases in the Indigenous population, according to health macroregion. Minas Gerais, 2000–2023 (n=271) .

Discussion

Footnotes

Supplementary Table 1

References

Óbitos por doenças respiratórias infecciosas na população indígena: análise espacial e de séries temporais, Minas Gerais, 2000-2023

Paulo Filipe Silva Siqueira

Daví Barbosa Pereira de Sousa

Ana Flávia Gamarano Moreira

Brian dos Santos Marchi

Guilherme da Costa Teixeira

Patrícia Ferraz Martins

Waneska Alexandra Alves

Roles

Resumo

Objetivo

Métodos

Resultados

Conclusão

Aspectos éticos

Introdução

Métodos

Delineamento do estudo

Local de estudo

Fonte de dados

Participantes

Variáveis

Viés

Análise dos dados

Métodos estatísticos

Resultados

Tabela 1. Frequência absoluta (n) e relativa (%) do número de óbitos por doenças respiratórias infecciosas em população indígena, segundo variáveis demográficas e clínicas. Minas Gerais, 2000-2023 (n=271) .

Tabela 2. Frequência absoluta (n) e relativa (%) do número de óbitos por causa básica de morte, macrorregião de saúde de residência do óbito, sexo e faixa etária. Minas Gerais, 2000-2023 (n=271) .

Figura 1. Número de óbitos por doenças respiratórias infecciosas entre 2000-2009 (A), 2010-2019 (B), 2020-2023 (C) e 2000-2023 por macrorregião (D) em população indígena, segundo município de residência, distribuição espacial por técnica de quantis. Minas Gerais, 2000-2023 (n=271).

Figura 2. Influência espacial intermunicipal dos óbitos por doenças respiratórias infecciosas em população indígena entre 2000-2009 (A), 2010-2019 (B), 2020-2023 (C), análise por indicadores locais de associação espacial com quadrantes de Moran. Minas Gerais, 2000-2023 (n=271).

Discussão

Footnotes

Tabela Suplementar 1

Associated Data

Supplementary Materials

ACTIONS

PERMALINK

RESOURCES

Similar articles