Mortalidade por Infarto Agudo do Miocárdio no Brasil de 1996 a 2016: 21 Anos de Contrastes nas Regiões Brasileiras

Letícia de Castro Martins Ferreira; Mário Círio Nogueira; Marilia Sá Carvalho; Maria Teresa Bustamante Teixeira

doi:10.36660/abc.20190438

. 2020 Nov 1;115(5):849–859. [Article in Portuguese] doi: 10.36660/abc.20190438

View full-text in English

Mortalidade por Infarto Agudo do Miocárdio no Brasil de 1996 a 2016: 21 Anos de Contrastes nas Regiões Brasileiras

Letícia de Castro Martins Ferreira ^1,^✉, Mário Círio Nogueira ¹, Marilia Sá Carvalho ², Maria Teresa Bustamante Teixeira ¹

PMCID: PMC8452190 PMID: 33295447

Resumo

Fundamento:

O infarto agudo do miocárdio (IAM), principal causa de morte no Brasil, apresenta disparidades regionais nas tendências temporais das taxas de mortalidade dos últimos anos. Estudos anteriores de tendências temporais não fizeram correção para os códigos-lixo de causas de mortalidade, o que pode ter enviesado as estimativas.

Objetivo:

Analisar as desigualdades regionais e por sexo na tendência de mortalidade por IAM no Brasil no período de 1996 a 2016.

Métodos:

Estudo de séries temporais de 21 anos (1996 a 2016). Os dados são do Sistema de Informações sobre Mortalidade (SIM) e das estimativas populacionais do Instituto Brasileiro de Geografia e Estatística (IBGE). Foram feitas correções de óbitos por causas mal definidas, códigos-lixo e sub-registro. As séries temporais desagregadas por grandes regiões, sexo, capitais e interior foram analisadas utilizando a técnica de regressão linear segmentada por Jointpoint. O nível de significância estatística adotado foi de 5%.

Resultados:

No período, a mortalidade diminuiu mais acentuadamente no sexo feminino (–2,2%; IC 95%: –2,5; –1,9) do que no masculino (–1,7%; IC 95%: –1,9; –1,4), e mais nas capitais (–3,8%; IC 95%: –4,3; –3,3) do que no interior (–1,5%; IC 95%: –1,8; –1,3). Foram verificadas desigualdades regionais com aumento para homens residentes no interior do Norte (3,3; IC 95%: 1,3; 5,4) e Nordeste (1,3%; IC 95%: 1,0; 1,6). O nível de significância estatística adotado foi de 5%. As taxas de mortalidade após correções, principalmente pela redistribuição dos códigos-lixo, apresentaram expressiva diferença em relação às estimativas sem correções.

Conclusões:

Embora a mortalidade por IAM apresente redução no Brasil nos últimos anos, essa tendência é desigual segundo região e sexo. Desse modo, as correções dos números de óbitos são essenciais para estimativas mais fidedignas.

Palavras-chave: Infarto do Miocárdio/mortalidade, Epidemiologia, Mortalidade, Estudos de Séries Temporais, Isquemia Miocárdica

Introdução

Nas últimas décadas, as doenças cardiovasculares (DCV), especificamente a doença isquêmica do coração (DIC), tornaram-se as principais causas de morte no mundo, embora as taxas de mortalidade padronizadas por idade tenham diminuído.¹

Em estudos sobre mortalidade é importante observar a qualidade dos registros de óbitos, que no Brasil é diferente entre as regiões brasileiras e entre os municípios, sendo melhor nas capitais. Alguns indicadores indiretos da qualidade padrão dos dados são: proporção de óbitos por causas mal definidas, uso de códigos-lixo, sub-registro, idade e sexo ignorados. Eles refletem as dificuldades de diagnóstico das doenças que causaram óbito, de acesso a serviços de saúde, de preenchimento do atestado de óbito e/ou digitação dos dados no sistema.² Um modo de minorar esse problema e estimar adequadamente taxas de mortalidade é efetuar correções para possibilitar maior comparabilidade entre regiões ao longo dos anos.¹^,³^,⁴

Este estudo tem por objetivo analisar as desigualdades regionais e por sexo na tendência de mortalidade por IAM no Brasil no período de 1996 a 2016, fazendo a correção dos óbitos por causas mal definidas, códigos-lixo e sub-registro.

Métodos

Foram analisadas séries temporais (21 anos: 1996 a 2016) de mortalidade por IAM nas capitais e no interior (demais municípios) das grandes regiões brasileiras. Os dados anuais de óbitos por IAM (código I21, CID-10) foram obtidos do SIM e da página eletrônica do Departamento de Informática do Sistema Único de Saúde (Datasus) (http://datasus.saude.gov.br), e as estimativas populacionais, do IBGE. Sendo dados secundários disponíveis publicamente, a pesquisa foi dispensada de aprovação por comitê de ética em pesquisa, conforme resolução do CONEP nº 510, de 07/04/2016. O SIM tem cobertura nacional e, nos últimos anos, melhorou sua qualidade de maneira diferenciada entre regiões e cidades brasileiras. Para possibilitar maior comparabilidade entre regiões e ao longo dos anos, os números obtidos do SIM foram corrigidos quanto a causas mal definidas, uso de códigos-lixo e sub-registro, utilizando procedimentos adotados em outras pesquisas.¹^,³^,⁵

Na Figura 1, foram esquematizados os procedimentos de correções dos óbitos por IAM para causas mal definidas, uso de códigos-lixo e sub-registro.

Óbitos por causa mal definida são aqueles em que a causa da morte não foi estabelecida e que são, portanto, classificados nos códigos R00-R99 do Capítulo XVIII da CID-10: “Sintomas, sinais e achados anormais de exames clínicos e de laboratório não classificados em outra parte.”²^,⁵^,⁶ A redistribuição das causas mal definidas de óbito (correção 1) foi feita do seguinte modo: para cada ano e região, foram calculados fatores de correção (FC1) com a equação (1), para cada sexo e faixa etária de cinco anos. Para a redistribuição dos óbitos, multiplicou-se o seu número pelo FC1.³^,⁷

\begin{array}{l} (F C 1) = \frac{T o t a l d e ó b i t o s - ó b i t o s p o r c a u s a s e x t e r n a s}{(t o t a l d e ó b i t o s - ó b i t o s p o r c a u s a s e x t e r n a s) - ó b i t o s p o r c a u s a s m a l d e f i n i d a s} \end{array}

Óbitos com códigos-lixo são aqueles em que são usados códigos da CID-10 que são inespecíficos e não caracterizam precisamente a causa básica de óbito.⁵ Em cardiologia, são considerados os seguintes códigos-lixo: I50, I46, I47.0, I47.1, I47.2, I47.9, I48, 149.0, I49.9, I51.4, I51.5, I51.6, I51.9, I70.0. A correção 2 por códigos-lixo foi feita somando os óbitos com códigos-lixo cardiológicos aos óbitos registrados como IAM na seguinte proporção: 70% dos óbitos por I50 em pessoas entre 30 e 60 anos e 80% para pessoas acima de 80 anos, e as demais causas 75% (30 a 60 anos) e 60% (maiores de 60 anos).⁵

Para a correção por sub-registro do óbito (correção 3), ou seja, os óbitos que não foram registrados no Sistema de Registro Civil e no SIM, foram utilizados os fatores de correção estimados para o Brasil, região e estados,⁷ disponíveis no Datasus.⁶ A correção 3 foi feita multiplicando-se o fator de correção de sub-registro pelos óbitos do interior. Para capitais, essa correção não foi realizada, pois estudos mostraram qualidade adequada do registro de óbitos.²^,³^,⁵ Nos anos de 1996 a 1999 e de 2014 a 2016, nos quais não havia disponibilidade dos fatores de correção, foram utilizados valores referentes aos anos mais próximos.

Correções por sexo e idade ignoradas não foram realizadas nesta pesquisa, pois apresentaram bom padrão de preenchimento no período estudado.⁴

As taxas de mortalidade foram calculadas e padronizadas por grupos etários de 5 em 5 anos, para os adultos (20 anos ou mais), usando como referência a nova população-padrão mundial,⁸ que foi proposta pela Organização Mundial da Saúde (OMS) para comparação das taxas de mortalidade entre populações com composições etárias distintas. As estimativas são preparadas para cada ano quinquenal de 1950 a 2025, com base em censos populacionais e outras fontes demográficas, ajustadas para erros de enumeração. A partir dessas estimativas foi construída uma estrutura etária média da população mundial. Nessa pesquisa, as taxas de mortalidade específicas por faixas etárias foram aplicadas sobre os respectivos contingentes populacionais da população-padrão. Consequentemente, obteve-se o número de óbitos esperados para ocorrer em cada faixa etária, caso a população estudada tivesse a mesma composição etária da população-padrão. Dividindo-se o total de óbitos esperados pela população-padrão, obteve-se a taxa de mortalidade padronizada, que pôde ser comparada à de outras populações. As diferenças encontradas não são decorrentes das variações da estrutura etária.⁸^,⁹

A análise de tendência temporal das taxas corrigidas de mortalidade padronizadas por região, capitais e interior e sexo foi realizada por regressão linear segmentada, utilizando o programa Joinpoint v. 4.6.0.0,¹⁰^,¹¹ método utilizado em outros estudos de tendência temporal em IAM.¹²^,¹³ Foram ajustados modelos com pontos de mudança na evolução temporal das taxas (joint points), variando de zero (tendência representada por um único segmento de reta) até três. Calcularam-se variações percentuais anuais (APC) para o período estudado. O nível de significância estatística adotado de 5%.

Resultados

A comparação das taxas de mortalidade por IAM nas regiões do Brasil sem e com correções por causas mal definidas (correção 1), códigos-lixo (correção 2) e sub-registro (correção 3) por sexo feminino e masculino são mostradas nas Tabelas 1 e 2, respectivamente. Maiores aumentos ocorreram após correção pelos códigos-lixo, chegando à elevação de 92% entre mulheres residentes no interior da região Centro-oeste, no ano de 1996. A diferença proporcional das taxas sem e com correções de 1996 a 2016 mostrou pouca discrepância entre estimativas nas capitais. No interior, entretanto, observou-se uma disparidade importante entre elas (Tabela 2). A Figura 2 mostra que não apenas a magnitude das taxas de mortalidade aumenta após correções, mas também a inclinação das tendências temporais se modifica e percentuais de correção são maiores no início do período em relação ao final. A Tabela 3 mostra aumento na frequência dos códigos-lixo nas regiões brasileiras.

Tabela 1. Comparação das taxas de mortalidade por infarto agudo do miocárdio (IAM) nas regiões brasileiras com e sem correções por causas mal definidas, códigos-lixo e sub-registro no sexo feminino.

Região	Local	Ano	Taxas padronizadas				Mudanças %
Região	Local	Ano	Não corrigidas	Correção 1	Correção 2	Correção 3	Mudança % 1	Mudança % 2	Mudança % 3	Mudança % total
Brasil	Capital	1996	79,1	82,9	127,1	127,1	5	53	0	61
		2016	42,7	43,7	65,2	65,2	2	49	0	53
		Dif %	–46	–47	–49	–49
	Interior	1996	52,9	64,3	105,4	116,5	21	64	11	120
		2016	53,6	56,2	85,6	89,4	5	52	4	67
		Dif %	1	–12	–19	–23
Norte	Capital	1996	50,1	57,6	98,7	98,7	15	71	0	97
		2016	38,1	40,9	62,7	62,7	7	53	0	64
		Dif %	–24	–29	–36	–36
	Interior	1996	22,5	37,6	57,7	83,4	67	54	45	271
		2016	51,4	55,4	83,1	97,7	8	50	18	90
		Dif %	129	47	44	17
Nordeste	Capital	1996	56,0	59,1	105,5	105,5	6	79	0	88
		2016	42,5	43,8	63,8	63,8	3	46	0	50
		Dif %	–24	–26	–40	–40
	Interior	1996	25,4	47,5	68,4	87,9	87	44	28	246
		2016	60,2	64,6	95,7	104,2	7	48	9	73
		Dif %	137	36	40	19
Centro-oeste	Capital	1996	52,4	55,2	99,5	99,5	5	80	0	90
		2016	38,5	38,8	54,1	54,1	1	39	0	41
		Dif%	−27	−30	−46	−46
	Interior	1996	46,6	54,8	105,2	120,4	18	92	14	158
		2016	54,4	55,6	83,1	90,0	2	49	8	66
		Dif%	17	2	−21	−25
Sudeste	Capital	1996	91,7	95,7	140,1	140,1	4	46	0	53
		2016	46,4	47,2	72,5	72,5	2	54	0	56
		Dif %	–49	–51	–48	–48
	Interior	1996	66,4	74,0	128,0	134,0	11	73	5	102
		2016	47,9	50,4	79,7	81,8	5	58	3	71
		Dif %	–28	–32	–38	–39
Sul	Capital	1996	91,9	92,2	130,3	130,3	0	41	0	42
		2016	32,3	32,8	44,1	44,1	2	34	0	37
		Dif %	–65	–64	–66	–66
	Interior	1996	78,4	86,7	136,4	141,9	11	57	4	81
		2016	44,1	45,4	74,2	76,9	3	63	4	74
		Dif %	–44	–48	–46	–46

Open in a new tab

Correção 1: taxas de mortalidade por IAM corrigidas por causas mal definidas. Correção 2: taxas de mortalidade por IAM corrigidas por códigos-lixo. Correção 3: taxas de mortalidade por IAM corrigidas por sub-registro.

Tabela 2. Comparação das taxas de mortalidade por infarto agudo do miocárdio (IAM) nas regiões brasileiras com e sem correções por causas mal definidas, códigos-lixo e sub-registro no sexo masculino.

Região	Local	Ano	Taxas padronizadas				Mudanças %
Região	Local	Ano	Não corrigidas	Correção 1	Correção 2	Correção 3	Mudança % 1	Mudança % 2	Mudança % 3	Mudança % total
Brasil	Capital	1996	145,4	153,0	205,1	205,1	5	34	0	41
		2016	86,0	88,9	117,5	117,5	3	32	0	37
		Dif %	–41	–42	–43	–43
	Interior	1996	86,5	105,2	150,2	167,3	22	43	11	93
		2016	89,4	95,8	131,7	138,4	7	37	5	55
		Dif %	3	–9	–12	–17
Norte	Capital	1996	88,6	105,5	154,5	154,5	19	46	0	74
		2016	85,3	92,7	123,3	123,3	9	33	0	44
		Dif %	–4	–12	–20	–20
	Interior	1996	37,5	62,8	85,9	122,8	68	37	43	228
		2016	88,3	96,7	131,2	153,6	10	36	17	74
		Dif %	136	54	53	25
Nordeste	Capital	1996	101,2	107,1	160,6	160,6	6	50	0	59
		2016	84,9	88,0	119,3	119,3	4	36	0	41
		Dif %	–16	–18	–26	–26
	Interior	1996	39,9	71,8	95,8	123,9	80	33	29	210
		2016	104,2	113,7	152,6	166,4	9	34	9	60
		Dif %	161	58	59	34
Centro-oeste	Capital	1996	79,0	84,6	136,6	136,6	7	61	0	73
		2016	79,5	80,9	99,9	99,9	2	23	0	26
		Dif %	1	–4	–27	–27
	Interior	1996	82,9	99,8	154,1	172,8	20	54	12	109
		2016	95,8	99,7	134,5	146,0	4	35	8	52
		Dif %	16	0	–13	–16
Sudeste	Capital	1996	174,7	182,5	235,9	235,9	4	29	0	35
		2016	92,9	95,8	128,0	128,0	3	34	0	38
		Dif %	–47	–48	–46	–46
	Interior	1996	118,5	134,1	195,1	206,1	13	46	6	74
		2016	88,5	94,7	129,9	133,2	7	37	3	50
		Dif %	–25	–29	–33	–35
Sul	Capital	1996	164,6	165,6	208,9	208,9	1	26	0	27
		2016	67,1	68,5	82,3	82,3	2	20	0	23
		Dif %	–59	–59	–61	–61
	Interior	1996	134,4	149,4	203,7	204,8	11	36	1	52
		2016	83,4	86,7	120,7	121,3	4	39	0	45
		Dif %	–38	–42	–41	–41

Open in a new tab

Tabela 3. Frequência de óbitos classificados com códigos-lixo para infarto agudo do miocárdio (IAM) por ano, sexo e região no Brasil de 1996 a 2016.

Ano	Norte		Nordeste		Centro-oeste		Sudeste		Sul		Total		Geral
Ano	M	F	M	F	M	F	M	F	M	F	M	F	Geral
1996	883	813	4.865	5.117	1.670	1.501	14.198	15.996	4.429	5.140	26.045	28.567	54.612
1997	911	797	5.056	5.175	1.816	1.696	13.429	15.240	4.181	4.881	25.393	27.789	53.182
1998	972	898	5.547	5.540	1.758	1.594	13.342	15.350	4.507	5.221	26.126	28.603	54.729
1999	1.043	863	5.379	5.367	1.827	1.492	12.632	14.569	4.098	4.691	24.979	26.982	51.961
2000	1.046	821	5.402	5.431	1.674	1.511	12.138	13.859	4.157	4.837	24.417	26.459	50.876
2001	1.194	919	5.677	5.678	1.770	1.566	11.931	13.603	3.926	4.563	24.498	26.329	50.827
2002	1.103	900	5.783	6.109	1.963	1.668	11.649	13.821	3.915	4.784	24.413	27.282	51.695
2003	1.184	1.002	5.871	6.141	1.974	1.623	12.100	14.002	4.047	4.703	25.176	27.471	52.647
2004	1.183	935	6.484	6.644	1.967	1.700	12.798	14.552	4.196	4.864	26.628	28.695	55.323
2005	1.248	1.051	6.915	7.299	2.092	1.649	12.642	14.131	4.019	4.712	26.916	28.842	55.758
2006	1.329	1.008	8.210	8.463	2.104	1.870	13.354	15.142	4.009	4.939	29.006	31.422	60.428
2007	1.420	1.111	8.469	8.733	2.129	1.830	13.486	15.326	4.316	5.161	29.820	32.161	61.981
2008	1.454	1.205	8.541	8.888	2.125	1.849	13.784	15.670	4.379	5.207	30.283	32.819	63.102
2009	1.464	1.182	8.538	9.017	2.107	1.868	13.588	15.727	4.464	5.223	30.161	33.017	63.178
2010	1.551	1.237	8.300	8.616	2.179	1.965	14.372	16.825	4.464	5.394	30.866	34.037	64.903
2011	1.587	1.405	8.784	9.292	2.128	1.907	14.522	17.280	4.649	5.834	31.670	35.718	67.388
2012	1.611	1.369	8.583	9.038	2.155	2.072	14.340	16.909	4.514	5.302	31.203	34.690	65.893
2013	1.699	1.428	8.923	9.437	2.199	1.994	14.720	16.875	4.873	5.556	32.414	35.290	67.704
2014	1.737	1.458	8.609	9.238	2.197	2.085	14.589	17.028	4.709	5.564	31.841	35.373	67.214
2015	1.843	1.506	9.006	9.925	2.191	2.045	15.143	18.112	4.810	5.615	32.993	37.203	70.196
2016	1.866	1.586	9.200	9.829	2.013	1.770	16.496	18.841	5260	6.063	34.835	38.089	72.924

Open in a new tab

F: feminino; M: masculino.

De maneira geral, as tendências das taxas de mortalidade por IAM corrigidas apresentam declínio. Capitais com maior mortalidade no início do período apresentaram um declínio mais acentuado e, consequentemente, menores taxas nos últimos anos. As taxas de mortalidade do sexo masculino são superiores às do sexo feminino em todo o período analisado, ambas em queda. Somente taxas de mortalidade de homens residentes no interior das regiões Norte e Nordeste apresentaram tendências ao aumento. No início da série, as taxas eram maiores nas regiões Sudeste e Sul e, devido ao declínio mais acentuado nessas regiões, elas passaram a ter valores menores ao final do período do que nas regiões Norte e Nordeste (Figura 3). Houve diferença percentual entre 1996 e 2016 no Brasil, de –43,6%, sendo maior na região Sul (–85,1%). As regiões Nordeste e Norte, que em 1996 apresentavam menores taxas, em 2016 passaram a ter as maiores (Tabela 4).

Tabela 4. Taxas de mortalidade^* padronizadas pela nova população mundial de infarto agudo do miocárdio (IAM) nas regiões brasileiras nos anos de 1996 e 2016.

Região	1996	2016	Diferença %
Brasil	149,86	104,35	–43,6
Norte	107,05	112,48	4,8
Nordeste	107,42	121,30	11,4
Centro-oeste	135,32	100,47	–34,7
Sudeste	172,93	102,92	–68,0
Sul	168,74	91,14	–85,1

Open in a new tab

Por 100.000 habitantes.

A análise de regressão segmentada indica declínio da mortalidade em todas as regiões, com exceção do Nordeste. As regiões Sul (APC = –3,4%; IC 95%: –3,8; –3,0) e Sudeste (APC = –3,3%; IC 95%: –3,9; –2,7) apresentaram maior percentual de decréscimo, e a região Norte, o menor (APC = –0,8%; IC 95%: –1,3; –0,2). Observou-se ainda um padrão diferenciado entre capitais e interior e entre sexos. Houve queda nas taxas de mortalidade por IAM em todas as capitais, bem como no interior das regiões Sudeste, Sul e Centro-oeste. No interior das regiões Norte e Nordeste, as taxas aumentaram, sendo o maior percentual de aumento entre mulheres residentes na região Nordeste entre 2002 e 2006 (APC = 5,2%; IC 95%: 0,2%; 10,5%) (Tabela 5).

Tabela 5. Análise da regressão segmentada da tendência da mortalidade por infarto agudo do miocárdio (IAM) por sexo, capitais e interior das regiões brasileiras, de 1996 a 2016.

Região	Município	Sexo	Tendência 1			Tendência 2			Tendência 3			Tendência 4
Região	Município	Sexo	Período	APC	IC 95%	Período	APC	IC 95%	Período	APC	IC 95%	Período	APC	IC 95%
Brasil	Capitais	F	1996 a 2010	–4,1	–4,7; –3,6	2010 a 2016	–1,1	–3,2; + 1,0
	Capitais	M	1996 a 2010	–3,5	–4,0; –3,1	2010 a 2016	–1,2	–3,0; +0.6
	Interior	F	1996 a 2016	–1,4	–1,7; –1,1
	Interior	M	1996 a 2016	–1	–1,3; –0,8
	Todo	Ambos	1996 a 2016	–1,9	–1,7; –2,2
Norte	Capitais	F	1996 a 2006	–5,1	–6,6; –3,6	2006 a 2016	0,9	–0,7; 2,5
	Capitais	M	1996 a 1999	0,6	–5,6; 7,2	1999 a 2002	–10,8	–23,0; 3,4	2002 a 2016	0,5	0,0; 1,0
	Interior	F	1996 a 2016	0,20	–0,3; 0,7
	Interior	M	1996 a 2005	1,3	0,3; 2,3	2005 a 2010	–1,8	–5,5; 2,0	2010 a 2016	3,3	1,3; 5,4
	Todo	Ambos	1996 a 2010	–0,8	–1,3; –0,2	2010 a 2016	2,4	0,2; 4,7
Nordeste	Capitais	F	1996 a 2000	–5,3	–9,1; –1,2	2000 a 2016	–2,0	–2,5; –1,6
	Capitais	M	1996 a 2016	–1,6	–2,0; –1,3
	Interior	F	1996 a 2002	0,60	–	2002 a 2006	5,20	0,2; 10,5	2006 a 2010	–3,0	–7,6; +1,8	2010 a 2016	0,5	–1,1; 2,1
	Interior	M	1996 a 2016	1,30	1,0; 1,6
	Todo	Ambos	1996 a 2003	0,0	–1,2; 1,3	2003 a 2006	5,2	–4,0; 15,3	2006 a 2010	–2,8	–7,2; 1,8	2010 a 2016	1,0	–0,6; 2,6
Centro-oeste	Capitais	F	1996 a 2016	–2,8	–3,3; –2,2
	Capitais	M	1996 a 2016	–1,7	–2,1; –1,2
	Interior	F	1996 a 2016	–1,8	–2,2; –1,3
	Interior	M	1996 a 2016	–1,0	–1,4; –0,6
	Todo	Ambos	1996 a 2016	–1,7	–2,1; –1,2
Sudeste	Capitais	F	1996 a 2010	–4	–5,0; –3,8	2010 a 2016	–0,6	–2,8; 1,6
	Capitais	M	1996 a 2001	–5,7	–8,1; –3,2	2001 a 2016	–2,9	–2,5; –3,3
	Interior	F	1996 a 2001	–5,2	–7,5 –2,8	2001 a 2005	0,10	–5,5; 6,2	2005 a 2008	–6,4	–17,5; 6,1	2008 a 2016	–0,9	0,2; –2,1
	Interior	M	1996 a 2016	–2,3	–2,6; –1,9
	Todo	Ambos	1996 a 2009	–3,3	–3,9; –2,7	2009 a 2016	–1,3	–2,9; 0,4
Sul	Capitais	F	1996 a 2016	–5,8	–6,2; –5,4
	Capitais	M	1996 a 2016	–5,2	–5,5; –4,8
	Interior	F	1996 a 2016	–3,4	–3,8; –3,0
	Interior	M	1996 a 2016	–2,9	–3,3; –2,5
	Todo	Ambos	1996 a 2016	–3,4	–3,8; –3,0

Open in a new tab

F: feminino; M: masculino; ambos: masculino + feminino; todo: região completa. APC: variações percentuais anuais. IC 95%: intervalo de confiança. Nível de significância estatística: 5%.

Maiores quedas nas taxas de mortalidade por IAM ocorreram entre mulheres moradoras nas capitais, com exceção da região Sudeste, onde foi maior entre homens. O maior decréscimo das taxas foi entre mulheres residentes nas capitais da região Sul de 1996 a 2016 (APC = –5,80%; IC 95%: –6,2%; –5,4%), e os menores decréscimos ocorreram entre homens moradores no interior, exceto no Norte (APC = 1,3%; IC 95%; 0,3; 2,3) e no Nordeste (APC = 1,3%; IC 95%; 1,0; 1,6), onde houve aumento (Tabela 5).

Discussão

Existem poucos estudos de base nacional que, utilizando os dados do SIM, estimaram taxas padronizadas com uso da população mundial padrão e com correções para proporção de óbitos por causas mal definidas, uso de códigos-lixo e sub-registro.⁴ Essas correções são utilizadas por pesquisas de âmbito mundial.²^,³^,¹⁴ Neste estudo, observa-se que o número de causas mal definidas vem diminuindo ao longo dos anos estudados, assim como o sub-registro mostrando melhorias na qualidade dos dados.³ Essa diminuição ocorreu de maneira diferenciada entre as regiões e entre capitais e cidades do interior. Nas regiões Norte e Nordeste e nas cidades do interior, foi mais recente do que nas outras regiões e capitais. Por outro lado, o uso de códigos-lixo não teve uma redução tão significativa quanto as outras, continuando em magnitude muito alta, com ocorrência significativa em todas as regiões.

O declínio nas tendências das taxas de mortalidade por IAM vem sendo observado no mundo e na maioria das regiões brasileiras,¹^,³^,¹⁴^–¹⁷ aqui analisadas pela primeira vez separando capitais e interior. Estudos desenvolvidos no Brasil de séries temporais de mortalidade por DCV analisaram grandes regiões brasileiras e evidenciaram diferenças na mortalidade por doenças crônicas não transmissíveis (DCNT) nas regiões.³^,¹⁶^–¹⁹ Essa diferença se justifica em parte pelo aumento das taxas entre homens residentes no interior de tais regiões.

As discrepâncias encontradas na análise por capitais e interior podem ser explicadas pelas transições demográfica e epidemiológica, e pela implantação de políticas públicas de saúde que ocorreram diferentemente em cada região.¹⁶^,²⁰ Localidades com maior desenvolvimento socioeconômico tiveram transições demográfica e epidemiológica mais precoces através da urbanização, maior acesso à serviços e envelhecimento da população. Isso levou ao aumento das DCNT e das taxas de mortalidade por IAM. Posteriormente, com a implantação de políticas públicas, as taxas começaram a decrescer.²¹ Isso aconteceu em momentos distintos nas diversas cidades e regiões brasileiras. As regiões Sul e Sudeste tiveram essa transição anteriormente às regiões Norte e Nordeste, e as capitais precederam as cidades do interior.¹⁶^,¹⁹ Isso porque, nas capitais, geralmente há mais recursos de saúde, melhores condições socioeconômicas, melhores indicadores de saúde e melhores registros de óbito. O acesso a serviços de média e alta complexidade é também maior. Portanto, taxas de mortalidade por IAM nas capitais foram menores do que no interior, principalmente no período final estudado. Na década de 1990, a série temporal mostra que as taxas no interior eram menores em algumas regiões e passaram por uma inversão no meio do período.¹⁴^,¹⁶^,¹⁷ Há de se considerar a questão do sub-registro, além da falta de acesso a serviços de saúde para diagnóstico e preenchimento correto do atestado de óbito no interior, o que pode estar relacionado ao menor número de casos registrados no período,²⁰ o que, em parte, justifica a necessidade das correções realizadas.

É interessante ressaltar a inflexão que essas taxas sofrem a partir do ano 2000 em todas as regiões. No Sudeste, Sul e Centro-oeste, há uma queda maior a partir daquele ano, e nas regiões Norte e Nordeste, um aumento das taxas de mortalidade nas cidades do interior. No início deste século, políticas públicas na área da saúde tiveram ampliação e maior aporte de financiamento, como a Política Nacional de Atenção Básica (PNAB) e a Política Nacional de Atenção à Urgência (PNAU). O Serviço de Atenção Móvel de Urgência (SAMU) foi o primeiro componente da PNAU implantado no país no começo dos anos 2000; posteriormente, vieram incentivos para implantação das Unidades de Pronto Atendimento (UPA).²² Concomitantemente, os serviços de atenção básica tiveram uma estruturação ampliada com a implantação da Estratégia de Saúde da Família.²¹

Observam-se dois movimentos que propiciaram a diminuição das taxas. O primeiro refere-se a prevenção, controle e tratamento dos fatores de risco da DIC, com atenção básica de maior acesso e qualidade; o outro foi no transporte e diagnóstico precoce e tratamento das DIC com o SAMU e a UPA. Porém, nas regiões Norte e Nordeste, as taxas nas cidades do interior aumentaram, porque essas regiões, historicamente, eram as que tinham maior número de sub-registro e maiores dificuldades de acesso a serviços de saúde, especialmente no interior.²^,³ Diante disso, incentivos financeiros federais para organização da atenção básica e dos serviços de urgência e emergência propiciaram a ampliação dos serviços de saúde e, com isso, melhoras nos diagnósticos e registros das causas dos óbitos. Somados às mudanças no perfil de envelhecimento populacional, esses fatores poderiam explicar o aumento dessas taxas.²²

Em consonância com dados encontrados na literatura, as taxas de mortalidade por DIC nas mulheres foram menores do que nos homens, e a redução de mortes femininas foi maior.¹⁵^,¹⁶ A proteção cardíaca promovida pelos hormônios femininos (estrogênio) pode contribuir para isso. Ações dos estrogênios no endotélio cardiovascular aumentam a liberação de óxido nítrico, que leva à vasodilatação, regula a produção de prostaglandina e inibe a proliferação de músculo liso, fatores que estão relacionados ao IAM.²³

As limitações deste estudo são inerentes à utilização de dados secundários, embora a qualidade dos registros de óbitos tenha apresentado melhoras ao longo do período analisado. Além disso, foram realizadas correções que contribuíram para aumentar a validade do estudo. Não foram objeto deste estudo os fatores associados a mortalidade por IAM, como obesidade, tabagismo e hipertensão arterial.²⁴ Permeando todos esses fatores estão as condições socioeconômicas e culturais com forte influência na mortalidade, identificadas nas diferenças regionais.¹⁵

Conclusões

A evolução da mortalidade por IAM no Brasil, no período de 1996 a 2016, apresenta tendência decrescente, caracterizada por desigualdades e contrastes importantes entre sexos, capitais e interior e regiões. Ressalta-se a importância de proceder à correção dos óbitos (por causas mal definidas, códigos-lixo e sub-registros) para possibilitar a construção de indicadores mais confiáveis, que possibilitariam avaliar adequadamente as tendências de mortalidade.

Footnotes

Fontes de Financiamento

O presente estudo não teve fontes de financiamento externas.

Vinculação Acadêmica

Este artigo é parte de tese de Doutorado de Letícia de Castro Martins Ferreira pela Universidade Federal de Juiz de Fora.

Referências

1.1. GBD. Global Burden of Disease Collaborative Network. Global Burden of Disease Study 2016 (GBD 2016) Results; 2017. [acesso em 15 maio. 2020]. Disponível em: http://ghdx.healthdata.org/gbd-results-tool.
2.2. Malta DC, Moura L, Prado RR, Escalante JC, Schmidt MI, Duncan BB. Chronic non-communicable disease mortality in Brazil and its regions, 2000-2011. Epidemiol Serv Saúde. 2014;23(4):599-608.
3.3. Schmidt MI, Duncan BB, Stevens A, Luft V, Iser BPM, Moura L, et al. Saúde Brasil 2010: uma análise da situação de saúde e de evidências selecionadas de impacto de ações de vigilância em saúde. Série G: estatística e informação em saúde. Brasília, DF: Ministério da Saúde; 2011. p. 117-35.
4.4. Soares DA, Gonçalves MJ. Cardiovascular mortality and impact of corrective techniques for dealing with underreported and ill-defined deaths. Rev Panam Salud Pública. 2012;32(3):199-206. [DOI] [PubMed]
5.5. Gadelha AMJ, Leite IC, Valente JG, Schramm JMA, Portela MC, Campos MR. Relatório final do projeto estimativa da carga de doença do Brasil – 1998. Projeto Carga de Doença. Rio de Janeiro: FENSPTEC; 2002. (Tecnologias em Saúde para a Qualidade de Vida)
6.6. Ministério da Saúde. DATASUS. Sistema de Informação de Mortalidade; 2018. [acesso em 15 maio 2020]. Disponível em: http://datasus.saude.gov.br
7.7. Szwarcwald CL, Morais-Neto OL, Frias PG, Souza Jr PRB, Escalante JJC, Lima RB, et al. Busca ativa de óbitos e nascimentos no Nordeste e na Amazônia Legal: estimação das coberturas do SIM e do SiNASC nos municípios brasileiros. In: Saúde Brasil 2010: uma análise da situação de saúde e de evidências selecionadas de impacto de ações de vigilância em saúde. Brasília, DF: Ministério da Saúde; 2011. p. 51-79.
8.8. Ahmad OB, Boschi-Pinto C, Lopez AD, Murray CJL, Lozano R, Inoue M. Age standardization of rates: a new WHO standard; 2001. p. 14.
9.9. Medronho RA, Bloch KV, Luiz RR, Werneck GL. Epidemiologia. São Paulo: Atheneu; 2009. p. 38-42.
10.10. Kim H, Fay M, Feuer E, Midthune DN. Permutation tests for joinpoint regression with applications to cancer rates. Stat Med. 2000;19(3):335-51. [DOI] [PubMed]
11.11. National Institute of Health. Joinpoint Regression Program, Statistical Methodology and Applications Branch, Surveillance Research Program, National Cancer Institute. [Internet]. USA: National Cancer Institute; 2018. [acesso em 15 maio 2020]. Disponível em: https://surveillance.cancer.gov/help/joinpoint/tech-help/citation.
12.12. Liu J, Chen T, Yu Y, Han X, Zheng X. Eleven-year trends of acute myocardial infarction incidence, mortality and case-fatality rate in Shanghai: a 1.09 million population based surveillance study. Int J Clin Exp Med. 2016;9(6):11385-96.
13.13. Vujcic IS, Sipetic SB, Dubljanin ES, Vlajinac HD. Trends in mortality rates from coronary heart disease in Belgrade (Serbia) during the period 1990-2010: a joinpoint regression analysis. BMC Cardiovasc Disord. 2013 Dec 9;13:112. [DOI] [PMC free article] [PubMed]
14.14. Marinho F, Passos VMA, Malta DC, França EB, 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. 2018;392(10149):760-75. [DOI] [PMC free article] [PubMed]
15.15. Mansur AP, Favarato D. Mortality due to cardiovascular diseases in women and men in the five brazilian regions, 1980-2012. Arq Bras Cardiol. 2016;107(2):137-46. [DOI] [PMC free article] [PubMed]
16.16. Brant LCC, Nascimento BR, Passos VMA, Duncan BB, Bensenor IJM, Malta DC, et al. Variations and particularities in cardiovascular disease mortality in Brazil and Brazilian states in 1990 and 2015: estimates from the Global Burden of Disease. Rev Bras Epidemiol. 2017;20(suppl 1):116-28. [DOI] [PubMed]
17.17. Ribeiro ALP, Duncan BB, Brant LCC, Lotufo PA, Mill JG, Barreto SM. Cardiovascular health in Brazil: trends and perspectives. Circulation. 2016;133(4):422-33. [DOI] [PubMed]
18.18. Baena CP, Chowdhury R, Schio NA, Schio NA, Sabbag Jr AE, Grarita-Souza LC, et al. Ischaemic heart disease deaths in Brazil: current trends, regional disparities and future projections. Heart. 2013;99(18):1359-64. [DOI] [PubMed]
19.19. França EB, Passos VMA, Malta DC, Duncan BB, Ribeiro ALP, Guimarães MDC, et al. Cause-specific mortality for 249 causes in Brazil and states during 1990–2015: a systematic analysis for the global burden of disease study 2015. Popul Health Metrics. 2017;15(1):39. [DOI] [PMC free article] [PubMed]
20.20. Borges GM. Health transition in Brazil: regional variations and divergence/convergence in mortality. Cad Saúde Pública. 2017;33(8):e00080316. [DOI] [PubMed]
21.21. Pinto LF, Giovanella L. The Family Health Strategy: expanding access and reducing hospitalizations due to ambulatory care sensitive conditions (ACSC). Ciênc Saúde Coletiva. 2018;23(6):1903-14. [DOI] [PubMed]
22.22. O'Dwyer G, Konder MT, Reciputti LP, Macedo C, Lopes MGM. Implementation of the Mobile Emergency Medical Service in Brazil: action strategies and structural dimension. Cad Saúde Pública. 2017;33(7):e00043716. [DOI] [PubMed]
23.23. Mehta LS, Beckie TM, DeVon HA, Grines CL, Krumholz HM, Johnsonn MN, et al. Acute myocardial infarction in women. Circulation. 2016;133(9):916-47. [DOI] [PubMed]
24.24. Gaziano TA, Prabhakaran D, Gaziano JMT. Risk factors: Global Burden of Cardiovascular Disease. In: Braunwald's heart disease: a textbook of cardiovascular medicine. 11. ed. Canadá: Elsevier; 2019. p. 1-17.

Arq Bras Cardiol. 2020 Nov 1;115(5):849–859. [Article in English]

Mortality Due to Acute Myocardial Infarction in Brazil from 1996 to 2016: 21 Years of Disparities in Brazilian Regions

Letícia de Castro Martins Ferreira ^1,^✉, Mário Círio Nogueira ¹, Marilia Sá Carvalho ², Maria Teresa Bustamante Teixeira ¹

Abstract

Background:

Acute myocardial infarction (AMI), the leading cause of death in Brazil, has presented regional disparities in mortality rate time trends in recent years. Previous time trend studies did not correct for cause-of-death garbage codes, which may have skewed the estimates.

Objective:

To analyze regional and gender-based inequalities in the AMI mortality trend in Brazil from 1996-2016.

Methods:

A 21-year time series study (1996-2016). Data are from the Mortality Information System and population estimates from the Brazilian Institute of Geography and Statistics. Corrections of deaths due to ill-defined causes of death, garbage codes, and underreporting were made. The time series broken down by major geographic regions, gender, capital cities, and other municipalities was analyzed using the linear regression technique segmented by Jointpoint. Statistical significance level was set at 5%.

Results:

In the period, mortality decreased more sharply in women (−2.2%; 95% CI: −2.5; −1.9) than in men (−1.7%; 95% CI: - 1.9; −1.4) and more in the capital cities (−3.8%; 95% CI: - 4.3; −3.3) than in other municipalities (−1.5%; 95% CI: - 1.8; −1.3). Regional inequalities were observed, with an increase for men living in other municipalities of the North (3.3; 95% CI: 1.3; 5.4) and Northeast (1.3%; 95% CI: 1.0; 1.6). Statistical significance level was set at 5%. Mortality rates after corrections showed a significant difference in relation to the estimates without corrections, mainly due to the redistribution of garbage codes.

Conclusions:

Although AMI-related mortality has decreased in Brazil in recent years, this trend is uneven by region and gender. Correcting the numbers of deaths is essential to obtaining more reliable estimates.

Keywords: Myocardial Infarction, Epidemiology, Mortality, Time Series Studies, Myocardial Ischemia

Introduction

In recent decades, cardiovascular diseases (CVD), and specifically ischemic heart disease (IHD) have become the primary causes of death worldwide, although age-standardized mortality rates have dropped.¹

When conducting mortality studies, one must to pay attention to the quality of death records which, in Brazil, differs between geographic regions and between municipalities, with it being better in the capital cities. Some indirect indicators of standard data quality are the proportion of deaths from ill-defined causes of death, use of garbage codes, underreporting, and ignored age and gender. They reflect difficulties in diagnosing the diseases that caused death, accessing health services, filling out the death certificate, and/or entering data into the system.² One way to solve this problem and properly estimate mortality rates is to make corrections that will allow greater comparability between regions over time.¹^,³^,⁴

This study aims to analyze regional and gender inequalities in the AMI-related mortality trend in Brazil from 1996-2016, correcting deaths from ill-defined causes, garbage codes, and underreporting.

Methods

Time series (21 years: 1996 to 2016) of AMI-related mortality in the capital cities and cities and towns in the countryside (other municipalities) of large Brazilian regions were analyzed. Annual data on AMI-related deaths (code I21. ICD 10) were obtained from the Mortality Information System (SIM in Portuguese) on the DATASUS website - Department of Informatics of the Unified Health System (http://datasus.saude.gov.br) and population estimates from the Brazilian Institute of Geography and Statistics. As publicly available secondary data, the study was exempted from approval by a research ethics committee in accordance with CONEP Resolution 510 of April 7, 2016. The SIM has national coverage and, in recent years, it has greatly improved the quality of its database between Brazilian regions and municipalities. To make a more meaningful comparison between regions and over the time period covered by this study, we corrected the numbers obtained from the SIM regarding ill-defined causes of death, use of garbage codes, and underreporting using procedures adopted in other studies.¹^,³^,⁵

Figure 1 outlines the procedures used to correct AMI-related deaths for ill-defined causes, use of garbage codes, and underreporting.

The ill-defined causes of death are those in which the cause of death has not been established and have therefore been classified in codes R00-R99 from Chapter XVIII of ICD-10: “Unclassified Symptoms, Signs, and Abnormal Clinical and Laboratory Findings Not Elsewhere Classified”.²^,⁵^,⁶ The redistribution of ill-defined causes of death (Correction 1) was conducted in the following manner: for each year and region, correction factors (CF1) were calculated using equation (1) for each gender and for each five-year age range. To calculate the redistribution of deaths, the number of deaths was multiplied by the CF1.³^,⁷

(F C 1) = \frac{T o t a l d e a t h s - d e a t h s b y e x t e r n a l c a u s e s}{(t o t a l d e a t h s - d e a t h s b y e x t e r n a l c a u s e s) - d e a t h s b y i l l - d e f i n e d c a u s e s}

Deaths with garbage codes are those in which ICD 10 codes are used that are nonspecific and do not precisely identify the underlying cause of death.⁵ The following garbage codes are used in cardiology: I50, I46, I47.0, I47.1, I47.2, I47.9, I48, I49.0, I49.9, I51.4, I51.5, I51.6, I51.9 and I70.0. To proceed with Correction 2 for garbage codes, deaths with cardiologic garbage codes were added to deaths recorded as being caused by AMI in the following proportion: 70% of deaths per 150 in people between 30-60 years of age and 80% for people over 80 years of age, along with other causes 75% (30-60 years of age) and 60% (older than 60 years of age).⁵

To correct for underreported death (Correction 3), meaning deaths that were neither recorded in the Civil Registry System nor in the SIM, the correction factors estimated for Brazil, region, and states,⁷ which are readily available in DATASUS, were used.⁶ Correction 3 was made by multiplying the underreporting correction factor for deaths in other municipalities. This correction was not carried out in the state capitals, as studies have shown that death records in these cities are reliable.²^,³^,⁵ With respect to the periods from 1996 to 1999 and from 2014 to 2016, for which correction factors were not available, values for the next closest years were used.

Corrections due to ignored gender and age were not conducted in this study, since both categories presented reliable numbers during the studied period.⁴

Mortality rates were calculated and standardized by five-year age groups for adults (20 years of age and over) using the new standard world population as a reference.⁸ The standard world population was proposed by the WHO as a way to compare mortality rates between populations with different age groups. Estimates were prepared for each five-year period from 1950 to 2025 based on population censuses and other demographic sources, then adjusted for enumeration errors. From there, an average age structure of the world population was constructed. The specific mortality rates by age groups were applied to the respective population contingents of the standard population. Consequently, the number of deaths expected to occur in each age group was obtained, provided the population studied had the same age composition as the standard population. The standardized mortality rate was obtained by dividing the total number of deaths expected for the standard population. which can then be compared to other populations, and any differences found are not due to variations in the age structure.⁸^,⁹

The time trend analysis of the corrected mortality rates as standardized by region, capital cities and other municipalities, and gender was performed by segmented linear regression using Joinpoint version 4.6.0.0,¹⁰^,¹¹ a method used in other AMI time trend studies.¹²^,¹³ Models were adjusted with change points in the temporal evolution of the death rates (joint points) ranging from zero (trend represented by a single line segment) to three. Annual percentage changes (APC) were calculated for the period under analysis. Statistical significance level was set at 5%.

Results

A comparison of AMI-related mortality rates in all regions of Brazil, with and without corrections for ill-defined causes of death (Correction 1), garbage codes (Correction 2), and underreporting (Correction 3) by female and male is shown in Tables 1 and 2. respectively. Larger increases were noted after correction for garbage codes, reaching a 92% increase in 1996 among women living in other municipalities of the Central West. The proportional difference in mortality rates with and without corrections, between 1996 and 2016, showed little discrepancy between estimates in the capital cities. However, relative to other municipalities, an important disparity could be seen between them (Table 2). Figure 2 shows that not only does the magnitude of mortality rates increase after corrections, but the time trend slope also changes and percentages of correction are higher at the beginning of the period than at the end. Table 3 shows an increase in the frequency of garbage codes in Brazilian regions.

Table 1. Comparison of AMI-related mortality rates in Brazilian regions with and without corrections for ill-defined causes of death, garbage codes, and underreporting in women.

Region	Location	Year	Standardized rates				% Changes
Region	Location	Year	Not corrected	Correction 1	Correction 2	Correction 3	% Change 1	% Change 2	% Change 3	Total % change
Brazil	Capital cities	1996	79.1	82.9	127.1	127.1	5	53	0	61
		2016	42.7	43.7	65.2	65.2	2	49	0	53
		Dif%	−46	−47	−49	−49
	Other municipalities	1996	52.9	64.3	105.4	116.5	21	64	11	120
		2016	53.6	56.2	85.6	89.4	5	52	4	67
		Dif%	1	−12	−19	−23
North	Capital cities	1996	50.1	57.6	98.7	98.7	15	71	0	97
		2016	38.1	40.9	62.7	62.7	7	53	0	64
		Dif%	−24	−29	−36	−36
	Other municipalities	1996	22.5	37.6	57.7	83.4	67	54	45	271
		2016	51.4	55.4	83.1	97.7	8	50	18	90
		Dif%	129	47	44	17
Northeast	Capital cities	1996	56.0	59.1	105.5	105.5	6	79	0	88
		2016	42.5	43.8	63.8	63.8	3	46	0	50
		Dif%	−24	−26	−40	−40
	Other municipalities	1996	25.4	47.5	68.4	87.9	87	44	28	246
		2016	60.2	64.6	95.7	104.2	7	48	9	73
		Dif%	137	36	40	19
Central West	Capital cities	1996	52.4	55.2	99.5	99.5	5	80	0	90
		2016	38.5	38.8	54.1	54.1	1	39	0	41
		Dif%	−27	−30	−46	−46
	Other municipalities	1996	46.6	54.8	105.2	120.4	18	92	14	158
		2016	54.4	55.6	83.1	90.0	2	49	8	66
		Dif%	17	2	−21	−25
Southeast	Capital cities	1996	91.7	95.7	140.1	140.1	4	46	0	53
		2016	46.4	47.2	72.5	72.5	2	54	0	56
		Dif%	−49	−51	−48	−48
	Other municipalities	1996	66.4	74.0	128.0	134.0	11	73	5	102
		2016	47.9	50.4	79.7	81.8	5	58	3	71
		Dif%	−28	−32	−38	−39
South	Capital cities	1996	91.9	92.2	130.3	130.3	0	41	0	42
		2016	32.3	32.8	44.1	44.1	2	34	0	37
		Dif%	−65	−64	−66	−66
	Other municipalities	1996	78.4	86.7	136.4	141.9	11	57	4	81
		2016	44.1	45.4	74.2	76.9	3	63	4	74
		Dif%	−44	−48	−46	−46

Open in a new tab

Correction 1: AMI-related mortality rates corrected for ill-defined causes of death. Correction 2: AMI-related mortality rates corrected for garbage codes. Correction 3: AMI-related mortality rates corrected for underreporting.

Table 2. Comparison of AMI-related mortality rates in Brazilian regions with and without corrections for ill-defined causes of death, garbage codes, and underreporting in men.

Region	Location	Year	Standardized rates				% Changes
Region	Location	Year	Not corrected	Correction 1	Correction 2	Correction 3	% Changes 1	% Changes 2	% Changes3	Total % changes
Brazil	Capital cities	1996	145.4	153.0	205.1	205.1	5	34	0	41
		2016	86.0	88.9	117.5	117.5	3	32	0	37
		Dif%	−41	−42	−43	−43
	Other municipalities	1996	86.5	105.2	150.2	167.3	22	43	11	93
		2016	89.4	95.8	131.7	138.4	7	37	5	55
		Dif%	3	−9	−12	−17
North	Capital	1996	88.6	105.5	154.5	154.5	19	46	0	74
		2016	85.3	92.7	123.3	123.3	9	33	0	44
		Dif%	−4	−12	−20	−20
	Other municipalities	1996	37.5	62.8	85.9	122.8	68	37	43	228
		2016	88.3	96.7	131.2	153.6	10	36	17	74
		Dif%	136	54	53	25
Northeast	Capital	1996	101.2	107.1	160.6	160.6	6	50	0	59
		2016	84.9	88.0	119.3	119.3	4	36	0	41
		Dif%	−16	−18	−26	−26
	Other municipalities	1996	39.9	71.8	95.8	123.9	80	33	29	210
		2016	104.2	113.7	152.6	166.4	9	34	9	60
		Dif%	161	58	59	34
Central West	Capital	1996	79.0	84.6	136.6	136.6	7	61	0	73
		2016	79.5	80.9	99.9	99.9	2	23	0	26
		Dif%	1	−4	−27	−27
	Other municipalities	1996	82.9	99.8	154.1	172.8	20	54	12	109
		2016	95.8	99.7	134.5	146.0	4	35	8	52
		Dif%	16	0	−13	−16
Southeast	Capital	1996	174.7	182.5	235.9	235.9	4	29	0	35
		2016	92.9	95.8	128.0	128.0	3	34	0	38
		Dif%	−47	−48	−46	−46
	Other municipalities	1996	118.5	134.1	195.1	206.1	13	46	6	74
		2016	88.5	94.7	129.9	133.2	7	37	3	50
		Dif%	−25	−29	−33	−35
South	Capital	1996	164.6	165.6	208.9	208.9	1	26	0	27
		2016	67.1	68.5	82.3	82.3	2	20	0	23
		Dif%	−59	−59	−61	−61
	Other municipalities	1996	134.4	149.4	203.7	204.8	11	36	1	52
		2016	83.4	86.7	120.7	121.3	4	39	0	45
		Dif%	−38	−42	−41	−41

Open in a new tab

Table 3. Frequency of deaths classified with garbage codes for AMI by year/gender/region in Brazil from 1996 to 2016.

	North		Northeast		Central West		Southeast		South		Total
Year	M	F	M	F	M	F	M	F	M	F	M	F	General
1996	883	813	4865	5117	1670	1501	14198	15996	4429	5140	26045	28567	54612
1997	911	797	5056	5175	1816	1696	13429	15240	4181	4881	25393	27789	53182
1998	972	898	5547	5540	1758	1594	13342	15350	4507	5221	26126	28603	54729
1999	1043	863	5379	5367	1827	1492	12632	14569	4098	4691	24979	26982	51961
2000	1046	821	5402	5431	1674	1511	12138	13859	4157	4837	24417	26459	50876
2001	1194	919	5677	5678	1770	1566	11931	13603	3926	4563	24498	26329	50827
2002	1103	900	5783	6109	1963	1668	11649	13821	3915	4784	24413	27282	51695
2003	1184	1002	5871	6141	1974	1623	12100	14002	4047	4703	25176	27471	52647
2004	1183	935	6484	6644	1967	1700	12798	14552	4196	4864	26628	28695	55323
2005	1248	1051	6915	7299	2092	1649	12642	14131	4019	4712	26916	28842	55758
2006	1329	1008	8210	8463	2104	1870	13354	15142	4009	4939	29006	31422	60428
2007	1420	1111	8469	8733	2129	1830	13486	15326	4316	5161	29820	32161	61981
2008	1454	1205	8541	8888	2125	1849	13784	15670	4379	5207	30283	32819	63102
2009	1464	1182	8538	9017	2107	1868	13588	15727	4464	5223	30161	33017	63178
2010	1551	1237	8300	8616	2179	1965	14372	16825	4464	5394	30866	34037	64903
2011	1587	1405	8784	9292	2128	1907	14522	17280	4649	5834	31670	35718	67388
2012	1611	1369	8583	9038	2155	2072	14340	16909	4514	5302	31203	34690	65893
2013	1699	1428	8923	9437	2199	1994	14720	16875	4873	5556	32414	35290	67704
2014	1737	1458	8609	9238	2197	2085	14589	17028	4709	5564	31841	35373	67214
2015	1843	1506	9006	9925	2191	2045	15143	18112	4810	5615	32993	37203	70196
2016	1866	1586	9200	9829	2013	1770	16496	18841	5260	6063	34835	38089	72924

Open in a new tab

F: Female; M: Male.

In general, trends in corrected AMI-related mortality rates are declining. Capital cities, with higher mortality rates at the beginning of the period, showed a more pronounced decline and, consequently, lower rates in recent years. Mortality rates in men were higher than those in women throughout the analyzed period, with both falling. Only mortality rates of men living in other municipalities of the North and Northeast showed an upward trend. At the beginning of the series, mortality rates were higher in the Southeast and South and, due to the more pronounced decline in these regions, their values began to be lower at the end of the period than in the North and Northeast (Figure 3). A percentage difference of −43.6% was observed between 1996 and 2016 in Brazil, with it being higher in the South (−85.1%). The Northeast and North, which in 1996 had the lowest rates, began to reflect the highest rates in 2016 (Table 4).

Table 4. AMI-related mortality rates * standardized by the new world population by Brazilian region in 1996 and 2016.

Region	1996	2016	% Difference
Brazil	149.86	104.35	−43.6
North	107.05	112.48	4.8
Northeast	107.42	121.30	11.4
Central West	135.32	100.47	−34.7
Southeast	172.93	102.92	−68.0
South	168.74	91.14	−85.1

Open in a new tab

per 100,000 inhabitants.

The segmented regression analysis indicated a decline in mortality rates in all regions except the Northeast (Table 5). The South (APC = −3.4%; 95% CI: - 3.8; −3.0) and Southeast (APC = −3.3%; 95% CI: - 3.9; −2.7) showed the highest percentage of decrease and the North, the lowest (APC = −0.8%; 95% CI: - 1.3; −0.2).

Table 5. Analysis of the segmented regression of the AMI-related mortality trend by gender, capital cities, and other municipalities of the Brazilian regions, 1996-2016.

Region	Municipality	Gender	Trend 1			Trend 2			Trend 3			Trend 4
			Period	APC	IC95%	Period	APC	IC95%	Period	APC	IC 95%	Period	APC	IC95%
Brazil	Capital cities	F	1996 to 2010	−4.1	−4.7; −3.6	2010 to 2016	−1.1	−3.2; + 1.0
	Capital cities	M	1996 to 2010	−3.5	−4.0; −3.1	2010 to 2016	−1.2	−3.0; +0.6
	Other municipalities	F	1996 to 2016	−1.4	−1.7; −1.1
	Other municipalities	M	1996 to 2016	−1	−1.3; −0.8
	All	Both	1996 to 2016	−1.9	−1.7; −2.2
North	Capital cities	F	1996 to 2006	−5.1	−6.6; −3.6	2006 to 2016	0.9	−0.7; 2.5
	Capital cities	M	1996 to 1999	0.6	−5.6; 7.2	1999 to 2002	−10.8	−23.0; 3.4	2002 to 2016	0.5	0.0; 1.0
	Other municipalities	F	1996 to 2016	0.20	−0.3; 0.7
	Other municipalities	M	1996 to 2005	1.3	0.3; 2.3	2005 to 2010	−1.8	−5.5; 2.0	2010 to 2016	3.3	1.3;5.4
	All	Both	1996 to 2010	−0.8	−1.3; −0.2	2010 to 2016	2.4	0.2; 4.7
Northeast	Capital cities	F	1996 to 2000	−5.3	−9.1; −1.2	2000 to 2016	−2.0	−2.5; −1.6
	Capital cities	M	1996 to 2016	−1.6	−2.0; −1.3
	Other municipalities	F	1996 to 2002	0.60	−1.0; +2.2	2002 to 2006	5.20	0.2;10.5	2006 to 2010	−3.0	−7.6; +1.8	2010 to 2016	0.5	−1.1; 2.1
	Other municipalities	M	1996 to 2016	1.30	1.0; 1.6
	All	Both	1996 to 2003	0.0	−1.2; 1.3	2003 to 2006	5.2	−4.0; 15.3	2006 to 2010	−2.8	−7.2; 1.8	2010 to 2016	1.0	−0.6; 2.6
Central West	Capital cities	F	1996 to 2016	−2.8	−3.3; −2.2
	Capital cities	M	1996 to 2016	−1.7	−2.1; −1.2
	Other municipalities	F	1996 to 2016	−1.8	−2.2; −1.3
	Other municipalities	M	1996 a 2016	−1.0	−1.4; −0.6
	All	Both	1996 to 2016	−1.7	−2.1; −1.2
Southeast	Capital cities	F	1996 to 2010	−4	−5.0; −3.8	2010 to 2016	−0.6	−2.8;1.6
	Capital cities	M	1996 to 2001	−5.7	−8.1; −3.2	2001 to 2016	−2.9	−2.5; −3.3
	Other municipalities	F	1996 to 2001	−5.2	−7.5 - 2.8	2001 to 2005	0.10	−5.5; 6.2	2005 to 2008	−6.4	−17.5 6.1	2008 to 2016	−0.9	0.2; −2.1
	Other municipalities	M	1996 to 2016	−2.3	−2.6; −1.9
	All	Both	1996 to 2009	−3.3	−3.9; −2.7	2009 to 2016	−1.3	−2.9; 0.4
South	Capital cities	F	1996 to 2016	−5.8	−6.2; −5.4
	Capital cities	M	1996 to 2016	−5.2	−5.5; −4.8
	Other municipalities	F	1996 to 2016	−3.4	−3.8; −3.0
	Other municipalities	M	1996 to 2016	−2.9	−3.3; −2.5
	All	Both	1996 to 2016	−3.4	−3.8; −3.0

Open in a new tab

F: female; M: male; Both=Male+Female. All=entire region. APC: annual percentage changes. 95% CI: confidence interval. Statistical significance level: 5%.

A markedly different pattern was observed between the capital cities and other municipalities and between genders. There was a decrease in AMI-related mortality rates in all capitals, as well as in other municipalities of the Southeast, South, and Mid-West (Table 5). Conversely, the same rates increased in other municipalities of the North and Northeast, with the highest percentage of increase among women living in the Northeast between 2002 to 2006 (APC = 5.2%; 95% CI: 0.2%; 10.5%) (Table 5).

More significant declines in AMI-related mortality rates were observed among women living in the capital cities, except for the Southeast, where it was higher among men. The greatest decrease was observed among women living in the capital cities of the South from 1996 to 2016 (APC = −5.80%; 95% CI: - 6.2%; −5.4%). Smaller decreases were found among men living in other municipalities, except in the North (APC = 1.3%; 95% CI: 0.3; 2.3) and Northeast (APC = 1.3%; 95% CI: 1.0; 1.6), where an increase was observed (Table 5).

Discussion

Few nationally-based studies using data from the SIM system have attempted to estimate standardized mortality rates by means of the standard world population and with corrections for the proportion of deaths from ill-defined causes of death, the use of garbage codes, and underreporting.⁴ These corrections are used by studies worldwide.²^,³^,¹⁴ It was observed in this study that the number of ill-defined and underreported causes declined over the years studied, thus indicating improvements in data quality.³ This decrease occurred differently between regions and between capital cities and other municipalities. It was more recent in the North and Northeast and in other municipalities than in other regions and capital cities. In contrast, the use of garbage codes showed no signs of significant reduction, remaining very high in number in all regions.

The decline in trends in AMI-related mortality rates has been observed worldwide and in most Brazilian regions,¹^,³^,¹⁴^–¹⁷ which is being studied for the first time in this study by capital cities and other municipalities. Time series studies of mortality from cardiovascular diseases developed in Brazil analyzed large regions and found differences in mortality from chronic non-communicable diseases (NCDs) in those regions.³^,¹⁶^–¹⁹ This difference is partly justified by the increase in mortality rates among men living there.

Discrepancies found in the analysis by capital cities and other municipalities can be explained by demographic and epidemiological transitions, as well as the implementation of public health policies that occurred differently in these regions.¹⁶^,²⁰ Areas with greater socioeconomic development had earlier demographic and epidemiological transitions through urbanization, greater access to services, and the presence of an aging population. This led to a rise in chronic noncommunicable diseases and AMI-related mortality rates. Subsequently, they began to drop as new public policies were implemented.²¹ This transition occurred at different times in different cities and regions. The South and Southeast experienced it before the North and Northeast, even as capital cities preceded other municipalities.¹⁶^,¹⁹ Capital cities generally offer more healthcare resources, better socioeconomic conditions, better health indicators, and better death records. Access to medium- and high-complexity services is also greater. Therefore, AMI-related mortality rates in the capital cities were lower than those in other municipalities, primarily in the final studied period. The time series in the 1990s revealed that mortality rates in other municipalities were lower in some regions and underwent an inversion in the middle of the period.¹⁴^,¹⁶^,¹⁷ The issue of underreporting also needs to be taken into account, along with the lack of access to health services for diagnosis and the proper completion of death certificates in other municipalities, which may explain the smaller number of cases recorded in this period²⁰ and justifies, in part, the need for the corrections made.

It is interesting to highlight the turning point that these rates have undergone in all regions since 2000. A greater drop was observed in the Southeast, South, and Central West starting that year, whereas an increase in mortality rates was noted in other municipalities in the North and Northeast. This was a time when public policies in the healthcare area began to expand with increased funding, such as the National Primary Care Policy (PNAB in Portuguese) and the National Emergency Care Policy (PNAU in Portuguese). The Mobile Emergency Care Service (SAMU in Portuguese) was the first component of the PNAU to be implemented in the country in the early 2000s.²² Later came incentives for the implementation of Emergency Care Units (UPA).²² Concomitantly, primary care services wound up with an expanded structure through the implementation of the Family Health Strategy.²¹

Two movements led to a decline in mortality rates: one in relation to the prevention, control, and treatment of risk factors for IHD, with greater access to quality primary care, and another in the transportation, early diagnosis, and treatment of IHD through SAMU and emergency care units (UPA in Portuguese). However, in the North and Northeast, mortality rates rose in other municipalities. Historically, these have been the regions with the highest numbers of underreporting and the most difficulties in accessing healthcare services, especially in other municipalities.²^,³ Federal financial incentives aimed at organizing primary care and urgent and emergency services provided them with much-needed expansion in healthcare services and, with that, improvements in diagnoses and records of the causes of deaths, which, when added to changes arising from an aging population, could explain why mortality rates have risen.²²

IHD mortality rates in women were lower than in men and the reduction in female deaths was also greater, which is in line with data found in the literature.¹⁵^,¹⁶ The cardiac protection promoted by female hormones (estrogen) may contribute to it. The presence of estrogen in the cardiovascular endothelium triggers the release of nitric oxide, leading to vasodilation; regulates prostaglandin production; and inhibits smooth muscle proliferation, factors related to AMI.²³

The limitations of this study are inherent to the use of secondary data, although the quality of death records did improve during the analyzed period. Moreover, corrections were made that enhanced its validity. The factors associated with AMI-related mortality, such as obesity, smoking, and arterial hypertension, were not the object of this study.²⁴ Permeating all of these factors are socioeconomic and cultural conditions that strongly influence the mortality rates identified in regional differences.¹⁵

Conclusions

The evolution of AMI-related mortality in Brazil from 1996 to 2016 showed a downward trend, characterized by important inequalities and disparities between genders, capital cities and other municipalities and regions. The importance of correcting causes of death (due to ill-defined causes, garbage codes, and underreporting) was emphasized to encourage the construction of more reliable indicators that would allow a proper assessment of mortality trends to be made.

Footnotes

Sources of Funding

There were no external funding sources for this study.

Study Association

This article is part of the thesis of Doctoral submitted by Letícia de Castro Martins Ferreira, from Universidade Federal de Juiz de Fora.

[B1] 1.1. GBD. Global Burden of Disease Collaborative Network. Global Burden of Disease Study 2016 (GBD 2016) Results; 2017. [acesso em 15 maio. 2020]. Disponível em: http://ghdx.healthdata.org/gbd-results-tool.

[B2] 2.2. Malta DC, Moura L, Prado RR, Escalante JC, Schmidt MI, Duncan BB. Chronic non-communicable disease mortality in Brazil and its regions, 2000-2011. Epidemiol Serv Saúde. 2014;23(4):599-608.

[B3] 3.3. Schmidt MI, Duncan BB, Stevens A, Luft V, Iser BPM, Moura L, et al. Saúde Brasil 2010: uma análise da situação de saúde e de evidências selecionadas de impacto de ações de vigilância em saúde. Série G: estatística e informação em saúde. Brasília, DF: Ministério da Saúde; 2011. p. 117-35.

[B4] 4.4. Soares DA, Gonçalves MJ. Cardiovascular mortality and impact of corrective techniques for dealing with underreported and ill-defined deaths. Rev Panam Salud Pública. 2012;32(3):199-206. [DOI] [PubMed]

[B5] 5.5. Gadelha AMJ, Leite IC, Valente JG, Schramm JMA, Portela MC, Campos MR. Relatório final do projeto estimativa da carga de doença do Brasil – 1998. Projeto Carga de Doença. Rio de Janeiro: FENSPTEC; 2002. (Tecnologias em Saúde para a Qualidade de Vida)

[B6] 6.6. Ministério da Saúde. DATASUS. Sistema de Informação de Mortalidade; 2018. [acesso em 15 maio 2020]. Disponível em: http://datasus.saude.gov.br

[B7] 7.7. Szwarcwald CL, Morais-Neto OL, Frias PG, Souza Jr PRB, Escalante JJC, Lima RB, et al. Busca ativa de óbitos e nascimentos no Nordeste e na Amazônia Legal: estimação das coberturas do SIM e do SiNASC nos municípios brasileiros. In: Saúde Brasil 2010: uma análise da situação de saúde e de evidências selecionadas de impacto de ações de vigilância em saúde. Brasília, DF: Ministério da Saúde; 2011. p. 51-79.

[B8] 8.8. Ahmad OB, Boschi-Pinto C, Lopez AD, Murray CJL, Lozano R, Inoue M. Age standardization of rates: a new WHO standard; 2001. p. 14.

[B9] 9.9. Medronho RA, Bloch KV, Luiz RR, Werneck GL. Epidemiologia. São Paulo: Atheneu; 2009. p. 38-42.

[B10] 10.10. Kim H, Fay M, Feuer E, Midthune DN. Permutation tests for joinpoint regression with applications to cancer rates. Stat Med. 2000;19(3):335-51. [DOI] [PubMed]

[B11] 11.11. National Institute of Health. Joinpoint Regression Program, Statistical Methodology and Applications Branch, Surveillance Research Program, National Cancer Institute. [Internet]. USA: National Cancer Institute; 2018. [acesso em 15 maio 2020]. Disponível em: https://surveillance.cancer.gov/help/joinpoint/tech-help/citation.

[B12] 12.12. Liu J, Chen T, Yu Y, Han X, Zheng X. Eleven-year trends of acute myocardial infarction incidence, mortality and case-fatality rate in Shanghai: a 1.09 million population based surveillance study. Int J Clin Exp Med. 2016;9(6):11385-96.

[B13] 13.13. Vujcic IS, Sipetic SB, Dubljanin ES, Vlajinac HD. Trends in mortality rates from coronary heart disease in Belgrade (Serbia) during the period 1990-2010: a joinpoint regression analysis. BMC Cardiovasc Disord. 2013 Dec 9;13:112. [DOI] [PMC free article] [PubMed]

[B14] 14.14. Marinho F, Passos VMA, Malta DC, França EB, 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. 2018;392(10149):760-75. [DOI] [PMC free article] [PubMed]

[B15] 15.15. Mansur AP, Favarato D. Mortality due to cardiovascular diseases in women and men in the five brazilian regions, 1980-2012. Arq Bras Cardiol. 2016;107(2):137-46. [DOI] [PMC free article] [PubMed]

[B16] 16.16. Brant LCC, Nascimento BR, Passos VMA, Duncan BB, Bensenor IJM, Malta DC, et al. Variations and particularities in cardiovascular disease mortality in Brazil and Brazilian states in 1990 and 2015: estimates from the Global Burden of Disease. Rev Bras Epidemiol. 2017;20(suppl 1):116-28. [DOI] [PubMed]

[B17] 17.17. Ribeiro ALP, Duncan BB, Brant LCC, Lotufo PA, Mill JG, Barreto SM. Cardiovascular health in Brazil: trends and perspectives. Circulation. 2016;133(4):422-33. [DOI] [PubMed]

[B18] 18.18. Baena CP, Chowdhury R, Schio NA, Schio NA, Sabbag Jr AE, Grarita-Souza LC, et al. Ischaemic heart disease deaths in Brazil: current trends, regional disparities and future projections. Heart. 2013;99(18):1359-64. [DOI] [PubMed]

[B19] 19.19. França EB, Passos VMA, Malta DC, Duncan BB, Ribeiro ALP, Guimarães MDC, et al. Cause-specific mortality for 249 causes in Brazil and states during 1990–2015: a systematic analysis for the global burden of disease study 2015. Popul Health Metrics. 2017;15(1):39. [DOI] [PMC free article] [PubMed]

[B20] 20.20. Borges GM. Health transition in Brazil: regional variations and divergence/convergence in mortality. Cad Saúde Pública. 2017;33(8):e00080316. [DOI] [PubMed]

[B21] 21.21. Pinto LF, Giovanella L. The Family Health Strategy: expanding access and reducing hospitalizations due to ambulatory care sensitive conditions (ACSC). Ciênc Saúde Coletiva. 2018;23(6):1903-14. [DOI] [PubMed]

[B22] 22.22. O'Dwyer G, Konder MT, Reciputti LP, Macedo C, Lopes MGM. Implementation of the Mobile Emergency Medical Service in Brazil: action strategies and structural dimension. Cad Saúde Pública. 2017;33(7):e00043716. [DOI] [PubMed]

[B23] 23.23. Mehta LS, Beckie TM, DeVon HA, Grines CL, Krumholz HM, Johnsonn MN, et al. Acute myocardial infarction in women. Circulation. 2016;133(9):916-47. [DOI] [PubMed]

[B24] 24.24. Gaziano TA, Prabhakaran D, Gaziano JMT. Risk factors: Global Burden of Cardiovascular Disease. In: Braunwald's heart disease: a textbook of cardiovascular medicine. 11. ed. Canadá: Elsevier; 2019. p. 1-17.

PERMALINK

Mortalidade por Infarto Agudo do Miocárdio no Brasil de 1996 a 2016: 21 Anos de Contrastes nas Regiões Brasileiras

Letícia de Castro Martins Ferreira

Mário Círio Nogueira

Marilia Sá Carvalho

Maria Teresa Bustamante Teixeira

Resumo

Fundamento:

Objetivo:

Métodos:

Resultados:

Conclusões:

Introdução

Métodos

Figura 1. Procedimentos das correções dos números de óbitos quanto a causas mal definidas, uso de códigos-lixo e sub-registro.

Resultados

Tabela 1. Comparação das taxas de mortalidade por infarto agudo do miocárdio (IAM) nas regiões brasileiras com e sem correções por causas mal definidas, códigos-lixo e sub-registro no sexo feminino.

Tabela 2. Comparação das taxas de mortalidade por infarto agudo do miocárdio (IAM) nas regiões brasileiras com e sem correções por causas mal definidas, códigos-lixo e sub-registro no sexo masculino.

Figura 2. Série temporal após correções de mortalidade por infarto agudo do miocárdio no Brasil, regiões, capitais e interior, por sexo, de 1996 a 2016.

Tabela 3. Frequência de óbitos classificados com códigos-lixo para infarto agudo do miocárdio (IAM) por ano, sexo e região no Brasil de 1996 a 2016.

Figura 3. Tendências temporais das taxas de mortalidade por infarto agudo do miocárdio antes (linha tracejada) e após correções por causas mal definidas, sub-registro e códigos-lixo (linha contínua) no Brasil, regiões, capitais e interior, por sexo, de 1996 a 2016.

Tabela 4. Taxas de mortalidade* padronizadas pela nova população mundial de infarto agudo do miocárdio (IAM) nas regiões brasileiras nos anos de 1996 e 2016.

Tabela 5. Análise da regressão segmentada da tendência da mortalidade por infarto agudo do miocárdio (IAM) por sexo, capitais e interior das regiões brasileiras, de 1996 a 2016.

Discussão

Conclusões

Footnotes

Referências

Mortality Due to Acute Myocardial Infarction in Brazil from 1996 to 2016: 21 Years of Disparities in Brazilian Regions

Letícia de Castro Martins Ferreira

Mário Círio Nogueira

Marilia Sá Carvalho

Maria Teresa Bustamante Teixeira

Abstract

Background:

Objective:

Methods:

Results:

Conclusions:

Introduction

Methods

Figure 1. Procedures for the correction of the number of deaths regarding ill-defined causes, use of garbage codes, and subregisters.

Results

Table 1. Comparison of AMI-related mortality rates in Brazilian regions with and without corrections for ill-defined causes of death, garbage codes, and underreporting in women.

Table 2. Comparison of AMI-related mortality rates in Brazilian regions with and without corrections for ill-defined causes of death, garbage codes, and underreporting in men.

Figure 2. Time trends in mortality rates from acute myocardial infarction before (dashed line) and after corrections for ill-defined causes of death, underreporting, and garbage codes (continuous line) in Brazil, regions, capital cities, and other municipalities by gender from 1996 to 2016.

Table 3. Frequency of deaths classified with garbage codes for AMI by year/gender/region in Brazil from 1996 to 2016.

Figure 3. Time series after mortality corrections for acute myocardial infarction in Brazil, regions, capital cities, and other municipalities by gender from 1996 to 2016.

Table 4. AMI-related mortality rates * standardized by the new world population by Brazilian region in 1996 and 2016.

Table 5. Analysis of the segmented regression of the AMI-related mortality trend by gender, capital cities, and other municipalities of the Brazilian regions, 1996-2016.

Discussion

Conclusions

Footnotes

ACTIONS

PERMALINK

RESOURCES

Similar articles

Cited by other articles

Links to NCBI Databases

Tabela 4. Taxas de mortalidade^* padronizadas pela nova população mundial de infarto agudo do miocárdio (IAM) nas regiões brasileiras nos anos de 1996 e 2016.