O estudo teve como objetivos, descrever o atraso na notificação de óbitos por COVID-19 na cidade de São Luís, Maranhão, Brasil, e demonstrar o impacto sobre o monitoramento oportuno e modelagem da pandemia. O estudo teve como objetivo secundário determinar a medida em que a nowcasting é capaz de diminuir a defasagem na notificação de óbitos. Analisamos os dados de mortalidade por COVID-19 registrados diariamente no Boletim Epidemiológico da Secretaria de Estado da Saúde do Maranhão e calculamos o atraso na notificação entre 23 de março e 29 de agosto de 2020. Para ilustrar o impacto do atraso na notificação de óbitos e testar a efetividade de uma nowcasting bayesiana para melhorar a qualidade dos dados, ajustamos um modelo hierárquico bayesiano semi-mecanístico. Apenas 17,8% dos óbitos foram notificados sem atraso ou no dia seguinte, enquanto 40,5% foram atrasados em mais de 30 dias. Devido ao atraso na notificação, houve uma subestimação inicial nos óbitos. Entre 7 de junho e 29 de agosto, 644 óbitos foram notificados, mas apenas 116 mortes ocorreram nesse período. O uso da técnica de nowcasting bayesiana melhorou parcialmente a qualidade dos dados de mortalidade no pico da epidemia, apresentando estimativas mais ajustadas ao cenário observado na cidade, mas não se mostrou útil quase dois meses depois do pico. O atraso na notificação de óbitos pode interferir diretamente nas decisões assertivas e oportunas sobre o combate à pandemia da COVID-19. Portanto, o sistema brasileiro de vigilância epidemiológica deve ser revisto urgentemente, e o registro da data do óbito deve ser obrigatório. A técnica de nowcasting mostrou ser parcialmente eficaz na melhoria dos dados de mortalidade no auge da pandemia, mas não depois.
This study describes the COVID-19 death reporting delay in the city of São Luís, Maranhão State, Brazil, and shows its impact on timely monitoring and modeling of the COVID-19 pandemic, while seeking to ascertain how nowcasting can improve death reporting delay. We analyzed COVID-19 death data reported daily in the Epidemiological Bulletin of the State Health Secretariat of Maranhão and calculated the reporting delay from March 23 to August 29, 2020. A semi-mechanistic Bayesian hierarchical model was fitted to illustrate the impact of death reporting delay and test the effectiveness of a Bayesian Nowcasting in improving data quality. Only 17.8% of deaths were reported without delay or the day after, while 40.5% were reported more than 30 days late. Following an initial underestimation due to reporting delay, 644 deaths were reported from June 7 to August 29, although only 116 deaths occurred during this period. Using the Bayesian nowcasting technique partially improved the quality of mortality data during the peak of the pandemic, providing estimates that better matched the observed scenario in the city, becoming unusable nearly two months after the peak. As delay in death reporting can directly interfere with assertive and timely decision-making regarding the COVID-19 pandemic, the Brazilian epidemiological surveillance system must be urgently revised and notifying the date of death must be mandatory. Nowcasting has proven somewhat effective in improving the quality of mortality data, but only at the peak of the pandemic.
La propuesta de este estudio es describir la demora en la notificación de muertes por COVID-19, en la ciudad São Luís, Maranhão, Brasil, y demostrar su impacto en el seguimiento puntual, así como en el modelaje de la pandemia de COVID-19. Un objetivo secundario fue confirmar el alcance, donde la previsión inmediata es capaz de mejorar el retraso en la notificación de las muertes. Analizamos los datos de muertes por COVID-19 diariamente en el Boletín Epidemiológico de la Secretaría de Estado de la Salud de Maranhão y calculamos los atrasos notificados desde el 23 de marzo al 29 de agosto, 2020. Con el fin de ilustrar el impacto del retraso en la notificación de muertes, y para probar la efectividad de la predicción inmediata bayesiana en la mejora de los datos de calidad, ajustamos un modelo jerárquico bayesiano semi-mecanicista. Solo un 17.8% de las muertes se notificaron sin atrasos o el día después, mientras que un 40.5% se vieron retrasadas durante más de 30 días. Debido a la demora informada, se produjo una subestimación inicial de muertes. No obstante, desde el 7 de junio al 29 de agosto, se informó de 644 muertes, pero solamente 116 muertes se produjeron durante este periodo. El uso de la técnica de predicción inmediata bayesiana mejoró parcialmente la calidad de la información de mortalidad durante el pico de la epidemia, presentando estimaciones que se ajustan mejor al escenario observado en la ciudad, pero no fue útil casi 2 meses después del pico. El retraso en la notificación de muertes podría interferir directamente en la toma de decisiones asertivas y puntuales, respecto a la pandemia de COVID-19. Por consiguiente, se debe revisar urgentemente el sistema brasileño de vigilancia epidemiológica y la notificación de la fecha de muerte debería ser obligatoria. La técnica de predicción inmediata ha demostrado ser bastante efectiva para mejorar la calidad de los datos de mortalidad solamente en el pico pandémico, pero no después.