A complexa rede causal da Covid-19 em idosos internados em unidade de terapia intensiva / The complex causal network of Covid-19 in elderly hospitalized in an intensive care unit

Taís Ivastcheschen, Ana Claudia Garabeli Cavalli Kluthcovsky, Camila Marinelli Martins, Pollyanna Kássia de Oliveira Borges

Abstract


Objetivo: elaborar modelo teórico-explicativo causal para a COVID-19 em idosos internados em Unidade de Terapia Intensiva. Métodos: elaborou-se modelo explicativo causal para a COVID-19 ancorado em estudo epidemiológico. Resultados: o modelo apresenta características sociodemográficas, condições prévias e durante a hospitalização. A complexidade das relações causais indica numerosos elementos com papel na produção de um efeito na teia e revela que a COVID-19 tanto pode ser compreendida como desfecho, como exposição. Por exemplo, o comprometimento do órgão pela doença crônica pode expor o paciente a complicações e influenciar na resposta a infecção. Enquanto, a COVID-19 pode expor o paciente a alterações sanguíneas e respiratórias influenciando a resposta inflamatória e desenvolvimento de sepse. Conclusão: sob a perspectiva da teoria da causalidade têm-se uma análise dos fios condutores da doença e sua progressão de forma mais transparente, acompanhando o percurso e reconhecendo a amplitude do efeito.


Keywords


Coronavírus, Causalidade, Processo saúde-doença, Epidemiologia.

References


AHLBOM, A. Epidemiology is about disease in populations. Eur J Epidemiol, v. 35, n. 12, p. 1111-1113, 2020. doi: 10.1007/s10654-020-00701-9

AZEVEDO, F. M. et al. Atribuições de Causalidade pela infecção por HIV. Estud Pesqui Psicol, v. 3, 2020. doi: https://doi.org/10.12957/epp.2020.54346

BRASIL. Ministério da Saúde. Coronavírus Brasil. Brasília, 2021. Disponível em: https://covid.saude.gov.br/

CANUTO, R.; FANTON, M.; LIRA, P. I, C. Iniquidades sociais no consumo alimentar no Brasil: uma revisão crítica dos inquéritos nacionais. Cien Saude Colet, v. 24, n. 9, p. 3193-32, 2019. doi: https://doi.org/10.1590/1413-81232018249.26202017

CHAVES, A. P. C. et al. Alteração de marcadores laboratoriais em pacientes internados por COVID‐19. Braz J Infect Dis, v. 25, 2021. doi:10.1016/j.bjid.2020.101115

DINOS, S. et al. Assessing explanatory models and health beliefs: An essential but overlooked competency for clinicians. BJPsych Adv, v. 23, n. 2, p. 106–14, 2017. doi: https://doi.org/10.1192/apt.bp.114.013680

DOROSHENKO, A. The Combined Effect of Vaccination and Nonpharmaceutical Public Health Interventions—Ending the COVID-19 Pandemic. JAMA Netw Open, v. 4, p. 6, 2021. doi:10.1001/jamanetworkopen.2021.11675

FERREIRA, A. D. S. et al. Perfil sociodemográfico dos pacientes confirmados para Covid-19 residentes no Espírito Santo, Brasil. AtoZ: novas práticas em informação e conhecimento, v.9, n. 2, p. 216-223, 2020. doi: http://dx.doi.org/10.5380/atoz.v9i2.76179

GUO, R. et al. A Survey of Learning Causality with Data: Problems and Methods. ACM Comput Surv, v. 53, n. 4, p. 1-37, 2020. doi: https://doi.org/10.1145/3397269

KRIEGER, N. Epidemiology and the web of causation: has anyone seen the spider? Soc Sci Med, v. 39, n. 7, p. 887-903, 1994. doi: 10.1016/0277-9536(94)90202-x

KULLER, L. Epidemiologists of the Future: Data Collectors or Scientists? Am J Epidemiol, v. 188, n. 5, p. 890-895, 2019. doi: 10.1093/aje/kwy221. PMID: 30877293

LI, H. et al. SARS-CoV-2 and viral sepsis: observations and hypotheses. Lancet, v. 395, n. 10235, p. 1517-1520, 2020. doi: 10.1016/S0140-6736(20)30920-X

MACMAHON, B.; PUGH, T. Epidemiology: Principles and Methods. Boston: Little, Brown & Co; 1970.

PETERS, J.; JANZING, D.; SCHOLKOPF, B. Elements of Causal Inference: Foundations and Learning Algorithms. Cambridge: MIT Press; 2017.

ROZENFELD, Y. et al. A model of disparities: risk factors associated with COVID-19 infection. Int J Equity Health, v. 19, n. 1, p. 126, 2020. doi: 10.1186/s12939-020-01242-z

VENTRIGLIO, A.; BELLOMO, A.; BHUGRA, D. Web of causation and its implications for epidemiological research. Int J Soc Psychiatry, v. 62, n. 1, p. 3-4, 2016. doi: 10.1177/0020764015587629

YU, K. et al. Causality-based Feature Selection:Methods and Evaluations. ACM Comput Surv, v. 53, n. 5, 2020. doi: https://doi.org/10.1145/3409382

YUKI, K.; FUJIOGI, M.; KOUTSOGIANNAKI, S. COVID-19 pathophysiology: A review. Clin Immunol, v. 215, 2020. doi:10.1016/j.clim.2020.108427




DOI: https://doi.org/10.34119/bjhrv4n5-152

Refbacks

  • There are currently no refbacks.