1 Indicadores de Morbidade

Os indicadores de morbidade medem a frequência de doenças em uma população. Diferentemente dos indicadores de mortalidade, eles capturam o adoecimento — incluindo doenças que raramente matam, mas causam grande sofrimento e incapacidade (Medronho, 2009).

1.1 Incidência e Prevalência

Esses são os dois indicadores mais fundamentais da epidemiologia descritiva.

1.1.1 Taxa de Incidência

Mede a velocidade de ocorrência de novos casos em uma população em risco.

Taxa de Incidência = Casos novos no período / Pessoa-tempo em risco

1.1.2 Prevalência

Mede a proporção de casos existentes (novos + antigos) em um ponto ou período no tempo.

Prevalência = Casos existentes / População total no momento

Mostrar código R 
# Diagrama conceitual como gráfico
conceito <- tibble::tribble(
  ~Medida, ~`O que mede`, ~`Tipo`, ~`Utilidade principal`,
  "Incidência", "Casos NOVOS por tempo", "Fluxo (dinâmica)", "Avaliar risco, etiologia",
  "Prevalência", "Casos EXISTENTES no momento", "Estoque (estática)", "Planejar serviços, recursos"
)

tabela_indicador(conceito, caption = "Incidência vs. Prevalência")
Incidência vs. Prevalência
Medida O que mede Tipo Utilidade principal
Incidência Casos NOVOS por tempo Fluxo (dinâmica) Avaliar risco, etiologia
Prevalência Casos EXISTENTES no momento Estoque (estática) Planejar serviços, recursos
Figura 1: Relação entre incidência, prevalência, cura e mortalidade
NotaRelação entre incidência e prevalência

Prevalência ≈ Incidência × Duração da doença

  • Doenças de longa duração (diabetes, HIV com tratamento) → alta prevalência mesmo com incidência moderada
  • Doenças de curta duração (gripe) ou muito letais → prevalência baixa

1.2 Dengue no Brasil: um caso de incidência epidêmica

Mostrar código R 
# Fonte: SINAN/SVS/Ministério da Saúde — Série histórica de casos prováveis
# Fontes: Boletins Epidemiológicos SVS e Agência Brasil (consolidação final 2024)
# Casos em milhares; população IBGE projeções; incidência calculada
dengue <- tibble::tribble(
  ~ano, ~casos_mil, ~pop_milhoes, ~incidencia,
  2010,  1012,  190.7,  530.6,
  2011,   739,  192.4,  384.1,
  2012,   590,  194.0,  304.1,
  2013,  1455,  195.5,  744.2,
  2014,   589,  197.0,  299.0,
  2015,  1689,  198.4,  851.3,
  2016,  1484,  199.8,  742.7,
  2017,   253,  201.0,  125.9,
  2018,   216,  202.2,  106.8,
  2019,  1545,  203.2,  760.3,
  2020,   988,  204.1,  484.1,
  2021,   544,  204.9,  265.5,
  2022,  1451,  205.5,  706.1,
  2023,  1659,  206.0,  805.3,
  2024,  6485,  206.5, 3140.9
)

ggplot(dengue, aes(x = ano, y = incidencia)) +
  geom_col(fill = ifelse(dengue$incidencia > 700, cores_indicadores["perigo"],
                          cores_indicadores["destaque"]),
           alpha = 0.8, width = 0.8) +
  scale_x_continuous(breaks = dengue$ano) +
  scale_y_continuous(labels = label_number(big.mark = ".")) +
  labs(
    title = "Padrão epidêmico da dengue no Brasil",
    subtitle = "Grandes surtos cíclicos — 2024 bateu recorde com >6,4 milhões de casos",
    x = "Ano", y = "Incidência (por 100 mil hab.)",
    caption = "Fonte: SINAN/SVS/Ministério da Saúde (2024 = dados preliminares)"
  ) +
  tema_indicadores() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))
Figura 2: Taxa de incidência de dengue no Brasil (2010–2024)

1.3 Prevalência de Doenças Crônicas

Mostrar código R 
# Fonte: PNS 2019 (IBGE) e Vigitel 2023 (SVS/MS)
# PNS 2019: hipertensão 23,9%, diabetes 7,7%, depressão 10,2%, asma 5,3%
# Vigitel 2023: obesidade 24,3%
# DRC: PNS 2019 reportou 1,4% (autodeclaração de diagnóstico médico)
dcnt <- tibble::tribble(
  ~doenca, ~prevalencia, ~fonte,
  "Hipertensão arterial",  23.9, "PNS 2019",
  "Obesidade (IMC ≥ 30)",  24.3, "Vigitel 2023",
  "Depressão",             10.2, "PNS 2019",
  "Diabetes mellitus",      7.7, "PNS 2019",
  "Asma",                   5.3, "PNS 2019",
  "Doença renal crônica",   1.4, "PNS 2019"
)

ggplot(dcnt, aes(x = reorder(doenca, prevalencia), y = prevalencia)) +
  geom_col(fill = cores_indicadores["destaque"], width = 0.7) +
  geom_text(aes(label = paste0(fmt_br(prevalencia), "%")), hjust = -0.1, size = 3.5) +
  coord_flip() +
  scale_y_continuous(limits = c(0, 32)) +
  labs(
    title = "Doenças crônicas afetam 1 em cada 4 adultos brasileiros",
    subtitle = "Hipertensão e obesidade lideram",
    x = NULL, y = "Prevalência (%)",
    caption = "Fonte: PNS 2019 / Vigitel 2023 — IBGE / SVS"
  ) +
  tema_indicadores()
Figura 3: Prevalência estimada de DCNT selecionadas — Brasil adulto

1.4 Notificação Compulsória e o SINAN

O Sistema de Informação de Agravos de Notificação (SINAN) é a principal fonte de dados sobre doenças de notificação compulsória no Brasil. A lista de doenças é atualizada periodicamente pelo Ministério da Saúde.

Mostrar código R 
notif <- tibble::tribble(
  ~Doença, ~Periodicidade, ~Importância,
  "Dengue (óbito)",     "Imediata (24h)",  "Monitoramento de surtos",
  "COVID-19",           "Imediata (24h)",  "Vigilância epidemiológica",
  "Meningite",          "Imediata (24h)",  "Risco de surto",
  "Sarampo",            "Imediata (24h)",  "Doença eliminada — vigilância ativa",
  "Tuberculose",        "Semanal",         "Endemia nacional",
  "Sífilis congênita",  "Semanal",         "Indicador sentinela de pré-natal",
  "Hanseníase",         "Semanal",         "Endemia em eliminação"
)

tabela_indicador(notif)
Tabela 1: Exemplos de doenças de notificação compulsória imediata
Doença Periodicidade Importância
Dengue (óbito) Imediata (24h) Monitoramento de surtos
COVID-19 Imediata (24h) Vigilância epidemiológica
Meningite Imediata (24h) Risco de surto
Sarampo Imediata (24h) Doença eliminada — vigilância ativa
Tuberculose Semanal Endemia nacional
Sífilis congênita Semanal Indicador sentinela de pré-natal
Hanseníase Semanal Endemia em eliminação
AvisoViés de notificação

Doenças que afetam populações vulneráveis ou estigmatizadas — como tuberculose, HIV/AIDS e transtornos mentais — tendem a ser subnotificadas por barreiras de acesso e discriminação nos serviços de saúde. Isso produz uma subestimação sistemática do problema nos grupos que já são menos visíveis nos sistemas de informação.

De volta ao topo

Referências

MEDRONHO, Roberto A. Epidemiologia. 2. ed. São Paulo: Atheneu, 2009.