Efeito da vacinação no Brasil contra a COVID-19 e o seu comportamento frente variantes de preocupação e suas sublinhagens

El efecto de la vacunación contra la COVID-19 en Brasil y su comportamiento ante la preocupación por las variantes y sus sublinajes

Resumo

O trabalho objetivou avaliar o efeito da vacinação no Brasil contra a COVID-19 pelo estudo de correlações. Realizou-se um estudo ecológico que abordou a quantidade de casos, estratificando-os por variantes de preocupação (VOC) do SARS-CoV-2 e suas sublinhagens, óbitos, cobertura vacinal e índice de restrições, avaliando a relação dessas variáveis por meio do coeficiente de correlação tau de Kendall (τ). Foi possível observar uma forte correlação entre aumento da cobertura vacinal, total de vacinações (τ = -0,702, p < 0,001, IC95% [-0,723; -0,679]) e indivíduos imunizados (τ = -0,717, p < 0,001, IC95% [-0,737; -0,695]), e a redução de novos óbitos. Observou-se também relação na redução de novos casos, no entanto consideravelmente mais fraca. Quando se estratifica pelas VOC, destaca-se o observado na ômicron e suas sublinhagens, cuja vacinação mostrou-se incapaz de conter, sugerindo que a correlação negativa (τ = -0,199, p < 0,001, IC95% [-0,249; -0,141]) da quantidade de casos estimados e do índice de restrições pode ser parte da explicação. A pandemia de COVID-19 necessitou de um esforço coeso e global para seu enfretamento, sendo inegável o efeito da vacinação na diminuição de novos casos e óbitos para a população brasileira, todavia, nota-se a importância da combinação dessas medidas com outras ações preventivas.

Palavras-chave:
SARS-CoV-2; Programa Nacional de Imunizações; Pandemias

Abstract

This study aims to evaluate the effect of vaccination in Brazil against COVID-19 by studying correlations. An ecological study was carried out that looked at the number of cases, stratifying them by the variants of concern (VOC) of SARS-CoV-2 and its sublineages, deaths, vaccination coverage and stringency index, evaluating the relationship of these variables using Kendall’s tau correlation coefficient (τ). It was possible to observe a strong correlation between the increase in vaccination coverage, total vaccinations (τ = -0.702, p < 0.001, 95%CI [-0.723; -0.679]) and immunized individuals (τ = -0.717, p < 0.001, 95%CI [-0.737; -0.695]), and the reduction in new deaths. There is also a relationship with the decrease in new cases, although considerably weaker. When stratifying by VOC, what stands out is what was observed in omicron and its sublineages, whose vaccination proved incapable of containing, suggesting that the negative correlation (τ = -0.199, p < 0.001, 95%CI [-0.249; -0.141]) between the number of estimated cases and the stringency index may be part of the explanation. The COVID-19 pandemic has required a cohesive, global effort to deal with it, and the effect of vaccination on reducing new cases and deaths for the Brazilian population is undeniable; however, it is important to combine these measures with other preventive actions.

Key words:
SARS-CoV-2; Immunization Programs; Pandemics

Resumen

Este estudio tuvo como objetivo evaluar el efecto de la vacunación contra la COVID-19 en Brasil mediante análisis de correlación. Se realizó un estudio ecológico que abordó el número de casos, estratificándolos por variantes de preocupación (VOC) del SARS-CoV-2 y sus sublinajes, muertes, cobertura de vacunación e índice de restricción, evaluando la relación entre estas variables mediante el coeficiente de correlación tau de Kendall (τ). Se observó una fuerte correlación entre el aumento de la cobertura de vacunación, las vacunaciones totales (τ = -0,702, p < 0,001, IC del 95% [-0,723; -0,679]) y los individuos inmunizados (τ = -0,717, p < 0,001, IC del 95% [-0,737; -0,695]), y la reducción de nuevas muertes. También se observó una relación en la reducción de nuevos casos, aunque considerablemente más débil. Al estratificar por VOC, destaca la observación en Ómicron y sus sublinajes, donde la vacunación no logró contener el brote, lo que sugiere que la correlación negativa (τ = -0,199, p < 0,001, IC del 95% [-0,249; -0,141]) entre el número estimado de casos y el índice de restricción podría ser parte de la explicación. La pandemia de COVID-19 requirió un esfuerzo cohesivo y global para enfrentarla, y el efecto de la vacunación en la reducción de nuevos casos y muertes en la población brasileña es innegable; sin embargo, se destaca la importancia de combinar estas medidas con otras acciones preventivas.

Palabras clave:
SARS-CoV-2; Programa Nacional de Inmunización; Pandemias

Introdução

Ao final de 2019, o escritório chinês da OMS (Organização Mundial de Saúde) recebeu a informação de casos de pneumonia com causa desconhecida na cidade Wuhan, na China¹. Esta situação continua a evoluir até que, em 30 de janeiro de 2020, seguindo o conselho do Emergency Committee convened under the International Health Regulations (em tradução livre para o português: Comitê de Emergência convocado sob o Regulamento Sanitário Internacional), o diretor geral da OMS, Tedros Adhanom, declarou uma Emergência de Saúde Pública de Importância Internacional. Esse é considerado o mais alto nível de alerta da OMS, sendo aplicado para o controle do surto global de COVID-19, a coronavirus disease 2019 (cujo significado na língua portuguesa é “doença por coronavírus 2019”), perdurando esse estado de emergência até 5 de maio de 2023. Nessa data somavam-se quase 7 milhões de mortes relacionadas à COVID-19 notificadas à OMS, entretanto, o número estimado poderia passar de 20 milhões².

Uma das medidas para o controle da COVID-19 foi a vacinação, iniciada em janeiro de 2021 no Brasil após forte pressão da sociedade sobre o governo federal³. No Brasil, certos fatores influenciaram negativamente a capacidade de resposta. Para alguns autores, o comando nacional e centralizado para o enfrentamento da pandemia não ocorreu⁴. Outro ponto a ser levado em conta foi a disputa entre os entes federativos Brasileiros - União, estados, municípios e o Distrito Federal⁵.

Soma-se a isso a preocupação que surge com as novas infecções, ainda mais quando avaliamos no contexto das variantes de preocupação (variants of concern, VOC), pois podem escapar de forma total ou parcial da imunidade previamente adquirida. O conhecimento das mutações que elas carregam é um passo inicial para que estudos demonstrem a efetividade dessa proteção⁶. Para que isso ocorra, deve existir rastreamento da propagação e deriva genética viral do SARS-CoV-2⁷. Apesar de a maioria das mutações terem pouco ou nenhum efeito nas propriedades virais, algumas podem afetar a infectividade, patogenicidade, desempenho das vacinas, terapias e diagnósticos disponíveis e outras medidas de controle social e/ou de saúde pública. As VOCs podem causar impacto substancial na capacidade de os sistemas de saúde prestarem cuidados eficazes aos doentes, exigindo grandes intervenções no âmbito da saúde pública⁸. As VOCs têm letras gregas atribuídas em sua classificação: alfa, beta, gama, delta e ômicron⁹.

Uma das plataformas que permitiu o acompanhamento dessas mudanças genômicas foi o Global Initiative on Sharing All Influenza Data (GISAID). Essa vigilância inclui dados clínicos, epidemiológicos e de sequenciamento genético. Para o SARS-CoV-2, milhões de sequenciamentos estão disponíveis na plataforma, e em meados de fevereiro de 2024 esse número ultrapassava os 16 milhões¹⁰. Um dos projetos que usa os dados do GISAID é o CoV-Spectrum, cujo objetivo é auxiliar a rastrear VOCs e facilitar sua identificação precoce, permitindo uma visão multifacetada da variante¹¹. Outra base de dados que permitiu melhor entendimento da pandemia de COVID-19 foi o Our World In Data (OWID). Acredita-se que uma das principais razões pelas quais não se alcançou maior progresso sobre o conhecimento, por exemplo, da cadeia epidemiológica e de características de agentes infeciosos seja o uso precário de pesquisas e dados existentes¹².

Este trabalho teve por objetivo avaliar o efeito da vacinação no Brasil no enfretamento da COVID-19 através de correlações, desde sua implementação até o final do estado de emergência declarado pela OMS, por meio de variáveis como índice de restrições, quantidade de óbitos e casos estratificados pelos números estimados por VOC e sublinhagens. O estudo permitiu encontrar pontos de melhoria que podem ser implementados como medidas de prevenção para pandemias vindouras.

Materiais e métodos

Empreendeu-se um estudo ecológico sintetizando a quantidade de casos de COVID-19, estratificados por VOC e sublinhagens do SARS-CoV-2, óbitos e dados de cobertura vacinal. Posteriormente, realizou-se correlações a fim de avaliar o comportamento dessas variáveis na população brasileira.

O período abordado foi de 1º de janeiro de 2020 a 5 de maio de 2023, com extração de dados por meio da base OWID, que extrai parte de seus dados do World Health Organization Coronavirus Dashboard. Os dados extraídos foram: novos casos (suavizados) - novos casos confirmados de COVID-19 (suavizados por sete dias); novos óbitos (suavizados) - novas mortes atribuídas a COVID-19 (suavizados por sete dias); população - população estimada pela Nações Unidas; vacinações totais - total de doses administradas da vacina para COVID-19; indivíduos imunizados - número total de indivíduos que receberam todas as doses prescritas pelo protocolo vacinação inicial para a COVID-19; doses de reforço - quantidade de doses além do protocolo de vacinação inicial para a COVID-19¹².

O índice de restrições (stringency index) é calculado pelo Oxford COVID-19 Government Response Tracker, sendo baseado na média de nove métricas, cada uma assumindo um valor entre 0 e 100, sendo exemplificadas por: fechamento de escolas e de locais de trabalho; cancelamento de eventos públicos; restrições a aglomerações, transporte público, a viagens domésticas e internacionais; medidas que visem a permanecia em domicílio e campanhas de informação pública¹³.

Os dados referentes às VOC e suas sublinhagens foram obtidos no dia 17 de maio de 2024, por meio do CoV-Spectrum, que utiliza sequências genômicas advindas do GISAID e do NCBI GenBank, posteriormente executando o Nextclade para obtenção de sequências alinhadas, atribuindo clado, mutações e posicionamento filogenético¹¹.

As informações foram tabuladas no software Microsoft Excel, versão Microsoft 365. A análise estatística foi realizada por intermédio do software JASP 0.18.2, utilizando-se o coeficiente de correlação tau de Kendall, em vista da repetição de valores causados pela suavização das medidas, que por vezes têm coleta espaça, seguindo as recomendações encontradas no guia de Goss-Sampson¹⁴. Para as correlações com as VOC, excluíram-se aquelas sem casos mensuráveis. Esse critério de exclusão objetivou uma melhor exploração dentro do seu período de dominância e do longo período explorado. Os gráficos apresentados neste trabalho foram gerados pelo software OriginPro, versão 2024. Todos os dados utilizados, bem como os arquivo de salvamento dos programas citados, encontram-se disponíveis no link: https://doi.org/10.48331/scielodata.GDVK7C.

Para todas as análises estatísticas considerou-se significante o valor de p ≤ 0,05, interpretando-se as correlações conforme as recomendações de Schober e Schwarte¹⁵. Utilizou-se a técnica de intervalo de confiança por bootstrap,com 1.000 réplicas, colorindo-se as células com correlações significativas em tons de cinza conforme seus valores.

Resultados

Como observado na Tabela 1, faz-se necessário detalhar as doses reforço, que obtiveram cobertura de 58,70%, pressupondo somente uma dose por individuo, embora existam aqueles que receberam mais de uma dose de reforço. Quanto à quantidade de casos, destaca-se que não há distinção por indivíduos. Pressupondo que cada um infectou-se apenas uma única vez, com essa infecção sendo elencada na base OWID, verificou-se que 17,39% da população brasileira teria se infectado com o SARS-CoV-2 e que 0,33% evoluiu a óbito relacionado à COVID-19.

Tabela 1
Estado da vacinação, números de casos e óbitos ao final do estado de emergência em 5/5/2023 para o Brasil.

Variável	Total de ocorrências	Porcentagem frente a população
Vacinações totais	486.436.436	225,92%
Indivíduos imunizados	176.164.186	81,82%
Doses de reforço	126.388.587	58,70%
Total de casos	37.449.418	17,39%
Total de óbitos	701.494	0,33%

• Fonte: OWID, 2024.

A Figura 1 mostra a relação entre a quantidade de novos casos e óbitos e a progressão da vacinação no Brasil. A primeira vacinação registrada no OWID ocorreu no dia 17 de janeiro de 2021, com o primeiro esquema completo no dia 5 de fevereiro de 2021. As doses de reforço se iniciaram 2 de setembro de 2021, cerca de sete meses após o começo da vacinação.

Figura 1
Quantidade de óbitos, casos e índice de restrições no decorrer do período estudado e total acumulado de vacinações, indivíduos imunizados e doses de reforço.

É interessante destacar, também na Figura 1, a inversão, na proporcionalidade das medidas estudadas no gráfico, entre a quantidade de casos e a de óbitos ocorrida em 8 de janeiro de 2022. Nesse momento, a cobertura de indivíduos imunizados era de 66,82%, com 13,1% de cobertura por dose de reforço, sendo também observada uma tendência de redução no índice de restrições, bem como o início de dominação pela variante ômicron (Figura 2).

Figura 2
Quantidade de novos casos e óbitos relacionados a COVID-19 e sua relação com a quantidade de casos estimados pelo CoV-Spectrum por VOC e suas sublinhagens.

Na Tabela 2 observa-se a quantidade estimada de casos para cada VOC e suas sublinhagens. A maior quantidade de casos foi causada pela VOC ômicron, seguida pela gama. Já a beta teve uma baixa quantidade de sequenciamentos, sendo excluída dos testes de correlação feitos posteriormente. A quantidade de cobertura dos sequenciamentos frente à quantidade de casos variou consideravelmente, tendo seu ápice durante a epidemia provocada pela VOC delta e suas sublinhagens.

Tabela 2
Quantidade de sequenciamentos, casos estimados por meio destes e cobertura de sequenciamentos para as VOC do SARS-CoV-2.

Classificação Pango	Nomenclatura VOC	Total de sequências incluindo sublinhagens	Quantidade de casos estimados	Cobertura de sequenciamento por quantidade de casos estimados
B.1.1.7*	Alfa	1.396	312.388	0,45%
B.1.351*	Beta	13	3.579	0,36%
B.1.1.28.1*	Gama	57.837	10.049.003	0,58%
B.1.617.2*	Delta	48.616	2.169.344	2,24%
B.1.1.529*	Ômicron	104.934	14.363.475	0,73%
Total		237.968	37.460.999	0,64%

• * Inclusão de sublinhagens.
• Fonte: CoV-Spectrum, 2024.

Na Figura 2 observa-se a relação entre a quantidade de novos casos e óbitos relacionados à COVID-19 frente às VOC e suas sublinhagens. Vale ressaltar que geralmente existe uma dominação por cada uma das VOC a partir da gama. Nota-se que os picos de óbitos que ocorrem no período dessas três últimas VOC tornam-se cada vez mais tênues.

Na Tabela 3, em sua primeira parte, observa-se a relação entre algumas variáveis caracterizantes da progressão da vacinação no Brasil frente aos óbitos e casos ocasionados pela COVID-19. Destaca-se a forte correlação entre o aumento da cobertura vacinal, total de vacinações (τ = -0,702, p < 0,001, IC95% [-0,723; -0,679]), indivíduos imunizados (τ = -0,717, p < 0,001, IC95% [-0,737; -0,695]) e a redução de novos óbitos. Existe também correlação na redução de casos, todavia consideravelmente mais fraca do que a ligada a redução de óbitos, total de vacinações (τ = -0,408, p < 0,001, IC95% [-0,443; -0,370]) e indivíduos imunizados (τ = -0,409, p < 0,001, IC95% [-0,446; -0,370]). Para as doses de reforço, a correlação com os novos casos torna-se bem mais tênue, porém ainda apresenta correlação moderada para a redução de óbitos relacionados à COVID-19 (τ = -0,546, p < 0,001, IC95% [-0,582; -0,509]).

Tabela 3
Correlações por Tau de Kendall para o total acumulado vacinações, indivíduos imunizados e doses de reforço frente a quantidade de novos casos e óbitos relacionados a COVID-19, seguido por correlações estratificadas para as VOC, e suas sublinhagens, alfa, gama, delta e ômicron e quantidade de seus casos estimados.

Na segunda parte da Tabela 3, agora estratificada por VOC e suas sublinhagens, nota-se correlação entre as variantes, sendo a alfa sucedida de modo mais forte pela gama quanto à quantidade de óbitos. Durante o período de dominação pela gama, a correlação coincide com o início do esforço de vacinação, mantendo-se crescente com o passar do tempo. Porém, não se observou correlação para as VOC delta e ômicron. O total de vacinações e imunizações correlaciona-se com a redução da quantidade de casos das VOC alfa e gama, com correlação tênue para a delta e insignificante para a ômicron.

As doses de reforço se correlacionaram com a redução de casos das variantes gama e delta, mas não para ômicron (τ = -0,081, p = 0,015, IC95% [-0,189; 0,016]). Urge destacar que, durante os últimos dois picos de casos da ômicron, houve diminuição na progressão do avanço das doses de reforço e notável redução do índice de restrições (Figura 1).

O índice de restrições se correlaciona positivamente com as VOC alfa e gama, enquanto para a ômicron (τ = -0,199, p < 0,001, IC95% [-0,249; -0,141]) essa relação passa a ser fracamente negativa, ou seja, quando ocorre o aumento de casos, existe uma diminuição do índice de restrições, ou vice-versa (Tabela 3). Tal achado pode ser um dos motivos que justificaria a incapacidade de a vacinação conter efetivamente a variante ômicron.

Discussão

O enfrentamento da pandemia iniciou-se com medidas não farmacológicas, como fechamento de escolas, distanciamento social e isolamento de casos sintomáticos e indivíduos idosos¹⁶. A suplementação dessas medidas com o uso de vacinas era vista como uma forma de tornar essas ações preventivas ainda mais efetivas, principalmente se existisse priorização de grupos populacionais, como idosos e indivíduos vulneráveis¹⁷. Ambas as ações, não farmacológicas e farmacológicas (imunização por vacinas), eram embasadas por modelos matemáticos^16,17.

Esse sinergismo também era importante no controle de variantes, principalmente quando se fala de VOC. Por exemplo, um modelo epidêmico descobriu que uma rápida taxa de vacinação diminui a probabilidade de uma variante resistente. Diante disso, destaca-se que, quando ocorreu um relaxamento das intervenções não farmacológicas em um momento em que a maioria dos indivíduos da população havia sido vacinada, a probabilidade de aparecimento de variantes resistentes aumentou consideravelmente¹⁸.

Esse tipo de ausência de comportamento sinérgico, como observado na redução do índice de restrições (Figura 1 e Tabela 3), pode ser parte da explicação para a variante ômicron, que teve uma explosão de casos, apesar da cobertura vacinal crescente e considerável. Todavia, a quantidade de óbitos observáveis foi menor do que para as VOC e suas sublinhagens antecedentes, como bem destacado pela Figura 2. Esse achado foi já observado por Moura e colaboradores, no período de 2020 a 2022. Os autores caracterizam três ondas da COVID-19, bem como o efeito da imunização na redução da mortalidade na segunda e terceira onda, sendo essa última atribuída à VOC ômicron, porém a vacinação não foi capaz de conter os novos casos. É nesse período que ocorre o maior pico já observado de novos casos de COVID-19⁴.

É importante destacar a efetividade da vacinação, cuja evidência foi comprovada por Victora e colaboradores, que avaliaram o impacto da vacinação na mortalidade de idosos brasileiros durante o período de ampla transmissão da VOC gama. O rápido aumento da cobertura vacinal para essa população reduziu a mortalidade relativa frente a indivíduos mais jovens, estimando que, se as taxas de mortalidade se mantivessem no patamar do período pré-vacinação, 43.802 mortes adicionais ocorreriam até o final do período estudado¹⁹.

O presente estudo avaliou as correlações de diversas variáveis, demonstrando a relação entre a diminuição da quantidade de casos e óbitos a partir do esforço de programas vacinais. A quantidade de novos óbitos relacionados à COVID-19 foi fortemente relacionada de maneira negativa com a vacinação, ou seja, com o aumento da cobertura vacinal houve diminuição dos óbitos relacionados à doença. Quando isso é estratificado por VOC, a quantidade de novos óbitos relacionou-se com os casos observados para as primeiras variáveis (alfa e gama), momento em que o esforço de vacinação era crescente no país.

Devemos salientar que o surgimento de variantes do SARS-CoV-2 e suas sublinhagens mostrou que podem ocorrer reinfecções, apesar da imunidade adquirida pela primoinfecção ou pela vacinação. Estudo que usou dados advindos da Holanda, entre março e agosto de 2021, mostrou risco aumentado de infecção pelas VOC beta, gama e delta, em comparação com a alfa, após a vacinação, sendo esse risco maior entre 14 e 59 dias pós-vacinação. Todavia, contrastando com a imunidade induzida pela vacina, não houve risco aumentado de reinfecção com variantes beta, gama ou delta em relação à variante alfa em indivíduos com imunidade induzida por infecção²⁰. Outros estudos mostraram que, durante o período da VOC delta, a primoinfecção conferia melhor resposta imunológica do que a vacinação sem infeção prévia. De qualquer modo, a combinação da vacinação e da infeção prévia induziu uma melhor proteção imunológica. No entanto, a infeção primária acarreta risco de hospitalização ou morte, especialmente em pessoas idosas ou com comorbidades^21,22.

No Brasil, a variante que se correlacionou mais fortemente com os óbitos foi a gama (Figura 2 e Tabela 3), sendo necessário destacar o ocorrido na cidade de Manaus, no estado do Amazonas, que, pelo aumento da taxa de infecção e gravidade do quadro, teve o colapso de seu sistema de saúde²³, alcançando valores elevados de casos e óbitos de março a junho de 2022, com pico de 3.000 óbitos por dia²⁴.

Essa VOC foi primariamente detectada em pacientes que retornavam ao Japão após passagem pelo Amazonas e apresentava 12 mutações, incluindo três na região do RBD (receptor binding domain, cujo significado é “domínio de ligação ao receptor”)²⁵. Tendo seu início coincidente com as festas de fim de ano²⁴, observa-se um considerável relaxamento das medidas de controle nos meses prévios, como observado na queda do índice de restrições na Figura 1. Essa variante mostrou-se mais transmissível do que as outras previamente em circulação na região. Tal fato pode ser justificado pelas mutações no RBD de sua proteína spike, sendo possível observar também uma maior carga viral em comparação com outras variantes^25,26.

As doses de reforço foram capazes de reduzir consideravelmente a quantidade de novos casos da VOC delta. Para essa VOC, a avaliação dos soros de indivíduos vacinados com as vacinas BNT162b2 (Pfizer/BioNTech) e ChAdOx1 (Oxford/AstraZeneca), amplamente utilizadas no Brasil, demonstrou capacidade de neutralização. O acúmulo de mutações nas VOC demonstra o risco de deriva antigénica e a subsequente redução na eficácia de uma vacina. Por isso se faz necessário, ao longo do tempo, que vacinas de reforço sejam baseadas em variantes atualizadas para o vírus²⁷.

No Brasil, a VOC ômicron se insere na terceira onda de transmissão do SARS-CoV-2, iniciada em dezembro de 2021, novamente coincidindo com o período de fim de ano e um considerável relaxamento de medidas de controle. Essa VOC e suas sublinhagens tornam-se rapidamente predominantes²⁴. Ela foi identificada inicialmente em Botswana²⁸ e na África do Sul²⁹. Passando a ser considerada a mais divergente das variantes pela OMS desde o seu início, evoluindo geneticamente e antigenicamente, com uma quantidade cada vez maior de sublinhagens e mutações. Algumas delas são caracterizadas por terem capacidade de evasão da imunidade populacional, além de infectarem preferencialmente o trato respiratório superior em vez do inferior, quando comparada com as VOC anteriores⁹.

Vale ressaltar que o ensaio de neutralização realizado com indivíduos sul-africanos vacinados com a BNT162b2 (Pfizer/BioNTech) mostrou que, para a VOC ômicron, o escape à imunidade adquirida não tinha sido completo, pois ainda havia ocorrido soroneutralização, embora com menor força em comparação com a VOC beta e o vírus ancestral com a mutação D614G. As cepas ancestrais com essa mutação foram responsáveis pela primeira onda de infecções pelo SARS-CoV-2²⁹. Isso sugere que a vacinação recente, ou doses de reforço, podem aumentar o nível de neutralização e promover proteção contra as formas severas da infecção pela VOC ômicron²⁸. Salienta-se que a atualização das vacinas pode melhorar sua capacidade neutralizante, como observado em um artigo brasileiro feito na cidade Barreiras (Bahia), mostrando que indivíduos vacinados com a versão bivalente da vacina atualizada para as sublinhagens da ômicron (BA.4‐5) tiveram maior capacidade de neutralização, até mesmo para o vírus original e para algumas sublinhagens dessa VOC³⁰.

Para o período estudado não foi possível observar correlações significantes para o esforço da vacinação frente à redução de casos da ômicron, mas como discutido anteriormente, a vacinação é apenas parte da equação para o controle de novos casos e óbitos de uma variante, não devendo se interpretar como ausência de eficácia da vacina para essa variável. A própria diminuição do índice de restrições mostra parte da explicação para o ocorrido, porém esse índice não avalia a real obediência da população às medidas preventivas, e sim as políticas governamentais implementadas.

Deve-se compreender que a proteção de um indivíduo começa antes mesmo de sua exposição a um patógeno, sendo compreendida, em parte, pelo sistema imunológico comportamental, campo de estudo que sugere que os humanos e outros animais têm um conjunto de adaptações psicológicas que permite detectar a ameaça de uma doença e ativar comportamentos que evitem a exposição a determinado patógeno. Em estudo conduzido na Croácia, entre a primeira e segunda onda da COVID-19, gênero, idade, risco pessoal percebido, confiança na ciência, aversão aos germes e crença na segunda onda, organizadas em ordem crescente, foram correlacionados positivamente com a intenção de aderir às recomendações não farmacológicas. Para a vacinação, apenas a crença na segunda onda e a confiança na ciência foram preditores positivos significativos, sendo essas correlações mais intensas em comparação com as medidas não farmacológicas³¹.

Comparando esses resultados com os obtidos em nosso estudo, percebe-se uma realidade distante da brasileira. Todavia, deve-se refletir como a pandemia de COVID-19 poderia ter sido abreviada caso existisse uma relação mais forte de confiança para com a ciência e uma compreensão mais efetiva dos riscos e impactos da COVID-19 nos indivíduos, não sendo esta considerada como um simples resfriado ou gripe. Atitudes individuais e coletivas podem contribuir para o reforço e estabelecimento de uma efetiva política de vacinação. A sapiência é parte essencial desse processo, devendo ser clara, verdadeira e amplamente disponível a todos os brasileiros.

Conclusão

A pandemia de COVID-19, causada pelo SARS-CoV-2, surpreendeu a população mundial, necessitando de um esforço coeso e global para seu enfretamento. O fim de seus efeitos ainda está em um horizonte distante, todavia é inegável o efeito da vacinação na diminuição de casos e óbitos para a população durante o período estudado. Quando se estratifica essas comparações para as VOC do SARS-CoV-2, a imunização inicial reduziu o aparecimento de novos casos para as VOC alfa, e ainda mais fortemente para a gama, a mais mortal das VOC. As doses de reforço reduziram fortemente as notificações de novos casos da VOC delta. Para a ômicron não foi possível observar correlações com o esforço vacinal, embora isso não seja um atestado de inefetividade vacinal, uma vez que outras variáveis, como a diminuição da implementação de medidas não farmacológicas, podem influenciar essa relação, como observado na redução do índice de restrições nesse período. Para a VOC beta não foi possível estabelecer correlações, em vista da pequena quantidade de casos detectados no Brasil.

Agradecimentos

A todos os indivíduos que se fizerem presente nesse trabalho por sua contribuição indireta, destacando aqueles que fazem parte do Our World in Data (OWID), do Oxford COVID-19 Government Response Tracker (OxCGRT), do CoV-Spectrum, do Global Initiative on Sharing All Influenza Data (GISAID) e do Jeffrey’s Amazing Statistics Program (JASP).

Referências

• ¹ World Health Organization (WHO). Pneumonia of unknown cause - China [Internet]. 2020 [cited 2024 maio 20]. Available from: https://www.who.int/csr/don/05-january-2020-pneumonia-of-unkown-cause-china/en/
  » https://www.who.int/csr/don/05-january-2020-pneumonia-of-unkown-cause-china/en
• ² World Health Organization (WHO). WHO Director-General's opening remarks at the media briefing - 5 May 2023 [Internet]. 2023 [cited 2024 maio 20]. Available from: https://www.who.int/director-general/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing---5-may-2023
  » https://www.who.int/director-general/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing---5-may-2023
• ³ Peixoto VM, Leal JGRP, Marques LM. The impact of bolsonarismo on COVID-19 vaccination coverage in Brazilian municipalities. Saude Debate 2023; 47(139):806-817.
• ⁴ Moura EC, Cortez-Escalante J, Cavalcante FV, Barreto ICHC, Sanchez MN, Santos LMP. Covid-19: evolução temporal e imunização nas três ondas epidemiológicas, Brasil, 2020-2022. Rev Saude Publica 2022; 56:105.
• ⁵ Fleury S, Fava VMD. Vacina contra Covid-19: arena da disputa federativa brasileira. Saude Debate 2022; 46(n. esp. 1):248-264.
• ⁶ Fryer HA, Hartley GE, Edwards ESJ, O'Hehir RE, van Zelm MC. Humoral immunity and B-cell memory in response to SARS-CoV-2 infection and vaccination. Biochem Soc Trans 2022; 50(6):1643-1658.
• ⁷ Harvey WT, Carabelli AM, Jackson B, Gupta RK, Thomson EC, Harrison EM, Ludden C, Reeve R, Rambaut A, COVID-19 Genomics UK (COG-UK) Consortium, Peacock SJ, Robertson DL. SARS-CoV-2 variants, spike mutations and immune escape. Nat Rev Microbiol 2021; 19(7):409-424.
• ⁸ World Health Organization (WHO). Updated working definitions and primary actions for SARS-CoV-2 variants [Internet]. 2023 [cited 2024 fev 14]. Available from: https://www.who.int/publications/m/item/updated-working-definitions-and-primary-actions-for--sars-cov-2-variants
  » https://www.who.int/publications/m/item/updated-working-definitions-and-primary-actions-for--sars-cov-2-variants
• ⁹ World Health Organization (WHO). Statement on the update of WHO's working definitions and tracking system for SARS-CoV-2 variants of concern and variants of interest [Internet]. 2023 [cited 2024 maio 8]. Available from: https://www.who.int/news/item/16-03-2023-statement-on-the-update-of-who-s-working-definitions-and-tracking-system-for-sars-cov-2-variants-of-concern-and-variants-of-interest
  » https://www.who.int/news/item/16-03-2023-statement-on-the-update-of-who-s-working-definitions-and-tracking-system-for-sars-cov-2-variants-of-concern-and-variants-of-interest
• ¹⁰ Global Initiative on Sharing All Influenza Data (GISAID). Enabling rapid and open access to epidemic and pandemic virus data [Internet]. 2024 [cited 2024 jan 18]. Available from: https://www.gisaid.org/about-us/mission/
  » https://www.gisaid.org/about-us/mission
• ¹¹ Chen C, Nadeau S, Yared M, Voinov P, Xie N, Roemer C, Stadler T. CoV-Spectrum: analysis of globally shared SARS-CoV-2 data to identify and characterize new variants. Bioinformatics 2022; 38(6):1735-1737.
• ¹² Roser M. About [Internet]. 2022 [cited 2022 jun 10]. Available from: https://ourworldindata.org/about
  » https://ourworldindata.org/about
• ¹³ Hale T, Angrist N, Goldszmidt R, Kira B, Petherick A, Phillips T, Webster S, Cameron-Blake E, Hallas L, Majumdar S, Tatlow H. A global panel database of pandemic policies (Oxford COVID-19 Government Response Tracker). Nat Hum Behav 2021; 5(4):529-538.
• ¹⁴ Goss-Sampson MA. Statistical analysis in JASP [Internet]. 2022 [cited 2023 out 28]. Available from: https://jasp-stats.org/wp-content/uploads/2022/04/Statistical-Analysis-in-JASP-A-Students-Guide-v16 .pdf
  » https://jasp-stats.org/wp-content/uploads/2022/04/Statistical-Analysis-in-JASP-A-Students-Guide-v16 .pdf
• ¹⁵ Schober P, Schwarte LA. Correlation coefficients: appropriate use and interpretation. Anesth Analg 2018; 126(5):1763-1768.
• ¹⁶ Davies NG, Kucharski AJ, Eggo RM, Gimma A, Edmunds WJ, Jombart T, O'Reilly K, Endo A, Hellewell J, Nightingale ES, Quilty BJ, Jarvis CI, Russell TW, Klepac P, Bosse NI, Funk S, Abbott S, Medley GF, Gibbs H, Pearson CAB, Flasche S, Jit M, Clifford S, Prem K, Diamond C, Emery J, Deol AK, Procter SR, van Zandvoort K, Sun YF, Munday JD, Rosello A, Auzenbergs M, Knight G, Houben RMGJ, Liu Y. Effects of non-pharmaceutical interventions on COVID-19 cases, deaths, and demand for hospital services in the UK: a modelling study. Lancet Public Health 2020; 5(7):e375-e385.
• ¹⁷ Moore S, Hill EM, Dyson L, Tildesley MJ, Keeling MJ. Modelling optimal vaccination strategy for SARS-CoV-2 in the UK. PLoS Comput Biol 2021; 17(5):e1008849.
• ¹⁸ Rella SA, Kulikova YA, Dermitzakis ET, Kondrashov FA. Rates of SARS-CoV-2 transmission and vaccination impact the fate of vaccine-resistant strains. Sci Rep 2021; 11(1):15729.
• ¹⁹ Victora CG, Castro MC, Gurzenda S, Medeiros AC, França GVA, Barros AJD. Estimating the early impact of vaccination against COVID-19 on deaths among elderly people in Brazil: analyses of routinely-collected data on vaccine coverage and mortality. EClinicalMedicine 2021; 38:101036.
• ²⁰ Andeweg SP, Vennema H, Veldhuijzen I, Smorenburg N, Schmitz D, Zwagemaker F, van Gageldonk-Lafeber AB, Hahne SJM, Reusken C, Knol MJ, Eggink D, Schinkel J, Welkers MRA, Jonges M, Koopsen J, de Jong MD, Molenkamp R, Nieuwenhuijse DF, Sikkema RS, van der Munnink BBO, Koopmans M, van der Zanden A, Manrho L, de Beer J, Boers SA, Meijers E, Vreeswijk T, Sidorov IA, Dunk D, Smit PW, Pas SD, Verweij JJ, Stöhr JJJM, Dingemans J, van der Veer B, van Alphen L, Savelkoul P, Niesters HGM, Forero EFL, Fliss MA, Gard L, Tanja AAN, Schuurman R, Wensing AMJ, Hofstra LM, Coolen JPM, Rahamat-Langendoen JC, Melchers WJG, Wertheim HFL, Dijkman R, Holstege MMC, Vermeulen CJ, Schuurman S, van Leeuwen KV, Keijzer N, Koets L, Koppelman M, Aarts L, Alblas J, van Benthem B, Bos S, van der Brandt A, van den Brink S, Cremer J, Faber T, Freriks K, van Gaalen R, de Gier B, Geubbels E, van Heereveld J, Hajji K, van den Hof S, Hofhuis A, van Iersel S, Jaarsma R, van de Kassteele J, Kroneman A, Mulder M, de Lima POB, Polman J, Schipper M, Then E, van der Veer B, van Walle I, Wijburg S, Wijsman L. Elevated risk of infection with SARS-CoV-2 Beta, Gamma, and Delta variants compared with Alpha variant in vaccinated individuals. Sci Transl Med 2023; 15(684):eabq4338.
• ²¹ Grant R, Charmet T, Schaeffer L, Galmiche S, Madec Y, von Platen C, Chény O, Omar F, David C, Rogoff A, Paireau J, Cauchemez S, Carrat F, Septfons A, Levy-Bruhl D, Mailles A, Fontanet A. Impact of SARS-CoV-2 Delta variant on incubation, transmission settings and vaccine effectiveness: results from a nationwide case-control study in France. Lancet Reg Health Eur 2022; 13:100278.
• ²² León TM, Dorabawila V, Nelson L, Lutterloh E, Bauer UE, Backenson B, Bassett MT, Henry H, Bregman B, Midgley CM, Myers JF, Plumb ID, Reese HE, Zhao R, Briggs-Hagen M, Hoefer D, Watt JP, Silk BJ, Jain S, Rosenberg ES. COVID-19 cases and hospitalizations by COVID-19 vaccination status and previous COVID-19 diagnosis - California and New York, May-November 2021. MMWR Morb Mortal Wkly Rep 2022; 71(4):125-131.
• ²³ Burki T. Understanding variants of SARS-CoV-2. Lancet 2021; 397(10273):462.
• ²⁴ Freitas CM, Barcellos C, Villela DAM, Portela MC, Reis LC, Guimarães RM, Xavier DR, Saldanha RF, Mefano IV. Observatório Covid-19 Fiocruz: uma análise da evolução da pandemia de fevereiro de 2020 a abril de 2022. Cien Saude Colet 2023; 28(10):2845-2855.
• ²⁵ Fujino T, Nomoto H, Kutsuna S, Ujiie M, Suzuki T, Sato R, Fujimoto T, Kuroda M, Wakita T, Ohmagari N. Novel SARS-CoV-2 variant in travelers from Brazil to Japan. Emerg Infect Dis 2021; 27(4):1243-1245.
• ²⁶ Naveca FG, Nascimento V, Souza VC, Corado AL, Nascimento F, Silva G, Costa A, Duarte D, Pessoa K, Mejía M, Brandão MJ, Jesus M, Gonçalves L, Costa CF, Sampaio V, Barros D, Silva M, Mattos T, Pontes G, Abdalla L, Santos JH, Arantes I, Dezordi FZ, Siqueira MM, Wallau GL, Resende PC, Delatorre E, Gräf T, Bello G. COVID-19 in Amazonas, Brazil, was driven by the persistence of endemic lineages and P.1 emergence. Nat Med 2021; 27(7):1230-1238.
• ²⁷ Davis C, Logan N, Tyson G, Orton R, Harvey WT, Perkins JS, Mollett G, Blacow RM, Peacock TP, Barclay WS, Cherepanov P, Palmarini M, Murcia PR, Patel AH, Robertson DL, Haughney J, Thomson EC, Willett BJ. Reduced neutralisation of the Delta (B.1.617.2) SARS-CoV-2 variant of concern following vaccination. PLoS Pathog 2021; 17(12):e1010022.
• ²⁸ Tian D, Sun Y, Xu H, Ye Q. The emergence and epidemic characteristics of the highly mutated SARS-CoV-2 Omicron variant. J Med Virol 2022; 94(6):2376-2383.
• ²⁹ Cele S, Jackson L, Khoury DS, Khan K, Moyo-Gwete T, Tegally H, San JE, Cromer D, Scheepers C, Amoako DG, Karim F, Bernstein M, Lustig G, Archary D, Smith M, Ganga Y, Jule Z, Reedoy K, Hwa SH, Giandhari J, Blackburn JM, Gosnell BI, Abdool Karim SS, Hanekom W, Davies MA, Hsiao M, Martin D, Mlisana K, Wibmer CK, Williamson C, York D, Harrichandparsad R, Herbst K, Jeena P, Khoza T, Kløverpris H, Leslie A, Madansein R, Magula N, Manickchund N, Marakalala M, Mazibuko M, Moshabela M, Mthabela N, Naidoo K, Ndhlovu Z, Ndung'u T, Ngcobo N, Nyamande K, Patel V, Smit T, Steyn A, Wong E, von Gottberg A, Bhiman JN, Lessells RJ, Moosa MYS, Davenport MP, de Oliveira T, Moore PL, Sigal A. Omicron extensively but incompletely escapes Pfizer BNT162b2 neutralization. Nature 2022; 602(7898):654-656.
• ³⁰ Souza MS, Farias JP, Andreata-Santos R, Silva MP, Brito RDS, Duarte Barbosa da Silva M, Peter CM, Cirilo MVF, Luiz WB, Birbrair A, Vidal PO, Castro-Amarante MF, Candido ED, Munhoz AS, Malta FM, Dorlass EG, Machado RRG, Pinho JRR, Oliveira DBL, Durigon EL, Maricato JT, Braconi CT, Ferreira LCS, Janini LMR, Amorim JH. Neutralizing antibody response after immunization with a COVID-19 bivalent vaccine: insights to the future. J Med Virol 2024; 96(2):e29412.
• ³¹ Hromatko I, Tonkovic M, Vranic A. Trust in science, perceived vulnerability to disease, and adherence to pharmacological and non-pharmacological COVID-19 recommendations. Front Psychol 2021; 12:664554.

• Financiamento
  O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Código de Financiamento 001, FAPEPI (Fundação de Amparo à Pesquisa do Estado do Piauí) e do CNPq, Conselho Nacional de Desenvolvimento Científico e Tecnológico - Brasil.
• Declaração de disponibilidade de dados
  As fontes de dados utilizados na pesquisa estão indicadas no corpo do artigo.

• Editores-chefes:
  Maria Cecília de Souza Minayo, Romeu Gomes, Antônio Augusto Moura da Silva, Vania de Matos Fonseca

Disponibilidade de dados

As fontes de dados utilizados na pesquisa estão indicadas no corpo do artigo.

Datas de Publicação

• Publicação nesta coleção
  17 Abr 2026
• Data do Fascículo
  Mar 2026

Histórico

• Recebido
  05 Jul 2024
• Aceito
  17 Nov 2024
• Publicado
  19 Nov 2024