Rev. Tec. Cient. CEJAM. 2026;5:e202650058
ACESSO ABERTO
Autoria
Fábio Luiz Vieira1,2*
ORCID: https://orcid.org/0000-0003-2711-2769
*Correspondente: fabio.vieira16@alumni.imperial.ac.uk
Instituição
¹Imperial College London, Londres, Inglaterra.
2My Brazilian Doctor, São Paulo, SP, Brasil.
Como citar este artigo • Direitos autorais©
Vieira FL. Excesso de Mortalidade por Múltiplas Causas Durante
Onda de Calor em Estados Brasileiros. Rev. Tec. Cient. CEJAM.
2026;5:e202650058. DOI: https://doi.org/10.59229/2764-
9806.RTCC.e202650058.
Editores
Abel Silva de Meneses • Editor Chefe
ORCID: https://orcid.org/0000-0003-1632-2672
André Ramalho • Editor Científico
ORCID: https://orcid.org/0000-0002-8099-3043
Submetido Aceito
26-08-2026 03-09-2026
Artigo Original
Excesso de Mortalidade por Múltiplas Causas Durante Onda
de Calor em Estados Brasileiros
Excess Mortality from Multiple Causes During a Heat Wave in
Brazilian States
Exceso de Mortalidad por Causas Múltiples Durante una Ola de Calor
en los Estados Brasileños
Resumo
Objetivo: Estimar o excesso de mortalidade por todas as causas durante a onda de calor
de 7 a 12 de fevereiro de 2024 nos estados brasileiros apontados pelo Instituto Nacional de
Meteorologia (INMET) -Paraná, Rio Grande do Sul e Roraima-, caracterizar sua distribuição
por causa básica e comparar a área declarada com a atingida. Método: Delineamento caso-
cruzado com estratificação temporal e verossimilhança condicional de Poisson sobre
microdados do Sistema de Informações sobre Mortalidade (SIM). A janela foi a pré-
especificada pela nota do INMET, anterior a esta análise. Dias-caso: 7 a 15 de fevereiro,
com defasagem de zero a três dias; controles: demais dias do mês. Aplicaram-se controles
negativos temporais e espaciais. Resultados: Observaram-se 4.558 óbitos contra 4.341
esperados: risco relativo 1,077 (IC95% 1,039–1,117), aproximadamente 217 óbitos em
excesso. Os controles negativos foram nulos. O excesso distribuiu-se por quase todos os
capítulos da CID-10, sem concentração em nenhum, poupando neoplasias (0,980) e sem
gradiente por escolaridade ou idade. X30 registrou zero óbitos. Conclusão: Eventos
extremos oficialmente reconhecidos constituem unidade analítica útil, complementar às
séries temporais, para investigar o impacto sanitário de ondas de calor.
Descritores: Calor Extremo; Mortalidade; Atestado de Óbito; Sistemas de Informação em
Saúde; Mudança Climática.
Abstract
Objective: To estimate all-cause excess mortality during the 7–12 February 2024 heat
wave in the Brazilian states identified by the National Institute of Meteorology (INMET) -
Paraná, Rio Grande do Sul and Roraima-, to characterize its distribution across underlying
causes of death, and to compare the declared and the affected areas. Method: Time-
stratified case-crossover design using conditional Poisson likelihood on microdata from the
Brazilian Mortality Information System. The exposure window was the one pre-specified by
the INMET technical note, published before this analysis. Case days: 7–15 February, official
window plus a zero-to-three-day lag; controls: remaining days of the month. Temporal and
spatial negative controls were applied. Results: A total of 4,558 deaths were observed
against 4,341 expected: relative risk 1.077 (95%CI 1.039–1.117), approximately 217
excess deaths. Negative controls were null. The excess was distributed across nearly all
ICD-10 chapters, with no concentration in any, sparing neoplasms (0.980) and with no
gradient by education or age. X30 recorded zero deaths. Conclusion: Officially recognized
extreme events constitute a useful analytical unit, complementary to time-series studies,
for investigating the health impact of heat waves.
Descriptors: Extreme Heat; Mortality; Death Certificates; Health Information Systems;
Climate Change.
Resumen
Objetivos: Estimar el exceso de mortalidad durante la ola de calor del 7 al 12 de febrero
de 2024 en los estados brasileños señalados por el Instituto Nacional de Meteorología
(INMET) -Paraná, Rio Grande do Sul y Roraima-, caracterizar su distribución por causa
básica y comparar el área declarada con la afectada. Método: Diseño caso-cruzado con
estratificación temporal y verosimilitud condicional de Poisson sobre microdatos del Sistema
de Información sobre Mortalidad (SIM). La ventana fue la preespecificada por la nota del
INMET, previa a este análisis. Días-caso: 7 al 15 de febrero, con retardo de cero a tres días;
controles: resto del mes. Se aplicaron controles negativos temporales y espaciales.
Resultados: Se observaron 4.558 defunciones frente a 4.341 esperadas: riesgo relativo
1,077 (IC95% 1,039–1,117), unas 217 defunciones en exceso. Los controles negativos
fueron nulos. El exceso se distribuyó por casi todos los capítulos de la CIE-10, sin
concentración en ninguno, exceptuando neoplasias (0,980), sin gradiente por escolaridad ni
edad. X30 registró cero defunciones. Conclusión: Los eventos extremos oficialmente
reconocidos constituyen unidad analítica útil, complementaria a las series temporales, para
estudiar las olas de calor.
Descriptores: Calor Extremo; Mortalidad; Certificado de Defunción; Sistemas de
Información en Salud; Cambio Climático.
ACESSO ABERTO https://revista.cejam.org.br
2
Rev. Tec. Cient. CEJAM. 2026;5:e202650058
INTRODUÇÃO
As ondas de calor extremo estão entre os principais desafios
contemporâneos da saúde pública, e avaliar seus efeitos sobre a
mortalidade é condição para subsidiar políticas de adaptação às
mudanças climáticas. No Brasil, esse tema ganhou urgência
diante de El Niño intenso e da elevada probabilidade de eventos
extremos.
A quantificação desse impacto, entretanto, esbarra em um
obstáculo estrutural: as mortes por calor praticamente não são
registradas como tais. O capítulo XX da Classificação Internacional
de Doenças (CID-10) dispõe do código X30 (exposição a calor
natural excessivo), mas seu uso nas declarações de óbito
brasileiras é próximo de zero, mesmo em períodos e locais onde
eventos extremos são documentados pela autoridade
meteorológica. A consequência é metodológica antes de ser
política: se o calor não aparece na causa básica, o desfecho de
qualquer estudo tem de ser a mortalidade por todas as causas, e
a atribuição passa a depender inteiramente do desenho, não do
registro clínico.
Soma-se a isso um pressuposto raramente testado. A
literatura sobre calor e saúde tem privilegiado desfechos
cardiovasculares: em revisão de escopo de 237 estudos
conduzidos em 43 países, a doença cardiovascular é o desfecho
específico mais estudado, com 61 estudos, atrás apenas da
mortalidade por todas as causas, com 65(1). Esse recorte supõe
que o efeito do calor se concentre nesse capítulo. Se, ao contrário,
o calor atua como precipitante inespecífico em indivíduos com
reserva fisiológica reduzida, o excesso deve aparecer disperso por
muitas causas -e estudos restritos ao capítulo circulatório
subestimariam o impacto. Apesar do amplo uso de séries
temporais para estimar o efeito médio da temperatura sobre a
mortalidade, eventos extremos individuais oficialmente
reconhecidos permanecem pouco explorados como unidade
analítica em epidemiologia da mortalidade.
Em 7 de março de 2024, o Instituto Nacional de Meteorologia
(INMET) publicou nota técnica descrevendo os eventos extremos
de fevereiro daquele ano(2). O documento identifica, entre os dias
7 e 12, a primeira onda de calor de 2024, com temperaturas
máximas superiores a 39 °C, e registra que o calor extremo
ocorreu principalmente em áreas do Paraná, do Rio Grande do Sul
e de Roraima. Trata-se de verão pleno no Sul do país -calor
absoluto elevado, e não anomalia relativa de estação fria. A janela
analisada neste estudo é a declarada nessa nota, publicada antes
de qualquer exame dos dados de mortalidade.
Este trabalho é, por desenho, uma investigação
epidemiológica baseada em evento. À semelhança dos estudos de
desastres naturais e de surtos, a unidade analítica é um evento
extremo específico, delimitado no tempo e no espaço,
oficialmente reconhecido e com avisos meteorológicos emitidos
durante sua ocorrência(2). Eventos extremos não são equivalentes
entre si -diferem em duração, extensão, intensidade, estação e
população exposta-, e analisar cada episódio antes de reunir
evidência entre eles preserva a variação que interessa ao
planejamento. Estudos centrados em eventos permitem, ainda,
produzir evidência em tempo oportuno para subsidiar a resposta
do sistema de saúde.
O estudo tem o objetivo de estimar o excesso de mortalidade
por todas as causas durante a janela oficialmente declarada pelo
INMET, nos estados por ele apontados; caracterizar a distribuição
desse excesso por causa básica de óbito, testando a hipótese de
excesso difuso contra a de excesso concentrado em causas
cardiovasculares; e examinar em que medida a delimitação
geográfica oferecida pela nota técnica corresponde à área onde o
excesso ocorreu.
MÉTODO
Tipo de estudo e fonte de dados
Estudo observacional com delineamento caso-cruzado (case-
crossover) e estratificação temporal, conduzido sobre os
microdados públicos do Sistema de Informações sobre
Mortalidade (SIM), do Ministério da Saúde, para os anos de 2014
a 2024 (último ano com dados finais consolidados).
A malha territorial foi obtida da base de localidades do
Instituto Brasileiro de Geografia e Estatística (IBGE). O relato
segue as recomendações do checklist STROBE para estudos
observacionais.
Definição da exposição
A exposição foi definida pela classificação técnica oficial do
INMET -7 a 12 de fevereiro de 2024- e não por reconstrução
climatológica própria. Trata-se de escolha de desenho: o objetivo
não é redefinir o evento meteorológico, mas quantificar seu
impacto a partir do momento em que foi operacionalmente
reconhecido pela autoridade nacional. Aplicar um algoritmo
independente, como o Excess Heat Factor ou um limiar por
percentil, responderia a outra pergunta. Duas propriedades
decorrem dessa escolha: Primeiro, somente usando a área
declarada é possível verificar se a delimitação oficial corresponde
à distribuição real do excesso; Segundo, a janela foi estabelecida
por terceiros, em documento publicado sem acesso aos dados de
mortalidade posteriormente analisados, o que equivale a uma
pré-especificação externa da exposição e elimina a possibilidade
de que tenha sido escolhida por produzir determinado resultado.
Desenho e estratos
Cada óbito é sua própria referência: comparam-se dias
expostos e não expostos do mesmo estrato, o que elimina por
construção o confundimento por características que não variam
dentro dele -composição etária, estrutura socioeconômica,
cobertura de serviços, tendência secular e sazonalidade entre
meses.
O estrato foi definido por unidade federativa, ano, mês e dia
da semana. Os dias-caso foram 7 a 12 de fevereiro de 2024
acrescidos de defasagem de zero a três dias, resultando na janela
de 7 a 15 de fevereiro; os dias-controle foram os demais dias de
fevereiro de 2024, no mesmo dia da semana e na mesma unidade
federativa. O desfecho primário foi a mortalidade por todas as
causas no Paraná, no Rio Grande do Sul e em Roraima. A análise
foi conduzida em nível estadual: os municípios citados pela nota
técnica registram entre 14 e 145 óbitos mensais, insuficientes
para qualquer teste.
Defasagem
A defasagem de zero a três dias foi fixada por escrito antes de
qualquer execução, por três razões. O estresse térmico agudo
precipita descompensação em curso de horas a poucos dias, e
estudo multicêntrico observou que a associação entre ondas de
calor e mortalidade aparece agudamente e dura três a quatro
dias(3).
A estratificação temporal controla a sazonalidade entre meses,
mas não a tendência dentro do mês, de modo que janelas mais
longas aumentam a contaminação por essa tendência.
Por fim, fevereiro tem 29 dias, e uma janela de nove deixa
cerca de três dias-controle por estrato de dia da semana. O perfil
completo de defasagens é reportado como diagnóstico, não como
seleção.
ACESSO ABERTO https://revista.cejam.org.br
3
Rev. Tec. Cient. CEJAM. 2026;5:e202650058
Estimador
Verossimilhança condicional de Poisson. Condicionando no
total de óbitos do estrato, o número de óbitos em dias expostos
segue distribuição binomial, com parâmetro função do risco
relativo (RR) e da razão entre dias expostos e não expostos. Os
intervalos de confiança de 95% (IC95%) foram obtidos por
aproximação de Wald em log(RR).
Em desenhos case-crossover predomina a regressão logística
condicional, da qual a verossimilhança condicional de Poisson é a
formulação equivalente para dados agregados por dia, com
vantagens computacionais(4). Para contagens pequenas
empregou-se inferência condicional exata, com distribuição nula
obtida por convolução, valor de p mid-p e intervalo de confiança
por inversão do teste.
Desfechos secundários, estratificações e controles
Foram pré-especificadas cinco causas -circulatório (I00–I99),
respiratório (J00–J99), doenças crônicas não transmissíveis,
causas externas (V01–Y98) e renal/geniturinário (N00–N99), esta
por evidência prévia de lesão renal associada ao calor(5)- e três
estratificações: idade de 80 anos ou mais, óbito em domicílio e
escolaridade. Causas externas não foram desagregadas por
intenção, em razão de deriva de codificação documentada no
período.
Aplicaram-se controles negativos temporais (mesmos dias de
calendário de 2014 a 2023), espaciais (quatro estados do Sudeste
não apontados), teste de deslocamento de mortalidade com
referência externa ao mês e controle interno por causas de
trajetória longa. Epidemias concomitantes foram verificadas
diretamente. Santa Catarina e Mato Grosso do Sul foram
incorporados após a análise primária, em análise declaradamente
post hoc.
Aspectos éticos e de integridade
Foram utilizados dados públicos, anonimizados e agregados,
sem identificação individual, dispensando apreciação por Comitê
de Ética em Pesquisa nos termos da Resolução CNS nº 510/2016.
RESULTADOS
Excesso de mortalidade
Os 21 estratos possíveis foram todos informativos, reunindo
14.080 óbitos de fevereiro de 2024. Observaram-se 4.558 óbitos
contra 4.341,4 esperados, correspondendo a RR de 1,077 (IC95%
1,039–1,117; p<0,001) e a aproximadamente 217 óbitos em
excesso em nove dias. As três unidades federativas foram
homogêneas (I²=0%), o que autoriza a interpretação agrupada
(Tabela 1).
Tabela 1 - Excesso de mortalidade por todas as causas durante
a onda de calor, por unidade federativa e por janela de
defasagem. Paraná, Rio Grande do Sul e Roraima, fevereiro de
2024.
Recorte
Observado
Esperado
RR
IC95%
Pool das três
unidades
4.558
4.341,4
1,077
1,039–1,117
Rio Grande do Sul
2.367
2.224,2
1,100
1,046–1,156
Paraná
2.122
2.054,4
1,050
0,996–1,107
Roraima
69
62,8
1,158
0,860–1,561
Defasagem 0
(7 a 12/02)
3.135
2.901,0
1,109
1,065–1,155
Defasagem 0–1
(7 a 13/02)
3.653
3.402,0
1,100
1,059–1,142
Defasagem 0–3
(7 a 15/02)
4.558
4.341,4
1,077
1,039–1,117
Defasagem 0–7
(7 a 19/02)
6.386
6.302,9
1,025
0,991–1,060
Fonte: Elaborado pelo autor (2026).
O efeito foi máximo na defasagem zero e decaiu
monotonicamente até anular-se em zero a sete dias (Tabela 1).
Esse é o padrão compatível com estresse agudo e o oposto do que
a contaminação por tendência intramensal produziria, na qual o
RR cresceria com o alargamento da janela. A série diária
corrobora: a razão entre óbitos observados e a média do mesmo
dia da semana em 2014–2023 sobe de 1,06 em 7 de fevereiro
para 1,25 em 11 e 1,23 em 12 de fevereiro, último dia da onda,
retornando ao basal em 15 de fevereiro.
Distribuição por causa
O excesso distribuiu-se por praticamente todos os capítulos
compatíveis com descompensação aguda, sem que nenhum
respondesse por mais de 21% do total (Tabela 2). Foram 25
testes, dos quais 10 com p<0,05 contra 1,2 esperados por acaso,
e nenhum sobreviveu à correção de Bonferroni -resultado
esperado, uma vez que o excesso observado constitui
precisamente um efeito distribuído entre múltiplos capítulos, e
não concentrado em algum deles.
O controle interno passou: neoplasias apresentaram RR de
0,980 (0,905–1,060), transtornos mentais 0,964 e digestivo
0,981 -capítulos cuja fisiopatologia é incompatível com
precipitação aguda. Um artefato de contagem elevaria todos os
capítulos conjuntamente, inclusive neoplasias, o que não ocorreu.
Tabela 2 - Risco relativo e contribuição absoluta ao excesso de
mortalidade, por capítulo da CID-10. Paraná, Rio Grande do Sul e
Roraima, 7 a 15 de fevereiro de 2024.
Capítulo
RR
Excesso
% do
total
Circulatório (I00–I99)
1,067
+46,5
21
Respiratório (J00–J99)
1,139
+37,1
17
Endócrino (E00–E90)
1,225
+36,7
17
Causas externas (V01–Y98)
1,125
+36,6
17
Infecciosas (A00–B99)
1,192
+27,2
13
Renal/geniturinário (N00–N99)
1,249
+22,9
11
Nervoso (G00–G99)
1,109
+17,3
8
Mental (F00–F99)
0,964
−1,5
−1
Digestivo (K00–K93)
0,981
−3,0
−1
Neoplasias (C00–D48)
0,980
−12,8
−6
Total, todas as causas
1,077
+216,6
100
Fonte: Elaborado pelo autor (2026).
Observou-se ausência do calor na causa básica. O código X30
registrou zero óbitos em todos os estados e em todos os dias
analisados. O código E86, de depleção de volume, registrou um
único óbito na janela.
Controles negativos
O agrupamento bruto dos anos de exposição falsa apresentou
heterogeneidade elevada (I²=94%), atribuível a dois anos
identificavelmente inadequados: fevereiro de 2014, com onda de
calor real, e fevereiro de 2021, em onda ascendente da COVID-
19. Excluídos esses anos, o viés de janela em fevereiro é nulo.
O controle espacial, aplicado aos quatro estados do Sudeste -
nenhum deles apontado pela nota-, também foi nulo (RR 1,011;
IC95% 0,992–1,030). O contraste entre os estados apontados e
os estados-controle resultou em razão de RR de 1,065 (IC95%
1,023–1,110; p=0,002) (Tabela 3). O RR manteve-se estável
conforme os dias-controle fossem restritos aos anteriores à janela
(1,077), aos posteriores (1,084) ou aos posteriores tardios
(1,059).
ACESSO ABERTO https://revista.cejam.org.br
4
Rev. Tec. Cient. CEJAM. 2026;5:e202650058
Tabela 3 - Controles negativos temporais e espaciais, fevereiro
de 2014 a 2024.
Controle
Observado
Esperado
RR
IC95%
Exposição falsa, 2014-
2023
40.823
40.590,5
1,009
0,997–1,021
Exposição falsa,
excluídos 2014 e
pandemia
22.034
22.054,3
0,999
0,982–1,015
Estados não apontados
(SP, MG, RJ, ES)
16.354
16.236,2
1,011
0,992–1,030
Estados apontados
(PR, RS, RR)
4.558
4.341,4
1,077
1,039–1,117
Fonte: Elaborado pelo autor (2026).
Deslocamento de mortalidade
O desenho não permite quantificar deslocamento dentro do
mês: condicionando no total de cada estrato, a soma dos desvios
mensais é nula por construção, de modo que um déficit após a
janela seria aritmético. O teste exige referência externa.
Comparou-se, por isso, a razão entre os óbitos de 16 de fevereiro
a 31 de março e os do período anterior ao evento (5 de janeiro a
6 de fevereiro) do mesmo ano, contrastando 2024 com os anos
de controle (2015–2019 e 2023).
Se as mortes da janela tivessem sido apenas antecipadas,
2024 apresentaria razão inferior à dos controles. Observou-se o
oposto: 1,457 em 2024 contra média de 1,340 nos controles
(desvio-padrão 0,034; z = +3,50). O resultado se mantém
excluindo dengue e COVID-19, cuja incidência era ascendente no
período (1,435 contra 1,343; z = +2,94), e no conjunto
circulatório e respiratório, onde o deslocamento é classicamente
descrito (1,454 contra 1,339; z = +3,76).
Não há, portanto, evidência de déficit compensatório nas seis
semanas seguintes. O excesso observado no período posterior
não é atribuível a esta onda de calor -março de 2024 registrou
outros episódios de calor no país-, de modo que o achado sustenta
a ausência de déficit, não a presença de excesso adicional.
Confundidores concomitantes
Fevereiro de 2024 coincidiu com o início da maior epidemia de
dengue registrada no país e com circulação residual de SARS-CoV-
2. Nenhuma explica o excesso. O RR da dengue na janela foi 0,806
(IC95% 0,474–1,369) e o da COVID-19, 1,122 (0,783–1,609).
Sobretudo, ambas apresentavam trajetória ascendente dentro do
mês -dengue com 17, 19 e 35 óbitos nos três terços de fevereiro,
e COVID-19 com 20, 47 e 70-, o que eleva os dias-controle da
segunda metade e enviesa o estimador para baixo em uma janela
situada no início do mês. Excluídas as duas, o RR das causas
infecciosas aumentou de 1,192 para 1,274 (1,061–1,529).
Escolaridade e idade
Não houve gradiente por escolaridade, por nenhuma das três
vias avaliadas: heterogeneidade entre os cinco níveis (p=0,40),
tendência linear (p=0,78) e contraste entre escolaridade baixa e
alta (p=0,84). Tampouco houve gradiente etário (p=0,88)
(Tabela 4).
A menor razão de RR detectável entre estratos foi 1,147, de
modo que o estudo exclui modificação de efeito grande, mas não
moderada. O campo escolaridade estava ignorado em 17,6% dos
óbitos, e esse estrato apresentou o maior RR do conjunto (1,140;
p=0,002), com distribuição desigual entre estados.
Tabela 4 - Risco relativo por nível de escolaridade e por faixa
etária. Paraná, Rio Grande do Sul e Roraima, 7 a 15 de fevereiro
de 2024.
Estrato
n
RR
IC95%
p
Nenhuma escolaridade
1.383
1,099
0,979–1,232
0,11
1 a 3 anos
2.712
1,012
0,932–1,100
0,78
4 a 7 anos
3.555
1,105
1,029–1,187
0,006
8 a 11 anos
3.011
1,073
0,993–1,160
0,08
12 anos ou mais
937
0,983
0,852–1,133
0,81
Escolaridade ignorada
2.482
1,140
1,047–1,242
0,002
0 a 39 anos
–
1,108
0,990–1,241
0,08
40 a 59 anos
–
1,096
1,004–1,197
0,04
60 a 79 anos
–
1,034
0,977–1,094
0,24
80 anos ou mais
–
1,115
1,047–1,188
0,001
Fonte: Elaborado pelo autor (2026).
Distribuição espacial
A hipótese de dose-resposta por temperatura de pico não
encontrou suporte neste evento. A mesorregião que contém os
municípios de maior temperatura registrada apresentou RR de
1,204 (0,994–1,459) contra 1,088 no restante do estado, razão
de 1,107 (p=0,32).
A decomposição mostrou que o sinal provinha de um único
município, cuja série diária apresenta quatro zeros consecutivos
entre 20 e 23 de fevereiro -probabilidade de 7×10⁻⁶ sob
distribuição de Poisson, enquanto o restante do estado manteve
contagens normais nesses dias. Excluído esse município, os
demais da mesma microrregião somaram 54 óbitos contra 50,1
esperados (RR 1,123; p=0,50).
As mesorregiões com excesso robusto o suficiente para
sobreviver à correção de Bonferroni entre 19 testes foram a
Metropolitana de Porto Alegre (1,174) e a Norte Central
Paranaense (1,183), nenhuma citada na nota técnica.
Análise ampliada
Santa Catarina, não mencionada pela nota e situada entre os
dois estados atingidos do Sul, apresentou RR de 1,057 (0,980–
1,141) após correção pelo próprio viés, sendo indistinguível do
Paraná e do Rio Grande do Sul (p=0,68) e distinta dos estados-
controle. O bloco ampliado resultou em RR de 1,073 (1,035–
1,111), com aproximadamente 271 óbitos em excesso (Tabela 5).
Tabela 5 - Análise ampliada, com resultado bruto e corrigido pelo
viés de janela medido em cada unidade, fevereiro de 2024.
Grupo
Bruto
Viés
medido
Corrigido
IC95%
p
Paraná e Rio
Grande do Sul
1,076
0,999
1,077
1,034–1,120
0,0003
Santa Catarina
(post hoc)
1,080
1,021
1,057
0,980–1,141
0,15
Bloco ampliado
(PR, SC, RS)
1,077
1,004
1,073
1,035–1,111
<0,001
Mato Grosso do
Sul (controle)
0,947
0,987
0,959
0,844–1,090
0,52
Fonte: Elaborado pelo autor (2026).
DISCUSSÃO
O resultado mais consequente deste estudo não é a magnitude
do excesso, mas sua distribuição. Nove capítulos da CID-10
contribuíram positivamente, nenhum respondeu por mais de um
quinto do total e nenhum sobreviveu isoladamente à correção por
multiplicidade, enquanto os capítulos incompatíveis com
precipitação aguda não se moveram.
ACESSO ABERTO https://revista.cejam.org.br
5
Rev. Tec. Cient. CEJAM. 2026;5:e202650058
O padrão é consistente com mecanismo de fragilidade: o
estresse térmico atua como precipitante inespecífico em
indivíduos com reserva fisiológica reduzida, e a causa registrada
na declaração de óbito é a doença de base, não o calor. A ausência
de déficit compensatório nas semanas seguintes indica que o
excesso não se explica por antecipação de óbitos iminentes, o que
é coerente com o padrão difuso entre causas e com a preservação
das neoplasias: o calor precipitou descompensação em indivíduos
com reserva reduzida, e não em população em fim de vida.
Disso decorrem três implicações. A primeira é que, neste
evento, estudos restritos a desfechos cardiovasculares teriam
captado parcela minoritária do impacto: o capítulo circulatório
responde por 21% do excesso, e 79% ocorrem fora dele. O
pressuposto de concentração cardiovascular, dominante na
literatura(1), não foi corroborado pelos dados deste estudo. A
segunda é que, neste evento, indicadores-sentinela baseados em
causas específicas mostraram utilidade limitada, pois o sinal se
diluiu por muitos capítulos. A terceira é que controles negativos
definidos por causa são inválidos neste contexto, restando a
validação por controles temporais, espaciais e por causas de
trajetória longa.
A composição observada é também compatível com o que se
sabe sobre vulnerabilidade farmacológica ao calor, já que
diuréticos, anti-hipertensivos, anticolinérgicos e psicotrópicos
alteram termorregulação e concentram-se na população com
doença crônica(6), hipótese não testável com os dados do SIM.
Ausência do calor nas estatísticas de causa básica
O achado de zero óbitos codificados como X30, em um evento
com cerca de 217 mortes em excesso estimadas, é a principal
contribuição deste trabalho ao debate sobre vigilância. A
explicação é clínica antes de ser burocrática: o calor raramente
mata por hipertermia franca em população geral, e sim
precipitando descompensação em quem já tem doença crônica. O
médico registra, corretamente, a doença que conduziu à morte; a
condição ambiental que a precipitou não tem campo próprio e
frequentemente sequer é conhecida por quem preenche o
documento.
Quatro consequências decorrem disso: a magnitude do
problema é oficialmente nula, o que desloca o tema da agenda
por razão artefatual; a quantificação exige método indireto e
retrospectivo, dependente de microdados consolidados,
disponíveis com defasagem aproximada de um ano, o que exclui
estimativa em tempo real; a atribuição depende inteiramente do
desenho; e, sem contagem oficial, não há linha de base para
avaliar planos de contingência.
Não se propõe que o X30 passe a ser preenchido
rotineiramente, pois a informação não está disponível no
momento do preenchimento. A solução plausível é vincular
rotineiramente as bases de mortalidade a dados meteorológicos
por município e data, tratando a exposição térmica como variável
ambiental a ser cruzada, e não como causa a ser declarada -
tecnicamente viável, uma vez que o SIM registra município e data
de óbito e o INMET mantém rede de estações automáticas com
dados abertos. Essa integração também permitiria o
desenvolvimento e a validação de modelos preditivos de risco
populacional e individual durante futuras ondas de calor.
Delimitação oficial e a área de impacto
A nota técnica lista três estados a partir das estações com
maiores máximas absolutas, e os resultados mostram que essa
lista não corresponde à distribuição do excesso. Dentro dos
estados apontados, os municípios de pico térmico não foram onde
as mortes ocorreram, enquanto as mesorregiões com excesso
robusto são metropolitanas e de baixa altitude -padrão coerente
com estudos que documentam efeito próprio da temperatura
noturna sobre a mortalidade(7) e com o efeito da ilha de calor
urbana sobre as temperaturas mínimas(8). Fora deles, na análise
exploratória post hoc, Santa Catarina apresentou excesso
indistinguível do dos estados nomeados.
A observação não constitui crítica ao INMET, cuja nota é
levantamento meteorológico e não se propõe a delimitar área de
risco à saúde, mas é advertência quanto ao uso desses
documentos: um plano de contingência que adotasse a lista de
três estados como definição de área de risco excluiria Santa
Catarina e priorizaria municípios fronteiriços de baixa densidade,
em detrimento das regiões metropolitanas onde o excesso se
concentrou.
Posição em relação à literatura
Os estudos sobre calor e mortalidade são predominantemente
conduzidos por meio de séries temporais, sendo o Distributed Lag
Non-linear Model o método analítico mais frequentemente
empregado nesse tipo de estudo(1), com o estudo multicêntrico de
Guo et al. entre as principais referências metodológicas da área(3).
Esses desenhos estimam a associação média entre
temperatura e mortalidade ao longo de anos e o fazem bem; sua
contrapartida é diluir os episódios individuais nessa média.
Nenhum desenho é intrinsecamente superior ao outro: ambos
respondem a perguntas epidemiológicas distintas e
complementares.
A abordagem centrada em evento permite descrever a
estrutura de latência, a composição por causa, a distribuição
espacial interna e a correspondência entre área declarada e área
atingida -nenhuma delas obtenível a partir de um risco médio
anual.
Por que um evento isolado
A escolha deste episódio não decorreu de disponibilidade
temporal, mas de reunir simultaneamente características que o
tornam analisável: período delimitado, reconhecimento oficial,
abrangência sobre múltiplas unidades da federação -o que
permite contraste interno entre áreas atingidas e não atingidas- e
magnitude suficiente para motivar avaliação específica.
A isso soma-se um argumento de método: eventos extremos
diferem substancialmente entre si, e uma estimativa agrupada
sobre episódios heterogêneos produz média cuja interpretação
depende de quais eventos entraram na mistura, apagando a
variação relevante para o planejamento.
Analisar cada episódio antes de reunir evidência entre eles
preserva essa variação e permite, depois, examinar o que a
explica. O estudo multi-evento é o desdobramento natural, e nele
a reconstrução da exposição por índice objetivo torna-se
necessária, porque comparar episódios exige critério uniforme.
Limitações do Estudo
A principal limitação é de alcance e decorre do próprio
desenho: as estimativas são específicas deste episódio e
dependem de sua intensidade, duração, estação e da
vulnerabilidade da população naquele momento, não autorizando
extrapolação do RR de 1,077 para ondas de calor em geral, nem
permitindo estimar risco médio anual ou relação exposição-
resposta contínua, que exigem séries plurianuais. A
reprodutibilidade requer replicação em outros episódios, que
diferirão entre si -heterogeneidade que é objeto de investigação,
não ruído.
ACESSO ABERTO https://revista.cejam.org.br
6
Rev. Tec. Cient. CEJAM. 2026;5:e202650058
Quanto à exposição, ela é ecológica e binária, com unidades
federativas inteiras classificadas como expostas, o que dilui o
efeito e sugere que o RR nas áreas efetivamente atingidas seja
maior que o estimado; não há vínculo entre óbito e temperatura
medida, e os resultados não são diretamente comparáveis aos de
estudos baseados em índices climatológicos.
Quanto aos dados, Roraima não contribui com poder útil, a
inferência por causa restringe-se ao padrão agregado, a
escolaridade está ignorada em 17,6% dos óbitos -estrato com o
maior RR do conjunto-, a inclusão de Santa Catarina é post hoc,
e utilizou-se o município de ocorrência, com análise de
sensibilidade por residência que não alterou as conclusões.
Contribuições para a Ciência
O estudo oferece estimativa do excesso de mortalidade
associado a um evento extremo oficialmente reconhecido no
Brasil, com consequência direta para a vigilância: neste evento,
indicadores-sentinela baseados em causas específicas mostraram
utilidade limitada, e a resposta do setor saúde não pôde ser
calibrada por contagem oficial de mortes por calor.
Ao mostrar que a área de maior temperatura registrada não
coincide com a área de maior mortalidade, o trabalho indica que
planos de contingência devem ser orientados por exposição
populacional, e não por ranking de estações. Por fim, o desenho
aqui empregado é reprodutível com dados públicos e pode ser
aplicado a outros eventos extremos, oferecendo caminho para
avaliação oportuna de episódios climáticos de relevância para a
saúde.
CONCLUSÃO
Este estudo sugere a viabilidade de utilizar eventos extremos
oficialmente reconhecidos como unidade analítica para a
investigação epidemiológica de seus impactos sobre a
mortalidade. A abordagem complementa os estudos baseados em
séries temporais, sem substituí-los, e pode contribuir para a
avaliação rápida de eventos climáticos de elevada relevância para
a saúde pública, desde que acompanhada dos controles que
sustentam a atribuição.
Aplicada à onda de calor de 7 a 12 de fevereiro de 2024,
identificou excesso de mortalidade espacialmente específico nos
estados apontados pelo INMET, distribuído por praticamente
todos os capítulos da CID-10 compatíveis com descompensação
aguda, sem concentração em qualquer causa, faixa etária ou nível
de escolaridade. O padrão é consistente com fragilidade
populacional e sugere que, em episódios como este, estudos
limitados a desfechos cardiovasculares captem parcela minoritária
do fenômeno.
Nenhuma dessas mortes foi registrada como relacionada ao
calor. Enquanto a exposição térmica não for cruzada
rotineiramente com as bases de mortalidade, o impacto do calor
sobre a saúde no Brasil permanecerá acessível apenas por
estudos retrospectivos isolados e oficialmente igual a zero.
Recomenda-se, como próximo passo, a vinculação das bases de
mortalidade a dados de estações meteorológicas por município e
data, e a replicação deste desenho em outros eventos extremos -
entre os quais fevereiro de 2014, identificado neste trabalho como
episódio de magnitude superior e ainda não catalogado.
INFORMAÇÃO SUPLEMENTAR
O código-fonte da análise, os painéis derivados dos
microdados e os resultados completos das análises municipais,
microrregionais e mesorregionais estão depositados no Zenodo
sob o DOI 10.5281/zenodo.22148457, em acesso aberto
(https://doi.org/10.5281/zenodo.22148457). Os microdados
individuais não são redistribuídos: são públicos e obtidos
diretamente do DATASUS, e o depósito inclui a proveniência de
cada arquivo utilizado, com checksum.
CONTRIBUIÇÃO DOS AUTORES
Transparência na contribuição dos autores segundo a
Taxonomia CRediT.
Conceitualização
Fábio Luiz Vieira
Curadoria de dados
Fábio Luiz Vieira
Análise formal
Fábio Luiz Vieira
Aquisição de financiamento
Não aplicável
Investigação
Fábio Luiz Vieira
Metodologia
Fábio Luiz Vieira
Administração do projeto
Não aplicável
Recursos
Não aplicável
Software
Fábio Luiz Vieira
Supervisão
Não aplicável
Validação
Fábio Luiz Vieira
Visualização
Fábio Luiz Vieira
Escrita - esboço original
Fábio Luiz Vieira
Escrita - revisão e edição
Fábio Luiz Vieira
DECLARAÇÕES
Conflitos de interesse
Não aplicável
Financiamento
Não aplicável
Aprovação ética
Não aplicável
Agradecimentos
Não aplicável
Preprint
Não aplicável
Inteligência Artificial
Foi utilizada assistência de inteligência artificial
(Claude, Anthropic) em três frentes: escrita e
depuração do código de análise em Python; verificação
de consistência dos microdados e conferência de
citações; e redação e revisão do texto. Todas as
análises foram executadas sobre microdados públicos
do Sistema de Informações sobre Mortalidade, e seus
resultados foram conferidos e curados pelo autor, a
quem cabe integral responsabilidade pelo conteúdo do
manuscrito.
REFERÊNCIAS
1. Graffy PM, Sunderraj A, Visa MA, Miller CH, Barrett BW, Rao S, et al.
Methodological approaches for measuring the association between
heat exposure and health outcomes: a comprehensive global scoping
review. GeoHealth. 2024;8:e2024GH001071.
https://doi.org/10.1029/2024GH001071
2. Instituto Nacional de Meteorologia (BR). Eventos extremos de
fevereiro de 2024 no Brasil. Brasília: INMET; 2024.
3. Guo Y, Gasparrini A, Armstrong BG, Tawatsupa B, Tobias A, Lavigne
E, et al. Heat wave and mortality: a multicountry, multicommunity
study. Environ Health Perspect. 2017;125(8):087006.
https://doi.org/10.1289/EHP1026
4. Armstrong BG, Gasparrini A, Tobias A. Conditional Poisson models: a
flexible alternative to conditional logistic case cross-over analysis.
BMC Med Res Methodol. 2014;14:122. https://doi.org/10.1186/1471-
2288-14-122
5. Mohammed SY, Nashwan AJ. Heat stress and kidney injury: a growing
concern amidst climate change. Kidney Med. 2026;8(2):101215.
https://doi.org/10.1016/j.xkme.2025.101215
6. Hospers L, Smallcombe JW, Morris NB, Capon A, Jay O. The effect of
prescription and over-the-counter medications on core temperature
in adults during heat stress: a systematic review and meta-analysis.
eClinicalMedicine. 2024;77:102886.
https://doi.org/10.1016/j.eclinm.2024.102886
7. Murage P, Hajat S, Kovats RS. Effect of night-time temperatures on
cause and age-specific mortality in London. Environ Epidemiol.
2017;1(2):e005. https://doi.org/10.1097/EE9.0000000000000005
8. Oke TR. The energetic basis of the urban heat island. Q J R Meteorol
Soc. 1982;108(455):1-24. https://doi.org/10.1002/qj.49710845502.