Perfil de óbitos e causas da mortalidade de migrantes internacionais no Brasil, 2011–2022
Notice bibliographique
Résumé
OBJECTIVE: To describe the mortality profile and analyze the causes of death among international migrants residing in Brazil between 2011 and 2022. METHODS: This is a cross-sectional, descriptive, and ecological study based on secondary data. The sociodemographic profile of deaths reported from 2011 to 2022 was analyzed. Absolute and relative frequencies, as well as mortality rates per 100,000 inhabitants, were calculated by country of birth, macroregion, and federative unit of residence. The underlying causes of death were also analyzed. RESULTS: A total of 173,807 deaths among international migrants were recorded between 2011 and 2022, with the highest number in 2021 (17,779; 10.2%). The predominant mortality profile was male (97,053; 55.8%), aged ≥ 81 years (104,308; 60.0%), White (136,835; 78.7%), and widowed (72,156; 41.5%). Most deceased migrants were born in Portugal (64,909; 37.3%), Japan (22,748; 13.1%), Italy (16,178; 9.3%), and Spain (12,835; 7.3%). The highest mortality rates were observed among migrants born in Lithuania (190,079/100,000), Serbia (146,794/100,000), and Hungary (96,395/100,000). The Southeast (137,457; 79.1%) and South (18,603; 10.7%) macroregions accounted for the majority of deaths, with the highest mortality rates observed in the states of Ri o de Janeiro (25,349/100,000), São Paulo (23,574/100,000), and Mato Grosso do Sul (18,683/100,000). T he covid-19 pandemic led to an increase in infectious and parasitic diseases from 2020 onward, peaking in 2021 (4,460; 25.0% of deaths that year). The most frequent underlying cause of death during the study period was unspecified acute myocardial infarction (12,141; 7.0%). CONCLUSION: This study highlights the need for targeted health actions addressing international migrant profiles at higher risk of death and their specific causes of mortality. However, the general invisibility of this population in public health indicators hinders the implementation of effective strategies. Policies ensuring equitable access to healthcare services, medications, and vaccines are essential to improve long-term health outcomes of this population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».