Análise Têmporo-Espacial da Mortalidade por Cardiomiopatias no Brasil entre 2001 e 2021 Authors: Luiz Fernando Kubrusly, Ana Clara Abdo Lopes, Fernanda Ritt de Souza, Gustavo Ferrucio Dieter, Laura Nadolny, Leonardo Moreira Dias, Letícia Moreira Dias, Luis Gustavo Machado Farias, Roberto Oliveira Basso, Vitória Naomi Okimura, Luiz Fernando Kubrusly, Ana Clara Abdo Lopes, Fernanda Ritt de Souza, Gustavo Ferrucio Dieter, Laura Nadolny, Leonardo Moreira Dias, Letícia Moreira Dias, Luis Gustavo Machado Farias, Roberto Oliveira Basso, Vitória Naomi Okimura Published: 2026 ABSTRACT ResumoFundamento O Brasil apresenta variações regionais na mortalidade por cardiomiopatias, influenciada por características demográficas, desigualdades socioeconômicas e diferenças no acesso aos serviços de saúde. Entre 2001 e 2021, foram registrados 272.448 óbitos pela doença no país.Objetivo Analisar, em nível nacional, o perfil epidemiológico e a distribuição têmporo-espacial da mortalidade por cardiomiopatias no Brasil, no período de 2001 a 2021.Métodos Estudo epidemiológico baseado em dados secundários do Sistema de Informação sobre Mortalidade (SIM/DATASUS) e estimativas populacionais do IBGE. Calcularam-se taxas brutas de mortalidade por município. A análise temporal foi realizada pelo Joinpoint, estimando-se a variação percentual anual (APC). A análise espacial utilizou o GeoDa, com suavização bayesiana e avaliação da autocorrelação espacial pelos índices de Moran Global e LISA. A significância estatística foi estabelecida em p < 0,05.Resultados Ocorreram 272.448 óbitos por cardiomiopatias, predominando em homens (58,65%), indivíduos com 80 anos ou mais (25,74%), brancos (52,18%), casados (36,77%) e com 1 a 3 anos de estudo completos (21,91%). A mortalidade média foi de 6,66 por 100 mil habitantes, atingindo 7,64 por 100 mil em 2004 e caindo para 4,15 por 100 mil em 2020. Observou-se redução anual significativa de 1,86% (p<0,05). A análise espacial revelou aglomerados de alta mortalidade principalmente no Centro-Oeste, Sul e Sudeste, com destaque para Corumbá de Goiás (49,34/100 mil).Conclusão Houve redução significativa da mortalidade por cardiomiopatias, embora persistam áreas críticas que exigem estratégias direcionadas para vigilância, diagnóstico precoce e manejo adequado. Introdução As cardiomiopatias constituem um grupo heterogêneo de doenças do miocárdio, caracterizadas por alterações estruturais e funcionais que podem evoluir para insuficiência cardíaca, arritmias malignas e morte súbita. Segundo a Classificação Internacional de Doenças (CID-10), essas patologias estão classificadas sob o código I42. Nas últimas décadas, observou-se aumento da prevalência global dessas doenças, especialmente da cardiomiopatia dilatada, cuja incidência varia entre 5 e 10 casos por 100.000 habitantes ao ano, refletindo o envelhecimento populacional e a maior carga de doenças crônicas não transmissíveis.1-3 A etiologia das cardiomiopatias é multifatorial, envolvendo causas inflamatórias, tóxicas, metabólicas e genéticas, com destaque para mutações hereditárias, particularmente na cardiomiopatia hipertrófica.3,4 Fatores de risco como hipertensão arterial, diabetes mellitus, obesidade e consumo excessivo de álcool também estão associados ao desenvolvimento e à progressão dessas condições.5 Clinicamente, os pacientes podem apresentar dispneia, fadiga, palpitações e edema periférico, com manifestações que variam desde formas assintomáticas até quadros graves de insuficiência cardíaca ou morte súbita.6,7 O diagnóstico baseia-se na avaliação clínica associada a exames complementares, sendo o ecocardiograma considerado o padrão-ouro para a avaliação da função ventricular e da morfologia cardíaca.8 O tratamento é direcionado à etiologia subjacente e inclui terapias farmacológicas e intervenções não farmacológicas. Apesar dos avanços terapêuticos, complicações e mortalidade permanecem relevantes.9,10 No Brasil, estudos evidenciam variações regionais expressivas na mortalidade por cardiomiopatias, sugerindo influência de fatores demográficos, socioeconômicos e desigualdades no acesso aos serviços de saúde.11-13 Entretanto, grande parte das investigações apresenta recortes temporais limitados ou análises regionais isoladas, dificultando a compreensão integrada da distribuição espacial e da tendência temporal da mortalidade em âmbito nacional.14,15 Embora estudos prévios frequentemente relatem diferenças regionais utilizando dados agregados, a análise espaço-temporal oferece uma abordagem mais abrangente ao avaliar simultaneamente variações no espaço e no tempo. Isso permite a identificação de clusters persistentes ou emergentes e uma melhor compreensão dos padrões geográficos dinâmicos.16,17 Além disso, questões metodológicas como a agregação espacial (problema da unidade de área modificável — MAUP) e o viés ecológico podem influenciar os resultados, reforçando a importância de estratégias analíticas adequadas em epidemiologia espacial.18 Técnicas de suavização bayesiana e outros métodos de estabilização de taxas também contribuem para melhorar a confiabilidade das estimativas em pequenas áreas, ao reduzir flutuações aleatórias.19 Nesse contexto, o presente estudo teve como objetivo analisar o perfil epidemiológico e a distribuição espaço-temporal da mortalidade por cardiomiopatias no Brasil entre 2001 e 2021. Como objetivos secundários, buscou-se identificar padrões espaciais e clusters de mortalidade, bem como descrever a distribuição dos óbitos segundo características sociodemográficas. Em acréscimo, o local de ocorrência dos óbitos foi analisado como uma variável descritiva para complementar o perfil epidemiológico. Métodos Trata-se de um estudo epidemiológico de análise de dados secundários em saúde com enfoque na análise têmporo-espacial. Os dados referentes aos casos de óbito por cardiomiopatias foram obtidos no Sistema de Informação sobre Mortalidade (SIM), do Departamento de Informática do Sistema Único de Saúde (DATASUS) do Ministério da Saúde (MS), via Tabnet, por meio do local de óbito e local de ocorrência. Os dados populacionais utilizados como denominadores para o cálculo das taxas de mortalidade foram obtidos do DATASUS, com base nas estimativas populacionais do IBGE por município, sexo e faixa etária para o período de 2000 a 2021. Essas estimativas são derivadas de métodos de projeção demográfica e ajustes intercensitários realizados pelo IBGE, utilizando o censo nacional de 2010 como referência para garantir a consistência da série temporal. Para a análise da tendência de mortalidade no Brasil, foi selecionado o período de 2001 a 2021, visando melhor compreensão do desfecho nessa série histórica. Trata-se de uma análise censitária, sem seleção individual de participantes, que incluiu a totalidade dos óbitos por cardiomiopatias registrados no SIM entre 2001 e 2021, considerando-se como população os indivíduos de todas as idades. Consideraram-se para a análise as variáveis sexo, faixa etária, cor/raça, estado civil, escolaridade, óbitos por residência, ano do óbito, local do óbito e local de ocorrência. As categorias de escolaridade seguiram a classificação disponível na base de dados do DATASUS e foram mantidas conforme originalmente fornecidas, a fim de garantir consistência com os sistemas nacionais de informação em saúde. A variável raça/cor foi categorizada conforme a classificação padronizada adotada pelo DATASUS/IBGE. Para a causa básica desses óbitos, foi adotado o CID I42 da Classificação Internacional de Doenças (CID-10). As informações do perfil epidemiológico e frequência de óbitos foram compiladas no software Microsoft Excel para Microsoft 365 MSO. As variáveis nominais foram analisadas por meio da frequência absoluta e percentual de ocorrência na população em estudo. A mortalidade anual foi calculada considerando-se o número total de óbitos no estado como numerador e a população do estado naquele ano como denominador, expressa por 100 mil habitantes. As taxas de mortalidade municipais foram estimadas por meio de uma abordagem baseada na média populacional, definida como o número médio de óbitos no período dividido pela população média entre 2001 e 2021, expressa por 100 mil habitantes. A população média foi obtida pela soma das estimativas populacionais anuais ao longo do período estudado, dividida pelo número de anos. Essa abordagem foi adotada para reduzir flutuações anuais e fornecer estimativas mais estáveis para análises em pequenas áreas; no entanto, não considera diferenças na estrutura etária entre os municípios, o que pode influenciar as comparações. O desfecho primário do estudo foi a mortalidade por cardiomiopatias, definida a partir do código I42 da Classificação Internacional de Doenças (CID-10). Inicialmente, realizou-se a análise da tendência temporal da mortalidade por anos (Figura 1). Assim, foi avaliada a variação percentual anual (annual percent change – APC) da tendência estudada, com intervalo de confiança de 95% (IC95%) e significância estatística p<0,05. A análise de tendência temporal foi realizada utilizando o programa Joinpoint Regression Program (versão 5.0.2, National Cancer Institute, EUA), com regressão por mínimos quadrados ponderados, estimando a variação percentual anual (APC) e intervalos de confiança de 95%. Foi ajustado um modelo log-linear, e o número de pontos de inflexão (joinpoints) foi determinado por meio de testes de permutação, de acordo com as configurações padrão do software. O modelo final selecionado não incluiu pontos de inflexão (ou seja, apresentou uma única tendência temporal). Em seguida, foi realizada a análise espacial da distribuição da mortalidade por cardiomiopatias para cada região do Brasil (Figura 2). Figura 1– Padrão temporal da mortalidade por cardiomiopatia no Brasil entre 2001 e 2021. * Indica que a Variação Percentual Anual (APC) é significativamente diferente de zero no nível alfa = 0,05. Modo Final Selecionado: 1 Ponto de inflexão (Joinpoint). Fonte: Os autores (2025). – Padrão temporal da mortalidade por cardiomiopatia no Brasil entre 2001 e 2021. * Indica que a Variação Percentual Anual (APC) é significativamente diferente de zero no nível alfa = 0,05. Modo Final Selecionado: 1 Ponto de inflexão (Joinpoint). Fonte: Os autores (2025). Figura 2– Taxa de mortalidade bruta por cardiomiopatia no Brasil, entre 2001 e 2021. Fonte: Os autores (2025). – Taxa de mortalidade bruta por cardiomiopatia no Brasil, entre 2001 e 2021. Fonte: Os autores (2025). A suavização espacial foi realizada utilizando o método bayesiano empírico local, com o objetivo de reduzir flutuações aleatórias nas taxas de mortalidade municipais. Foi construída uma matriz de pesos espaciais baseada na contiguidade do tipo “queen” de primeira ordem, na qual municípios que compartilham pelo menos uma fronteira ou vértice comum foram considerados vizinhos. Os limites municipais foram definidos de acordo com a divisão territorial oficial fornecida pelo Instituto Brasileiro de Geografia e Estatística (IBGE), sem qualquer modificação. Os dados de mortalidade do DATASUS foram vinculados aos municípios por meio dos códigos oficiais do IBGE. Análises de sensibilidade utilizando definições alternativas de vizinhança (como contiguidade do tipo “rook”) não foram realizadas. No entanto, a escolha da contiguidade queen foi adotada por apresentar uma estrutura de vizinhança mais abrangente, amplamente utilizada em estudos epidemiológicos espaciais e que fornece estimativas mais estáveis em áreas com configurações territoriais heterogêneas. As análises espaciais e a construção dos mapas temáticos foram realizadas utilizando o software GeoDa, versão 1.22.0.4 (2023). A categorização das legendas dos mapas seguiu diferentes abordagens conforme o tipo de análise realizada. Para as taxas brutas de mortalidade (Figuras 1 e 2), os valores foram classificados por quantis, permitindo uma distribuição equilibrada dos municípios entre as categorias e melhorando a visualização e a comparabilidade. Para as taxas suavizadas obtidas pelo método bayesiano empírico local (Figuras 3–5), a classificação refletiu a distribuição dos valores ajustados, com o objetivo de evidenciar padrões espaciais após a redução das flutuações aleatórias. Essas estratégias de classificação são comumente utilizadas em análises espaciais exploratórias; no entanto, diferentes métodos de categorização podem levar a variações na interpretação visual dos padrões espaciais. Figura 3– Taxa de mortalidade suavizada pelo método bayesiano empírico local por cardiomiopatia no Brasil entre 2001 e 2021. Fonte: Os autores (2025). – Taxa de mortalidade suavizada pelo método bayesiano empírico local por cardiomiopatia no Brasil entre 2001 e 2021. Fonte: Os autores (2025). Figura 5– Significância estatística dos aglomerados espaciais. Fonte: Os autores (2025). – Significância estatística dos aglomerados espaciais. Fonte: Os autores (2025). Para a identificação de aglomerados espaciais, utilizou-se o Índice de Moran Global e Local. O Índice de Moran Global mede a correlação entre vizinhos de primeira ordem e foi usado para testar a hipótese de dependência espacial. O método identifica a autocorrelação espacial e pode variar entre -1 e +1, no qual os valores próximos a zero indicam ausência de dependência espacial, considerando-se significante p<0,05. Caso a hipótese de dependência seja aceita, utiliza-se o Índice de Moran Local (LISA, do inglês Local Index of Spatial Association) para observar a presença de agregados espaciais, dado p<0,05. Os resultados das análises descritas acima foram demonstrados pelo Moran Map e LISA Map (Figuras 4 e 5). O Moran Map demonstra graficamente o grau de similaridade entre vizinhos, sendo representado por quatro quadrantes: Figura 4– Aglomerados espaciais de mortalidade por cardiomiopatia no Brasil entre 2001 e 2021. Fonte: Os autores (2025). – Aglomerados espaciais de mortalidade por cardiomiopatia no Brasil entre 2001 e 2021. Fonte: Os autores (2025). Alto-alto (quadrante superior direito): Correspondem a municípios que possuem altas taxas de mortalidade e estão próximos a municípios que também possuem altas taxas de mortalidade. Alto-alto (quadrante superior direito): Correspondem a municípios que possuem altas taxas de mortalidade e estão próximos a municípios que também possuem altas taxas de mortalidade. Baixo-baixo (quadrante inferior esquerdo): Correspondem a municípios que possuem baixas taxas de mortalidade e estão próximos a municípios que também possuem baixas taxas de mortalidade. Baixo-baixo (quadrante inferior esquerdo): Correspondem a municípios que possuem baixas taxas de mortalidade e estão próximos a municípios que também possuem baixas taxas de mortalidade. Alto-baixo (quadrante inferior direito): Correspondem a municípios que possuem altas taxas de mortalidade e estão próximos a municípios que possuem baixas taxas de mortalidade. Alto-baixo (quadrante inferior direito): Correspondem a municípios que possuem altas taxas de mortalidade e estão próximos a municípios que possuem baixas taxas de mortalidade. Baixo-alto (quadrante superior esquerdo): Correspondem a municípios que possuem baixas taxas de mortalidade e estão próximos a municípios que possuem altas taxas de mortalidade. Baixo-alto (quadrante superior esquerdo): Correspondem a municípios que possuem baixas taxas de mortalidade e estão próximos a municípios que possuem altas taxas de mortalidade. Os dados utilizados são de acesso público, agregados e sem identificação individual, não havendo a possibilidade de danos físicos ou morais na perspectiva do indivíduo e da coletividade. Desse modo, o estudo dispensa apreciação por Comitê de Ética em Pesquisa, estando em conformidade com a Resolução nº 466/2012 do Conselho Nacional de Saúde. Além disso, haja vista que o estudo é baseado em dados secundários, os achados podem refletir limitações relacionadas à qualidade da informação, como sub-registro e dados incompletos nas declarações de óbito. Resultados Perfil epidemiológico dos dados Entre 2001 e 2021, foram registrados no Brasil 272.448 óbitos por cardiomiopatias. Como é mostrado na Figura Central, a caracterização sociodemográfica evidenciou maior ocorrência de óbitos entre indivíduos do sexo masculino e com idade igual ou superior a 80 anos. Observou-se ainda predomínio entre pessoas autodeclaradas brancas, casadas e com nível de escolaridade entre 1 a 3 anos. O perfil epidemiológico detalhado dos óbitos encontra-se descrito na Tabela 1. Tabela 1– Perfil epidemiológico dos indivíduos que foram a óbito por cardiomiopatia no Brasil entre 2001 e 2021Variáveln%SexoMasculino159.78258,65Feminino112.61841,33Ausente480,02Faixa etária (anos)<12.6110,961-41.3270,495-95720,2110-148340,3115-191.6640,6120-295.6352,0730-3912.5714,6140-4924.7479,0850-5939.89714,6460-6951.50518,9070-7959.97822,01≥8070.13225,75Idade ausente9750,36Cor/raçaBranca142.16652,18Preta25.9909,54Parda86.93531,91Amarela1.3410,49Indígena3800,14Ausente15.6365,74Estado civilSolteiro66.99824,59Casado100.18936,77Viúvo66.28024,33Separado judicialmente15.6815,76Outro3.3441,23Ausente19.9567,32Escolaridade (anos)Nenhuma39.51514,501-359.68421,914-756.12520,608-1129.69910,90≥1210.9334,01Ausente76.49228,08Local de ocorrência do óbitoHospital168.44461,83Outro estabelecimento de saúde16.8906,20Domicílio72.96226,78Via pública4.8521,78Outros8.9483,28Ausente3520,13Fonte: Departamento de Informática do Sistema Único de Saúde (DATASUS), Ministério da Saúde, Brasil. Tabela 1– Perfil epidemiológico dos indivíduos que foram a óbito por cardiomiopatia no Brasil entre 2001 e 2021Variáveln%SexoMasculino159.78258,65Feminino112.61841,33Ausente480,02Faixa etária (anos)<12.6110,961-41.3270,495-95720,2110-148340,3115-191.6640,6120-295.6352,0730-3912.5714,6140-4924.7479,0850-5939.89714,6460-6951.50518,9070-7959.97822,01≥8070.13225,75Idade ausente9750,36Cor/raçaBranca142.16652,18Preta25.9909,54Parda86.93531,91Amarela1.3410,49Indígena3800,14Ausente15.6365,74Estado civilSolteiro66.99824,59Casado100.18936,77Viúvo66.28024,33Separado judicialmente15.6815,76Outro3.3441,23Ausente19.9567,32Escolaridade (anos)Nenhuma39.51514,501-359.68421,914-756.12520,608-1129.69910,90≥1210.9334,01Ausente76.49228,08Local de ocorrência do óbitoHospital168.44461,83Outro estabelecimento de saúde16.8906,20Domicílio72.96226,78Via pública4.8521,78Outros8.9483,28Ausente3520,13Fonte: Departamento de Informática do Sistema Único de Saúde (DATASUS), Ministério da Saúde, Brasil. – Perfil epidemiológico dos indivíduos que foram a óbito por cardiomiopatia no Brasil entre 2001 e 2021 Em relação ao local de ocorrência, a maioria dos óbitos ocorreu em ambiente hospitalar, seguida por óbitos em domicílio, enquanto as demais categorias apresentaram menor frequência relativa (Tabela 1). Análise temporal da mortalidade A taxa média de mortalidade por cardiomiopatias durante o período do estudo foi de 6,66 óbitos por 100.000 habitantes, sendo a maior taxa observada em 2004 e a menor em 2020. A análise de tendência temporal demonstrou uma redução significativa da mortalidade ao longo do período estudado, com uma diminuição média anual de 1,86% (APC = −1,86%; IC 95% [−2,73; −1,03], p < 0,001). O modelo final não incluiu pontos de inflexão (joinpoints), indicando uma tendência constante de queda ao longo do tempo, conforme demonstrado na Figura Central e na Figura 1. Análise temporal da mortalidade A taxa média de mortalidade por cardiomiopatias durante o período do estudo foi de 6,66 óbitos por 100.000 habitantes, sendo a maior taxa observada em 2004 e a menor em 2020. A análise de tendência temporal demonstrou uma redução significativa da mortalidade ao longo do período estudado, com uma diminuição média anual de 1,86% (APC = −1,86%; IC 95% [−2,73; −1,03], p < 0,001). O modelo final não incluiu pontos de inflexão (joinpoints), indicando uma tendência constante de queda ao longo do tempo, conforme demonstrado na Figura Central e na Figura 1. Análise espacial da mortalidade A análise espacial da taxa bruta de mortalidade evidenciou heterogeneidade na distribuição dos óbitos por cardiomiopatias no território nacional, com maiores taxas concentradas predominantemente nas regiões Centro-Oeste, Sul e Sudeste (Figura 2). Os municípios com as maiores taxas de mortalidade no período incluíram Corumbá de Goiás, São José do Rio Pardo, Itajobi, Santo Inácio e São Manuel. Após a aplicação da suavização bayesiana empírica local, observou-se um padrão espacial mais definido, com agregação de municípios com elevadas taxas de mortalidade principalmente nas regiões Centro-Oeste e Sudeste do Brasil (Figura 3). A análise de autocorrelação espacial confirmou a presença de dependência espacial significativa, evidenciada pelo Índice de Moran Global positivo (I = 0,864; p = 0,01). A análise local de autocorrelação (LISA) identificou aglomerados espaciais estatisticamente significativos. Os aglomerados do tipo alto-alto foram observados principalmente nas regiões Centro-Oeste, Sul e Sudeste, enquanto os aglomerados baixo-baixo concentraram-se predominantemente nas regiões Norte e Nordeste do país (Figura Central, Figuras 4 e 5). Discussão Os achados deste estudo demonstram que, entre 2001 e 2021, foram registrados 272.448 óbitos por cardiomiopatias no Brasil, com predominância entre homens (58,65%), indivíduos com 80 anos ou mais (25,74%) e pessoas autodeclaradas brancas (52,18%). Esse perfil epidemiológico é consistente com dados previamente descritos na literatura, que apontam maior gravidade e letalidade das cardiomiopatias em populações idosas e do sexo masculino, associadas ao envelhecimento cardiovascular e à maior carga de comorbidades, como hipertensão arterial e diabetes mellitus.2,5,20 A maior mortalidade observada entre homens pode ser explicada, em parte, por diferenças biológicas e hormonais, além de maior exposição a fatores de risco e maior propensão a alterações estruturais do miocárdio e eventos cardiovasculares, como a morte súbita, o que está alinhado com achados de estudos internacionais e diretrizes clínicas.2,6,7 Ademais, referente à faixa etária, o envelhecimento populacional é um dos principais fatores de risco para o desenvolvimento da patologia, especialmente no caso da cardiomiopatia dilatada, devido ao aumento da vulnerabilidade miocárdica e da prevalência das comorbidades supracitadas, reforçando a relevância desse agravo em países com transição demográfica avançada, como o Brasil.2,5,7,20 Menor nível de escolaridade foi associado a maior mortalidade por cardiomiopatias: aproximadamente 21,91% dos indivíduos que faleceram devido a patologia tinham de 1 a 3 anos de estudo. Esse dado dialoga com o que foi identificado por Santos et al.,14 que sugere a influência dos determinantes sociais da saúde nos desfechos cardiovasculares, incluindo menor acesso a serviços especializados, diagnóstico tardio e menor adesão terapêutica. Além disso, a predominância de óbitos entre indivíduos casados (36,77%) pode refletir a maior longevidade observada nesse grupo, fenômeno já descrito em análises demográficas brasileiras.21,22 Quanto aos locais de ocorrência dos óbitos, a maior parte ocorreu em ambiente hospitalar (61,83%), o que pode indicar não só o aumento do acesso a internações, mas também o diagnóstico tardio das cardiomiopatias, haja vista que muitas vezes passam despercebidas nos estágios iniciais.6 Em contrapartida, a proporção significativa de mortes que ocorreram em domicílio (26,78%) sugere fragilidades no acompanhamento ambulatorial e no manejo precoce da patologia, especialmente em regiões com limitações geográficas e sociais importantes, conforme já destacado por Ziaeian e Fonarow.2 A redução observada na mortalidade por cardiomiopatias (diminuição média anual de 1,86%; p < 0,05) pode estar parcialmente relacionada aos avanços terapêuticos das últimas décadas, incluindo o uso de inibidores da enzima conversora de angiotensina, betabloqueadores, dispositivos implantáveis e transplante cardíaco. No entanto, o acesso a essas terapias permanece heterogêneo no Brasil, e seu impacto na mortalidade em nível populacional provavelmente varia de acordo com a infraestrutura regional de saúde e a disponibilidade de serviços especializados.9,10 As diretrizes clínicas atuais enfatizam que o diagnóstico precoce e o tratamento multidisciplinar são essenciais para reduzir a mortalidade.9 Ainda assim, a persistência de níveis elevados de mortalidade sugere que os benefícios desses avanços não estão distribuídos de forma uniforme no território nacional. O pico observado em 2004 pode refletir melhorias na detecção e notificação dos casos durante a fase inicial de consolidação do Sistema de Informações sobre Mortalidade (SIM), bem como flutuações temporais inerentes às análises baseadas em população.23,24 Notavelmente, a redução da mortalidade observada em 2020, seguida por um aumento parcial em 2021, deve ser interpretada no contexto da pandemia de COVID-19. Esse período foi marcado por interrupções no acesso aos serviços de saúde, atrasos no diagnóstico e possível classificação incorreta das causas de morte, especialmente para condições cardiovasculares. Estudos prévios no Brasil demonstraram que o excesso de mortalidade durante a pandemia pode estar associado à subnotificação, erros diagnósticos e à redução do acesso ao cuidado para condições não relacionadas à COVID-19.25 Nesse contexto, a análise espacial evidenciou diferenças importantes entre as regiões do país. Aglomerados de alta mortalidade foram observados principalmente nas regiões Centro-Oeste, Sul e Sudeste, com destaque para municípios como Corumbá de Goiás e São José do Rio Pardo. Esse cenário sugere a influência de fatores demográficos, como a maior proporção de população envelhecida nessas áreas, associada à maior prevalência de fatores de risco cardiovasculares. Adicionalmente, a maior capacidade diagnóstica e de notificação dos casos nessas regiões pode contribuir para as taxas mais elevadas observadas. O alto valor do I de Moran Global observado neste estudo pode refletir o uso de taxas suavizadas e o forte padrão de agrupamento regional no Brasil. Além disso, o uso de taxas médias populacionais pode ter contribuído para o aumento da estabilidade espacial e da autocorrelação. Também é importante considerar que valores extremos observados em municípios específicos podem ser influenciados por pequenos tamanhos populacionais, levando à instabilidade das taxas, bem como por estruturas locais de saúde ou padrões de notificação.11 Em contrapartida, nas regiões Norte e Nordeste, onde foram identificados aglomerados de baixa mortalidade, é plausível que os achados não reflitam necessariamente menor ocorrência da doença, mas sim subdiagnóstico e/ou sub-registro. Nessas regiões, o acesso a exames diagnósticos como o ecocardiograma, o qual é essencial para a avaliação da função miocárdica, ainda é limitado, e os sistemas de notificação de óbitos apresentam fragilidades.7,14 Nesse sentido, um estudo realizado no estado do Ceará demonstrou que municípios de menor porte populacional e com menor infraestrutura assistencial tendem a apresentar piores desfechos por doenças cardiovasculares, o que fortalece essa interpretação.14 Esses achados reforçam a necessidade de cautela na interpretação das taxas e evidenciam desigualdades regionais relevantes. Essas desigualdades regionais reforçam a influência dos determinantes sociais da saúde e das fragilidades do sistema de atenção às doenças crônicas sobre os desfechos dos pacientes.26 Nesse contexto, destaca-se o papel da Atenção Primária à Saúde (APS) na vigilância e no rastreamento precoce das cardiomiopatias.27 Logo, a ampliação do acesso a exames diagnósticos, como o ecocardiograma, e o investimento na capacitação de profissionais da rede pública são estratégias recomendadas pelas diretrizes vigentes e potencialmente relevantes para melhorar os desfechos em nível nacional.9 Embora o presente estudo não tenha avaliado diretamente indicadores socioeconômicos específicos, como desigualdade de renda (por exemplo, coeficiente de Gini), Índice de Desenvolvimento Humano (IDH), gastos em saúde ou cobertura da atenção primária, esses fatores podem explicar parcialmente as disparidades regionais observadas. Estudos prévios no Brasil demonstraram que áreas com menor desenvolvimento socioeconômico e acesso reduzido aos serviços de saúde tendem a apresentar piores desfechos cardiovasculares, incluindo maiores taxas de mortalidade.1-3 Em particular, diferenças na cobertura da atenção primária e no acesso a recursos diagnósticos especializados podem contribuir para atrasos no diagnóstico e no tratamento, influenciando os padrões de mortalidade entre as regiões.28-30 Outra consideração importante é a heterogeneidade clínica e etiológica abrangida pelo código I42 da CID-10, que inclui diferentes subtipos de cardiomiopatia, como dilatada, hipertrófica, restritiva e formas secundárias, com mecanismos fisiopatológicos e prognósticos distintos.3 Quando analisada de forma agregada, essa heterogeneidade pode obscurecer padrões epidemiológicos específicos de cada subtipo e levar a interpretações simplificadas das tendências de mortalidade. Ademais, devem ser considerados o subdiagnóstico e a subnotificação, especialmente em regiões com acesso limitado a ferramentas diagnósticas especializadas, como ecocardiografia e ressonância magnética cardíaca, bem como possíveis limitações na qualidade do preenchimento das declarações de óbito. As disparidades regionais no acesso a serviços de cardiologia e a variabilidade nos sistemas de informação em saúde podem contribuir para classificações incorretas e para uma maior proporção de causas de morte mal definidas.31 Adicionalmente, as mortes relacionadas às cardiomiopatias podem estar subestimadas devido ao registro frequente da insuficiência cardíaca (código I50 da CID-10) como causa básica de óbito, mesmo quando decorrente de cardiomiopatias (código I42 da CID-10). Essa limitação é reforçada pela incapacidade da plataforma DATASUS de identificar ou cruzar causas associadas de óbito.31 A cardiomiopatia chagásica, uma causa relevante de doença miocárdica no Brasil, é classificada sob um código diferente da CID-10 (B57.2) e pode não ser totalmente capturada em análises restritas ao código I42.32 Consequentemente, áreas identificadas com menores taxas de mortalidade podem refletir limitações na capacidade diagnóstica e na qualidade dos dados, em vez de uma real redução da carga da doença, exigindo cautela na interpretação de análises espaço-temporais.31 O uso de dados secundários representa uma limitação deste estudo e pode introduzir vieses relacionados à subnotificação, informações incompletas e inconsistências no registro das causas de morte.32-34 Análises baseadas em estimativas populacionais podem ser afetadas pela defasagem temporal do censo demográfico mais recente (2010), potencialmente influenciando a acurácia das estimativas da taxa de mortalidade.34 Como se trata de um estudo ecológico, os achados estão sujeitos ao viés de agregação e podem não refletir associações em nível individual.35 Em acréscimo, a análise considerou apenas a causa básica de óbito, o que pode subestimar a mortalidade relacionada às cardiomiopatias quando essas condições são registradas como causas associadas.36 A ausência de padronização por idade também pode limitar comparações entre regiões, considerando a forte dependência da mortalidade por cardiomiopatias em relação à idade e as diferenças regionais na estrutura etária da população.37 Por fim, o uso de taxas médias de mortalidade ao longo de um período prolongado pode obscurecer variações temporais e mudanças demográficas, potencialmente influenciando a interpretação dos padrões espaciais.34 Uma limitação adicional refere-se ao potencial de erro do tipo I devido a múltiplas comparações em análises espaciais envolvendo um grande número de municípios. A significância estatística foi estabelecida em p < 0,05 sem ajuste formal para múltiplos testes, como a correção pela taxa de descoberta falsa (False Discovery Rate – FDR). Embora essa abordagem possa aumentar a probabilidade de identificação de clusters espúrios, ela é comumente adotada em análises espaciais exploratórias.38 Logo, os padrões espaciais identificados devem ser interpretados com cautela. Em síntese, a análise têmporo-espacial identificou áreas do território brasileiro com elevadas taxas de mortalidade por cardiomiopatias, evidenciando importantes desigualdades regionais. Dessa forma, os achados do presente estudo sugerem a necessidade de estratégias alinhadas à realidade e particularidades locais, voltadas para o fortalecimento da vigilância e do cuidado às cardiomiopatias. Nesse sentido, os resultados fornecem subsídios científicos para o planejamento e a organização de ações em saúde, com ênfase na Atenção Primária à Saúde (APS) principalmente nos locais com maior vulnerabilidade, visando ampliar o acesso e cuidado e, consequentemente, promover saúde e contribuir para a redução da morbimortalidade por cardiomiopatias no Brasil. Conclusão Entre 2001 e 2021, a mortalidade por cardiomiopatias no Brasil apresentou redução temporal significativa, com diminuição média anual de 1,86%, embora tenha permanecido expressiva no período analisado. Observou-se maior frequência de óbitos entre homens, indivíduos com idade igual ou superior a 80 anos, pessoas autodeclaradas brancas, casadas e com menor escolaridade. A análise espacial evidenciou autocorrelação espacial positiva e identificou aglomerados de alta mortalidade predominantemente nas regiões Centro-Oeste, Sul e Sudeste, enquanto aglomerados de baixa mortalidade foram observados principalmente nas regiões Norte e Nordeste. Esses achados confirmam a heterogeneidade regional da mortalidade por cardiomiopatias no país e demonstram a utilidade da análise têmporo-espacial para a identificação de áreas prioritárias em saúde pública. Introduction Cardiomyopathies comprise a heterogeneous group of myocardial diseases characterized by structural and functional abnormalities that may progress to heart failure, malignant arrhythmias, and sudden cardiac death. According to the International Classification of Diseases (ICD-10), these conditions are classified under code I42. Over recent decades, a global increase in the prevalence of cardiomyopathies has been observed, particularly dilated cardiomyopathy, whose incidence ranges from 5 to 10 cases per 100,000 inhabitants per year. This trend reflects population aging and the growing burden of chronic non-communicable diseases.1-3 The etiology of cardiomyopathies is multifactorial and includes inflammatory, toxic, metabolic, and genetic causes, with particular emphasis on hereditary mutations, especially in hypertrophic cardiomyopathy.3,4 Traditional cardiovascular risk factors such as arterial hypertension, diabetes mellitus, obesity, and excessive alcohol consumption are also associated with the development and progression of these conditions.5 Clinically, patients may present with dyspnea, fatigue, palpitations, and peripheral edema, with manifestations ranging from asymptomatic forms in early stages to severe heart failure or sudden cardiac death.6,7 Diagnosis is based on clinical assessment combined with complementary tests, with echocardiography considered the gold standard for evaluating ventricular function and cardiac morphology.8 Treatment is directed toward the underlying etiology and includes both pharmacological and non-pharmacological therapies. Despite therapeutic advances, complications and mortality remain significant.9,10 In Brazil, studies have demonstrated marked regional variations in mortality from cardiomyopathies, suggesting the influence of demographic and socioeconomic factors, as well as inequalities in access to health services.11-13 However, most available investigations are limited by short time frames or isolated regional analyses, hindering an integrated understanding of the spatial distribution and temporal trends of cardiomyopathy-related mortality at the national level. 14,15 While previous studies often report regional differences using aggregated data, spatiotemporal analysis provides a more comprehensive approach by jointly evaluating variations across space and time. This allows the identification of persistent or emerging clusters and a better understanding of dynamic geographic patterns.16,17Additionally, methodological issues such as spatial aggregation (modifiable areal unit problem) and ecological bias may influence results, reinforcing the importance of appropriate analytical strategies in spatial epidemiology.18 Bayesian smoothing techniques and other rate-stabilizing approaches further improve estimate reliability in small areas by reducing random fluctuations.19 In this context, the present study aimed to analyze the epidemiological profile and the spatiotemporal distribution of mortality from cardiomyopathies in Brazil between 2001 and 2021. Secondary objectives included identifying spatial patterns and mortality clusters, as well as describing the distribution of deaths according to sociodemographic characteristics. Additionally, the place of occurrence of deaths was analyzed as a descriptive variable to complement the epidemiological profile. Methods This was an epidemiological study based on the analysis of secondary health data, with a focus on spatiotemporal analysis. Data on deaths due to cardiomyopathies were obtained from the Mortality Information System (SIM) of the Department of Informatics of the Brazilian Unified Health System (DATASUS), Ministry of Health, accessed through the Tabnet platform, considering both place of residence and place of occurrence of death. Population data used as denominators for mortality rate calculations were obtained from DATASUS, based on IBGE population estimates by municipality, sex, and age for the period 2000–2021. These estimates are derived from demographic projection methods and intercensal adjustments performed by IBGE, using the 2010 national census as a reference to ensure consistency across the time series. To analyze mortality trends in Brazil, the period from 2001 to 2021 was selected to allow a comprehensive assessment of the outcome over time. This was a census-based analysis, with no individual selection of participants, including all deaths from cardiomyopathies recorded in the SIM between 2001 and 2021. The population was defined as individuals of all ages. The variables analyzed included sex, age group, race/skin color, marital status, educational level, deaths by place of residence, year of death, place of death, and place of occurrence. Educational level categories followed the classification available in the DATASUS database and were maintained as originally provided to ensure consistency with national health information systems. The race/skin color variable was categorized according to the standardized classification adopted by DATASUS and the Brazilian Institute of Geography and Statistics (IBGE). The underlying cause of death was defined according to the ICD-10 code I42. Epidemiological profile data and death frequencies were compiled using Microsoft Excel for Microsoft 365 MSO. Categorical variables were analyzed using absolute and relative frequencies. Annual mortality rates were calculated using the total number of deaths in each state as the numerator and the corresponding state population for each year as the denominator, expressed per 100,000 inhabitants. Municipality-level mortality rates were calculated using a population-averaging approach, defined as the mean number of deaths over the study period divided by the mean population between 2001 and 2021, expressed per 100,000 inhabitants. The mean population was obtained by summing annual population estimates over the study period and dividing by the number of years. This approach was adopted to reduce annual fluctuations and provide more stable estimates for small-area analyses; however, it does not account for differences in age structure across municipalities, which may influence comparisons. The primary outcome of the study was mortality from cardiomyopathies, defined according to ICD-10 code I42. Initially, temporal trend analysis of annual mortality rates was performed (Figure 1). The annual percent change (APC) in mortality trends was estimated with a 95% confidence interval (95% CI), and statistical significance was set at p<0.05. Temporal trend analysis was performed using the Joinpoint Regression Program (version 5.0.2, National Cancer Institute, USA), using weighted least squares regression, estimating the annual percent change (APC) and 95% confidence intervals. A log-linear model was fitted, and the number of joinpoints was determined using permutation tests according to the software’s default settings. The final model selected included zero joinpoints (i.e., a single temporal trend). Subsequently, spatial analysis of cardiomyopathy mortality distribution was performed for each region of Brazil (Figure 2). Figure 1– Temporal pattern of mortality from cardiomyopathies in Brazil between 2001 and 2021. *Indicates that the Annual Percent Change (APC) is a significantly different from zero at the alpha = 0,05 level. Final Selected Model: 1 Joinpoint. Source: The authors (2025). – Temporal pattern of mortality from cardiomyopathies in Brazil between 2001 and 2021. *Indicates that the Annual Percent Change (APC) is a significantly different from zero at the alpha = 0,05 level. Final Selected Model: 1 Joinpoint. Source: The authors (2025). Figure 2– Crude mortality rate from cardiomyopathies in Brazil, 2001–2021. Source: The authors (2025). – Crude mortality rate from cardiomyopathies in Brazil, 2001–2021. Source: The authors (2025). Spatial smoothing was performed using the local empirical Bayesian method to reduce random fluctuations in municipal mortality rates. A spatial weights matrix was constructed based on first-order queen contiguity, in which municipalities sharing at least one common boundary or vertex were considered neighbors. Municipal boundaries were defined according to the official territorial division provided by the Brazilian Institute of Geography and Statistics (IBGE), without any modifications. Mortality data from DATASUS were linked to municipalities using official IBGE codes. Sensitivity analyses using alternative neighborhood definitions (e.g., rook contiguity) were not performed. However, the use of queen contiguity was chosen due to its broader neighborhood structure, which is widely used in epidemiological spatial studies and provides more stable estimates in areas with heterogeneous territorial configurations. Spatial analyses and thematic map construction were performed using GeoDa software, version 1.22.0.4 (2023). The categorization of map legends followed different approaches according to the type of analysis performed. For crude mortality rates (Figures 1 and 2), values were classified using quantiles, allowing a balanced distribution of municipalities across categories, and improving visualization and comparability. For the smoothed rates obtained through the local empirical Bayesian method (Figures 3–5), classification reflected the distribution of adjusted values, aiming to highlight spatial patterns after reducing random fluctuations. These classification strategies are commonly used in exploratory spatial analyses; however, different categorization methods may lead to variations in the visual interpretation of spatial patterns. Figure 3– Mortality rate from cardiomyopathies smoothed using the local empirical Bayesian method in Brazil, 2001–2021. Source: The authors (2025). – Mortality rate from cardiomyopathies smoothed using the local empirical Bayesian method in Brazil, 2001–2021. Source: The authors (2025). Figure 5– Statistical significance of spatial clusters. Source: The authors (2025). – Statistical significance of spatial clusters. Source: The authors (2025). Spatial clusters were identified using the Global and Local Moran’s I indices. Global Moran’s I was used to test the hypothesis of spatial dependence by measuring the correlation among first-order neighbors, with values ranging from −1 to +1; values close to zero indicate the absence of spatial autocorrelation, with statistical significance defined as p<0.05. When spatial dependence was confirmed, Local Indicators of Spatial Association (LISA) were applied to identify local spatial clusters, also considering p<0.05. The results of these analyses were presented using Moran and LISA maps (Figures 4 and 5). The Moran map graphically represents the degree of similarity between neighboring areas and is divided into four quadrants: Figure 4– Spatial clusters of mortality from cardiomyopathies in Brazil, 2001–2021. Source: The authors 2025). – Spatial clusters of mortality from cardiomyopathies in Brazil, 2001–2021. Source: The authors 2025). High–high (right superior quadrant): municipalities with high mortality rates surrounded by areas with similarly high rates High–high (right superior quadrant): municipalities with high mortality rates surrounded by areas with similarly high rates Low–low (left inferior quadrant): municipalities with low mortality rates surrounded by areas with low rates Low–low (left inferior quadrant): municipalities with low mortality rates surrounded by areas with low rates High–low (right inferior quadrant): municipalities with high rates surrounded by low-rate neighbors High–low (right inferior quadrant): municipalities with high rates surrounded by low-rate neighbors Low–high (left superior quadrant): municipalities with low rates surrounded by high-rate neighbors Low–high (left superior quadrant): municipalities with low rates surrounded by high-rate neighbors The data used in this study are publicly available, aggregated, and do not allow individual identification; therefore, there is no potential for physical or moral harm to individuals or communities. Accordingly, the study was exempt from approval by a Research Ethics Committee and is in accordance with Resolution No. 466/2012 of the Brazilian National Health Council. Additionally, as the study is based on secondary data, the findings may reflect limitations related to data quality, such as underreporting and incomplete information in death certificates. Results Epidemiological profile Between 2001 and 2021, a total of 272,448 deaths due to cardiomyopathies were recorded in Brazil. As shown in the Central figure, the sociodemographic characterization revealed a higher occurrence of deaths among male individuals and those aged 80 years or older. There was also a predominance of deaths among individuals classified as White, married, and with low educational attainment (1-3 years of schooling). The detailed epidemiological profile of deaths is presented in Table 1. Table 1– Epidemiological profile of individuals who died from cardiomyopathies in Brazil between 2001 and 2021Variablen%SexMale159,78258.65Female112,61841.33Missing480.02Age group (years)<12,6110.961-41,3270.495-95720.2110-148340.3115-191,6640.6120-295,6352.0730-3912,5714.6140-4924,7479.0850-5939,89714.6460-6951,50518.9070-7959,97822.01≥8070,13225.75Age missing9750.36Race/ethnicityWhite142,16652.18Black25,9909.54Brown86,93531.91Asian1,3410.49Indigenous3800.14Missing15,6365.74Marital statusSingle66,99824.59Married100,18936.77Widowed66,28024.33Legally separated15,6815.76Other3,3441.23Missing19,9567.32Education (years)None39,51514.501-359,68421.914-756,12520.608-1129,69910.90≥1210,9334.01Missing76,49228.08Place of deathHospital168,44461.83Other health facility16,8906.20Home72,96226.78Public place4,8521.78Others8,9483.28Missing3520.13Source: Department of Informatics of the Unified Health System (DATASUS), Ministry of Health, Brazil. Table 1– Epidemiological profile of individuals who died from cardiomyopathies in Brazil between 2001 and 2021Variablen%SexMale159,78258.65Female112,61841.33Missing480.02Age group (years)<12,6110.961-41,3270.495-95720.2110-148340.3115-191,6640.6120-295,6352.0730-3912,5714.6140-4924,7479.0850-5939,89714.6460-6951,50518.9070-7959,97822.01≥8070,13225.75Age missing9750.36Race/ethnicityWhite142,16652.18Black25,9909.54Brown86,93531.91Asian1,3410.49Indigenous3800.14Missing15,6365.74Marital statusSingle66,99824.59Married100,18936.77Widowed66,28024.33Legally separated15,6815.76Other3,3441.23Missing19,9567.32Education (years)None39,51514.501-359,68421.914-756,12520.608-1129,69910.90≥1210,9334.01Missing76,49228.08Place of deathHospital168,44461.83Other health facility16,8906.20Home72,96226.78Public place4,8521.78Others8,9483.28Missing3520.13Source: Department of Informatics of the Unified Health System (DATASUS), Ministry of Health, Brazil. – Epidemiological profile of individuals who died from cardiomyopathies in Brazil between 2001 and 2021 Regarding the place of occurrence, most deaths occurred in hospital settings, followed by deaths at home, while the remaining categories showed lower relative frequencies (Table 1). Temporal analysis of mortality The mean mortality rate from cardiomyopathies during the study period was 6.66 deaths per 100,000 inhabitants, with the highest rate observed in 2004 and the lowest in 2020. Temporal trend analysis demonstrated a significant reduction in mortality over the study period, with an average annual decrease of 1.86% (APC = −1.86%; 95% CI [−2.73; −1.03], p < 0.001). The final model did not include joinpoints, indicating a constant declining trend over time, as shown in Central Figure and Figure 1. Spatial analysis of mortality Spatial analysis of crude mortality rates revealed marked heterogeneity in the distribution of deaths from cardiomyopathies across Brazil, with higher rates predominantly concentrated in the Midwest, South, and Southeast regions (Figure 2). Municipalities with the highest mortality rates during the period included Corumbá de Goiás, São José do Rio Pardo, Itajobi, Santo Inácio, and São Manuel. After applying local empirical Bayesian smoothing, a clearer spatial pattern emerged, with clustering of municipalities presenting elevated mortality rates mainly in the Midwest and Southeast regions of Brazil (Figure 3). Spatial autocorrelation analysis confirmed the presence of significant spatial dependence, as evidenced by a positive Global Moran’s I (I = 0.864; p = 0.01). Local spatial autocorrelation analysis (LISA) identified statistically significant spatial clusters. High–high clusters were mainly observed in the Midwest, South, and Southeast regions, whereas low–low clusters were predominantly located in the North and Northeast regions of the country (Central Figure, Figures 4 and 5). Discussion The findings of this study demonstrate that, between 2001 and 2021, a total of 272,448 deaths due to cardiomyopathies were recorded in Brazil, predominantly among men (58.65%), individuals aged 80 years or older (25.74%), and those self-identified as White (52.18%). This epidemiological profile is consistent with data previously reported in the literature, which indicate greater severity and lethality of cardiomyopathies in older populations and in males, associated with cardiovascular aging and a higher burden of comorbidities, such as systemic arterial hypertension and diabetes mellitus.2,5,20 The higher mortality observed among men may be partly explained by biological and hormonal differences, as well as greater exposure to risk factors and a higher propensity for structural myocardial alterations and cardiovascular events, such as sudden cardiac death, which is consistent with findings from international studies and clinical guidelines.2,6,7 Furthermore, concerning age group, population aging is one of the main risk factors for the development of this condition, particularly in the case of dilated cardiomyopathy, due to increased myocardial vulnerability and the higher prevalence of the aforementioned comorbidities. This reinforces the relevance of this disease in countries undergoing advanced demographic transition, such as Brazil.2,5,7,20 Lower educational attainment was associated with higher mortality from cardiomyopathies: approximately 21.91% of individuals who died from this condition had 1 to 3 years of schooling. This finding is in line with that reported by Santos et al.,14 who suggest the influence of social determinants of health on cardiovascular outcomes, including reduced access to specialized healthcare services, delayed diagnosis, and lower therapeutic adherence. Additionally, the predominance of deaths among married individuals (36.77%) may reflect the greater longevity observed in this group, a phenomenon previously described in Brazilian demographic analyses.21,22 Regarding the place of death, most deaths occurred in the hospital setting (61.83%), which may indicate not only increased access to hospital admissions but also late diagnosis of cardiomyopathies, given that these conditions often go unnoticed in their early stages.6 Conversely, the significant proportion of deaths occurring at home (26.78%) suggests weaknesses in outpatient follow-up and in the early management of the disease, particularly in regions with major geographic and social constraints, as previously highlighted by Ziaeian and Fonarow.2 The observed reduction in mortality from cardiomyopathies (average annual decrease of 1.86%; p < 0.05) may be partially related to therapeutic advances in recent decades, including the use of angiotensin-converting enzyme inhibitors, beta-blockers, implantable devices, and heart transplantation. However, access to these therapies remains heterogeneous across Brazil, and their impact on population-level mortality likely varies according to regional healthcare infrastructure and availability of specialized services.9,10 Current clinical guidelines emphasize that early diagnosis and multidisciplinary treatment are essential to reduce mortality.9 Nevertheless, the persistence of high mortality levels suggests that the benefits of these advances are not evenly distributed across the national territory. The peak observed in 2004 may reflect improvements in case detection and reporting during the early consolidation of the Mortality Information System (SIM), as well as temporal fluctuations inherent to population-based analyses.23,24 Notably, the reduction in mortality observed in 2020, followed by a partial increase in 2021, should be interpreted in the context of the COVID-19 pandemic. This period was marked by disruptions in healthcare access, delays in diagnosis, and potential misclassification of causes of death, particularly for cardiovascular conditions. Previous studies in Brazil have demonstrated that excess mortality during the pandemic may be associated with underreporting, misdiagnosis, and reduced access to care for non-COVID conditions.25 In this context, spatial analysis revealed significant differences among the regions of the country. High-mortality clusters were observed mainly in the Central-West, South, and Southeast regions, with emphasis on municipalities such as Corumbá de Goiás and São José do Rio Pardo. This scenario suggests the influence of demographic factors, such as a higher proportion of elderly populations in these areas, combined with a greater prevalence of cardiovascular risk factors. Additionally, greater diagnostic capacity and more robust case reporting in these regions may contribute to the higher observed rates. The high value of Global Moran’s I observed in this study may reflect the use of smoothed rates and the strong regional clustering pattern in Brazil. Additionally, the use of population-averaged rates may have contributed to increased spatial stability and autocorrelation. It is also important to consider that extreme values observed in specific municipalities may be influenced by small population sizes, leading to rate instability, as well as by local healthcare structures or reporting patterns.11 In contrast, in the North and Northeast regions, where clusters of low mortality were identified, it is plausible that these findings do not necessarily reflect a lower occurrence of the disease, but rather underdiagnosis and/or underreporting. In these regions, access to diagnostic tests such as echocardiography (essential for the assessment of myocardial function) remains limited, and death notification systems present significant shortcomings.7,14 In this regard, a study conducted in the state of Ceará demonstrated that municipalities with smaller populations and less healthcare infrastructure tend to present worse outcomes for cardiovascular diseases, which supports this interpretation.14 These findings underscore the need for caution in interpreting mortality rates and highlight relevant regional inequalities. Such regional disparities reinforce the influence of social determinants of health and weaknesses in the healthcare system for chronic disease management on patient outcomes.26 In this context, the role of Primary Health Care (PHC) in surveillance and early screening of cardiomyopathies is particularly noteworthy.27 Therefore, expanding access to diagnostic tests, such as echocardiography, and investing in the training of public healthcare professionals are strategies recommended by current guidelines and potentially relevant for improving outcomes at the national level.9 Although the present study did not directly evaluate specific socioeconomic indicators, such as income inequality (e.g., Gini coefficient), Human Development Index (HDI), healthcare expenditure, or primary healthcare coverage, these factors may partially explain the regional disparities observed. Previous studies in Brazil have demonstrated that areas with lower socioeconomic development and reduced access to healthcare services tend to present worse cardiovascular outcomes, including higher mortality rates.1-3 In particular, differences in primary health care coverage and access to specialized diagnostic resources may contribute to delays in diagnosis and treatment, influencing mortality patterns across regions.28-30 Another important consideration is the clinical and etiological heterogeneity encompassed by ICD-10 code I42, which includes distinct cardiomyopathy subtypes, such as dilated, hypertrophic, restrictive, and secondary forms, with different pathophysiological mechanisms and prognoses.3 When analyzed in an aggregated manner, this heterogeneity may obscure subtype-specific epidemiological patterns and lead to oversimplified interpretations of mortality trends. Additionally, underdiagnosis and underreporting should be considered, particularly in regions with limited access to specialized diagnostic tools, such as echocardiography and cardiac magnetic resonance imaging, as well as potential limitations in the quality of death certificate completion. Regional disparities in access to cardiological services and variability in health information systems may contribute to misclassification and a higher proportion of ill-defined causes of death.31 Furthermore, cardiomyopathy-related deaths may be underestimated due to the frequent recording of heart failure (ICD-10 code I50) as the underlying cause of death, even when resulting from cardiomyopathies (ICD-10 code I42). This limitation is reinforced by the inability of the DATASUS platform to identify or cross-reference associated causes of death.31 Chagas cardiomyopathy, a relevant cause of myocardial disease in Brazil, is classified under a different ICD-10 code (B57.2) and may not be fully captured in analyses restricted to code I42.32 Consequently, areas identified with lower mortality rates may reflect limitations in diagnostic capacity and data quality rather than a truly reduced disease burden, requiring cautious interpretation in spatiotemporal analyses.31 The use of secondary data represents a limitation of this study and may introduce biases related to underreporting, incomplete information, and inconsistencies in the recording of causes of death.32-34 Analyses based on population estimates may be affected by the time lag of the most recent demographic census (2010), potentially influencing the accuracy of mortality rate estimates.34 As an ecological study, the findings are subject to aggregation bias and may not reflect individual-level associations.35 Furthermore, the analysis considered only the underlying cause of death, which may underestimate cardiomyopathy-related mortality when these conditions are recorded as associated causes.36 The absence of age standardization may also limit comparisons between regions, given the strong age dependence of cardiomyopathy mortality and regional differences in population age structure.37 Finally, the use of averaged mortality rates over a long period may obscure temporal variations and demographic changes, potentially influencing the interpretation of spatial patterns.34 An additional limitation relates to the potential for type I error due to multiple comparisons in spatial analyses involving a large number of municipalities. Statistical significance was set at p<0.05 without formal adjustment for multiple testing, such as False Discovery Rate (FDR) correction. Although this approach may increase the likelihood of identifying spurious clusters, it is commonly adopted in exploratory spatial analyses.38 Therefore, the identified spatial patterns should be interpreted with caution. In summary, the spatiotemporal analysis identified areas of the Brazilian territory with high mortality rates from cardiomyopathies, highlighting significant regional inequalities. Accordingly, the findings of the present study suggest the need for strategies aligned with local realities and specificities, aimed at strengthening surveillance and care for cardiomyopathies. In this context, the results provide scientific evidence to support the planning and organization of health actions, with an emphasis on Primary Health Care (PHC), particularly in areas of greater vulnerability, intending to expand access to care and, consequently, promote health and contribute to the reduction of morbidity and mortality from cardiomyopathies in Brazil. Conclusion Between 2001 and 2021, mortality from cardiomyopathies in Brazil showed a significant temporal decline, with an average annual reduction of 1.86%, although it remained substantial throughout the study period. A higher frequency of deaths was observed among men, individuals aged 80 years or older, those who self-identified as White, married individuals, and those with lower levels of education. Spatial analysis revealed positive spatial autocorrelation and identified clusters of high mortality predominantly in the Central-West, South, and Southeast regions, while clusters of low mortality were mainly observed in the North and Northeast regions. These findings confirm the regional heterogeneity of cardiomyopathy-related mortality in the country and demonstrate the usefulness of spatiotemporal analysis for identifying priority areas in public health.