Pesquisadores criam índice que mede eficiência dos sistemas hospitalares por microrregiões do país

César Costa

 

No encontro semanal do Núcleo de Economia Regional e Urbana da Universidade de São Paulo (Nereus), no último dia 11, foi apresentado um trabalho que pode revelar sistemas hospitalares em situações críticas no Brasil. De fácil leitura, o novo mapa pode antecipar regiões brasileiras que mais necessitam de atenção. O tema do último encontro do Nereus foi “COVID-Index: Colapso do Sistema Hospitalar Brasileiro” e teve a mediação do professor Eduardo Haddad, do departamento de Economia da FEA.

Os palestrantes, o prof. Diogo Ferraz, da Universidade Federal Rural da Amazônia (UFRA), e o prof. Enzo Mariano, da Universidade Estadual Paulista (UNESP), fizeram a apresentação por meio de vídeo online. Juntos com pesquisadores de diversas universidades do Brasil, eles construíram um modelo que busca medir a eficiência dos sistemas hospitalares de diversas microrregiões do país. 

“Queremos construir um índice que relaciona número de casos e mortes de uma determinada região considerando a infraestrutura hospitalar que existe nela” explicou Enzo Mariano. 

Como funciona o índice? 

Primeiramente, há a utilização do método Data Envelopment Analysis (DEA). Ele é uma técnica não-paramétrica, ou seja, seus resultados não podem ser extrapolados para além da sua amostra. Ele é capaz de apresentar resultados de eficiência produtiva. A principal análise que é feita a partir do DEA são das Unidades Tomadores de Decisão, os DMUs. 

Para entender melhor, o prof. Diogo usou exemplos das usinas de cana-de-açúcar. Considerando uma usina como a DMU, aquela que utilizar menos cana e produzir mais álcool, por exemplo, é a mais eficiente. No entanto, é importante considerar algumas ressalvas no método.

Toda DMU tem que ter o mesmo objetivo. Se os focos forem diferentes, como produzirem produtos diferentes, não funciona. Além disso, o DEA vai calcular os pesos dessa eficiência por meio do próprio método, dando valores diferentes de acordo com algumas individualidades das DMUs.

Em outro exemplo, ele considera a DMU um hospital. Se ele tem algumas características como um número de leitos grande mas uma UTI menor, o método vai favorecer as características positivas.

O sistema de pontuação pelo método varia de zero a um, sendo o um o melhor indicador, o de maior eficiência, e o zero, o pior. 

E, por fim, há o modelo para a utilização do DEA e do DMU. Foram expostos dois, mas o utilizado nesta pesquisa foi o modelo de Variable Return of Scale (VRS). Nele, os outputs, os resultados, não variam linearmente com inputs, os gastos.

“Não há variações no sentido de comparar cidades grandes com cidades menores. Faz sentido comparar cidades grandes apenas com cidades grandes. Por exemplo, São Paulo só será comparado com municípios com características semelhantes.” explica Diogo. De acordo com os pesquisadores, o modelo vai calcular a eficiência técnica pura, ou seja, a capacidade da DMU transformar inputs em outputs. 

Quais são as aplicações?

Entre os diversos usos práticos, é possível fazer uma avaliação de eficiência social. Por exemplo, medir como países transformam o PIB em educação, infraestrutura, saúde, distribuição de renda, entre outros fatores.

Para aplicação no Brasil, houve uma divisão diferente do que somente as unidades federativas. “Usei um caminho diferente, dividi em 119 microrregiões e questionei: quais são as regiões mais socialmente eficientes? A foto que eu tiro do desenvolvimento humano é a mesma da eficiência social?” explicitam os pesquisadores. A escolha por microrregiões ocorreu pois alguns municípios não tem sua própria infraestrutura.

Além disso, foi criado o indicador CIASE: eficiência com o desenvolvimento humano. “Nossa grande contribuição foi explicitar regiões mais vulneráveis, com piores indicadores de desenvolvimento humano, e as regiões que melhor conseguem usar o dinheiro público. Damos méritos e indicamos quais devem receber dinheiro público” diz Diogo. 

Observando o sistema de saúde

Mas, em relação à pandemia, a interpretação dos resultados passou a ser diferente.  Os pesquisadores observaram que a situação poderia gerar um caos no Brasil. De acordo com eles, o sistema público de saúde já tem problemas e a COVID iria intensificar. Eles buscaram entender o sistema hospitalar de forma ampla.

A tabela a seguir ilustra o que foi considerado para fazer o COVID-Index:

 

A ideia do COVID-Index é construir um índice que relaciona número de casos/mortes de uma determinada região com a infraestrutura hospitalar que existe nela. A grande vantagem desse índice é a possibilidade de analisar a infraestrutura de saúde de uma forma mais ampla.

Apesar da DEA parte do pressuposto de atribuir maior peso a maior vantagem, nesse índice os valores são invertidos, e o maior peso vai na maior fraqueza. Logo, 1 é o pior valor. Esse índice busca avaliar qual região tem maior perigo.

Há muitas aplicações práticas possíveis a partir das informações conseguidas por esse índice. Repensar a realocação de recursos, antecipar a possibilidade de colapso dos sistemas hospitalares, ranquear as regiões mais críticas e até fazer análise observando as regiões com situações mais tranquilas. 

Os pesquisadores demonstraram que há proximidade com a realidade usando o caso da capital do Maranhão. “A gente rodou o índice pela terceira vez no dia 27 abril. Nosso modelo mostrou que seis unidades federativas tem uma situação de colapso ou muito perto do colapso, próximo do que estava sendo visto na mídia. Alguns dias depois, São Luís entrou em lockdown” conta Diogo.

O índice também não é totalmente perfeito, e eles sabem reconhecer os defeitos e buscam entender as distorções. “Belém, por exemplo, é uma incógnita. A situação parece ruim e o índice não representa exatamente isso” dizem os pesquisadores. 

Além disso, eles também reconhecem que existem problemas como a demora nos testes, subnotificação, o crescimento rápido dos casos e isso tudo altera o ranking muito rapidamente, podendo criar uma desconfiança no indicador. 

E, nas fontes de informação, existem o problema com a base de dados, que neste caso é o Data SUS. “Nosso indicador também não avalia se os respiradores estão funcionando, quais estão médicos afastados, a compra de novos equipamentos e os novos hospitais de campanha” comenta Diogo sobre os possíveis desvios que os resultados podem sofrer em relação à realidade.

 

 

 

 

Data do Conteúdo: 
segunda-feira, 18 Maio, 2020

Departamento:

Sugira uma notícia