Revista de Saúde Pública (Feb 2013)

Uso das redes neurais artificiais na aplicação de metodologia para alocação de recursos da saúde Uso de las redes neurales artificiales en la aplicación de metodología para asignación de recursos de la salud Use of artificial neural networks in applying methodology for allocating health resources

  • Marina Araújo Rosas,
  • Adriana Falangola Benjamin Bezerra,
  • Paulo José Duarte-Neto

Journal volume & issue
Vol. 47, no. 1
pp. 128 – 136

Abstract

Read online

OBJETIVO: Descrever a construção de fator de alocação de recursos financeiros com base na necessidade em saúde da população. MÉTODOS: Estudo quantitativo, com dados coletados em bases de domínio público, referentes ao estado de Pernambuco nos anos entre 2000 e 2010. Foram selecionadas variáveis que refletissem os indicadores epidemiológicos, demográficos, socioeconômicos e educacionais para compor um fator de alocação que apontasse as necessidades de saúde da população. As fontes pesquisadas foram: Departamento de Informática do Sistema Único de Saúde, Atlas do Desenvolvimento Humano no Brasil, Instituto Brasileiro de Geografia e Estatística, Sistema de Informações sobre Orçamentos Públicos em Saúde, Tesouro Nacional e dados da Secretaria Estadual de Saúde de Pernambuco de 2000 a 2010, de acordo com a disponibilidade da informação mais recente. Foi realizada a correlação linear de Pearson e, para o cálculo do fator de alocação, a análise pelas Redes Neurais Artificiais. Os quartis dos municípios foram definidos segundo as necessidades em saúde. RESULTADOS: A distribuição apresentada aponta a Região Litorânea e boa parte da Região da Mata Norte e Sul e do Agreste Setentrional e Central situados no Quartil 1, este com o maior número de municípios. O Agreste Meridional teve municípios em todos os quartis. Na Região do Pajeú/Moxotó, grande parte dos municípios esteve no Quartil 1. Semelhante distribuição foi verificada no Sertão Central. No Araripe, a maioria dos municípios esteve nos Quartis 3 ou 4 e a Região do São Francisco ficou dividida entre os Quartis 1, 2 e 3. CONCLUSÕES: O fator de alocação agregou os municípios pernambucanos, por agrupar variáveis que são relacionadas com as necessidades em saúde da população, e separou os que possuem extremas necessidades de maior aporte financeiro daqueles que precisam com menor intensidade.OBJETIVO: Describir la construcción de factor de asignación de recursos financieros basándose en la necesidad en la salud de la población. MÉTODOS: Estudio cuantitativo, con datos colectados en bases de dominio público, referentes al estado de Pernambuco, Brasil, en los años entre 2000 y 2010. Se seleccionaron variables que reflejasen los indicadores epidemiológicos, demográficos, socioeconómicos y educacionales para componer un factor de asignación que señale las necesidades de salud de la población. Las fuentes investigadas fueron: Departamento de Informática del Sistema Único de Salud, el Atlas de Desarrollo Humano en Brasil, el Instituto Brasileño de Geografía y Estadística, el Sistema de Informaciones sobre Presupuestos Públicos en Salud, el Tesoro Nacional y datos de la Secretaria Estatal de Salud de Pernambuco de 2000 a 2010, de acuerdo con la disponibilidad de la información más reciente. Se realizó la correlación linear de Pearson y para el cálculo del Factor de Asignación, el análisis por las redes neurales artificiales. Los cuartiles de los municipios fueron definidos según las necesidades en salud. RESULTADOS: La distribución presentada sitúa la Región Costera y buena parte de la Región de la Selva Norte y Sur y del Agreste Septentrional y Central, en el Cuartil 1, con el mayor número de municipios. El Agreste Meridional tuvo municipios en todos los cuartiles. En la Región de los ríos Pajeú/Moxotó, gran parte de los municipios estuvo en el Cuartil 1. Se verificó distribución semejante en el Sertón Central. En el Araripe, la mayoría de los municipios estuvo en los Cuartiles 3 o 4, y la Región de Sao Francisco se dividió entre los Cuartiles 1, 2 y 3. CONCLUSIONES: El factor de Asignación agregó los municipios pernambucanos, por agrupar variables que son relacionadas con las necesidades en salud de la población y separó los que poseen extremas necesidades de mayor aporte financiero de aquellos que lo precisan con menor intensidad.OBJECTIVE: To describe the construction of a factor of allocation of financial resources, based on the population's health needs. METHODS: Quantitative study with data collected from public databases referring to the state of Pernambuco, Northeastern Brazil, between 2000 and 2010. Variables which reflected epidemiological, demographic, socio-economic and educational processes were selected in order to create a factor of allocation which highlighted the health needs of the population. The data sources were: SUS (Brazilian Unified Health System) Department of Computer Science, Atlas of Human Development in Brazil, IBGE (Brazilian Institute of Geography and Statistics), Information System on Public Health Budgets, National Treasury and data from the Pernambuco Health Secretariat between 2000 and 2010. Pearson's coefficient was used to assess linear correlation and the factor of allocation was calculated using analysis by artificial neural networks. The quartiles of the municipalities were defined according to their health needs. RESULTS: The distribution shown here highlights that all the coastal region, a good part of the Mata Norte and Mata Sul regions and the Agreste Setentrional and Agreste Central regions are in Quartile 1, that which has the largest number of municipalities. The Agreste Meridional region had municipalities in all of the quartiles. In the Pajeú/Moxotó region, many of the municipalities were in Quartile 1. Similar distribution was verified in the Sertão Central region. In the Araripe region, the majority of the municipalities were in Quartiles 3 or 4 and the São Francisco region was divided between Quartiles 1, 2 and 3. CONCLUSIONS: The factor of allocation grouped together municipalities of Pernambuco according to variables related to public health needs and separated those with extreme needs, requiring greater financial support, from those with lesser needs.

Keywords