Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue

Detalhes bibliográficos
Autor(a) principal: Xavier, Fernando
Data de Publicação: 2024
Outros Autores: Barbosa, Gerson Laurindo, Marques, Cristiano Corrêa de Azevedo, Saraiva, Antonio Mauro
Tipo de documento: Artigo
Idioma: eng
por
Título da fonte: Revista de Saúde Pública
Texto Completo: https://www.revistas.usp.br/rsp/article/view/225087
Resumo: OBJETIVO: Integrar os conceitos de Saúde Planetária e Big Data ao modelo de Donabedian, para avaliar o Programa de Combate à Dengue no estado de São Paulo. MÉTODOS: Foram adotados métodos de Ciência de Dados para integração e análise de dados relacionados à dengue, agregando o contexto aos componentes de estrutura e de resultado do modelo de Donabedian. Esses dados, considerando o período de 2010 a 2019, foram coletados de fontes como Datasus, Instituto Brasileiro de Geografia e Estatística (IBGE), WorldClim e MapBiomas, e integrados em um Data Warehouse. Para a identificação de grupos com contextos similares, foi utilizado o algoritmo K-means. Em seguida, foram realizadas análises estatísticas e visualizações espaciais dos grupos, considerando variáveis socioeconômicas, demográficas, solo, estrutura de saúde e casos de dengue. RESULTADOS: Com o uso das variáveis climáticas, o algoritmo K-means identificou quatro grupos de municípios com características similares. A comparação dos seus indicadores revelou certos padrões nos municípios com pior desempenho quanto aos resultados de casos de dengue. Embora tivessem melhores condições econômicas, eles tinham menor número médio de agentes comunitários e de unidades básicas de saúde por habitante. Dessa forma, as condições econômicas não refletiram em melhor estrutura de saúde nos três indicadores avaliados. Outra característica desses municípios é a urbanização. Os municípios de pior desempenho tinham maior taxa de população urbana e de modificações antrópicas relacionadas à urbanização. CONCLUSÕES: Por meio desta metodologia, foi possível identificar importantes deficiências nas condições para a execução do programa de combate à dengue no estado de São Paulo. A integração de diversas bases de dados e a utilização de métodos de Ciência de Dados permitiram a avaliação do programa em larga escala, considerando o contexto em que as ações são executadas. Dessa forma, a gestão pública pode utilizar as informações coletadas para planejar ações e investir de acordo com as deficiências de cada local.
id USP-23_1580c6422ac8c3552523bf1dc0fce158
oai_identifier_str oai:revistas.usp.br:article/225087
network_acronym_str USP-23
network_name_str Revista de Saúde Pública
repository_id_str
spelling Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à DengueBig Data-Planetary Health approach for evaluating the Brazilian Dengue Control ProgramAvaliação de Processos e Resultados em Cuidados de SaúdeCiência de DadosDengueEpidemiologiaEpidemiologyDengue Outcome and Process Assessment, Health CareData ScienceOBJETIVO: Integrar os conceitos de Saúde Planetária e Big Data ao modelo de Donabedian, para avaliar o Programa de Combate à Dengue no estado de São Paulo. MÉTODOS: Foram adotados métodos de Ciência de Dados para integração e análise de dados relacionados à dengue, agregando o contexto aos componentes de estrutura e de resultado do modelo de Donabedian. Esses dados, considerando o período de 2010 a 2019, foram coletados de fontes como Datasus, Instituto Brasileiro de Geografia e Estatística (IBGE), WorldClim e MapBiomas, e integrados em um Data Warehouse. Para a identificação de grupos com contextos similares, foi utilizado o algoritmo K-means. Em seguida, foram realizadas análises estatísticas e visualizações espaciais dos grupos, considerando variáveis socioeconômicas, demográficas, solo, estrutura de saúde e casos de dengue. RESULTADOS: Com o uso das variáveis climáticas, o algoritmo K-means identificou quatro grupos de municípios com características similares. A comparação dos seus indicadores revelou certos padrões nos municípios com pior desempenho quanto aos resultados de casos de dengue. Embora tivessem melhores condições econômicas, eles tinham menor número médio de agentes comunitários e de unidades básicas de saúde por habitante. Dessa forma, as condições econômicas não refletiram em melhor estrutura de saúde nos três indicadores avaliados. Outra característica desses municípios é a urbanização. Os municípios de pior desempenho tinham maior taxa de população urbana e de modificações antrópicas relacionadas à urbanização. CONCLUSÕES: Por meio desta metodologia, foi possível identificar importantes deficiências nas condições para a execução do programa de combate à dengue no estado de São Paulo. A integração de diversas bases de dados e a utilização de métodos de Ciência de Dados permitiram a avaliação do programa em larga escala, considerando o contexto em que as ações são executadas. Dessa forma, a gestão pública pode utilizar as informações coletadas para planejar ações e investir de acordo com as deficiências de cada local.OBJECTIVE: This study aims to integrate the concepts of planetary health and big data into the Donabedian model to evaluate the Brazilian dengue control program in the state of São Paulo. METHODS: Data science methods were used to integrate and analyze dengue-related data, adding context to the structure and outcome components of the Donabedian model. This data, considering the period from 2010 to 2019, was collected from sources such as Department of Informatics of the Unified Health System (DATASUS), the Brazilian Institute of Geography and Statistics (IBGE), WorldClim, and MapBiomas. These data were integrated into a Data Warehouse. K-means algorithm was used to identify groups with similar contexts. Then, statistical analyses and spatial visualizations of the groups were performed, considering socioeconomic and demographic variables, soil, health structure, and dengue cases. OUTCOMES: Using climate variables, the K-means algorithm identified four groups of municipalities with similar characteristics. The comparison of their indicators revealed certain patterns in the municipalities with the worst performance in terms of dengue case outcomes. Although presenting better economic conditions, these municipalities held a lower average number of community healthcare agents and basic health units per inhabitant. Thus, economic conditions did not reflect better health structure among the three studied indicators. Another characteristic of these municipalities is urbanization. The worst performing municipalities presented a higher rate of urban population and human activity related to urbanization. CONCLUSIONS: This methodology identified important deficiencies in the implementation of the dengue control program in the state of São Paulo. The integration of several databases and the use of Data Science methods allowed the evaluation of the program on a large scale, considering the context in which activities are conducted. These data can be used by the public administration to plan actions and invest according to the deficiencies of each location.Universidade de São Paulo. Faculdade de Saúde Pública2024-04-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/xmlapplication/pdfapplication/pdfhttps://www.revistas.usp.br/rsp/article/view/22508710.11606/s1518-8787.2024058005491Revista de Saúde Pública; v. 58 n. 1 (2024); 17Revista de Saúde Pública; Vol. 58 Núm. 1 (2024); 17Revista de Saúde Pública; Vol. 58 No. 1 (2024); 171518-87870034-8910reponame:Revista de Saúde Públicainstname:Universidade de São Paulo (USP)instacron:USPengporhttps://www.revistas.usp.br/rsp/article/view/225087/204570https://www.revistas.usp.br/rsp/article/view/225087/204571https://www.revistas.usp.br/rsp/article/view/225087/204572Copyright (c) 2024 Fernando Xavier, Gerson Laurindo Barbosa, Cristiano Corrêa de Azevedo Marques, Antonio Mauro Saraivahttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessXavier, FernandoBarbosa, Gerson LaurindoMarques, Cristiano Corrêa de AzevedoSaraiva, Antonio Mauro2024-05-15T15:47:28Zoai:revistas.usp.br:article/225087Revistahttps://www.revistas.usp.br/rsp/indexONGhttps://www.revistas.usp.br/rsp/oairevsp@org.usp.br||revsp1@usp.br1518-87870034-8910opendoar:2024-05-15T15:47:28Revista de Saúde Pública - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
Big Data-Planetary Health approach for evaluating the Brazilian Dengue Control Program
title Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
spellingShingle Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
Xavier, Fernando
Avaliação de Processos e Resultados em Cuidados de Saúde
Ciência de Dados
Dengue
Epidemiologia
Epidemiology
Dengue
Outcome and Process Assessment, Health Care
Data Science
title_short Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
title_full Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
title_fullStr Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
title_full_unstemmed Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
title_sort Abordagem Big Data-Saúde Planetária para avaliação do Programa de Combate à Dengue
author Xavier, Fernando
author_facet Xavier, Fernando
Barbosa, Gerson Laurindo
Marques, Cristiano Corrêa de Azevedo
Saraiva, Antonio Mauro
author_role author
author2 Barbosa, Gerson Laurindo
Marques, Cristiano Corrêa de Azevedo
Saraiva, Antonio Mauro
author2_role author
author
author
dc.contributor.author.fl_str_mv Xavier, Fernando
Barbosa, Gerson Laurindo
Marques, Cristiano Corrêa de Azevedo
Saraiva, Antonio Mauro
dc.subject.por.fl_str_mv Avaliação de Processos e Resultados em Cuidados de Saúde
Ciência de Dados
Dengue
Epidemiologia
Epidemiology
Dengue
Outcome and Process Assessment, Health Care
Data Science
topic Avaliação de Processos e Resultados em Cuidados de Saúde
Ciência de Dados
Dengue
Epidemiologia
Epidemiology
Dengue
Outcome and Process Assessment, Health Care
Data Science
description OBJETIVO: Integrar os conceitos de Saúde Planetária e Big Data ao modelo de Donabedian, para avaliar o Programa de Combate à Dengue no estado de São Paulo. MÉTODOS: Foram adotados métodos de Ciência de Dados para integração e análise de dados relacionados à dengue, agregando o contexto aos componentes de estrutura e de resultado do modelo de Donabedian. Esses dados, considerando o período de 2010 a 2019, foram coletados de fontes como Datasus, Instituto Brasileiro de Geografia e Estatística (IBGE), WorldClim e MapBiomas, e integrados em um Data Warehouse. Para a identificação de grupos com contextos similares, foi utilizado o algoritmo K-means. Em seguida, foram realizadas análises estatísticas e visualizações espaciais dos grupos, considerando variáveis socioeconômicas, demográficas, solo, estrutura de saúde e casos de dengue. RESULTADOS: Com o uso das variáveis climáticas, o algoritmo K-means identificou quatro grupos de municípios com características similares. A comparação dos seus indicadores revelou certos padrões nos municípios com pior desempenho quanto aos resultados de casos de dengue. Embora tivessem melhores condições econômicas, eles tinham menor número médio de agentes comunitários e de unidades básicas de saúde por habitante. Dessa forma, as condições econômicas não refletiram em melhor estrutura de saúde nos três indicadores avaliados. Outra característica desses municípios é a urbanização. Os municípios de pior desempenho tinham maior taxa de população urbana e de modificações antrópicas relacionadas à urbanização. CONCLUSÕES: Por meio desta metodologia, foi possível identificar importantes deficiências nas condições para a execução do programa de combate à dengue no estado de São Paulo. A integração de diversas bases de dados e a utilização de métodos de Ciência de Dados permitiram a avaliação do programa em larga escala, considerando o contexto em que as ações são executadas. Dessa forma, a gestão pública pode utilizar as informações coletadas para planejar ações e investir de acordo com as deficiências de cada local.
publishDate 2024
dc.date.none.fl_str_mv 2024-04-12
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.revistas.usp.br/rsp/article/view/225087
10.11606/s1518-8787.2024058005491
url https://www.revistas.usp.br/rsp/article/view/225087
identifier_str_mv 10.11606/s1518-8787.2024058005491
dc.language.iso.fl_str_mv eng
por
language eng
por
dc.relation.none.fl_str_mv https://www.revistas.usp.br/rsp/article/view/225087/204570
https://www.revistas.usp.br/rsp/article/view/225087/204571
https://www.revistas.usp.br/rsp/article/view/225087/204572
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/xml
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade de São Paulo. Faculdade de Saúde Pública
publisher.none.fl_str_mv Universidade de São Paulo. Faculdade de Saúde Pública
dc.source.none.fl_str_mv Revista de Saúde Pública; v. 58 n. 1 (2024); 17
Revista de Saúde Pública; Vol. 58 Núm. 1 (2024); 17
Revista de Saúde Pública; Vol. 58 No. 1 (2024); 17
1518-8787
0034-8910
reponame:Revista de Saúde Pública
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Revista de Saúde Pública
collection Revista de Saúde Pública
repository.name.fl_str_mv Revista de Saúde Pública - Universidade de São Paulo (USP)
repository.mail.fl_str_mv revsp@org.usp.br||revsp1@usp.br
_version_ 1800221766428131328

Registros relacionados