Modelo de regressão para estudar o tempo de internação de pacientes do SUS no estado de São Paulo

Imagem de Miniatura

Data

2023-01-27

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Resumo

O Sistema Único de Saúde (SUS) atende mais de 190 milhões de pessoas, onde 80% delas dependem exclusivamente dele para qualquer atendimento básico, segundo a Pesquisa de Saúde Nacional, IBGE, 2020. Realizar o estudo do tempo de internação de indivíduos no SUS em São Paulo acaba sendo de grande importância, pois pode nos fornecer informações que possibilitem entender como reduzir o tempo de internação desses pacientes, melhorar o tratamento, a velocidade ou prioridade com qual cada indivíduo é tratado, e assim reduzir o preço gasto com as internações e o número de possíveis mortes provenientes delas. É utilizado uma base de dados disponibilizada pelo SIHSUS (Sistema de Informações Hospitalares do SUS), pelo DATASUS, do ano de 2020. Temos como base do trabalho a Análise de Sobrevivência, onde realizamos o estudo do tempo de internação dos pacientes, e o uso do modelo de regressão Log-Normal, que após um estudo paramétrico, se mostrou o melhor para estes dados. De forma geral, podemos dizer que a obstetrícia e cirurgia são especialidades que acabam acarretando em maiores quantidades de internações, sendo que UTI’s infantis tem tempos de internações maiores, comparadas a outras UTI’s. Observa-se ainda a diferença dos tempos de internações para casos de média e alta complexidade. O diagnóstico de doenças infecciosas parece ser o grupo que acaba causando os maiores tempos de internação, porém a diferença de tempo para outros grupos de doenças não é tão alta.
The Unified Health System (SUS) serves more than 190 million people, where 80% of them depend exclusively on it for any basic care, according to the National Health Survey, IBGE, 2020. Carry out a study of the length of stay of individuals in the SUS in São Paulo ends up being of great importance, as it can provide us with information that makes it possible to understand how to reduce the length of stay of these patients, improve the treatment, the speed or priority which each individual is treated, and reduce the price spent on hospitalizations and the number of possible deaths from them. We use a database by SIHSUS (SUS Hospital Information System), by DATASUS, from 2020. Our work is based on Survival Analysis, where we study the length of stay of patients, and use the Log-Normal regression model, which after a parametric study, proved to be the best for data adequacy. In general, we can say that obstetrics and surgery are specialties that end up resulting in greater amounts of hospitalizations, and children's ICUs have longer hospitalization times compared to other ICUs. There is also a difference in hospitalization times for cases of medium and high complexity. The diagnosis of infectious diseases seems to be the group that ends up causing the longest hospital stays, but the time difference for other groups of diseases is not so high.

Descrição

Palavras-chave

Análise de sobrevivência, Modelo de regressão log-normal, Distribuições de probabilidade, Kaplan-Meier, Internação hospitalar, SUS, Survival analysis, Log-normal regression model, Probability distributions, Hospital internment

Como citar