Metodologia baseada em ciência de dados para avaliação do programa de combate à dengue.

• Ano de defesa: 2023
• Autor(a) principal: Xavier, Fernando
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Avaliações em saúde; Big Data; Ciência de dados; Data Science; Dengue; Donabedian; Health assessments
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-09112023-115721/

A dengue é uma doença que atinge milhões de pessoas anualmente no mundo. O Brasil, que tinha erradicado a doença, voltou a lidar com alto número de casos e epidemias sazonais. A despeito das ações executadas pelo poder público, não se observa uma evolução no programa de combate à dengue. A falta de compreensão das razões desse insucesso torna a dengue um problema de difícil solução. As avaliações em saúde normalmente utilizam-se de métodos que são de difícil aplicação em grande escala e nem sempre consideram fatores contextuais que podem ter influência decisiva nos resultados dos programas. Por outro lado, a era de Big Data tem apresentado oportunidades para avanço no conhecimento em áreas como a saúde. Nesse sentido, essa pesquisa de Doutorado teve como objetivo o desenvolvimento de uma metodologia com base em Big Data para avaliação do programa de combate à dengue. Nessa metodologia, buscou-se integrar fontes de dados relacionados à dengue em um repositório comum de dados, seguida da aplicação de técnicas de Ciência de Dados, como os algoritmos de aprendizado de máquina K-Means e Random Forest, além de análises estatísticas e visualização espacial. Inicialmente foi desenvolvida uma arquitetura de dados, usando conceitos de Big Data e Saúde Planetária, que foi utilizada como base para execução da avaliação do programa de combate à dengue de acordo com instrumento avaliativo desenvolvido nessa pesquisa. A solução proposta foi avaliada em um estudo de caso para os 645 municípios do Estado de São Paulo, em que foram desenvolvidos dois experimentos com utilização de técnicas de aprendizado de máquina e visualização de dados para extração de informação. Para ambos os experimentos, dados foram coletados de diversas fontes públicas e integrados em um data lake utilizando recursos de computação em nuvem. Além disso, foi desenvolvido um instrumento de avaliação considerando o modelo de Donabedian para avaliação de saúde que, em seguida, foi validado por especialistas de domínio. No primeiro experimento, aplicou-se o algoritmo K-Means para agrupar os municípios em quatro clusters de acordo com o contexto, como variáveis climáticas e socioeconômicas. Em seguida, foram realizadas avaliações dos indicadores dos componentes estrutura, processo e resultado do modelo Donabedian para identificar possíveis padrões. Nessas avaliações foram comparados os valores dos indicadores em municípios do mesmo cluster, assim como comparações dos indicadores entre clusters. Para monitoramento contínuo dos indicadores, foi desenvolvido no segundo experimento um painel de Business Intelligence através de uma ferramenta de visualização de dados. Os resultados dos experimentos revelaram importantes informações, como a insuficiência no número de agentes comunitários de saúde nos municípios com piores resultados. Ademais, foi observado que municípios com contextos mais favoráveis à disseminação da dengue tinham deficiências em relação à estrutura de saúde local. Os resultados mostraram que o uso de técnicas de Ciência de Dados para avaliação em saúde pode agregar diversos benefícios à gestão pública. Além da análise de fatores ambientais, a metodologia proposta nesta pesquisa possibilita que as avaliações possam ser realizadas em larga escala de forma mais eficiente, agregando valor ao processo de tomada de decisão na gestão pública.