Avaliacao do impacto de Politicas Publicas de Saude com Machine Learning

Abstract

Com o avanço das ferramentas da tecnologia da informação e comunicação novas estratégias de análise e processamento de dados têm sido desenvolvidas. Nesta perspectiva, a aprendizagem de máquina pode ser aplicada para descrever e realizar previsões de um grande conjunto de dados, em áreas que vão desde a economia, engenharia, educação e saúde. A modelagem de dados em saúde é uma estratégia amplamente utilizada, sendo que nos últimos anos a atenção tem se discutido o uso da inteligência artificial para o diagnóstico de tendências dos eventos globais, a exemplo da pandemia de COVID-19, e de políticas públicas na saúde coletiva. Nesta perspectiva, o presente projeto tem como objetivo propor uma metodologia para a análise do impacto de políticas públicas em saúde, considerando como piloto os dados do modelo de financiamento da Atenção Primária à Saúde nacional, Previne Brasil. Para isto, dados da série histórica dos indicadores do Previne Brasil dos municípios serão analisados considerando a taxa de anos de vida perdidos por 1000 habitantes. A metodologia empregada seguirá o The CRoss Industry Standard Process for Data Mining (CRISP-DM) e iniciará com o entendimento da questão de negócio, por meio de revisão sistemática do estado da arte. A partir das informações do estado da arte, será obtido um gráfico direcional acíclico (DAG) para a implementação das etapas de preparação e modelagem dos dados e da avaliação de desempenho dos métodos de aprendizagem de máquina. Ao final espera-se obter um modelo em produção capaz de fornecer insights acionáveis para que gestores das diferentes esferas possam fundamentar as decisões futuras a respeito da política nacional de saúde pública.