Inteligência de dados para a sociedade: auxílio à tomada de decisão inteligente em domínios complexos do setor público

Abstract

Este trabalho descreve o desenvolvimento e os resultados alcançados no âmbito do projeto "Céos: Inteligência de Dados para a Sociedade — auxílio à tomada de decisão inteligente em domínios complexos do setor público". O plano inicial de trabalho previa o monitoramento da ocupação de leitos em Unidades de Terapia Intensiva (UTI), contudo, diante das demandas reais da gestão de saúde e da disponibilidade de registros nas bases locais, o escopo foi redirecionado para a análise preditiva e modelagem de filas de espera assistenciais do Sistema Único de Saúde (SUS). O objetivo central centrou-se em mapear padrões no tempo de espera e compreender a evolução cronológica dos pacientes, desde o ingresso no sistema até a efetiva realização dos procedimentos eletivos. Buscou-se, com isso, mitigar o sofrimento decorrente da espera prolongada e fornecer ferramentas robustas que subsidiem decisões regulatórias, de auditoria e de regulação assistencial fundamentadas em evidências.

A metodologia, inserida no campo da informática em saúde, utilizou dados históricos consolidados do município de Joinville, Santa Catarina, e dividiu-se em três etapas: revisão da literatura internacional com foco em ferramentas de monitoramento preditivo (como os sistemas do NHS britânico e Medicare australiano); desenvolvimento de um fluxo modular e automatizado de ingestão de dados (Pipeline ETL) para a extração, limpeza e padronização de fontes públicas dispersas; e aplicação de modelos de séries temporais ARIMA e análise de agrupamento (clustering) para prever o comportamento de cinco procedimentos com elevada demanda (oftalmologia, ortopedia, dermatologia, neurologia e ultrassonografia), incluindo simulações de expansão da capacidade de atendimento.

Os resultados demonstraram que o pipeline ETL desenvolvido constitui um importante legado técnico do projeto, gerando uma infraestrutura resiliente, reutilizável e escalável que otimiza investigações futuras ao eliminar tratamentos manuais. A modelagem preditiva ARIMA indicou tendências de crescimento acentuado para as filas de oftalmologia e ultrassonografia, enquanto dermatologia e neurologia mantiveram maior estabilidade no horizonte analisado. As simulações de incremento na capacidade de oferta (+25%, +50% e +100%) comprovaram que o aumento isolado de recursos não é capaz de extinguir as filas de espera no curto prazo, evidenciando que intervenções físicas devem atuar de forma combinada com políticas contínuas de otimização de fluxos assistenciais e priorização regulatória.

Conclui-se que a inteligência de dados é um instrumento viável para promover transparência e equidade na gestão em saúde. A participação no programa de iniciação científica proporcionou ao bolsista o amadurecimento profissional por meio da consolidação de competências em manipulação de bases públicas, estatística aplicada, visualização de dados e redação acadêmica, reforçando o impacto social da ciência da computação.