PESQUISA E DESENVOLVIMENTO DE MÉTODO DE AVALIAÇÃO DO IMPACTO DE POLÍTICAS PÚBLICAS EM SAÚDE, UTILIZANDO APRENDIZAGEM DE MÁQUINA: UM ESTUDO DE CASO COM DADOS DO PROGRAMA PREVINE BRASIL

Abstract

A avaliação de políticas públicas de saúde é condição para verificar se os recursos investidos pelo Estado se convertem em melhoria efetiva das condições de vida da população. No caso do Previne Brasil, que reformulou o financiamento da Atenção Primária à Saúde, o exame dessa questão envolve 5.571 municípios, volume que torna a análise manual inviável e justifica a adoção de técnicas computacionais. Diante disso, objetivou-se investigar o impacto do programa sobre indicadores municipais de saúde por meio de análise de dados e aprendizado de máquina. Para tanto, ao longo do período de agosto de 2025 a agosto de 2026, estudaram-se as tecnologias comumente empregadas em análise de dados e ciências de dados, além dos conceitos de inferência causal e de estudo ecológico. Em seguida, redigiram-se otimizadores para consumir as APIs governamentais e coletar variáveis como o número de médicos do SUS e de leitos hospitalares por mil habitantes, a porcentagem da população com menos de cinco e mais de sessenta anos e a taxa de alfabetização por município. Por fim, houve a etapa da modelagem, onde treinou-se um modelo de classificação baseado em árvore de decisão, cujos hiperparâmetros foram regulados por busca em grade com validação cruzada (grid-search); dado o desbalanceamento entre as classes, optou-se pelo F1-Score como métrica de desempenho. A comparação entre a execução com os valores default e a execução com os valores otimizados registrou aumento do F1-Score de 0,7049 para 0,8027 e do recall de 0,6935 para 0,9516. Conclui-se que a regulação dos hiperparâmetros é determinante para a capacidade de generalização do modelo e que a automação da coleta constitui base viável para as etapas seguintes da pesquisa.