Para citar este trabalho use um dos padrões abaixo:
Apresentação/Introdução As Doenças Crônicas e Agravos Não Transmissíveis (DANTs) constituem a principal causa de morbimortalidade global e estão fortemente associadas a determinantes sociais e ambientais impactando milhões de pessoas anualmente, com maior perda de qualidade de vida e óbitos precoces em territórios vulneráveis. Embora os inquéritos de saúde sejam fundamentais para o monitoramento das DANTs e a formulação de políticas, o desenho amostral dessas pesquisas frequentemente impossibilita análises granulares, generalizando populações heterogêneas. À luz da Determinação Social da Saúde, o ambiente em que se vive influencia consideravelmente os desfechos de saúde, desde regiões distantes como cidade, campo e floresta, a bairros de zona nobre e periferias. Uma análise do Observatório de Saúde Urbana de Belo Horizonte verificou que problemas de mobilidade urbana, presença de poluição sonora e violência, foram significativamente associados ao aumento de sintomas depressivos. Todavia, como a granularidade dos inquéritos costuma limitar-se ao nível municipal, a análise de microterritórios torna-se inviável, dificultando o direcionamento equânime e descentralizado das ações do Sistema Único de Saúde (SUS). Nesse contexto, novas tecnologias baseadas em Inteligência Artificial (IA) emergem no campo da saúde, abrangendo desde o apoio diagnóstico à análise complexa de dados, com ênfase em populações sintéticas. Estas consistem em conjuntos de dados gerados artificialmente a partir de dados reais, as quais estabelecem os padrões estatísticos que o algoritmo seguirá na construção da população simulada. Esse processo oferece inúmeras possibilidades, como a criação de cenários contrafactuais, como zerar a prevalência de tabagismo e observar o impacto nos indicadores de saúde, e a anonimização de dados, uma vez que o banco de dados resultante mantém a estrutura estatística da amostra original sem conter registros individuais vinculados a pessoas reais. Outra aplicabilidade, foco deste trabalho, é a geração de dados para o incremento amostral, visando aumentar a acurácia e diminuir o erro padrão em estimativas epidemiológicas para pequenas áreas geográficas. É essencial que ferramentas de IA sejam desenvolvidas sob os princípios do SUS. Objetivos Descrever a proposta de um grupo de pesquisa interdisciplinar para o uso de populações sintéticas em pequenas áreas geográficas. Metodologia Utilizou-se o inquérito Vigitel (Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico) como base inicial devido à sua robustez temporal, sendo realizado desde 2006, em todas as capitais brasileiras e Distrito Federal, anualmente. O fator de risco analisado foi o consumo de Frutas e Hortaliças (FH) em Belo Horizonte. Os dados foram tratados e georreferenciados via linkage com o Cadastro Nacional de Endereços para Fins Estatísticos. A amostra foi distribuída em quatro grupos segundo o Índice de Vulnerabilidade Social, que é um indicador composto que associa variáveis socioeconômicas e ambientais em um mesmo indicador e permite a análise das características de grupos populacionais residentes nos setores censitários. Posteriormente, submeteu-se a base de dados a uma técnica de IA não supervisionada de clusterização (algoritmo K-means) visando identificar subgrupos mais homogêneos, resultando em nove clusters. Resultados e Discussão A desagregação evidenciou uma heterogeneidade nas estimativas de acordo com a granulação da análise, uma vez que a prevalência do consumo recomendado de FH de Belo Horizonte (29%) é bem inferior à estimada para o cluster Baixo Risco 1 (41%) e superior ao Cluster Muito Elevado Risco (20%), disparidades que eram mascaradas pelos dados agregados municipais. Observou-se que, em territórios de maior vulnerabilidade, o número amostral reduzido compromete a precisão das estimativas. Para solucionar esse gargalo, o grupo desenvolve atualmente a geração de dados sintéticos para ampliar a acurácia das análises de outros fatores de risco e proteção, e outras capitais brasileiras. Além disso, a mesma técnica é cotada para ser usada em outras bases de dados com a incorporação da análise de agravos não transmissíveis, como a violência. O uso de populações sintéticas surge como alternativa a fim de evitar o viés de invisibilidade de grupos vulneráveis que costumam ser sub-representados em amostras aleatórias, comuns em inquéritos de saúde. A mensuração das desigualdades intramunicipais evidencia a necessidade de planejamento e metas específicas por território, alinhadas ao princípio de equidade do SUS, uma vez que a experiência de adoecimento difere radicalmente entre espaços geograficamente próximos, porém socialmente distantes. Conclusões/Considerações Finais Esta inovação metodológica mostra-se promissora para o avanço na mensuração de desigualdades em nível microterritorial. Embora o projeto esteja em desenvolvimento, a intenção é fornecer aos gestores ferramentas para incorporar esses resultados no planejamento estratégico, respeitando a heterogeneidade dos territórios de atuação.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo