Programa - Comunicação Oral Curta - COC19.3 - Análises e Inovações em Saúde Coletiva

Período de Realização
Experiência na implantação de sistema de IA para detectar arboviroses em hospital na Bahia (2023-2025).

Objeto da experiência
Reduzir a proliferação do Aedes aegypti e consequente morbimortalidade em decorrência da dengue no município de Lapão

Objetivos
Implantar sistema de vigilância hospitalar; organizar fluxos de notificação, investigação e encerramento das arboviroses; capacitar profissionais das UBS para notificação, monitoramento e manejo clínico; fortalecer ações de controle de focos do mosquito pelo Programa de Endemias.


Descrição da experiência
O NHE do HMLEM utiliza um sistema de informação com inteligência artificial para detectar casos suspeitos de arboviroses. O sistema reconhece palavras-chave em módulos de atendimento, triagem e internamento, emitindo alertas para o NHE. Isso permite notificação imediata e implementação de medidas de controle eficazes, como investigação epidemiológica e eliminação de focos, interrompendo a transmissão.

Resultados
A implementação do sistema de informação com inteligência artificial no HMLEM revolucionou as ações do NHE, reduzindo expressivamente o índice de infestação pelo Aedes aegypti. O índice foi mantido abaixo de 1%, conforme recomendação da OMS. Houve uma diminuição de 30% nos casos graves de dengue em relação ao ano anterior. O sistema fortaleceu a vigilância hospitalar e sistematizou os fluxos de notificação, garantindo respostas ágeis e abrangentes

Aprendizado e análise crítica
A notificação rápida de casos suspeitos de arboviroses é fundamental para reduzir a proliferação do Aedes aegypti. Sistemas de informação hospitalar facilitam a detecção precoce. A integração de inteligência artificial e ações sistemáticas são essenciais para um controle sustentável. A promoção de saúde e prevenção, apoiadas por informações valiosas, fortalecem intervenções rápidas e estratégias preventivas.

Conclusões e/ou Recomendações
A implementação de um sistema de notificação hospitalar com inteligência artificial reduz a proliferação do Aedes aegypti e a morbimortalidade por arboviroses. A rapidez na identificação e notificação permite respostas ágeis e eficazes, facilitando ações de investigação e eliminação de focos. O fortalecimento do núcleo de epidemiologia e a sistematização dos fluxos contribuem para o controle efetivo da doença e melhoram a organização das ações de saúde.

Apresentação/Introdução
A mortalidade é um indicador sensível das condições de saúde e desenvolvimento. Este estudo analisa o perfil dos óbitos ocorridos entre 2015 e 2024 nos municípios da Região de Saúde Sul – Jequié, com foco nas características sociodemográficas e principais causas de morte registradas pelo Sistema de Informação sobre Mortalidade (SIM).

Objetivos
Analisar o perfil epidemiológico da mortalidade nos municípios da Região de Saúde Sul – Jequié entre 2015 e 2024, considerando características sociodemográficas e principais causas de morte.

Metodologia
Estudo descritivo, com dados secundários extraídos do Sistema de Informação sobre Mortalidade (SIM) da Bahia, referentes aos óbitos por residência de 26 municípios da Região Sul – Jequié, no período de 2015 a 2024. Foram analisadas variáveis sociodemográficas (sexo, idade, estado civil, raça/cor, escolaridade) e principais causas de morte. Os dados foram tabulados e apresentados com análises de tendência e comparação temporal entre os municípios.

Resultados
Foram registrados 39.112 óbitos no período. A maioria era do sexo masculino (56,9%), pardos (62,8%) e idosos com 80 anos ou mais (34,4%). As doenças do aparelho circulatório lideraram as causas (9.467 óbitos), seguidas por neoplasias (4.879) e causas externas (4.459). Destacou-se ainda a alta frequência de registros de óbitos por causas mal definidas (5.835 óbitos). Alguns municípios apresentaram melhora significativa, como Lajedo do Tabocal (redução de 45,3% para 3,3%), enquanto outros, como Jitaúna e Itiruçu, mantiveram índices elevados até 2024, revelando desigualdades na vigilância em saúde.

Conclusões/Considerações
Os dados revelam desigualdades na mortalidade e fragilidades na qualificação da informação em saúde. Apesar de avanços, em alguns municípios persistem altos índices de causas mal definidas e óbitos evitáveis. Fortalecer a vigilância, ampliar o acesso a serviços e qualificar o preenchimento da declaração de óbito são medidas prioritárias para melhorar a qualidade da informação e orientar políticas públicas eficazes.

Apresentação/Introdução
A mortalidade materna (MM) é um dos principais indicadores da qualidade da assistência à saúde e do nível de desenvolvimento de um país. No Brasil, embora haja avanços, persistem taxas elevadas, especialmente em regiões com menor infraestrutura e entre populações vulneráveis. Avaliar a MM é essencial para subsidiar políticas públicas e qualificar os cuidados materno-infantis.

Objetivos
Analisar a Razão de Mortalidade Materna (RMM) na Região de Saúde Vale dos Rios Piauí e Itaueira, comparando com a do estado do Piauí no período de 2019 a 2024.

Metodologia
Trata-se de um estudo quantitativo, descritivo e retrospectivo, que analisou óbitos maternos ocorridos durante o ciclo gravídico-puerperal, de residentes nos 28 municípios da Região de Saúde Vale dos Rios Piauí e Itaueira e no estado do Piauí, entre 2019 e 2024. A escolha da região justifica-se pela adesão ao Projeto PlanificaSUS, com foco na linha materno-infantil desde 2019. As fontes de dados foram o Sistema de Informação sobre Mortalidade (SIM) e o Sistema de Informação sobre Nascidos Vivos (SINASC), disponíveis no DATASUS. Os dados coletados permitiram o cálculo da RMM (número de óbitos maternos por 100.000 nascidos vivos) para cada ano analisado.

Resultados
A RMM na Região de Saúde Vale dos Rios Piauí e Itaueira, em comparação ao estado do Piauí, revelou variações importantes no período de 2019 a 2024. O estado apresentou RMM superior à da região apenas em 2019 (83,3) e 2020 (81,8). A partir de 2021, a região registrou elevação acentuada nos índices, atingindo 174,2 e 227,0 nos anos de 2021 e 2022, respectivamente, superando a média estadual. Em 2023, houve queda expressiva (39,1), seguida de novo aumento em 2024 (84,5). As oscilações indicam fragilidades na assistência materna e reforçam a necessidade de ações permanentes de vigilância, qualificação e regionalização do cuidado.

Conclusões/Considerações
Os achados evidenciam a necessidade de fortalecer a vigilância em saúde materna e manter ações estruturantes da Rede Cegonha e da Rede Alyne, com ênfase na regionalização da assistência, capacitação das equipes de saúde e melhoria da qualidade do cuidado pré-natal, parto e puerpério. Intervenções efetivas podem reduzir desigualdades e contribuir para a prevenção de óbitos maternos evitáveis na região.

Apresentação/Introdução
O Programa Nacional de Imunização é uma política pública reconhecida mundialmente que reduziu significativamente a morbimortalidade por doenças imunopreveníveis. Contudo, as metas não estão sendo cumpridas. A vacinação protege contra doenças graves, hospitalizações e complicações com risco de sequelas permanentes nas crianças.

Objetivos
Analisar a tendência das internações por causas preveníveis por ações de imunização em menores de cinco anos no Brasil.

Metodologia
Estudo de séries temporais do tipo ecológico sobre internações em menores de cinco anos, no período de 2010 a 2024 por causas preveníveis por ações de imunização. O banco de dados foi construído com os registros do Sistema de Informações Hospitalares. Foram calculadas as taxas de morbidade por 10.000 habitantes. Foram construídos modelos de regressão por meio do programa Joinpoint Regression Analysis, que possibilita a indicação da tendência por meio do cálculo da porcentagem anual de mudança (APC) e a porcentagem anual média de toda a série histórica (AAPC). Foi admitido o nível de significância estatística p<0,05. O estudo foi dispensado de análise pelo Comitê de Ética em Pesquisa.

Resultados
No período de 2010 a 2024, houve 31.305 internações evitáveis por causas imunopreveníveis em menores de 5 anos. O estado com maior taxa média de internação foi o Amapá, enquanto o Piauí teve a menor taxa. As principais causas de internação foram Coqueluche (61,1%), Tuberculose (23,9%) e Caxumba (6,17%). Dentre as internações estudadas, observou-se aumento no período de 2010 a 2013 (61,75%) e redução de 2013 a 2024 (-12,73%) no Brasil. Com relação aos estados, foi observado estabilidade em 13 estados do país, redução em oito estados e seis estados apresentaram aumento nas internações.



Conclusões/Considerações
A estabilidade e a tendência de aumento nas internações preveníveis por ações de imunização na maior parte dos estados brasileiros é preocupante.
A imunização é essencial contra doenças evitáveis, reduz a morbidade infantil e promove uma infância saudável. Manter e expandir programas de vacinação evita retrocessos e melhora os avanços na saúde. Vacinas são um investimento no futuro das crianças e na saúde da população.

Apresentação/Introdução
Modelos de linguagem de grande porte (LLMs) têm se destacado na geração de textos. Uma das possibilidades de uso é a reescrita de bulas de medicamentos para torná-las mais compreensíveis ao público leigo. Para garantir que os textos reescritos sejam completos e sem erros, é essencial avaliá-los. Uma estratégia é a análise de similaridade semântica com a bula original.

Objetivos
Analisar a similaridade entre textos reescritos por LLMs e as bulas padrão de metformina e analisar a harmonização entre as bulas padrão utilizando técnicas de similaridade semântica.

Metodologia
As bulas de metformina foram coletadas do Bulário Eletrônico da Agência Nacional de Vigilância Sanitária e estruturados em pares de pergunta e resposta, com base em nove perguntas padronizadas das bulas. Foram coletadas respostas originais e reescritas por três modelos de linguagem (ChatGPT, DeepSeek e Qwen), usando um prompt que solicitava substituição a reescrita do trecho original da bula. Vetores semânticos foram extraídos com o modelo all-MiniLM-L6-v2 (SentenceTransformers), e a similaridade coseno foi calculada entre os textos. Os resultados foram representados por meio de heatmaps e tabelas, para construção de matrizes de similaridade intra-modelo e em comparação com a bula padrão.

Resultados
Foram analisadas 25 bulas de medicamentos à base de metformina (225 pares). O ChatGPT apresentou maior proximidade com o texto original, com similaridade acima de 0,8 em 7 das 9 perguntas. O Qwen atingiu essa marca em 4 perguntas e teve a maior média individual (0,890). O DeepSeek superou 0,8 em apenas uma pergunta. A similaridade interna entre bulas foi alta (até 0,998), indicando consistência nos textos. Entre os modelos, o Qwen teve maior consistência (até 0,901), seguido por ChatGPT (0,896) e DeepSeek (0,844).

Conclusões/Considerações
Os resultados indicam que os modelos geram versões diferentes, porém semanticamente próximas, mesmo com base na mesma bula. Isso reforça a importância de validar os textos com métricas objetivas. A proposta contribui com uma abordagem inovadora para avaliação automatizada da fidelidade textual em saúde, com aplicação na adaptação de bulas. Ainda é preciso comparar os dados com avaliações humanas.

Apresentação/Introdução
A hanseníase continua desafiando o sistema de saúde brasileiro, especialmente na prevenção de incapacidades físicas. O Sistema de Investigação do Grau 2 de Incapacidade Física (SIGIF2) foi criado como ferramenta estratégica para investigar o Grau de Incapacidade Física 2 (GIF2), indicador crítico de diagnóstico tardio e fortalecer a vigilância epidemiológica e melhorar o cuidado.

Objetivos
Avaliar a efetividade do SIGIF2 na investigação do GIF2 em hanseníase no Brasil em 2024.

Metodologia
Trata-se de um estudo descritivo, ecológico e quantitativo, utilizando dados secundários extraídos do painel público do SIGIF2, disponibilizado pelo Ministério da Saúde, atualizados em 11/03/2025, e acesso em 22/05/2025. Foram analisados os seguintes indicadores: número de casos novos com GIF2, número de investigações realizadas e proporção de investigação, nacionalmente e por unidade federativa de 2024.

Resultados
Em 2024, o Brasil notificou 2.188 casos de hanseníase com GIF2, dos quais, apenas 454 foram investigados, representando 20,7% de cobertura nacional. Em Mato Grosso concentrou o maior número absoluto (1.129 casos) sem nenhuma investigação (0%). Pernambuco (317 casos, 1,3%) e Maranhão (302 casos, 18,9%) também apresentaram baixa investigação. Por outro lado, Goiás (83,8%) destaca-se com o maior percentual de investigação, seguido da Paraíba (59,3%) e de Minas Gerais (45%). As regiões Norte e Centro-Oeste concentram os maiores desafios. Observa-se descompasso entre os casos de GIF2 e a intensidade das investigações, indicando fragilidade na efetividade da investigação.

Conclusões/Considerações
O SIGIF2 é uma ferramenta essencial para investigar o GIF2 na hanseníase, mas os dados de 2024 revelam baixa efetividade. Estados como Mato Grosso, Maranhão e Pernambuco concentram casos sem investigação. É necessário fortalecer a gestão da informação, qualificar equipes e priorizar territórios com maior carga para prevenir incapacidades.

Período de Realização
Linkage utilizando o RStudio iniciado em abril/2024, realizado mensalmente até o presente.

Objeto da experiência
Notificações de Tuberculose encerradas como “óbito por Tuberculose” no SINAN e óbitos cuja causa básica não é Tuberculose no SIM.

Objetivos
Identificar possíveis óbitos por tuberculose por meio do linkage entre as bases do SIM e SINAN, focando em casos encerrados no SINAN como “óbito por tuberculose” e que não apresentam a doença como causa básica no SIM, visando qualificar os dados e fortalecer a vigilância do óbito por Tuberculose

Metodologia
A experiência consiste na realização de linkage entre bases do Sistema de Informação sobre Mortalidade (SIM) e Sistema de Informação de Agravos de Notificação (SINAN) de Tuberculose utilizando soundex do primeiro nome, segundo e último sobrenome, data de nascimento e sexo. O relacionamento é realizado entre as notificações do SINAN encerradas como “Óbito por Tuberculose” e os óbitos do SIM cuja a doença não configura causa básica. Todo o processamento é realizado no R Studio

Resultados
Foram identificados 50 óbitos encerrados como “óbito por Tuberculose” no SINAN cuja causa básica no SIM não era Tuberculose, sendo 26 (52,0%) em 2024 e 24 (48,0%) em 2025, até o momento. Desses, 29 (58,0%) não possuíam menção de Tuberculose em nenhuma das linhas do atestado de óbito. Além disso, 27 (54,0%) apresentaram causa básica classificada como causa inespecífica ou mal definida.

Análise Crítica
A aplicação do linkage entre bases do SINAN e SIM revelou lacunas na notificação de óbitos por tuberculose, destacando sub-registro da causa real da morte. Nesse sentido, evidencia-se a importância do relacionamento entre bases de dados e qualificação das mesmas para melhorar a precisão das informações, fortalecendo a vigilância e o controle da tuberculose

Conclusões e/ou Recomendações
A experiência evidenciou subnotificação de óbitos por tuberculose no SIM, mesmo com encerramento por óbito no SINAN. Recomenda-se ampliar o uso de técnicas de linkage na vigilância, além de investir na capacitação dos profissionais que preenchem a Declaração de Óbito e na integração entre os sistemas de informação, visando maior precisão nos dados e fortalecimento das ações de controle da tuberculose

Apresentação/Introdução
A deterioração clínica é um fenômeno complexo, caracterizado por alterações fisiológicas e descompensação hemodinâmica. Geralmente, desfechos críticos, como a admissão na UTI, são precedidos por alterações nos sinais vitais. O NEWS2 é um escore de alerta precoce que atribui pontuação agregada com base nos sinais vitais para identificar a piora clínica do paciente hospitalizado.

Objetivos
Descrever a pontuação do NEWS2 e as alterações dos sinais vitais 24 horas que antecede a admissão na UTI em adultos hospitalizados.

Metodologia
Trata-se de um estudo descritivo e retrospectivo, vinculado ao projeto maior “Reconhecimento precoce da deterioração clínica em adultos atendidos em unidades hospitalares e pré-hospitalares”. A amostra foi composta por 365 prontuários de pacientes com mais de 16 anos, admitidos nas enfermarias de dois hospitais públicos da Bahia. Os dados foram extraídos entre abril e dezembro de 2024, por meio do prontuário eletrônico, e armazenados no RedCap. Foram coletadas variáveis socioeconômicas, clínicas e a mediana da pontuação do NEWS2 nas 24 horas que antecederam a admissão dos pacientes na UTI. O estudo foi aprovado pelo Comitê de Ética em Pesquisa das instituições de saúde envolvidas.

Resultados
A amostra apresentou predomínio do sexo feminino (53,6%), média de idade de 57 anos e maioria autodeclarada como parda (58,2%), seguida por branca (25%) e preta (13,2%). Quanto à escolaridade, 35,3% tinham ensino fundamental incompleto. As principais comorbidades foram hipertensão (50,4%) e diabetes (32,9%). As causas de internação incluíram distúrbios gastrointestinais (21,2%), neurológicos (12,1%) e oncológicos (11%). Alterações dos sinais vitais ocorreram com maior frequência na temperatura (50,3%), frequência cardíaca (45,5%), saturação de O₂ (27,5%) e frequência respiratória (12,5%). Em relação à pontuação do NEWS2, 24% apresentaram risco médio (≥5) e 11,3% risco alto (≥7).

Conclusões/Considerações
Os achados revelaram alterações nos sinais vitais nas 24 horas que antecederam a admissão na UTI, com destaque para temperatura e frequência cardíaca. O NEWS2 mostrou-se útil na estratificação do risco clínico, reforçando sua relevância como ferramenta de apoio à tomada de decisão clínica. Sua aplicação pode contribuir para a redução de desfechos críticos e fortalecimento da segurança do paciente.

Apresentação/Introdução
O Near Miss Materno (NMM) refere-se a complicações graves na gestação, parto ou puerpério, com sobrevivência da mulher. Sua análise espacial revela desigualdades no acesso à atenção obstétrica, fragilidades na rede de cuidado e evidencia determinantes sociais da saúde, como o Índice de Desenvolvimento Humano Municipal (IDHM).

Objetivos
Analisar a distribuição espacial da razão de near miss materno no Nordeste do Brasil de 2012 a 2023, identificando padrões de risco, áreas de concentração e sua relação com o Índice de Desenvolvimento Humano Municipal.


Metodologia
Estudo ecológico com dados secundários de NMM, segundo critérios de Waterstone, no Nordeste, considerando os anos de 2012 a 2023. Foram elaborados mapas temáticos, análise de autocorrelação espacial (Índice de Moran e LISA Map) e análise de clusters com cálculo do risco relativo. Aplicaram-se o Modelo Espacial Autorregressivo e o Modelo de Erro Espacial para avaliar a autocorrelação espacial e associação do near miss materno ao IDHM e suas três dimensões (renda, longevidade e educação). Análises nos softwares GeoDa v. 1.22® e QGIS v.3.40.7®, p < 0,05.

Resultados
A razão bruta de NMM variou de 0,0 a 94,3 por mil nascidos vivos, com maiores taxas no Piauí, Ceará, Pernambuco e Paraíba. A razão bayesiana suavizou essas variações, preservando o padrão espacial de risco elevado. A autocorrelação espacial (Moran e LISA) identificou clusters alto-alto no Piauí, Ceará, Rio Grande do Norte e Pernambuco, e clusters baixo-baixo no Maranhão e Bahia. A análise de clusters com risco relativo detectou 7 aglomerados significativos, com risco superior a 4 em Monte Alegre (PI) e Crato (CE). Além disso, a dimensão renda do IDHM apresentou associação negativa significativa com NMM (ρ=0,85; λ=0,86). Desse modo, municípios com maiores taxas apresentaram menor IDHM-Renda.


Conclusões/Considerações
A análise espacial do near miss materno no Nordeste revelou importantes desigualdades na distribuição dos casos, com clusters significativos de alto risco. Esses achados reforçam a necessidade de políticas públicas regionais e focalizadas, com melhoria do acesso e da qualidade da assistência obstétrica. O uso do geoprocessamento mostrou-se essencial para o planejamento e a redução das iniquidades em saúde materna.