REGISTRO DOI:10.5281/zenodo.10221735
Maria Julia Capelari Somma
RESUMO
Segundo o 52º Boletim Epidemiológico disponibilizado pela Secretaria de Vigilância em Saúde e Ambiente o ano de 2022 apresentou um aumento de 162,5% de casos notificados de dengue em comparação com o ano anterior. Visto isso é fundamental promover políticas públicas a fim de mitigar os casos no Brasil. Este artigo utilizou o método AHP gaussiano objetivando priorizar os estados que carecem de mais incentivo para o combate da dengue, extraindo o número de casos do DATASUS e relacionando com critérios socioeconômicos obtidos através do Censo Demográfico.
Palavras – chave: Políticas Públicas, Dengue, AHP Gaussiano, DATASUS, Censo Demográfico.
INTRODUÇÃO
De acordo com Barroso et al. (2020), o Brasil é o país do continente americano que mais apresenta casos de dengue, com aproximadamente 70% dos casos notificados.
Os mais comuns e principais sintomas da doença são: “dor de cabeça forte, dor atrás dos olhos, febre alta, fraqueza, cansaço, manchas e coceiras na pele, dor no corpo e articulações, náusea, vômito, tontura, perda do paladar e apetite”. (Ribeiro, A. C. M. et al., 2020, p. 327). Existem casos assintomáticos e casos graves como a febre hemorrágica da dengue (FHD) e a síndrome do choque fatal da dengue (SCFD) (KHETARPAL; KHANNA, 2020)
A doença manifesta-se em diversas regiões do mundo, porém há localidades que apresentam maior risco, devido à temperatura e urbanização não planejada (Ribeiro, A. C. M. et al., 2020). No Brasil, por exemplo, o clima é propício para a sobrevivência do mosquito Aedes aegypti, que se desenvolve idealmente entre 22ºC e 32ºC (Beserra et al. 2009).
Sabe-se que o mosquito se desenvolve em meio aquoso, logo, pode-se concluir que o armazenamento de água inadequado promove a proliferação da doença. Regiões que não possuem distribuição hídrica, saneamento básico e limpeza urbana adequados colaboram para o surgimento da doença. Situações comuns que colocam a população em risco: estoque de água para uso doméstico e acúmulo de chuva depositada nos resíduos de lixo. (ELLWANGER; CHIES, 2022).
Desse modo, evidencia-se que a Dengue não se trata apenas de uma questão de saúde pública, e sim também de políticas públicas. Certo que o sistema de saúde precisa estar amparado pelo Estado para que a população receba o tratamento adequado caso contraia a doença, porém é válido apontar que a reincidência dos casos não está associada somente ao clima tropical, mas a fatores em que nitidamente há ineficiência de políticas públicas (Mendonça et al, 2009).
Segundo Rosa et al (2008), é necessário utilizar evidências, advindas de fontes confiáveis, para auxiliar as tomadas de decisões dos agentes públicos, evitando-se a má gestão da máquina pública e amparando as priorizações de ações.
A partir de 1991, os órgãos do Sistema Único de Saúde (SUS) podem recorrer ao DATASUS – Departamento de Informática do Sistema Único de Saúde, considerado o mais importante conjunto de informações de saúde de toda a população brasileira, objetivando apoiar o planejamento e controle de recursos públicos. (PRUDENCIO et al 2020).
Há mais de 150 anos ocorre o Censo Demográfico, a única fonte de informação a respeito da situação de vida dos brasileiros. Algumas das variáveis contidas nas pesquisas censitárias são: contagem da população, sexo, idade, natalidade, mortalidade, características do domicílio, educação e rendimento. Esses dados possibilitam que órgãos públicos e governantes pautem suas decisões em informações reais acerca da população. (IBGE,2023)
A utilização desses dados no contexto da gestão pública aliado a métodos que auxiliam as tomadas de decisões pode prover estratégias capazes de orientar políticas públicas alinhadas as necessidades de cada região de estudo. (Carvalho et al,2020)
Originado na Segunda Guerra Mundial, a pesquisa operacional (PO) apoiou a distribuição de recursos bélicos de forma otimizada. O método proporciona diversas ferramentas aplicadas a aprimoração de processos e tomadas de decisão. Na década de 70 a pesquisa operacional passou a auxiliar não somente ambientes decisórios com abordagem multidimensional, que possuem a sensibilidade de tratar dados com dimensões diferentes entre sí buscando uma solução ótima, mas também decisões no ambiente multicritério, que integram os critérios formulando diversas alternativas possíveis, indicando a melhor opção entre elas através de um ranking. Um dos métodos mais utilizados com enfoque no multicritério é o AHP (Analytic Hierarchy Process), criado pelo Professor Thomas Saat, em que os critérios são hierarquizados de acordo com a prioridade para o decisor. (GOMES; GOMES, 2019).
O método consiste nas seguintes etapas: (i)Matriz de decisão, (ii) Normalizar a matriz de decisão, (iii) Determinar os pesos de cada critério utilizando a escala fundamental de Saaty (valores de 1 a 9, sendo 1 igualmente importante e 9 extremamente importante), (iv) Comparar a paridade entre critérios e matriz de peso, (v) Normalizar a matriz de peso, (vi) Multiplicar a matriz de decisão normalizada pelo vetor de prioridade obtido através da normalização da matriz de peso. (vii) Classificação das alternativas. (Santos et al 2021).
Os pesquisadores Santos, Costa e Gomes (2021) utilizou o método de multicritério (AHP) com intenção de encontrar a melhor opção para construir uma nova embarcação, propuseram uma abordagem denominada AHP Gaussiano (Analytic Hierarchy Process – Gaussian), que elimina a necessidade de atribuir pesos com a escala fundamental de Saaty e comparar a paridade entre critérios. (citar Santos et al). Esse diferencial possibilita que o decisor não estabeleça pesos, sequer realize entrevistas e/ou consultas visando a assertividade nesta atribuição. (Silva et al,2021).
As etapas para aplicação do AHP-Gaussiano são: (i) Matriz de decisão, (ii) Normalizar a matriz de decisão, (iii) Calcular a média das alternativas, (iv) Calcular o desvio padrão das alternativas em cada critério, (v)Calcular o fator Gaussiano para cada critério (razão do desvio padrão/média), (vi) Normalizar o fator Gaussiano, (vii)Multiplicar a Matriz de decisão normalizada pelo fator Gaussiano normalizado, (viii) classificação das alternativas. (Silva et al, 2022).
METODOLOGIA
O presente estudo aplicou o método AHP Gaussiano, seguindo os passos descritos por Santos, Costa e Gomes (2021).
(i)Matriz de decisão com as alternativas ( Ai ) e critérios (Cj ).
Como alternativas foram considerados os vinte e sete Estados do Brasil.
| São Paulo |
| Goiás |
| Paraná |
| Minas Gerais |
| Santa Catarina |
| Distrito Federal |
| Rio Grande do Sul |
| Ceará |
| Rio Grande do Norte |
| Bahia |
| Mato Grosso |
| Alagoas |
| Piauí |
| Paraíba |
| Mato Grosso do Sul |
| Tocantins |
| Pernambuco |
| Rondônia |
| Rio de Janeiro |
| Espírito Santo |
| Maranhão |
| Pará |
| Amazonas |
| Sergipe |
| Acre |
| Amapá |
| Roraima |
O critério Casos Notificados utilizado no modelo, foi obtido no aplicativo TABNET, desenvolvido pelo DATASUS, o tabulador genérico proporciona que o público em geral consiga organizar dados e realizar consultas online. (DATASUS,2020) Seguindo as abas: “Informações de Saúde (TABNET)”, “Epidemiológicas e morbidade”, “Doenças e Agravos de Notificação -2007 em diante (SINAN)”, “Dengue de 2014 em diante”, “Brasil por Região UF e Município”, “Linha Região/UF de notificação”, “Coluna: Não Ativa” e” Períodos disponíveis”: 2022.
O critério refere-se ao número de casos de dengue informados ao Ministério da Saúde/SVS – Sistema de Informação de Agravos de Notificação, contemplando todos os sorotipos da doença (DEN 1, DEN2, DEN 3 e DEN 4).
Os demais critérios foram obtidos através do Censo Demográfico 2022, realizado pelo IBGE (Instituto Brasileiro de Geografia e Estatística). Que ocorrem a cada dez anos e o tempo previsto entre o início da coleta e publicação dos dados, são aproximadamente três anos, durante esse período são feitas divulgações parciais no site oficial, possibilitando que o público faça o download de tabelas com as respectivas informações ou as acesse no portal Cidades@, que é categorizado em população, educação, trabalho e rendimento, economia e meio ambiente. Desenvolvido para reunir dados de forma apartada de cada estado e município do Brasil (IBGE,2023)
O portal Cidades, que apontam questões socioeconômicas da população brasileira, sendo alguns deles: IDH (índice de desenvolvimento humano), PIB (produto interno bruto), Quantidade de matrículas no Ensino Médio, Número de estabelecimentos de ensino, Taxa de mortalidade infantil, Domicílios com lixo coletado diretamente, Domicílios com esgotamento sanitário (Rede geral ou fossa séptica ligada à rede, Domicílios com rede geral como principal forma de abastecimento de água e taxa de desocupação. Entretanto estes indicadores não contemplam o ano de 2022 objeto desse estudo, pois ainda não foram divulgados pelo censo.
Sendo assim foram utilizados mais estes critérios que se dispuseram disponíveis no momento da realização do estudo: Densidade demográfica, População último Censo, Rendimento nominal mensal domiciliar per capita e Média de moradores em domicílios particulares permanentes ocupados (Pessoas).
A matriz de decisão apresenta cinco critérios e vinte e sete alternativas. Para o cálculo foi considerado que quanto maior o valor melhor, portanto foi usado a maximização dos fatores, com o intuito de priorizar os Estados que necessitam de incentivo público.
(ii) Normalizar a matriz de decisão.
| Casos Prováveis | População Último censo | Densidade Demográfica | Rendimento nominal mensal domiciliar per capita | Média de moradores em domicílios particulares permanentes ocupados (Pessoas) | |
| São Paulo | 0,250 | 0,219 | 0,092 | 0,023 | 0,034 |
| Goias | 0,147 | 0,035 | 0,011 | 0,030 | 0,034 |
| Paraná | 0,111207 | 0,056353 | 0,029425 | 0,026353 | 0,034213 |
| Minas Gerais | 0,063398 | 0,101145 | 0,017946 | 0,031816 | 0,034213 |
| Santa Catarina | 0,060716 | 0,037474 | 0,040735 | 0,024107 | 0,034087 |
| Distrito Federal | 0,051735 | 0,013873 | 0,250594 | 0,0167 | 0,035728 |
| Rio Grande do Sul | 0,04787 | 0,053582 | 0,019791 | 0,02331 | 0,032067 |
| Ceará | 0,030429 | 0,043295 | 0,03026 | 0,046331 | 0,036612 |
| Rio Grande do Norte | 0,03003 | 0,016263 | 0,032044 | 0,038396 | 0,036359 |
| Bahia | 0,025436 | 0,069616 | 0,012827 | 0,048166 | 0,03497 |
| Mato Grosso | 0,025163 | 0,018018 | 0,002075 | 0,02906 | 0,03598 |
| Alagoas | 0,024009 | 0,015402 | 0,057589 | 0,052029 | 0,037748 |
| Piauí | 0,022569 | 0,016099 | 0,006657 | 0,043826 | 0,038505 |
| Paraíba | 0,020534 | 0,019573 | 0,036072 | 0,044386 | 0,036485 |
| Mato Grosso do Sul | 0,018746 | 0,013576 | 0,003956 | 0,026453 | 0,035223 |
| Tocantins | 0,014843 | 0,007443 | 0,002793 | 0,035277 | 0,03699 |
| Pernambuco | 0,011468 | 0,044608 | 0,047335 | 0,048166 | 0,035728 |
| Rondônia | 0,010148 | 0,007786 | 0,003408 | 0,035639 | 0,035728 |
| Rio de Janeiro | 0,00793 | 0,079062 | 0,18805 | 0,024681 | 0,032824 |
| Espírito Santo | 0,007544 | 0,018878 | 0,042636 | 0,028234 | 0,033708 |
| Maranhão | 0,004877 | 0,033365 | 0,010531 | 0,059763 | 0,040778 |
| Pará | 0,004209 | 0,039969 | 0,003336 | 0,04585 | 0,041788 |
| Amazonas | 0,003814 | 0,019409 | 0,001297 | 0,050412 | 0,045954 |
| Sergipe | 0,003734 | 0,010881 | 0,051614 | 0,040983 | 0,035475 |
| Acre | 0,002439 | 0,004088 | 0,002593 | 0,046866 | 0,039894 |
| Amapá | 0,000206 | 0,003612 | 0,002639 | 0,041332 | 0,045828 |
| Roraima | 4,41E-05 | 0,003134 | 0,00146 | 0,039168 | 0,044313 |
(iii) Calcular a média das alternativas.
| Média | 0,037 | 0,037 | 0,037 | 0,037 | 0,037 |
(iv) Calcular o desvio padrão das alternativas em cada critério.
| Desvio Padrão | 0,054656 | 0,043953 | 0,057698 | 0,011001 | 0,003754 |
(v)Calcular o fator Gaussiano para cada critério (razão do desvio padrão/média)
| Fator Gaussiano | 1,475701 | 1,186735 | 1,557849 | 0,297017 | 0,101356 |
(vi) Normalizar o fator Gaussiano
| Fator G. Norma. | 0,319509 | 0,256944 | 0,337295 | 0,064308 | 0,021945 |
(vii)Multiplicar a Matriz de decisão normalizada pelo fator Gaussiano normalizado
| Casos Prováveis | População Último censo | Densidade Demográfica | Rendimento nominal mensal domiciliar per capita | Média de moradores em domicílios particulares permanentes ocupados (Pessoas) | AHP-G | RANK | |||
| São Paulo | 0,250 | 0,219 | 0,092 | 0,023 | 0,034 | 0,169 | 1 | ||
| Distrito Federal | 0,052 | 0,014 | 0,251 | 0,017 | 0,036 | 0,106476 | 2 | ||
| Rio de Janeiro | 0,00793 | 0,079062 | 0,18805 | 0,024681 | 0,032824 | 0,088584 | 3 | ||
| Paraná | 0,111207 | 0,056353 | 0,029425 | 0,026353 | 0,034213 | 0,062382 | 4 | ||
| Goias | 0,147064 | 0,034744 | 0,010628 | 0,030048 | 0,034465 | 0,062 | 5 | ||
| Minas Gerais | 0,063398 | 0,101145 | 0,017946 | 0,031816 | 0,034213 | 0,055095 | 6 | ||
| Santa Catarina | 0,060716 | 0,037474 | 0,040735 | 0,024107 | 0,034087 | 0,045066 | 7 | ||
| Rio Grande do Sul | 0,04787 | 0,053582 | 0,019791 | 0,02331 | 0,032067 | 0,03794 | 8 | ||
| Alagoas | 0,024009 | 0,015402 | 0,057589 | 0,052029 | 0,037748 | 0,035227 | 9 | ||
| Pernambuco | 0,011468 | 0,044608 | 0,047335 | 0,048166 | 0,035728 | 0,034973 | 10 | ||
| Ceará | 0,030429 | 0,043295 | 0,03026 | 0,046331 | 0,036612 | 0,034836 | 11 | ||
| Bahia | 0,025436 | 0,069616 | 0,012827 | 0,048166 | 0,03497 | 0,034206 | 12 | ||
| Rio Grande do Norte | 0,03003 | 0,016263 | 0,032044 | 0,038396 | 0,036359 | 0,027849 | 13 | ||
| Paraíba | 0,020534 | 0,019573 | 0,036072 | 0,044386 | 0,036485 | 0,027412 | 14 | ||
| Sergipe | 0,003734 | 0,010881 | 0,051614 | 0,040983 | 0,035475 | 0,024812 | 15 | ||
| Espírito Santo | 0,007544 | 0,018878 | 0,042636 | 0,028234 | 0,033708 | 0,024198 | 16 | ||
| Maranhão | 0,004877 | 0,033365 | 0,010531 | 0,059763 | 0,040778 | 0,018421 | 17 | ||
| Piauí | 0,022569 | 0,016099 | 0,006657 | 0,043826 | 0,038505 | 0,017256 | 18 | ||
| Pará | 0,004209 | 0,039969 | 0,003336 | 0,04585 | 0,041788 | 0,016605 | 19 | ||
| Mato Grosso | 0,025163 | 0,018018 | 0,002075 | 0,02906 | 0,03598 | 0,016028 | 20 | ||
| Mato Grosso do Sul | 0,018746 | 0,013576 | 0,003956 | 0,026453 | 0,035223 | 0,013286 | 21 | ||
| Amazonas | 0,003814 | 0,019409 | 0,001297 | 0,050412 | 0,045954 | 0,010893 | 22 | ||
| Tocantins | 0,014843 | 0,007443 | 0,002793 | 0,035277 | 0,03699 | 0,010677 | 23 | ||
| Rondônia | 0,010148 | 0,007786 | 0,003408 | 0,035639 | 0,035728 | 0,009468 | 24 | ||
| Acre | 0,002439 | 0,004088 | 0,002593 | 0,046866 | 0,039894 | 0,006593 | 25 | ||
| Amapá | 0,000206 | 0,003612 | 0,002639 | 0,041332 | 0,045828 | 0,005548 | 26 | ||
| Roraima | 4,41E-05 | 0,003134 | 0,00146 | 0,039168 | 0,044313 | 0,004803 | 27 |
RESULTADOS
Através do fator gaussiano normalizado, pode-se observar que os critérios mais relevantes são respectivamente: Casos Possíveis, Densidade Demográfica, População último censo, Rendimento nominal mensal domiciliar per capita e Média de moradores em domicílios particulares permanentes ocupados (Pessoas).
Nota-se que a alternativa que apresentou o maior valor de fator gaussiano, foi o Estado de São Paulo, necessitando de ações mais eficientes objetivando a melhora socioeconômica da população, consequentemente a redução dos casos de dengue.
CONSIDERAÇÕES FINAIS
É fundamental que haja incentivo governamental para a manutenção dos institutos e/ou departamentos dedicados a coletar, organizar e divulgar os dados a respeito da situação de vida dos cidadãos brasileiros, visando agilidade e assertividade nos processos de divulgação. Através destes dados é possível ter uma percepção realista de diversas questões e associar com métodos que auxiliam o processo de tomada de decisão possibilitando que ações de políticas públicas sejam baseadas em evidências concretas podendo trazer benefícios significativos para os habitantes dos vinte e sete estados do país.
O método AHP- gaussiano conseguiu indicar os critérios mais relevantes sem a necessidade da atribuição dos pesos por parte do decisor e priorizar os estados que necessitam de maior incentivo público para a mitigação da dengue correlacionando os critérios utilizados. A análise se deu além do número de casos possíveis, considerando que estado de Goiás possui o segundo maior número de casos notificados, apenas atrás do estado de São Paulo, e não ocupou o segundo lugar no ranking, portando o método foi eficaz em considerar as demais variáveis.
REFERÊNCIAS
Barroso, I. L. D. et al. (2020). Um estudo sobre a prevalência da dengue no Brasil: Análise da literatura. Brazilian Journal Of Development, 8 6), 61878-61883.
Ribeiro, A. C. M. et al. (2020). Condições socioambientais relacionadas à permanência da dengue no Brasil-2020. Revista Saúde e Meio Ambiente, 11(2), 326-340.
KHETARPAL, Niyati; KHANNA, Ira. Dengue fever: causes, complications, and vaccine strategies. Journal of immunology research, v. 2016, 2016.
Ribeiro, A. C. M. et al. (2020). Condições socioambientais relacionadas à permanência da dengue no Brasil-2020. Revista Saúde e Meio Ambiente, 11(2), 326-340.
Beserra EB, Fernandes CRM, Silva SAO, Silva LA, Santos JW (2009). Efeitos da temperatura no
ciclo de vida, exigências térmicas e estimativas do número de gerações anuais de Aedes
aegypti (Diptera, Culicidae). Iheringia, Sér Zool;99(2):142–8. Available from: https://doi.org/10.1590/S0073-47212009000200004.
ELLWANGER, Joel Henrique; CHIES, José Artur Bogo. Saúde Única (One Health): uma abordagem para entender, prevenir e controlar as doenças infecciosas e parasitárias. Ciência na Pandemia [da] Bio Diverso. Porto Alegre, v.2, n.1, p. 42-65, 2022. Disponível em: https://seer.ufrgs.br//biodiverso/article/view/124398. Acesso em: 20/06/2023.
Mendonça, F. de A., Souza, A. V. e ., & Dutra, D. de A.. (2009). Saúde pública, urbanização e dengue no Brasil. Sociedade & Natureza, 21(3), 257–269. https://doi.org/10.1590/S1982-45132009000300003
SILVA, E. R. G. DA et al (2008) Sistema Integrado de Gestão da Informação para Segurança Pública. 3a Conferência Ibérica de Sistemas e Tecnologias de Informação. Anais…Espanha.
da Silva Prudencio, Dayanne, and Carlos Alberto Ferreira (2020) “Departamento de Informática do SUS–DATASUS: a gestão de dados de saúde no Brasil e sua contribuição para a inclusão digital.” Biblios: Revista electrónica de bibliotecología, archivología y museologia.
Comite de Estatísticas Sociais. IBGE, 2023. Disponível em: https://ces.ibge.gov.br/apresentacao/portarias/200-comite-de-estatisticas-sociais/base-de-dados/1146-censodemografico.html#:~:text=Os%20Censos%20Demogr%C3%A1ficos%20s%C3%A3o%20a,para%20todos%20esses%20n%C3%ADveis%20geogr%C3%A1ficos. Acesso em: 05 out.2023.
DE CARVALHO, José Ribamar Marques; NÓBREGA, Aila Katamara Queiroga; KRONBAUER, Clóvis Antônio. Avaliação do Desempenho da Gestão Pública Municipal. Desenvolvimento em Questão, v. 18, n. 53, p. 138-165, 2020.
Gomes, L. F. A. M., and Carlos Francisco Simões Gomes. “Princípios e métodos para a tomada de decisão: Enfoque multicritério.” São Paulo: Atlas (2019).
SANTOS, M. DOS; COSTA, I. P. DE A.; GOMES, C. F. S. Multicriteria Decision-Making In
The Selection Of Warships: A New Approach To The Ahp Method. International Journal of
the Analytic Hierarchy Process, v. 13, n. 1, p. 147–169, 2021.
Silva, L.P.; Gomes, C.F.S.; Santos, M. Avaliação de Aquisições Hospitalares a Partir do Método Multicritério Ahp-Gaussiano.Anual Conference: XXVIII Simpósio de Engenharia de Produção (SIMPEP 2021), Bauru, Brasil. November 2021. Available online: https://l1nq.com/XNqsi
Silva, Caio Sergio Parente, Paulo Afonso Lopes da Silva, and Marcos dos Santos. “APOIO À DECISÃO NO EXÉRCITO BRASILEIRO: ORDENAÇÃO DE EQUIPAMENTO DE TERRAPLENAGEM PARA O SISTEMA DE OBRAS DE COOPERAÇÃO UTILIZANDO O MÉTODO AHP-GAUSSIANO.”
Datasus tutorial tabnet. Saúde. Gov, 2020. Disponível em: https://datasus.saude.gov.br/wp-content/uploads/2020/02/Tutorial-TABNET-2020.pdf. Acesso em: 05 out.2023.Censo 2022: Panorama, IBGE, 2023. Disponível em: https://censo2022.ibge.gov.br/panorama/Acesso em 30 mai.2023.