Mineração de dados para predição da dispensação de medicamentos do componente especializado da assistência farmacêutica no Sistema Único de Saúde

Abstract

A Política Nacional de Assistência Farmacêutica é uma ação de saúde pública de extrema relevância e materialidade. Esta pesquisa propõe a utilização de algoritmos de mineração de dados para previsão de séries temporais dos medicamentos do subgrupo 1A do Componente Especializado da Assistência Farmacêutica (CEAF), de modo a estimar as quantidades que devem ser distribuídas trimestralmente às Secretarias Estaduais de Saúde. Comparados diversos métodos de previsão, entre modelos estatísticos tradicionais e um modelo de rede neural recorrente do estado da arte, os resultados demonstraram que a substituição do atual método de previsão utilizado pelo Ministério da Saúde por outros métodos apresentados nesta pesquisa, cujas implementações estão disponíveis na forma de uma contribuição tecnológica, teria gerado uma economia potencial de mais de R$ 26 milhões e evitado o desabastecimento de mais de 4 milhões de unidades dos mais variados medicamentos, em um exame agregado para nove Estados da Federação nos três primeiros trimestres do ano de 2018. A comparação com outros modelos de previsão, o aperfeiçoamento do modelo de rede neural proposto, assim como a utilização desses modelos para outros medicamentos e Estados, têm o potencial de afetar de forma relevante a gestão dessa política pública de saúde, contribuindo, entre outros resultados, para uma melhor alocação de recursos públicos federais.