CENTRO DE CIÊNCIAS DA SAÚDE CURSO DE MEDICINA
DIEGO FERNANDES LOPES JEFFERSON CAIO DE LIMA PEDRO ANTONIO CARDOSO JACOME
TECNOLOGIA DA INFORMAÇÃO APLICADA À ESTRATÉGIA DE SAÚDE DA FAMÍLIA: UMA NOVA MANEIRA DE REALIZAR A ESTRATIFICAÇÃO DE RISCO
FAMILIAR.
NATAL/RN 2019
PEDRO ANTONIO CARDOSO JACOME
TECNOLOGIA DA INFORMAÇÃO APLICADA À ESTRATÉGIA DE SAÚDE DA FAMÍLIA: UMA NOVA MANEIRA DE REALIZAR A ESTRATIFICAÇÃO DE RISCO
FAMILIAR.
Trabalho de Conclusão de Curso apresentado ao curso de Medicina da Universidade Federal do Rio Grande do Norte como parte do requisito para obtenção do título de Médico.
Orientador: Neuma Marinho de Queiroz Santos da Costa Cunha.
Coorientador: Thiago Gomes da Trindade.
NATAL/RN 2019
objetivo de fornecer acesso à informação aos profissionais de saúde, assim como melhorar o custo-benefício e eficiência do cuidado. Atualmente a tecnologia da informação (TI) pode ser vista como fundamental quando se trata de resolver problemas em sistemas de saúde. O objetivo desse trabalho foi desenvolver um website para coletar dados de uma população específica a fim de aplicar a escala de risco familiar proposta por Coelho e Savassi. Os dados coletados ajudarão na atenção primária. Profissionais de saúde poderão priorizar visitas domiciliares e conhecer melhor a população assistida. Para o desenvolvimento do website, utilizamos a linguagem de programação PHP, o framework CakePHP e o banco de dados MySQL. Essas ferramentas foram escolhidas em virtude de sua boa performance e compatibilidade. Além disso, as mesmas têm código fonte aberto, ou seja, isento de custos. O website foi desenvolvido e, em seguida, testado num bairro assistido pela Estratégia de Saúde da Família. Aplicou-se a escala de Coelho-Savassi a 1623 famílias. De acordo com os escores, 1148 (70,7%) categorizadas como risco habitual; 104 (6,4%), risco menor; 152 (9,4%), risco médio; e 219 (13,5%), risco máximo. Simultaneamente aplicamos a escala adaptada para fins de comparação. A análise estatística mostrou diferença significativa, favorecendo o uso da adaptação no território onde foi aplicada. Entregamos um website funcional que se mostrou relevante nessa situação, permitindo a aplicação das escalas de risco propostas e consequente estratificação das famílias assistidas. Isso permitirá priorização das visitas domiciliares e melhor planejamento de ações concordantes com as necessidades de cada área.
Palavras-chave: Tecnologia da Informação, Programação, Atenção Primária, Estratégia de Saúde da Família, Escala de Risco Familiar Coelho-Savassi.
range of healthcare professionals access to information so as to increase the cost-effectiveness of care delivery and to improve the efficacy of care. Nowadays information technology (IT) may be seen as a cornerstone when it comes to solving health systems issues. The objective of this paper was to develop a website to gather data of a specific population in order to apply a familiar risk scale proposed by Coelho and Savassi. The data collected will be helpful in primary care. Health professionals will be able to prioritize home visits and to know better the assisted population. In order to develop the website we used the PHP programming language, the CakePHP framework and MySQL database. These tools were chosen due to their good performance and compatibility. Besides, they are open source code. We developed the website and tested it on a neighborhood assisted by Family Health Strategy. We applied the Coelho-Savassi’s scale to 1623 families. According to their scores, 1148 (70,7%) categorized as common risk; 104 (6,4%), minor risk; 152 (9,4%), medium risk; and 219 (13,5%), maximum risk. Simultaneously we applied the adapted scale in order to compare it with the original one. Statistical data analysis showed significant difference between the two scales, favoring the use of the adaptation on the studied area. We were able to deliver a functional website that seemed to be relevant in this particular setting. Hence were able to apply the proposed scales and stratify the assisted families. This will contribute to prioritize home visits and to plan healthcare according to specific needs of the studied population.
Keywords: Information Technology, Programming, Primary Care, Family Health Strategy, Coelho-Savassi’s Familiar Risk Scale.
Figura 2: Página de Login. ... 17
Figura 3: Página de cadastro de usuário. ... 18
Figura 4: Tipo de usuários... 19
Figura 5: Questionário, definições das sentinelas. ... 20
Figura 6: Questionário, porção inicial. ... 20
Figura 7: Questionário, informação adicional sobre drogadição. ... 21
Figura 8: Questionário, informações adicionais sobre doenças crônicas... 22
Figura 9: Aba Resumo, filtros. ... 23
Figura 10: Aba Resumo, tabela. ... 23
Figura 11: Status do questionário... 24
Figura 12: Gráfico Estratificação de risco (por área). ... 25
Figura 13: Diagrama de Pareto para sentinelas da ERF-CS. ... 28
Figura 14: Diagrama de Pareto, sentinelas selecionadas da ERF-CS. ... 29
Figura 15: Comparação de escores em ambas escalas. ... 33
Figura 16: Diagrama de Pareto, sentinelas selecionadas da ERF-CS adaptada ... 34
Tabela 2: Descrição dos escores por área. ... 26
Tabela 3: Frequência de sentinelas por área. ... 27
Tabela 4: Distribuição de frequências para ERF-CS e sua adaptação. ... 32
Tabela 5: Médias e teste t para ERF-CS e sua adaptação. ... 33
1. Introdução ... 8 1.1. Design thinking ... 9 1.2. Contexto Social ... 11 1.3. Motivação... 12 2. Objetivo ... 14 3. Metodologia ... 14 4. Resultados e Discussão ... 17 4.1. O Website ... 17
4.2. Estratificação de risco familiar de acordo com Coelho e Savassi ... 24
4.3. Estratificação de acordo com ERF-CS adaptada ... 30
5. Conclusão ... 38
1. Introdução
Novas tecnologias estão sendo continuamente adotadas nos serviços de saúde. A Tecnologia da Informação (TI) tem melhorado a qualidade dos serviços em todos os setores da saúde, especialmente em hospitais, aumentando a segurança do paciente, eficiência da equipe e reduzindo despesas operacionais (RAHIMI et al., 2018).
Nesse sentido, a tecnologia tem sido usada de forma extensiva a fim de prover o cuidado. A aplicação de TI é atualmente vista como essencial para resolver problemas dos sistemas de saúde, que vêm enfrentando um aumento na demanda em virtude do envelhecimento da população, melhoria nos tratamentos e recursos limitados (ROSS et al., 2016).
No entanto, a implementação dessas inovações em sistemas eletrônicos direcionados à saúde é um processo complexo, dinâmico, influenciado por vários fatores em vários níveis: profissionais, pacientes, contexto político, econômico, organizacional e social. Entender e definir as barreiras e facilitadores que influenciam nesse processo é necessário para um projeto bem sucedido (VAN DEN WIJNGAART et al., 2018).
No contexto de saúde pública, TI pode ser usado para melhorar a qualidade do cuidado. As aplicações incluem notificações de incidentes, videoconferência entre profissionais de saúde em situações de emergências, monitoramento de doenças, construção de mapas epidemiológicos com objetivo de monitorar condições de saúde, informações para médicos e outros profissionais de saúde, entre outros. Há muitas oportunidades para deixar o cuidado mais centrado no paciente, por exemplo, facilitando o acesso ao conhecimento através websites confiáveis e educação em saúde customizada (CAIN; SARASOHN-KAHN; WAYNE, 2000; GOLDSMITH, 2000). Um dos fatores, no contexto atual, que atrapalham a qualidade do cuidado é a subutilização da revolução tecnológica. Na maioria dos casos, as instituições estão ainda começando a aplicar a tecnologia de informação a fim de gerenciar e melhorar suas rotinas de atenção à saúde. Grande parte de informações ainda são arquivadas em papel.
A fim de resolver alguns fatores que atrapalham a prestação de serviços no âmbito da saúde, alguns conceitos de engenharia têm sido empregados. Esses fatores vão além da subutilização da tecnologia; incluem, por exemplo, a crescente complexidade da ciência e tecnologia, o aumento nas condições crônicas na
população e a má organização dos sistemas de saúde. Dessa forma, algumas instituições aplicaram, com sucesso, lições aprendidas com a indústria. Dentre essas lições estão a coleta de dados sobre erros e análise de suas causas; menor confiança na memória humana; e padronização de aspectos da rotina relacionados aos processos de saúde (CHASSIN, 1998). No intuito de resolver esses problemas, muitas organizações utilizam-se de um método de resolução de problemas chamado Design thinking.
1.1. Design thinking
Design thinking emergiu como uma metodologia que utiliza uma abordagem baseada em soluções para resolver problemas a partir da perspectiva dos clientes ou usuários de serviços. Esse método tem sido bastante útil para enfrentar problemas complexos, na medida que permite entender as necessidades humanas envolvidas, reconstruir o problema de forma centrada no usuário, criar novas ideias a partir de sessões de brainstorming, além de adotar uma postura proativa com prototipagem e testes (GEISSDOERFER; BOCKEN; HULTINK, 2016; SHAPIRA; KETCHIE; NEHE, 2017).
As origens dessa metodologia remetem à fundação da IDEO – uma empresa de design fundada em 1991. Inicialmente, o foco da IDEO consistia no design tradicional de negócios e produtos. No entanto, em 2001, uma fundação de cuidados em saúde solicitou o apoio da empresa para melhor entender as necessidades de seus clientes. A partir de então, IDEO passou por uma mudança, mudando seu foco de design de produtos para design de experiências dos consumidores (BROWN, 2010).
Design thinking começa com a identificação do problema e desenvolvimento de uma solução, focada no usuário do produto final. A partir do entendimento do problema do consumidor, pode-se criar um protótipo e testá-lo, permitindo o aprendizado continuado e melhorias na solução incialmente proposta.
Esse processo consiste em 5 componentes: empatizar, definir, idealizar, protótipo e teste (STEINKE; AL-DEEN; LABRIE, 2017). Diferente dos modelos tradicionais, essa metodologia não propõe um modelo linear. Por exemplo, na fase de empatizar, pode-se estar trabalhando em um protótipo para aprender mais sobre o sujeito, adquirindo um conhecimento mais profundo e criando melhores soluções.
1.1.1. Empatizar: fase do processo em que se tenta entender o problema. Isso envolve diálogo com os usuários, consultar especialistas, conhecer mais sobre a área de atuação, compreender experiências e motivações. Essa fase é crucial para um processo centrado na pessoa.
1.1.2. Definir (o problema): fase na qual se reúne informações colhidas durante a imersão, fase de empatizar. Analisam-se as observações a fim de definir os problemas centrais encontrados até o momento. Essa fase permite estabelecer características, funções e quaisquer outros elementos que ajudarão na resolução dos problemas.
1.1.3. Idealizar: fase em que ocorrem as ideias. Depois de entender as necessidades dos usuários, analisar e sintetizar as observações, tem-se uma base sólida para “pensar fora da caixa” e identificar novas soluções. Essa fase pode acontecer em sessões de tempestade de ideias, popularmente chamadas de brainstorming.
1.1.4. Protótipo: nessa fase, a equipe produzirá versões simples do produto. O protótipo pode ir desde anotações num quadro a um produto tangenciável. Quanto mais realístico e semelhante ao produto final melhor o feedback e insights para melhorias. Protótipos permitem ao time reconhecer e corrigir falhas ao longo do processo.
1.1.5. Teste: nesse momento, testa-se o produto final, usando as melhores soluções encontradas na fase de prototipagem. Essa é a última fase do processo. No entanto, os resultados gerados na fase de teste podem ser usados para redefinir um ou mais problemas, permitindo entender como usuários experimentam o produto, podendo dar início a uma nova fase de imersão, ou empatizar, uma vez que o processo não é linear, conforme dito acima.
Nesse sentido, a essência de Design thinking como uma metodologia baseado na solução de problemas objetiva levar a experiência do usuário para designers de sistemas, engenheiros e desenvolvedores que serão capazes de entender e resolver esses problemas de forma mais acurada. A premissa dessa metodologia é de que os produtos devem ser desenvolvidos da perspectiva dos usuários para que sejam efetivos, adaptados à necessidade dos envolvidos.
1.2. Contexto Social
A partir dos princípios do Sistema Único de Saúde (SUS) – universalidade, integralidade, equidade – idealizou-se o funcionamento do sistema de saúde brasileiro, do qual faz parte a Estratégia de Saúde da Família (ESF). A ESF busca promover a qualidade de vida e intervir nos fatores que colocam a saúde em risco, fortalecendo-se como porta de entrada do SUS. Espera-se que uma estratégia eficiente consiga solucionar 80-90% da demanda dos serviços de saúde de uma comunidade (LUCAS; ALEIXO, 2002). Os profissionais devem possuir a capacidade para identificar e hierarquizar as necessidades sociais em saúde, organizar saberes e instrumentos na configuração de modelos tecnológicos de intervenção e avaliar o impacto das intervenções realizadas (NASCIMENTO et al., 2010).
Dentre os instrumentos utilizados na ESF, encontra-se a Visita Domiciliar (VD), necessária à assistência integral e educativa no âmbito do domicílio, garantindo, portanto, que o suporte ao usuário não seja limitado ao ambiente interno da unidade de saúde (MENEZES et al., 2012). Para atingir esse objetivo e garantir o princípios da equidade, as visitas domiciliares devem ser programadas em conjunto com as equipes de saúde, no intuito de compreender os riscos e vulnerabilidades de famílias e pacientes para que aqueles com maiores necessidades possam ser visitados com maior frequência (ALBUQUERQUE; BOSI, 2009).
A fim de sistematizar as visitas e priorizar as famílias mais necessitadas, foi criado um instrumento de estratificação de risco familiar: a Escala de Risco Familiar de Coelho e Savassi (ERF-CS). A ERF-CS é aplicada às famílias adscritas a uma equipe de saúde, determinando seu risco social e de saúde, refletindo o potencial de adoecimento de cada núcleo familiar. Utiliza dados presentes nas fichas de cadastro domiciliar e fichas de visita domiciliar (antes chamadas de ficha A e B do SIAB), disponíveis na rotina das equipes de saúde da família. Estes dados, definidos como Sentinelas de Risco, incluem: acamado; deficiência física; deficiência mental; baixas condições de saneamento; desnutrição grave; drogadição; desemprego; analfabetismo; indivíduo menor de 6 meses de idade; indivíduo maior de 70 anos de idade; hipertensão arterial sistêmica; diabetes; relação morador/cômodo. A cada uma dessas sentinela atribui-se uma pontuação pré-estabelecida e a soma desses pontos
determina o escore da família em questão, classificando-a em risco menor, médio ou máximo (COELHO; SAVASSI, 2011).
1.3. Motivação
A ERF-CS, descrita anteriormente, mostrou-se útil na reorganização da demanda e promoveu uma percepção mais apurada, objetiva e qualificada do risco das famílias avaliadas, impactando de maneira positiva no trabalho das equipes (SAVASSI; LAGE; COELHO, 2012). Portanto, a aplicação desse instrumento na atenção básica faz-se de extrema importância para melhorar a qualidade do atendimento à população adscrita, garantir a equidade para os usuários e facilitar o planejamento das equipes.
Durante o desenvolvimento de um projeto piloto com o intuito de aplicar essa escala no território coberto pela Unidade de Saúde da Família de Aparecida (USFA), situada no bairro de Mãe Luiza, Natal (RN); perceberam-se algumas dificuldades para finalização efetiva do trabalho. Essas dificuldades deram início a uma série de reuniões com os profissionais envolvidos a fim de identificar os problemas principais e corrigi-los, garantindo a continuação da aplicação da escala e, por consequência, a melhoria na qualidade do atendimento aos usuários da unidade de saúde em questão. Para melhor entendimento a respeito do processo de trabalho que culminou com desenvolvimento deste projeto, descreveremos, abaixo, as etapas seguidas de acordo com a metodologia Design thinking, explicada anteriormente.
1.3.1. Empatizar
Nessa etapa, houve reuniões em grupo com membros da equipe de saúde da USFA. Essas sessões foram importantes para identificar não apenas questões relacionadas à dificuldade da equipe em aplicar a escala, mas também fatores de risco inerentes àquela área que não eram contemplados pela ERF-CS. Dentre os fatores que impediram a aplicação da escala no território em questão, destacam-se:
- A aplicação anterior fora realizada de forma manual, deixando o processo lento e mais passível de erros;
- O grau de instrução dos agentes de saúde diferiam entre si, alguns tendo mais dificuldades para a efetuação dos cálculos necessários à aplicação do escore aos domicílios avaliados;
- A grande quantidade de domicílios assistida, em torno de 2000 na época do trabalho;
- A dificuldade de acesso à informação depois de arquivada. 1.3.2. Definir
Percebeu-se, então, que o principal problema para aplicação da escala nessa área consistia principalmente em erro humano ou dificuldade de acesso depois de coletados os dados, uma vez que todas as etapas de estratificação eram realizadas manualmente.
1.3.3. Idealizar
Idealizou-se, portanto, a construção de uma plataforma virtual a fim de minimizar o erro humano e facilitar, não apenas o acesso à informação depois da coleta de dados, mas também a atualização dos dados quando necessária.
1.3.4. Protótipo
Programou-se um website que pudesse alimentar um banco de dados com as informações necessárias para estratificação de risco familiar de acordo com a ERF-CS, além de outras informações elencadas como importantes durante a fase de imersão com os profissionais da equipe multiprofissional da USFA. À medida que era programado o website, novas reuniões eram realizadas a fim de identificar erros e corrigi-los, até que um protótipo pudesse ser definitivamente testado na unidade.
1.3.5. Teste
O teste da plataforma (acessível a partir do link) foi realizado na Unidade de Saúde da Família de Aparecida, no bairro de Mãe Luiza, Natal (RN). A USFA assiste aproximadamente 2000 famílias dentre as residentes nesse bairro. A plataforma encontra-se, no momento do presente trabalho, online e acessível a partir do link http://18.228.150.61/avaliacaorisco/. A escolha desse cenário justifica-se por ser uma USF que serve como cenário de práticas dos acadêmicos do curso de medicina da Universidade Federal do Rio Grande do Norte.
2. Objetivo principal
Desenvolver e testar um website a fim de aplicar a Escala de Risco Familiar de Coelho-Savassi no território assistido por uma Unidade de Saúde da Família situada no bairro de Mãe Luiza, Natal (RN).
2.1. Objetivos secundários
I) Aplicar a Escala de Risco Familiar de Coelho e Savassi no território assistido pela unidade de saúde.
II) Comparar a ERF-CS com a adaptação realizada pelos pesquisadores de acordo com as necessidades da comunidade.
3. Metodologia
Um sistema de informação é composto pela união de software, hardware, pessoas e rotinas de trabalho empregadas com o objetivo específico. Após a identificação das necessidades dos usuários, define-se quais procedimentos adotar e quais funcionalidades serão necessárias para uma solução informatizada. Dessa forma, para o presente projeto, buscou-se a viabilidade técnica e econômica das ferramentas que dariam suporte ao sistema; portanto, deu-se preferência a softwares livres – isentos de custos com licenças – com desempenho aceitável, uma vez que outras despesas, e.g. hospedagem do website, estavam programadas.
No processo de programação do website proposto, utilizou-se a linguagem de programação PHP (Hypertext Preprocessor), o framework CakePHP e o banco de dados MySQL.
Linguagem de programação é uma linguagem formal composta por uma série de instruções ou comandos com intuito de implementar um algoritmo, produzindo os mais variados tipos de resultados de saída. Essas linguagens originaram como especializadas, mas fáceis de usar, e evoluíram rapidamente para algo robusto e de alto nível com o desenvolvimento e disseminação da internet. Linguagens como PHP, Javascript, Python Perl e Ruby estão entre as mais populares para o desenvolvimento de aplicações (AMANATIDIS; CHATZIGEORGIOU, 2016).
PHP é uma linguagem de programação livre (também chamada open source) pensada primariamente para o desenvolvimento Web. As páginas são tipicamente
HTML (HyperText Markup Language) combinada com PHP a fim de mesclar a funcionalidades. Usos comuns para PHP inclui aplicações de banco de dados e aplicações que necessitam de manipulação de dados (ANDRESS; LINN, 2012). Ambas funções eram necessárias no desenvolvimento deste projeto, visto que necessitaríamos, além de armazenar as informações coletadas, manipular os dados e estabelecer filtros para o uso adequado dos dados na prática clínica da Unidade de Saúde.
Além das características já citadas, PHP é compatível com diversas plataformas (Windows, Linux, MacOS, etc), estável, rápido e com boa interatividade. Apesar da facilidade de uso, ao longo do tempo, essa linguagem foi sendo aprimorada, tornando-se mais extensa e complexa. A fim de facilitar o seu uso e o desenvolvimento de novos softwares, foram desenvolvidos frameworks como, por exemplo, o CakePHP escolhido para o presente trabalho em virtude de sua excelente compatibilidade com a linguagem escolhida, PHP, sendo o 4º melhor de sua categoria, como pode ser visto na figura 1 (LAAZIRI et al., 2019).
Fonte: https://hotframeworks.com/languages/php Figura 1: Top Frameworks.
O framework facilita a programação Web e torna-a mais organizada de várias formas. Inicialmente, um framework aumenta a produtividade, já que escrever um código que normalmente levaria horas e centenas de linhas pode ser feita em minutos com ajuda de funções embutidas dos frameworks. Uma segunda vantagem do uso de frameworks é a segurança, uma vez que seus usuários se tornam testadores de longo prazo. Assim, caso um programador encontre uma falha de segurança, esse pode notificá-la aos desenvolvedores, possibilitando sua correção. A escolha do framework é uma etapa fundamental da programação, pois a velocidade e qualidade do trabalho depende dele. A linguagem PHP, por muito tempo, foi considerada ineficiente para grandes aplicações Web, até o desenvolvimento de frameworks – e.g. Symfony, CakePHP e Zend – capazes de expandir suas capacidades de linguagem (PROKOFYEVA; BOLTUNOVA, 2016).
O MySQL é um sistema de gerenciamento de banco de dados que utiliza a linguagem SQL (Structured Query Language) como interface. É o banco de dados gratuito mais popular do mundo. MySQL conseguiu a liderança na escolha do banco de dados para aplicações Web em virtude de sua alta performance, confiabilidade e facilidade de uso (AGGARWAL et al., 2012). Esse sistema de gerenciamento é utilizado por renomadas aplicações como Facebook, Twitter, YouTube, etc.
As ferramentas escolhidas para realização deste projeto foram as que melhor se adequaram à experiência dos programadores e consideradas com a melhor razão custo-benefício, haja vista a limitação de recursos, pois não houve auxílio financeiro por parte de nenhuma instituição. As despesas com hospedagem do site, dados de internet móveis, transporte e demais despesas do projeto foram custeadas pelos próprios pesquisadores/desenvolvedores.
4. Resultados e Discussão
O produto final, o website, foi utilizado para aplicação da Escala de Risco Familiar de Coelho-Savassi no período de Agosto de 2017 a Novembro de 2017, sendo a fonte de acesso o link: http://18.228.150.61/avaliacaorisco/.
4.1. O Website
A seguir, figura 2, mostrando a página inicial do website, na qual os usuários podem efetuar a entrada com login e senha previamente cadastrados por um dos administradores. A senha pode ser alterada a critério do usuário no primeiro acesso ao sistema. A página de cadastro de usuários, figura 3, será mostrada adiante.
Para efetuar o cadastro, são necessários os seguintes dados: selecionar o tipo de usuário (será explicado em seguida), nome de usuário (login), senha, nome completo do usuário, e-mail e status (ativo, autorizado a iniciar o uso; ou inativo, autorização pendente para avaliação dos administradores).
Os tipos de usuários foram necessários em virtude das diferentes funções exercidas pelos profissionais. O perfil de administrador é o perfil com maior quantidade de funções, porém não possui todas as funções permitidas. O administrador pode cadastrar usuários, ativar ou inativar o status desses, visualizar resumos de todas as Figura 2: Página de Login.
áreas e microáreas cadastradas, entre outras. No entanto, o administrador não tem autorização para preencher questionários. Isso foi idealizado no intuito de manter a fidelidade dos dados obtidos a respeito das famílias entrevistadas, já que o agente de saúde é o responsável pelas visitas e entrevistas, além de ser o profissional, geralmente, com maior vínculo e quantidade de informações no que diz respeito aos domicílios e residentes do território assistido pela USF.
O tipo de usuário denomidado “usuário” foi reservado a médicos e enfermeiros responsáveis por cada área. Esse tipo, assim como o administrador, não tem permissão para preencher questionários; apenas para visualizar resultados e fazer buscas. Dessa forma, o médico ou enfermeiro pode supervisionar o preenchimento dos questionários e ter acesso à informação necessária para fazer o planejamento de visitas domiciliares com maior ou menor frequência, ou mesmo para permitir um encaixe de uma consulta que não fora previamente agendada.
O tipo de usuário denominado “agente” foi elaborado para os agentes comunitários de saúde. Esse tipo permite o preenchimento dos questionários e a visualização do resumo da microária pela qual o agente é responsável. Vale ressaltar que cada agente tem permissão para responder e visualizar questionários apenas da sua própria microárea, sendo vetada pelo sistema a possibilidade de mesmas
atividades em microáreas de outros agentes. Por causa dessa restrição, o website não permite cadastrar um agente sem identificar sua respectiva área e microárea de atuação. A USFA, onde foi realizada a aplicação da escala, contempla em torno de 2000 famílias, com um total de 3 equipes: a equipe 114, composta por 4 microáreas; 115, por 5 microáreas; e 116, por 5 microáreas. Dessa forma, temos um total de 14 agentes comunitários de saúde, 01 (um) para cada microárea.
Uma vez cadastrados e com status ativo, os agentes podem iniciar o preenchimento dos questionários. Como pode ser visto na figura 5, quando o agente acessa a página de preenchimento do questionário, sua área e microárea já aparecem definidas, pois foram preenchidas no momento do cadastro e não podem ser alteradas posteriormente por outros usuários que não sejam administradores.
A cada sentinela pesquisada pela ERF-CS, tem uma breve definição da mesma a fim de facilitar o preenchimento e esclarecer dúvidas durante o preenchimento do questionário, melhor visualizada na figura 6. A escala de Coelho considera para a pontuação a relação morador/cômodo (se maior, igual ou menor que 1). Ainda na figura 5, percebe-se que a entrada da informação é “morador” e “cômodo” separadamente. Essa estratégia foi adotada por dois motivos principais: primeiro, alguns agentes tinham dificuldades de compreender o conceito dessa relação e como chegar a esse número; segundo, o dado mais bruto tem maior possibilidade de uso para outros fins como, por exemplo, epidemiológicos.
Para algumas sentinelas, foram solicitadas algumas informações que não eram necessárias para calcular o escore na ERF-CS. Além disso, outras sentinelas foram criadas e adicionadas, mesmo sem pontuação no escore final da ERF-CS. Esses
Figura 5: Questionário, porção inicial.
complementos de informação foram adicionados conforme necessidade percebida após análise das observações feitas nas reuniões em grupo durante a elaboração do projeto. Além de serem elencadas como importantes pelos profissionais, essas informações adicionais têm respaldo da literatura médica. As figuras 7 e 8 mostram alguns exemplos.
De acordo com a escala de Coelho, não importa o tipo de drogadição na hora da pontuação. No entanto, para os profissionais da unidade essas informações podem ser relevantes, visto que, na USF, alguns grupos de suporte são formados – e.g. grupo de tabagistas, com a finalidade de ajudar na cessação do hábito. Além disso, esse grupo de pessoas está mais sujeito a alguns tipos de neoplasias como, por exemplo, câncer de pulmão.
No caso das doenças crônicas, a ERF-CS atribui pontuação apenas a diabetes e hipertensão. Como pode ser visto na figura 8, outras doenças foram contempladas no site, mesmo sem gerar pontuação no escore final. Assim como as outras informações adicionadas, essas têm finalidade epidemiológica e foram consideradas Figura 7: Questionário, informação adicional sobre drogadição.
relevantes de alguma forma pelos profissionais de saúde da USFA, além do respaldo na literatura médica.
Por fim, uma vez preenchidos e salvos, os questionários podem ser atualizados, quando necessário, ou revisados. Na aba de resumos do website (figura 9), é possível perceber, não apenas os questionários já respondidos, mas também uma tabela (figura 10) com resumo da estratificação de risco de acordo com a ERF-CS. Ainda nessa aba de resumos, é possível filtrar as informações desejadas (figura 9), de acordo com as sentinelas avaliadas. Assim, os profissionais têm acesso imediato à distribuição de tabagistas no território ou fazer busca por interseções (famílias com tabagistas e hipertensos), por exemplo.
Existe uma particularidade em relação aos questionários incompletos. Inicialmente, foi proposta a impossibilidade se salvar o questionário caso não fossem preenchidas todas as informações solicitadas. Ao longo do desenvolvimento, percebeu-se que essa restrição dificultava ainda mais a aplicação. Em razão disso, optou-se por classificar os questionários respondidos como “aberto”, quando incompleto, ou “finalizado” (figura 11). Dessa forma, os agentes poderiam buscar a Figura 8: Questionário, informações adicionais sobre doenças crônicas.
informação necessária e inseri-la posteriormente, facilitando o trabalho. No entanto, os prontuários incompletos, com status “aberto”, não compõem a tabela resumo na aba “Resumos” do website, com o intuito de não interferir negativamente na interpretação dos resultados e planejamentos a partir desses.
Figura 9: Aba Resumo, filtros.
A partir do uso dessa ferramenta, foi possível mapear o território assistido pela USFA e estratificar as famílias de acordo com o grupo de risco (menor, médio ou máximo) ao qual pertenciam. Além disso, foi possível comparar a ERF-CS com a adaptação realizada pelos pesquisadores – por sugestão dos profissionais de saúde envolvidos – e identificar os fatores de maior relevância para intervenção por parte da unidade de saúde.
4.2. Estratificação de risco familiar de acordo com Coelho e Savassi
Conseguiu-se preencher o total de 1631 questionários. No entanto, os questionários incompletos não compõem o resumo final. Sendo assim, o total de domicílios estratificados foi de 1623, conforme tabela 1. A partir dos dados obtidos, encontrou-se também diferença estatística significativa entre as áreas, sugerindo padrões e necessidades diferentes apesar de pertencerem ao mesmo território. Além disso, seis sentinelas (fatores de vulnerabilidade) foram identificadas como responsáveis por 90% dos problemas no território assistido.
Pouco mais da metade da população foi considerada risco habitual (ver tabela 1), haja vista a obtenção de escore menor que 5, conforme a Escala de Risco Familiar
de Coelho-Savassi (ERF-CS). Vale lembrar que essa classificação tem como principal objetivo a priorização das visitas domiciliares, então a categoria “risco habitual” representa as famílias que apresentam menores escores e, portanto, sujeitas a um risco considerado comum a todos os domicílios, considerados “sem risco” em alguns trabalhos, já que advém da comparação com os domicílios categorizados como de risco.
Tabela 1: Estratificação de risco (geral).
No gráfico correspondente à figura 12, podemos analisar a estratificação de risco por área. Isso é importante no planejamento de visitas domiciliares e ações destinadas à população, já que as áreas podem diferir entre si. Além disso, pode ser
Classificação de risco Escore Coelho-Savassi
Frequência % R0 – Risco habitual 1008 62,1% R1 – Risco menor 244 15,0% R2 – Risco médio 152 9,4% R3 – Risco máximo 219 13,5% Total 1623 100,0% 0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0% 80,0% R0 R1 R2 R3 Área 114 Área 115 Área 116 Figura 12: Gráfico Estratificação de risco (por área).
útil na redistribuição de domicílios entre os agentes, com o objetivo de evitar sobrecarga para um agente, o que dificultaria o trabalho deste.
A fim de identificar se existia diferença significativa entre as áreas, aplicaram-se dois testes: ANOVA e Tukey. O primeiro teste para identificar, dois a dois, aplicaram-se havia diferença entre as áreas. O segundo teste para identificar entre quais áreas essa diferença existia. A tabela 2 apresenta uma descrição estatística dos escores obtidos no território, separados por área.
Tabela 2: Descrição dos escores por área.
Área Estatísticas Descritivas
Média Mediana Desvio padrão Mínimo Máximo
114 5,01 4,00 4,24 0,00 26,00
115 4,54 3,00 4,22 0,00 26,00
116 4,27 3,00 3,93 0,00 25,00
Total 4,61 4,00 4,14 0,00 26,00
A partir da tabela 2, podemos perceber que a área 116 possui um perfil mais homogêneo quando comparada às demais, visto que o desvio padrão dessa área é o menor. No teste ANOVA identificamos a presença de diferença entre as áreas, com um valor p = 0,011. Em seguida, aplicado o teste de Tukey, encontramos que a diferença existia entre as áreas 114 e 116, com valor p = 0,009. A comparação dois a dois não identificou diferença significativa entre outras áreas (114x115, p = 0,311; 115x116, p = 0,318). Dessa forma, com intervalo de confiança de 95%, podemos dizer considerar a área 116 com melhor perfil de vulnerabilidade, no que diz respeito aos escores obtidos.
Apesar de considerada com melhor perfil de vulnerabilidade, a área 116 apresenta frequências de algumas sentinelas superior às das demais áreas, como pode ser visto na tabela 3. Quatro sentinelas importantes (marcadas em vermelho) repetem-se mais nessa área: doença crônica; relação morador/cômodo ≥ 1; maior de 70 anos; acamados. Por causa disso, poderíamos esperar resultados piores para essa área, já que essas sentinelas recebem pontuação expressiva na ERF-CS. O motivo
para esse resultado não está claro, mas a análise de alguns fatores sugere a possibilidade de melhor assistência.
Algumas sentinelas da escala (marcadas em verde) que podem estar relacionadas à assistência recebida pelo serviço de saúde repetem-se menos na área 116. Dentre elas: drogadição, refletindo provavelmente maior conscientização dos usuários e/ou maior cuidado na prescrição de medicação controlada; analfabetismo, relacionado ao acompanhamento das crianças, adolescentes e/ou idosos atendidos; e crianças menores de um ano, sugerindo possivelmente melhor abordagem de planejamento familiar. Essas são algumas hipóteses levantadas para o fenômeno observado, não descartando a possibilidade de acontecer ao acaso.
Tabela 3: Frequência de sentinelas por área.
Sentinelas Área 114 Área 115 Área 116 Total % do Território Desemprego 244 215 225 684 42,1% Doença Crônica 187 222 235 644 39,7% Drogadição 226 159 143 528 32,5% Relação morador/cômodo ≥1 184 148 194 526 32,4% Analfabetismo 110 84 74 268 16,5% > 70 anos 60 81 98 239 14,7% Condições de saneamento 43 20 2 65 4,0% Def. Física 22 22 22 66 4,1% Def. Mental 21 21 7 49 3,0% Acamados 9 9 21 39 2,4% < 6 meses 19 11 8 38 2,3% Desnutrição grave 3 1 0 4 0,2%
A partir da tabela 3, podemos observar que algumas sentinelas repetem-se bem mais que outras, fenômeno esperado, dada a natureza dos fatores pontuados para obtenção do escore. Por exemplo, em 42,1% dos domicílios havia pelo menos uma pessoa desempregada, sendo “desemprego” a sentinela com maior recorrência; enquanto em apenas 4 famílias (0,2% dos domicílios) possuíam criança em situação
de desnutrição grave, sendo desnutrição a sentinela com menor recorrência. A recorrência dessas sentinelas é um fator importante não apenas para a classificação das famílias, mas também para planejar ações no intuito de prevenção, que compõe uma das funções da atenção primária à saúde.
Conforme já citado neste trabalho, espera-se que uma ESF eficiente consiga solucionar de 80-90% dos problemas de seus usuários. Essa estimativa diz respeito à demanda em saúde, constituída principalmente de agravos à saúde física, orgânica. No entanto, se compreendermos que o processo saúde-doença vai além da moléstia apresentada pelo paciente, podemos extrapolar a intenção de solucionar essa porcentagem de problemas para a tentativa de solucionar fatores ou condições que favoreçam o processo de adoecimento. Partindo desse ponto de vista, podemos identificar, dentre as sentinelas da ERF-CS, aquelas com maior impacto nessa população. A identificação dessas permite um melhor planejamento de ações em saúde pela unidade responsável pelo território.
Com a finalidade de identificar tais sentinelas, utilizamos o diagrama de Pareto. Este diagrama é uma ferramenta destinada à avaliação de qualidade criada por um italiano chamado Vilfredo Pareto. Muito utilizado na economia, o diagrama de Pareto ganhou espaço em outras áreas quando o intuito era a identificação de problemas e
Figura 13: Diagrama de Pareto para sentinelas da ERF-CS.
91% 0 100 200 300 400 500 600 700 800 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 110% F re q u ê n c ia Frequência %Acumulada
avaliação de qualidade. Dessa forma, o diagrama passou a ser usado em diversos campos como, por exemplo, na própria gestão de saúde.
A figura 13 mostra o diagrama de Pareto construído a partir das sentinelas avaliadas durante a estratificação de risco. A partir do gráfico, podemos perceber que 6 sentinelas são responsáveis por mais de 90% do risco familiar. No entanto, se quisermos avaliar a possibilidade de intervir em alguns fatores com objetivo de solucionar problemas e/ou de prevenção, algumas sentinelas podem ser temporária e seletivamente desconsideradas do gráfico, haja vista a impossibilidade de alteração das mesmas. Por essa razão, suprimimos do gráfico apresentado na figura 14 a sentinela “relação morador/cômodo” pela impossibilidade da unidade de saúde de alterar esse status da família, já que não há possibilidade de fornecer um domicílio com mais cômodos ou retirar moradores desses domicílios.
Dessa forma, se mantivermos o princípio de tentar resolver 80-90% dos problemas na comunidade, podemos inferir, a partir do gráfico, que 6 sentinelas (desemprego, doença crônica, drogadição, analfabetismo, maior de 70 anos e Figura 14: Diagrama de Pareto, sentinelas selecionadas da ERF-CS.
93% 0 100 200 300 400 500 600 700 800 0% 20% 40% 60% 80% 100% 120% F re q u ê n c ia Frequência %Acumulada
saneamento) apresentam maior impacto na dinâmica familiar e processo saúde-doença, sendo essas os principais focos de atenção para desenvolvimento de ações pela unidade de saúde.
A análise desses dados permite, além de estratificar as famílias de acordo com a vulnerabilidade, conhecer melhor a população assistida e, portanto, planejar e adotar medidas mais efetivas, concordantes com as necessidades daquele território.
4.3. Estratificação de acordo com ERF-CS adaptada
Ao longo deste trabalho, mais precisamente no item 4.1, citamos a adição de informações e novas sentinelas criadas a partir da necessidade exposta pelos profissionais de saúde da unidade participante do projeto. Esses novos dados deram origem a uma adaptação da ERF-CS. A comparação entre a ERF-CS e sua adaptação demonstrou a existência de diferença estatisticamente significativa entre elas, favorecendo o uso da adaptação no território estudado. Além disso, o uso do diagrama de Pareto nessas condições classificou a nova sentinela “antecedentes criminais” no grupo de maior necessidade de intervenção e demonstrou a importância de incorporar os transtornos mentais no grupo de doenças crônicas.
Apesar da utilidade da ERF-CS, deve-se lembrar de que o risco familiar é uma entidade complexa, isto é, envolve diferentes aspectos, dentre eles os econômicos (desemprego, miséria), ambientais (poluição), de condutas pessoais (alimentação, atividade física), dimensões interpessoais (sexualidade) e criminais (eventos vinculados à violência urbana) (CASTIEL, 1996). Os riscos apresentam-se como uma teia de relações, extravasando para o âmbito sociocultural, assumindo aspectos de signos e símbolos associados às vivências dos serviços de saúde no espaço de construção das relações de grupos sociais. Portanto, a abordagem do risco familiar deve sempre ser centrada nas múltiplas relações da casualidade e determinação social.
Sendo assim, alguns fatores considerados de risco podem ser prevalentes em determinado território, enquanto estão ausentes em outros. Nesse sentido, podemos perceber alguns espaços na ERF-CS que podem ser preenchidos a fim de aumentar
a sensibilidade da escala quando aplicada a populações específicas. Em relação a isso, alguns pontos podem ser elencados.
I. A escala de Coelho pontua domicílios com crianças menores de 6 meses de idade. No entanto, a taxa de mortalidade infantil é reconhecida não apenas como indicador das condições de saúde da população menor de um ano, mas também como a variável que melhor reflete as condições gerais de vida, sendo considerada síntese da qualidade de vida e do nível de desenvolvimento de uma população (CAMPOS; CARVALHO; BARCELLOS, 2000). Com base nisso, pode-se sugerir a importância de incluir crianças menores de um ano, em vez de considerar apenas menores de 6 meses de idade.
II. As doenças crônicas inerentes à ERF-CS são diabetes e hipertensão, apenas. No entanto, os perfis epidemiológicos das comunidades diferem entre si, podendo haver outras doenças crônicas consideradas de risco (doença pulmonar obstrutiva crônica, doença renal crônica, transtornos mentais, etc), mas que não são classificadas como tal. Em tal situação, o risco familiar pode ser subestimado. Portanto, é importante estudar o território antes da aplicação da escala a fim de evitar que algumas condições sejam mascaradas. A importância das doenças crônicas não transmissíveis (DCNT), no perfil atual de saúde das populações, é extremamente relevante. Estimativas da Organização Mundial de Saúde (OMS) apontam que as DCNT já são responsáveis por 58,5% de todas as mortes e por 45,9% da carga total global de doenças, expressas por anos perdidos de vida saudável (MONTEIRO et al., 2005).
III. É considerada desempregada, de acordo com a ERF-CS, a pessoa que não possui carteira de trabalho assinada, ou seja, não possui um emprego formal. No entanto, devemos lembrar que a família sem renda torna-se mais vulnerável do que a família com renda advinda de serviço informal, mesmo que ambas recebam a mesma pontuação de acordo com a ERF-CS em virtude da ausência de carteira assinada.
IV. Obesidade infantil não é uma sentinela contemplada na escala de Coelho mesmo estando fortemente associada ao risco aumentado de doenças cardiovasculares e doenças metabólicas. Além disso, nas últimas duas
décadas, os níveis de obesidades na população elevaram-se em todas as faixas etárias, inclusive em crianças (SKINNER et al., 2015, 2018).
V. Violência familiar é um dado que também não faz parte da escala. No entanto, além de sua relevância no campo da Vigilância da Saúde, é uma condição que se tem tornado constante em algumas comunidades. A violência doméstica afeta todos as faixas etárias e há evidências do impacto dessa na saúde, com altas taxas de problemas físicos e mentais mesmo depois de cessarem as agressões (HESTER et al., 2015; KNIGHT; HESTER, 2016).
VI. Outro fator importante em algumas comunidades é se algum indivíduo possui antecedentes. Para além do estigma e preconceito, algumas pesquisas mostram as consequências do encarceramento na dinâmica familiar, incluindo a saúde mental dos familiares, no comportamento dos filhos e na dissolução marital (COMFORT, 2007; GOFFMAN, 2013; MASSOGLIA; REMSTER; KING, 2011; RICH et al., 2013; TURNEY; WILDEMAN; SCHNITTKER, 2012). Neste trabalho, consideramos apenas aqueles criminais que possuíam passagem registrada na polícia.
Essa adaptação da ERF-CS permitiu a reclassificação das famílias assistidas, identificando uma maior quantidade de famílias em situação de risco mínimo, bem como a recategorização de algumas famílias em grupo de risco mais elevado, sugerindo maior necessidade de suporte. A tabela 4 apresenta uma comparação entre os resultados obtidos a partir de cada classificação.
Tabela 4: Distribuição de frequências para ERF-CS e sua adaptação. Classificação de
risco
Escore Coelho e Savassi Escore adaptado
Frequência % Frequência % R0 – Risco habitual 1008 62,1% 967 59,6% R1 – Risco menor 244 15,0% 241 14,8% R2 – Risco médio 152 9,4% 157 9,7% R3 – Risco máximo 219 13,5% 258 15,9% Total 1623 100,0% 1623 100,0%
Comparando a frequência – absoluta e/ou relativa – entre as escalas, podemos perceber pouca diferença, não é visível a recategorização das famílias. No entanto, na figura 15, o gráfico de linhas sobrepostas consegue demonstrar as famílias que tiveram seus escores alterados de forma mais clara. Além disso, a tabela 5 demonstra o resultado do teste t de Student, no qual se pode observar a diferença estatística significativa. Nessas condições, as médias e o teste t de Student podem ser utilizados
em virtude o tamanho da amostra, estando em acordo com o teorema central do limite, o qual estabelece que a distribuição da média tende à normal em amostras grandes (N > 30).
Tabela 5: Médias e teste t para ERF-CS e sua adaptação.
Área Média - Escore Valor p Coelho e Savassi Escore Adaptado 114 4,65 5,01 0,000 115 4,3 4,54 0,000 116 3,96 4,27 0,000 Geral 4,3 4,61 0,000
Figura 15: Comparação de escores em ambas escalas.
0 5 10 15 20 25 30
Assim como para a ERF-CS, realizamos também um diagrama de Pareto para a adaptação dessa. Nesse caso, algumas orientações são necessárias para melhor compreensão da figura 16. Nesse diagrama, consideramos desempregados apenas os usuários sem fonte de renda independente da condição legal, de carteira assinada ou autônomo contribuinte. Outra observação é a relação morador/cômodo ≥1, a qual suprimimos do diagrama, haja vista sua condição de fator não modificável, sem possibilidade de intervenção pela unidade de saúde.
Ao compararmos o diagrama apresentado na figura 16 com o apresentado na figura 14, podemos perceber que novos problemas surgem como relevantes: antecedentes criminais e menores de 1 ano. Juntos, os problemas anteriormente apresentados e os novos, constituem-se 92% das causas avaliadas capazes de alterar o status de vulnerabilidade de uma família. A nova sentinela (antecedentes criminais) e a adaptação de uma antiga (menor de 6 meses passou a ser menor de 1 ano) mostraram-se importantes focos de atenção. Isso reforça a necessidade de considerar aspectos coletivos locais na estratificação de risco familiar, já evidenciada quando se encontrou diferença estatisticamente significativa entre a ERF-CS e a adaptação realizada pelos pesquisadores.
92% 0 100 200 300 400 500 600 700 800 900 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 110% F re q u ê n c ia Frequência %Acumulada
Analisando o diagrama de Pareto apresentado na figura 16, algumas reflexões podem ser feitas a respeito da necessidade de as 3 sentinelas menos frequentes – violência doméstica, obesidade infantil e desnutrição grave – comporem o escore.
Em apenas 4 famílias, no universo de 1623, foram identificadas crianças em situação de desnutrição grave. Apesar de parecer infrequente, devemos lembrar da limitação dessa sentinela. O diagnóstico de desnutrição nesse caso leva em conta a relação entre peso e idade, expressa em tabelas disponibilizadas na caderneta da criança. Por causa disso, o diagnóstico pode ser impreciso, uma vez que uma criança pode estar desnutrida (desnutrição proteico-calórica) e, mesmo assim, apresentar-se com peso ou IMC normais ou levemente alterados. Se, por um lado, essa complexidade para efetivar o diagnóstico preciso de desnutrição pode colocar em cheque a importância dessa sentinela na escala; de outro, pode sinalizar para a necessidade de avaliações mais fidedignas ou mesmo a necessidade de um profissional capacitado, e.g. o nutricionista, na estratégia de saúde da família.
Encontramos 18 domicílios com crianças em situação de obesidade, classificadas de acordo com o percentil de Peso/Idade proposta pelo Sistema de Vigilância Nutricional (SISVAN) estabelecidos para crianças menores de 7 anos – Percentil igual a ou maior que 97: Criança com risco de sobrepeso. As mesmas limitações apresentadas anteriormente para diagnóstico de desnutrição são válidas para situação de obesidade. Essa nova sentinela, apesar de sua pouca frequência, pode tornar-se mais relevante com o tempo, uma vez que a obesidade tem aumentado em todas as faixas etárias, conforme já mencionado e referenciado nesse trabalho. Além disso, não podemos descartar a possibilidade de termos subestimado os valores em virtude do mau preenchimento, ou mesmo ausência de dados, na caderneta da criança.
Em relação à violência doméstica, 32 domicílios foram identificados com pelo menos um dos tipos de violência: contra criança, mulher ou idoso. Parece pouco significativo para justificar a presença dessa sentinela na escala de risco familiar. No entanto, essa informação tem grande relevância epidemiológica. Além disso, existem grandes impactos na dinâmica familiar e processo de adoecimento. Como já citado anteriormente neste trabalho, há evidências do impacto da violência familiar na saúde, com altas taxas de problemas físicos e mentais mesmo depois de cessarem as agressões.
Por fim, avaliamos a distribuição de doenças crônicas além das consideradas na ERF-CS (hipertensão e diabetes). A tabela 6 mostra as frequências absoluta e relativa das doenças pesquisadas. A categoria “outras” consiste em doenças de menor frequência elencadas pelos profissionais de saúde da unidade. Como exemplos dessas doenças temos cânceres, lúpus eritematoso sistêmico, esclerose múltipla, esclerodermia, glaucoma, etc. Embora essa categoria constitua uma parcela considerável dentre as doenças estudadas, deve-se atentar para o fato de essa categoria ser composta por várias outras condições, que, quando separadas, possuiriam frequências ainda menores, possivelmente inexpressivas. Por essa razão, a figura 17 apresenta um diagrama de Pareto com a distribuição das doenças analisadas, excetuando-se a categoria “outras” a fim de evitar erros na interpretação dos resultados.
Tabela 6: Frequências das doenças crônicas.
Doença crônica Frequência % dos domicílios com
Doença Crônica % do território
Hipertensão 614 79,9% 37,8% Diabetes 285 37,1% 17,6% Outras 106 13,8% 6,5% Tr. Mentais 98 12,8% 6,0% Cardiovasculares 44 5,7% 2,7% Respiratórias 24 3,1% 1,5% Renais 17 2,2% 1,0%
No diagrama de Pareto para as doenças crônicas, percebemos a relevância de incluir os transtornos mentais se utilizarmos o mesmo princípio adotado anteriormente, de tentar intervir nas causas responsáveis por 90% dos problemas. Os transtornos mentais compõem cerca de 14% da carga global de doenças, principalmente devido a sua natureza cronicamente incapacitante. Analisando a contribuição de diferentes doenças não transmissíveis ajustada para os anos de vida de incapacidade, as doenças neuropsiquiátricas contribuem com 28% de acordo com a Organização Mundial de Saúde (OMS). Essa contribuição tem sido inclusive mais expressiva do
que a de outras doenças crônicas como cardiovasculares (22%) e câncer (11%) (PRINCE et al., 2007).
Hipertensão, diabetes e transtornos mentais correspondem a mais de 90% das doenças crônicas presentes na população estudada, sugerindo a importância da inserção de transtornos mentais na categoria de doenças crônicas que compõem o escore da ERF-CS. Essa informação reforça a necessidade de adaptação da escala de risco familiar a fim de aumentar sua sensibilidade e a capacidade de intervenção pelos profissionais, favorecendo a promoção, proteção e prevenção em saúde.
57% 83% 92% 96% 98% 100% 0 100 200 300 400 500 600 700 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 110% F R EQU ÊN C IA Frequência %Acumulada
5. Conclusão
A utilização da tecnologia de informação na saúde cresce à medida que a demanda pelos serviços aumenta e, junto dela, a cobrança por qualidade, eficiência, acurácia, etc. O presente trabalho propôs a criação de uma ferramenta, website, para acelerar o processo de aplicação da Escala de Risco Familiar de Coelho-Savassi no território assistido pela Unidade de Saúde da Família de Aparecida, situada no bairro de Mãe Luiza, Natal (RN). A ferramenta tinha o objetivo de facilitar a estratificação de risco de algumas formas: agilizar o processo de coleta, permitindo abranger uma área maior em menor tempo; minimizando a quantidade de erros humanos, que aconteciam quando a coleta de dados era feita manualmente; permitir acesso rápido às informações disponíveis.
Com o desenvolvimento do website e posterior teste, atingimos o objetivo deste trabalho. Foi possível a coleta de dados e estratificação de risco de 1623 famílias assistidas. A estratificação foi realizada de acordo com a ERF-CS e sua adaptação, proposta pelos pesquisadores em conjunto com profissionais da unidade de saúde. Após as análises estatísticas, a adaptação da ERF-CS mostrou-se mais eficaz na estratificação do território estudado.
Infelizmente, por questões de recursos humanos da USFA, não conseguimos mapear 100% do território, composto por aproximadamente 2000 famílias. Isso se deve à ausência de alguns agentes comunitários de saúde durante o período de coleta dos dados. Apesar disso, foi possível estratificar mais de 80% dos domicílios assistidos. Essa proporção pode ser ainda maior se considerarmos o fato de muitos domicílios estarem fechados, sem moradores, no período de desenvolvimento do projeto. No entanto, esse número não foi calculado durante o uso da ferramenta, impossibilitando-nos de saber a real cobertura atingida.
Outra dificuldade encontrada durante o trabalho foi a falta de internet na USFA. Para contornar esse problema, os pesquisadores forneceram dados de suas operadoras móveis durante o período de realização da coleta de dados. Uma maneira alternativa de resolver esse problema, de forma definitiva, poderia ser o desenvolvimento de aplicativo para smartphones capaz de guardar a informação inserida e sincronizar com o banco de dados quando o aparelho estivesse conectado
numa rede Wi-Fi. No entanto, essa solução definitiva permanece como ideia e perspectiva para o futuro.
Referências
AGGARWAL, N. et al. Analysis the effect of data mining techniques on database. Advances in Engineering Software, [s. l.], v. 47, n. 1, p. 164–169, 2012.
ALBUQUERQUE, A. B. B. De; BOSI, M. L. M. Visita domiciliar no âmbito da Estratégia Saúde da Família: percepções de usuários no Município de Fortaleza, Ceará, Brasil. Cadernos de Saúde Pública, [s. l.], v. 25, n. 5, p. 1103–1112, 2009.
AMANATIDIS, T.; CHATZIGEORGIOU, A. Studying the evolution of PHP web applications. Information and Software Technology, [s. l.], v. 72, p. 48–67, 2016. ANDRESS, J.; LINN, R. Introduction to Web scripting with PHP. In: Coding for Penetration Testers. [s.l.] : Elsevier, 2012. p. 137–159.
BROWN, T. Design Thinking for Social Innovation By Tim Brown & Jocelyn Wyatt Stanford Social Innovation Review. Stanford Social Innovation Review, [s. l.], v. Winter, n. Winter 2010, p. 30–35, 2010.
CAIN, M. M.; SARASOHN-KAHN, J.; WAYNE, J. C. Wayne. Health e-People: The Online Consumer Experience. Oakland, CA: Institute for the Future, California Health Care Foundation, [s. l.], n. August, 2000.
CAMPOS, T. P.; CARVALHO, M. S.; BARCELLOS, C. C. Mortalidade infantil no Rio de Janeiro, Brasil: áreas de risco e trajetória dos pacientes até os serviços de saúde. Revista Panamericana de Salud Pública, [s. l.], v. 8, n. 3, p. 164–171, 2000.
CASTIEL, L. D. Vivendo entre Exposição e Agravos: A Teoria da Relatividade do Risco. Manguinhos, [s. l.], v. 3, n. 2, p. 237–264, 1996.
CHASSIN, M. R. Is Health Care Ready for Six Sigma Quality? The Milbank Quarterly, [s. l.], v. 76, n. 4, p. 565–591, 1998.
COELHO, F. L. G.; SAVASSI, L. C. M. Aplicação de escala de risco familiar como instrumento de priorização das visitas domiciliares. Revista Brasileira de Medicina de Família e Comunidade, [s. l.], v. 1, n. 2, p. 19–26, 2011.
COMFORT, M. Punishment Beyond the Legal Offender. Annual Review of Law and Social Science, [s. l.], v. 3, n. 1, p. 271–296, 2007.
GEISSDOERFER, M.; BOCKEN, N. M. P.; HULTINK, E. J. Design thinking to enhance the sustainable business modelling process – A workshop based on a value mapping process. Journal of Cleaner Production, [s. l.], v. 135, p. 1218–1232, 2016.
GOFFMAN, A. On the Run : Wanted Men in a Philadelphia Ghetto All use subject to JSTOR Terms and Conditions On the Run : Wanted Men in a Philadelphia Ghetto. [s. l.], v. 74, n. 3, p. 339–357, 2013.
GOLDSMITH, J. The internet and managed care: A new wave of innovation. Health Affairs, [s. l.], v. 19, n. 6, p. 42–56, 2000.
HESTER, M. et al. Occurrence and impact of negative behaviour, including domestic violence and abuse, in men attending UK primary care health clinics: A cross-sectional survey. BMJ Open, [s. l.], v. 5, n. 5, p. 1–10, 2015.
KNIGHT, L.; HESTER, M. Domestic violence and mental health in older adults. International Review of Psychiatry, [s. l.], v. 28, n. 5, p. 464–474, 2016.
LAAZIRI, M. et al. A Comparative study of PHP frameworks performance. Procedia Manufacturing, [s. l.], v. 32, p. 864–871, 2019.
LUCAS, J.; ALEIXO, M. A Atenção Primária à Saúde e o Programa de Saúde da Família : Perspectivas de Desenvolvimento no Início do Terceiro Milênio. [s. l.], n. 01, 2002.
MASSOGLIA, M.; REMSTER, B.; KING, R. D. Stigma or separation? Understanding the incarceration-divorce relationship. Social Forces, [s. l.], v. 90, n. 1, p. 133–155, 2011.
MENEZES, A. H. R. et al. Classificação do risco familiar segundo escala de Coelho e Savassi – um relato de experiência. Ciência, Cuidado e Saúde, [s. l.], v. 11, n. 1, p. 190–195, 2012.
MONTEIRO, C. A. et al. Monitoramento de fatores de risco para doenças crônicas por entrevistas telefônicas. Revista de Saúde Pública, [s. l.], v. 39, n. 1, p. 47–57, 2005. NASCIMENTO, F. G. Do et al. Aplicabilidade de uma escala de risco para organização do processo de trabalho com famílias atendidas na Unidade Saúde da Família em Vitória (ES). Ciência & Saúde Coletiva, [s. l.], v. 15, n. 5, p. 2465–2472, 2010.
PRINCE, M. et al. No health without mental health. Lancet, [s. l.], v. 370, n. 9590, p. 859–877, 2007.
PROKOFYEVA, N.; BOLTUNOVA, V. Analysis and Practical Application of PHP Frameworks in Development of Web Information Systems. Procedia Computer Science, [s. l.], v. 104, n. December 2016, p. 51–56, 2016.
RAHIMI, B. et al. A systematic review of the technology acceptance model in health informatics. Applied Clinical Informatics, [s. l.], v. 9, n. 3, p. 604–634, 2018.
RICH, J. D. et al. Women, incarceration, and health. Women’s Health Issues, [s. l.], v. 23, n. 6, 2013.
ROSS, J. et al. Factors that influence the implementation of e-health: A systematic review of systematic reviews (an update). Implementation Science, [s. l.], v. 11, n. 1, p. 1–12, 2016.
SAVASSI, L. C. M.; LAGE, J. L.; COELHO, F. L. G. Sistematização de um instrumento de estratificação de risco familiar: Escala de risco familiar de Coelho-Savassi. J Manag Prim Health Care, [s. l.], v. 3, n. 2, p. 179–185, 2012.
SHAPIRA, H.; KETCHIE, A.; NEHE, M. The integration of Design Thinking and Strategic Sustainable Development. Journal of Cleaner Production, [s. l.], v. 140, p. 277–287, 2017.
SKINNER, A. C. et al. Cardiometabolic Risks and Severity of Obesity in Children and Young Adults. New England Journal of Medicine, [s. l.], v. 373, n. 14, p. 1307–1317, 2015.
SKINNER, A. C. et al. Prevalence of Obesity and Severe Obesity in US Children, 1999–2016. Pediatrics, [s. l.], v. 141, n. 3, p. e20173459, 2018.
STEINKE, G. H.; AL-DEEN, M. S.; LABRIE, R. C. Innovating Information System Development Methodologies with Design Thinking. 5th International Conference on Applied Innovations in IT, [s. l.], n. March, p. 51–55, 2017.
TURNEY, K.; WILDEMAN, C.; SCHNITTKER, J. As Fathers and Felons: Explaining the Effects of Current and Recent Incarceration on Major Depression. Journal of Health and Social Behavior, [s. l.], v. 53, n. 4, p. 465–481, 2012.
VAN DEN WIJNGAART, L. S. et al. Barriers and facilitators when implementing web-based disease monitoring and management as a substitution for regular outpatient care in pediatric asthma: Qualitative survey study. Journal of Medical Internet Research, [s. l.], v. 20, n. 10, p. 1–12, 2018.
