Artigos

Introdução

O Sistema de Informação sobre Mortalidade (SIM) é um componente importante da ampla rede de Sistemas de Informação em Saúde (SIS) do Brasil. O SIM constitui uma das mais importantes ferramentas de registro de óbitos do país, uma vez que nele são registrados compulsoriamente os óbitos de todos os municípios do território nacional, gerando mais de 1 milhão de registros anuais.1 As informações contidas no SIM, assim como em outros SIS, servem tanto para a gestão em saúde como para a pesquisa científica. Dessa forma, a qualidade da informação é essencial para a realização de investigações confiáveis e tomadas de decisões baseadas em evidências sólidas.2 Nas últimas décadas e em consequência de diversas ações, incluindo a extensão da Atenção Primaria à Saúde proporcionada pela Estratégia de Saúde da Família,3 o Brasil tem experimentado melhorias significativas na qualidade da informação disponibilizada pelo SIM, recebendo inclusive uma alta avaliação no sistema de classificação de qualidade de sistemas de informação em saúde da Global Burden of Diseases 2016.4-6
O SIM é alimentado pela Declaração de Óbito (DO), que é normatizada pelo Ministério da Saúde (MS), o que garante a padronização nacional das informações. Após o preenchimento da Declaração de Óbito pelas unidades notificantes, os dados são rotineiramente coletados pelas Secretarias Municipais de Saúde. Em seguida, essas informações passam por um processo de análise, validação e consolidação no Sistema de Informações sobre Mortalidade local. Posteriormente, são encaminhadas e integradas à base de dados do nível estadual, antes de finalmente serem agregadas ao nível federal.7 Ações para melhoria da qualidade do SIM têm sido adotadas ao longo dos anos pelo MS, como as iniciativas de vigilância de óbito e de busca ativa de óbitos em cartórios de registro civil, hospitais, estabelecimentos de saúde, cemitérios e fontes não oficiais (como agentes comunitários, parteiras tradicionais, líderes comunitários, entre outros),8,9 que resultaram no aprimoramento da captação de eventos.4 Outras medidas administrativas visaram a informatização do SIM a nível municipal, o que levou à redução do tempo de envio dos dados e da captação mínima de eventos e redução de registros de óbitos de causas mal definidas e de dados faltantes nos campos da DO.4 A implementação da seleção automática da causa básica de morte também foi uma medida importante, pois reduziu erros e padronizou a indicação da causa básica de morte a nível nacional. Outra medida fundamental foi a regulamentação da coleta de dados, do fluxo e da periodicidade de envio das informações sobre óbitos para os SIS.10
Apesar dos avanços, o Brasil não dispõe ainda de protocolos e normatizações de monitoramento regular da qualidade dos dados do SIS, o que já é realidade em países como Portugal, Espanha, Bélgica e Inglaterra, que realizam auditorias regulares da qualidade dos seus registros eletrônicos de saúde.11 O acesso a dados confiáveis é fundamental para evitar conclusões equivocadas e, por conseguinte, a implementação de ações inadequadas em saúde pública. As políticas, intervenções e distribuição de recursos dependem de informações precisas sobre as causas de óbito e seus determinantes.12
Assim, esta revisão de escopo tem como objetivo mapear os estudos sobre a qualidade do SIM a nível nacional, com intenção de subsidiar discussões sobre a avaliação das informações deste sistema.


Métodos

Esta revisão de escopo foi desenvolvida com base no checklist PRISMA Extension for Scoping Reviews (PRISMA-ScR).13 O protocolo desta revisão foi previamente registrado na plataforma Open Science Framework (OSF) (https://osf.io/gyhz6/).

Fontes de Informação e Estratégias de busca

Para identificar estudos potencialmente relevantes que avaliaram a qualidade do SIM, buscou-se artigos originais em cinco bases de dados eletrônicas independentes até 11 de abril de 2023: 1. PubMed/Medline 2. Embase 3. Latin American and Caribbean Health Science Information (LILACS) 4. Scopus 5. SciELO. A busca foi complementada pela busca manual na lista de referências dos estudos selecionados para compor esta revisão, bem como buscas pela literatura cinzenta nos sites do MS, da Rede Interagencial de Informações para a Saúde (RIPSA) e do Instituto Brasileiro de Geografia e Estatística (IBGE). As estratégias de busca foram elaboradas por um metodologista e refinadas após discussão de todos os membros da equipe. As bases de descritores Medical Subject Heading (MeSH), Emtree e Descritores em Ciências da Saúde (DeCS) foram consultadas para formular estratégias de busca pela informação, segundo a base de dados avaliada. A estratégia de busca final para o PubMed e suas adaptações para as bases específicas podem ser encontradas no Apêndice 1. Todos os estudos foram exportados para o Rayyan Qatar Computing Research Institute (Rayyan®), e em seguida deduplicados por dois pares de revisores.


Elegibilidade

Foram incluídos os estudos que avaliaram a qualidade do SIM de modo isolado ou associado a outros SIS, de abrangência nacional, em qualquer período e, publicados em português, inglês ou espanhol. Foram excluídos estudos que avaliaram municípios, estados ou áreas/regiões do país de modo isolado, ou causas específicas de óbito, assim como editoriais, resumos de congresso, comentários e conferências.

Seleção de estudos e Extração de dados

Para aumentar a consistência da leitura dos trabalhos, uma equipe com doze revisores participou, em pares, da etapa de avaliação sequencial dos títulos, resumos e texto (AF, AR, CS, IF, FJ, GR, LM, NJS, NO, NS, PFPSP, PR). Quatro autores, organizados em duplas, identificaram e checaram os títulos e resumos de forma independente, e em seguida avaliaram cada resumo de acordo com os critérios de inclusão (AF, CS, FJ, NJS). Em caso de desacordo entre os autores, quatro autores resolveram os conflitos (AF, FJ, NS, PR).
Foi desenvolvida e testada a máscara da tabela narrativa de extração de dados contendo variáveis: referência, ano de publicação e coleta do estudo, objetivos, delineamento, métodos, SIS analisado(s), dimensões avaliadas, principais resultados e limitações do estudo (Apêndice 2).
Os estudos foram agrupados segundo a dimensão da qualidade analisada e classificada por Lima et al., 2009.14 Foram consideradas as seguintes dimensões:

(1) Acessibilidade: grau de facilidade e rapidez na obtenção dos dados ou informações (regras claras definindo permissões e onde obtê-los), no trato (instrumentos para manuseio e formato) e na compreensão da informação;15
(2) Clareza metodológica: grau no qual a documentação que acompanha o SIS (instruções de coleta, manuais de preenchimento, tabelas de domínios de valores de variáveis, modelos de dados etc.) descreve os dados sem ambiguidades, de forma sucinta, didática, completa e numa linguagem de fácil compreensão;16-18
(3) Cobertura: grau em que estão registrados no SIS os eventos do universo (escopo) para o qual foi desenvolvido;19
(4) Completitude: grau em que os registros de um SIS possuem valores não nulos e/ou ignorados;17
(5) Confiabilidade: grau de concordância entre aferições distintas realizadas em condições similares;20,21
(6) Consistência: grau em que variáveis relacionadas possuem valores coerentes e não contraditórios;22,23
(7) Não-duplicidade: grau em que, no conjunto de registros, cada evento do universo de abrangência do SIS é representado uma única vez;24
(8) Oportunidade: grau em que os dados ou informações estão disponíveis no local e a tempo para utilização de quem deles necessita;14
(9) Validade: grau em que o dado ou informação mede o que se pretende medir.15
Foram encontrados estudos que avaliaram um aspecto da qualidade dos dados relativa ao preenchimento das informações. Apesar desta dimensão não constar originalmente em Lima, et al (2009),14 compreende uma importante dimensão de classificação de qualidade e foi inserida nesse estudo durante o processo de revisão (desvio vide protocolo):
(10) Avaliação de causas mal definidas e garbage codes: estudos que analisam as causas de óbito, no que diz respeito às causas mal definidas (ou garbage codes), classificadas como Códigos R (Capítulo XVIII da Classificação Internacional de Doenças - CID-10) e Códigos não-R (causas classificadas como não especificadas, presentes em outros capítulos da CID-10).
Não foram utilizadas escalas específicas para avaliação da qualidade metodológica dos artigos incluídos devido à natureza do objeto investigado: dimensões da qualidade dos dados do SIM. Além disso, aproximadamente metade dos artigos incluídos não declararam qual o desenho de estudo específico, o que também dificulta a seleção de instrumentos apropriados de avaliação.
Síntese dos resultados

Uma síntese narrativa dos dados foi realizada, considerando as características do estudo (dados da publicação, delineamento da pesquisa e abrangência geográfica) e as dimensões de qualidade do sistema. Os resultados dos estudos incluídos foram sumarizados de acordo com as dimensões de qualidade abordadas e agrupados conforme o ano de publicação. Todas as informações foram apresentadas em tabelas e gráficos.


Resultados

Através das buscas nas bases de dados foram identificados 11.416 estudos (Figura 1). Após a exclusão dos manuscritos duplicados (N=982), foram avaliados 10.434 títulos e resumos e 10.028 estudos foram excluídos. A análise textual foi realizada com 406 estudos sendo que, destes, 263 foram excluídos por não estarem de acordo com os critérios de elegibilidade, como por exemplo por terem realizado avaliação de outros sistemas de informação ou utilizado outras fontes de dados, como dados da DO, ou terem focado na avaliação de causas específicas. A partir desta avaliação, foram encontrados 143 artigos dos quais 22 tiveram abrangência nacional e foram incluídos nessa revisão (Figura 1). Pela busca da literatura cinzenta, foram selecionados 9 documentos do Ministério da Saúde e 2 do IBGE. Assim, um total de 33 estudos foram incluídos e seus dados extraídos (Figura 1).
Todos os estudos foram publicados entre os anos de 2000 a 2023. Destes, 11 estudos eram ecológicos, 2 transversais, 2 longitudinais, e 18 não especificaram o delineamento (Quadro S1 do Material Suplementar). Das dimensões avaliadas, as mais frequentes foram a cobertura (N=19; 57,6%), causas mal definidas e garbage codes (N=9; 27,3%) e completitude (N=8; 24,2%) (Figura 2).
A cobertura foi analisada mais frequentemente pela combinação de 3 indicadores: Coeficiente Geral de Mortalidade padronizado por idade (CGM), Desvio Médio do CGM e porcentagem de óbitos sem definição de causa básica, representando 4 (21,1%) dos 19 estudos incluídos na revisão. Outros métodos para avaliação de cobertura incluíram modelos demográficos clássicos (N=3; 15,8%), razão entre quantidade de óbitos do SIM e os registrados pelo IBGE (N=2; 10,5%), Balanço de Crescimento Generalizado combinado com Método de Geração Extinta (N=2; 10,5%), entre outros (Quadro 1). Os estudos de causas mal definidas e garbage codes foram analisados utilizando o cálculo da proporção de óbitos classificados com o código R do CID-10 e/ou os códigos inespecíficos (códigos não-R) de todos os outros capítulos do CID-10 em 6 dos 9 estudos encontrados (66,7%). Os outros 3 estudos avaliaram garbage codes por taxa de mortalidade por causas R ano a ano (33,3%). Todos os estudos que avaliaram a completitude utilizaram como método o percentual de preenchimento/não preenchimento de variáveis do sistema (N=8; 100%) (Quadro 1). Nenhum artigo incluído na revisão avaliou a dimensão de não-duplicidade.

Acessibilidade e Clareza metodológica

O estudo de Romero & Cunha 2006 avaliou duas dimensões do sistema, partindo de uma abordagem descritiva: acessibilidade e clareza metodológica entre os anos de 1996 e 2001 (Quadro 1; Figura 2).25 O SIM foi considerado um sistema acessível, baseado nos critérios de gratuidade e disponibilidade, já que está à disposição tanto em meio físico quanto eletrônico (Quadro 2). Sobre a clareza metodológica, foi observada a presença de manual de instruções para preenchimento dos quesitos na Declaração de Óbito. O estudo relata instruções confusas em relação ao tratamento da informação ignorada, atribuindo código numérico em algumas variáveis e em outras, caractere de texto (Quadro 2). Há também problemas/inconsistência de definição e codificação na variável ocupação materna, como não especificação da codificação no caso de aposentadoria, ou a versão que é utilizada da Classificação Brasileira de Ocupações (CBO).

Cobertura

A cobertura foi avaliada em 19 (57,6%) artigos no período de 1999 a 2022 (Quadro 1; Figura 2).
Apesar de ser apontado como um importante problema no SIM,26 o subregistro/subnotificação apresentou redução ao longo do tempo, com declínio geral de 53% no país em 2010 em relação ao ano de 1991.27
Os estudos que analisaram a dimensão da cobertura do SIM no Brasil foram realizados considerando diferentes unidades geográficas (país, Unidades da Federação e municípios),4,5,26-41 grupos etários específicos,5 sexo,4,5,26,34,35 local de óbito (hospital, domicílio, outro),5 tipo de morte (natural ou acidental)5 e características do município5 (Quadro 2).
Foi encontrada cobertura superior a 80% entre os anos de 1980 e 2010,27,33 chegando a mais de 95% em 2016.4,5 Entre 2017 e 2019 houve redução do número de municípios que não atenderam à frequência mínima de notificações esperadas (Quadro 2).
Apesar da melhoria da cobertura observada nos anos estudados, disparidades regionais foram observadas, verificando-se menores coberturas em estados e municípios no Norte e Nordeste quando comparados às regiões Sul e Sudeste26,28-32,34-36,38-42 (Quadro 2).
Considerando a cobertura de óbitos de menores de 1 ano no SIM, entre 1991 e 2004, também foi observada esta desigualdade regional, com alguns estados do Norte e Nordeste com piores coberturas quando comparados aos do Sul e Sudeste.30 Em relação ao registro de óbitos de idosos, houve aumento de cobertura de 80% para 95% entre 1980 e 2010, porém com grande variação regional, onde o estado do Amapá na região Norte tinha 32% de cobertura enquanto áreas do Sul, Sudeste, Centro-Oeste e litoral nordestino tinham 100% de cobertura de óbitos de pessoas com mais de 65 anos27 (Quadro 2).
Em relação ao sexo, houve aumento de cobertura entre 2000 e 2016 tanto para o sexo masculino (90,7% e 97,2%) quanto para o feminino (89,4% e 96,7%)4 (Quadro 2).

Completitude

A completitude foi avaliada em oito estudos (24,2%), publicados entre 2005 e 2023 (Quadro 1; Quadro S1). Para mensurar esta dimensão, o cálculo do percentual de campos ignorados ou em branco (ausência de informação) na DO foi utilizado em 100% dos estudos. De modo geral, a maior frequência de variáveis analisadas correspondeu a identificação individual (raça/cor, escolaridade, idade, ocupação, situação conjugal) e características maternas e da criança (semanas de gestação, tipo de parto, tipo de gravidez, parturição, peso ao nascer).
A análise da completitude foi realizada a partir de dimensões geográficas (tamanho do município, estado, região, país) 43-46 e por grupo etário (perinatal, fetal, neonatal precoce, morte materna).47,48
Entre os estudos que utilizaram dados de 2001 a 2009, foi observado que o SIM possuía proporções elevadas de preenchimento incompleto para as variáveis relacionadas às características maternas e do recém-nascido dos óbitos de menores de 1 ano (Quadro 2). Variáveis como idade da mãe, raça/cor da pele, escolaridade materna, ocupação materna, filhos nascidos vivos, semanas de gestação, peso ao nascer, tipo de gravidez e tipo de parto com menos de 50% de preenchimento em 2001 e 2003, com piores completitudes nas regiões Norte e Nordeste.25,43
Em 2009, houve redução do percentual de incompletude em algumas variáveis analisadas para óbitos de menores de 1 ano para todo o Brasil, porém ainda permaneciam altas: idade materna (18,9% de ignorados); escolaridade materna (25,4%); semanas de gestação (14,2%); tipo de gravidez (12,9%); tipo de parto (13,9%); e peso ao nascer (16,6%).44 Após 2010, observou-se uma redução da incompletude das variáveis relativas às características maternas e do recém-nascido (como sexo, local de ocorrência, tipo de gravidez, idade da mãe, peso ao nascer, semana gestacional, número de filhos vivos, escolaridade da mãe, entre outras).49 Neste período, 46,2% das variáveis analisadas apresentou excelente completitude, como a data do óbito e o local de residência com 100% de preenchimento.49 Mais de 80% de preenchimento das variáveis relativas às características maternas e do recém-nascido foi encontrado em estudo com dados de 2012 para óbitos perinatais.48
Nas análises que utilizaram dados de 2011 a 2021, para óbitos fetais e de menores de 1 ano, com exceção da variável ocupação da mãe, que obteve escore “ruim” de completitude no ano de 2011, todas as variáveis apresentaram preenchimento “regular” ou “bom”.47 As variáveis tipo de gravidez, tipo de parto e idade da mãe melhoraram sua completitude até 2019.47 As variáveis óbito na gravidez, óbito no puerpério e situação gestacional ou pós-gestacional de ocorrência do óbito apresentaram preenchimento “muito ruim” nesse período.47
Em relação às variáveis de identificação individual, entre 2012 e 2017, houve evolução de 10% nos índices de completitude das variáveis escolaridade e raça/cor.50 Houve redução de 66,3% na incompletude da variável raça/cor nos óbitos de idosos entre 2000 e 2015 em quase todos os estados do Brasil46 e para a população em geral, esta variável a partir de 2013, passou do escore bom (89 a 95% de preenchimento) para o excelente (>95%).47 A variável “ocupação” apresentou melhoria no preenchimento (de 73,2% para 79,9%).45 A variável “naturalidade” apresentou melhora na variação de 1.500,2% (> 90% de preenchimento), e o “número do cartão do SUS” variou em 133,7%, porém foi classificada como ruim (aumentou de 8,6% para 20,1%, preenchimento <49,9%).45 Entre 2011 e 2021, 40% das variáveis apresentaram preenchimento regular (70% a 89% de completude), 22% tiveram completitude muito ruim (<50%) e 15% alcançaram preenchimento excelente (>95%).47

Confiabilidade (também chamada de Concordância nos estudos encontrados) e Consistência

A confiabilidade foi avaliada em 3 estudos (9,1%), por meio da comparação da mortalidade com proporções de óbitos criadas a partir de modelos composicionais,26 por linkage do SIM com o Sistema de Informação Sobre Nascidos Vivos (SINASC),51 ou por meio da captura e recaptura de registros para identificação de pares concordantes48 (Quadro 1; Figura 2).
Ao longo do tempo, as tendências da mortalidade por causa específica em homens e mulheres em cada região foram consistentes e não houve flutuações que sugiram problemas de qualidade dos dados decorrentes de mudanças na certificação ou nas práticas de codificação.26
Para os óbitos de menores de 1 ano, um linkage entre o SIM e o SINASC utilizando as variáveis sexo, Unidade da Federação (UF), município de nascimento da mãe e da criança, data de nascimento e idade da mãe encontrou alta taxa de pareamento, sendo que 95% dos nascidos vivos e 93% dos óbitos possuíam informações coletadas em ambas as bases de dados.51 Outro estudo com menores de 1 ano avaliou o grau de concordância por meio do coeficiente Kappa entre os dados registrados no SIM e SINASC encontrando boa concordância em quase todos os grupos etários utilizados no estudo (óbito perinatal, fetal e neonatal precoce) e para 10 dos 12 campos avaliados: sexo do feto/neonato; idade materna; escolaridade materna; número de filhos nascidos vivos; número de perdas fetais/abortos; tipo de gravidez; tipo de parto; duração da gestação; morte em relação ao parto; peso ao nascer; raça/cor; e causa básica da morte.48
A dimensão de consistência foi avaliada em 2 (8%) estudos, no período de 1996 a 2016 para óbitos de menores de 1 ano.25,49 Os estudos avaliaram a consistência das informações do SIM em relação às informações de outro sistema de informação, como o SINASC.25 As variáveis investigadas foram as relacionadas a dados sociodemográficos e econômicos (idade, escolaridade, raça/cor, sexo). As variáveis idade e escolaridade materna do SIM apresentaram consistência em relação ao SINASC, já as variáveis raça/cor e ocupação materna foram as que apresentaram maior inconsistência,25 além das variáveis relacionadas à causa básica do óbito.49

Oportunidade

A dimensão de oportunidade foi avaliada em 5 (15,2%) estudos (Figura 2). Entre 1996 e 2001, um estudo identificou um atraso de mais de dois anos entre a ocorrência do óbito e a disponibilidade dos dados (Quadro 2).25 Em outro estudo, realizado com dados entre 2002 e 2004, a disponibilidade dos dados foi considerada oportuna (cerca de 18 meses de atraso).26 Entre 2012 e 2017, os percentuais de oportunidade de digitação dos registros variaram entre as UF sendo observada variação percentual baixa nos estados de Alagoas, Espírito Santo, Acre, Pará, Tocantins, Rio de Janeiro e Roraima, enquanto que maior proporção de registros preenchidos foi observada para Rondônia, Maranhão, Amapá, Ceará, Bahia, Distrito Federal e São Paulo.45
Em 2019, considerando as unidades federadas, 14 estados apresentaram redução no número de municípios que atingiram a meta de 90% de notificações de óbitos no SIM até 60 dias da ocorrência, no período final de análise naquele ano (de janeiro a dezembro) em comparação ao período anterior (de janeiro a setembro). Observa-se também que alguns estados não chegaram a ter 50% de seus municípios atingindo esta meta no período final da análise, como Piauí, Sergipe e Rio Grande do Norte. Apenas o estado de São Paulo alcançou 80% de seus municípios com meta de notificação de 90% dos óbitos.52 Municípios com mais de 100 mil habitantes possuem maior capacidade para atingir essa meta.52
Um estudo recente evidenciou que, entre 2011 e 2021 houve redução no tempo da digitação da DO no SIM (de 15 para 12 dias) e no tempo para finalizar seu envio para o nível federal (de 22 para 17 dias).47

Validade das causas de morte

A validade do conteúdo das causas de morte registradas foi abordada em apenas 1 estudo26 (3%) e esta foi realizada quanto à plausibilidade das causas de óbito em geral com relação à idade e ao sexo (Quadro 1; Figura 2). Não foi encontrado nenhum padrão de idade ou sexo incorreto ou improvável para as principais causas de morte no Brasil no ano de 2003 (Quadro 2).

Estudos de causas mal definidas e garbage codes

A qualidade do preenchimento das causas de morte foi avaliada em 9 (27,3%) estudos a partir dos percentuais de causas mal definidas ou de garbage codes (Quadro 1; Figura 2).
A proporção de garbage code (códigos CID-10 inespecíficos) também é considerada alta no SIM,27 contudo está decrescendo ao longo dos anos. No geral entre 2000 e 2015 houve uma redução das taxas de mortalidade padronizadas por idade devido aos garbage codes (códigos R - mal definidas) em 68,5% (150,2 em 2000 para 47,3/100000 habitantes em 2015). Entre os garbage codes não-R, a redução foi pequena: 255,2 para 225,7/100000 habitantes nos respectivos anos.53 Homens apresentaram proporções menores de garbage codes do que mulheres (25,3% e 30,5% respectivamente) e idosos uma maior proporção do que grupos etários jovens (43,5% e 18,0% respectivamente).53,54
Nas análises por UF, foram observadas desigualdades entre as regiões e segundo índice sociodemográfico entre os anos de 1996 e 2005, sendo que a maioria dos municípios com definição satisfatória das causas de óbito estão nas regiões Sul, Sudeste e Centro-Oeste.28,55 Ao longo do tempo, até 2016, foi observada melhoria na qualidade dos dados de mortalidade das regiões Nordeste e Norte, tanto para os códigos garbage codes-R quanto para os não-R.53,55 As diferenças nas proporções por garbage codes foram maiores em 2000 variando de 6,3% no Sul, a 28,2% no Nordeste, enquanto em 2015, as proporções eram mais homogêneas (3,4% no Sul e 7,2% na região Nordeste). Contudo, em 2015 e 2016 as taxas de mortalidade por garbage codes não-R aumentaram na maioria dos estados do Norte e Nordeste.53,55
Os estados brasileiros classificados nos grupos de índice sociodemográfico baixo ou médio foram os responsáveis pelo declínio mais importante garbage codes R entre 1996 e 2016.55 Estudo recente, realizado com dados de 2015 a 2017, observou 38% de GC, tendo o norte de Minas Gerais e os estados do Rio de Janeiro, de São Paulo e da Bahia apresentado municípios com altas taxas.56

Discussão

Os resultados desta revisão apontam que a qualidade geral das informações disponibilizadas pelo SIM tem melhorado ao longo dos anos, com destaque para as dimensões de cobertura, completitude e estudos de causas mal definidas e garbage codes, entretanto disparidades ainda persistem e as regiões Norte e Nordeste continuam com piores resultados,
Nesta revisão buscou-se as diversas dimensões de qualidade do SIM, utilizando-se abordagem previamente utilizada (Lima et al 2009),14 incluindo uma nova dimensão, que é a qualidade do preenchimento da causa básica de óbito. Das 49 análises das dimensões realizadas nos 33 estudos incluídos, a maioria (28 análises, cerca de 57%) utilizou dados do SIM até 2010. Nenhuma das análises que avaliaram a qualidade dos dados registrados no SIM após 2010 abordou as dimensões clareza metodológica, acessibilidade ou validade, indicando a necessidade de estudos mais recentes. Em relação à dimensão de oportunidade, foi demonstrada uma flutuação de resultados, com discreta redução no percentual de municípios que alcançaram a meta de notificação de óbitos no período de um ano analisado.14 Existe ainda uma pluralidade de métodos de avaliação das dimensões, assim como observado em uma revisão anterior.14 As dimensões consistência e confiabilidade ainda possuem definições semelhantes, assim como encontrado em estudo anterior.14 Se faz necessária uma padronização dos conceitos das dimensões e dos métodos utilizados para que se possa realizar comparações posteriores adequadas da qualidade.
Além das nove dimensões apontadas por Lima et al. (2009),14 optamos por incluir nessa revisão uma décima dimensão relacionada à qualidade do preenchimento da causa básica de óbito, que é mensurada levando-se em consideração o percentual de causas mal definidas ou garbage codes. Os garbage codes podem ser definidos como um conjunto de causas de mortalidade que, por serem inespecíficas, são pouco úteis para as análises em saúde pública sobre o perfil de mortalidade de determinada população.57 Os problemas de qualidade de preenchimento da causa básica de óbito não são restritos à contextos mais vulneráveis, em que pese a sua maior ocorrência em áreas mais vulneráveis socialmente. Na Noruega, 29% das causas de mortalidade eram classificadas como garbage codes, com destaque para desfechos como insuficiência cardíaca, morte súbita e senilidade entre as principais causas.58 Considerando a importância de um preenchimento adequado dessa informação nas declarações de óbito, uma série de métodos têm sido propostos para redistribuir esses garbage codes, possibilitando mais precisão na definição do perfil epidemiológico da população.59,60
Não há consenso para a definição do que seja “qualidade da informação”, sendo necessárias abordagens com múltiplas dimensões.19,22 Para esse estudo, considerou-se informação de qualidade como aquela apta para o uso, em termos da necessidade e fins da sua utilização.22 O SIM foi criado com a finalidade de suprir falhas do Sistema de Registro Civil e permitir conhecer o perfil epidemiológico dos óbitos em todo o país, sendo parte fundamental do Sistema Nacional de Vigilância Epidemiológica brasileiro.2 O SIM permite a produção de indicadores de saúde para a identificação de tendências, fatores de risco e de proteção para a mortalidade, além de permitir a avaliação da efetividade de intervenções e programas de saúde. Sendo assim, ele é fundamental para orientar as políticas públicas de saúde e o planejamento de serviços de saúde, bem como para a produção de estatísticas vitais precisas e confiáveis32 e a avaliação de sua qualidade é essencial para identificar possíveis falhas no registro e notificação de óbitos, permitindo que sejam tomadas medidas corretivas.
A importância do SIS e de seus indicadores se dá na medida em que servem de parâmetro para análises da situação de saúde da população e, a partir disso, as informações extraídas de seus dados são usadas como base para a construção de políticas públicas. Nesse sentido, um dos Objetivos de Desenvolvimento Sustentável das Nações Unidas (ONU), tem como meta “reforçar o apoio à capacitação para os países em desenvolvimento aumentarem a disponibilidade de dados de alta qualidade, atuais e confiáveis” (ODS 17.18). Alguns países já investem recursos consideráveis na melhoria da qualidade dos dados em saúde há algumas décadas.17,24 No Brasil, o monitoramento da qualidade dos dados do SIS não possui uma normatização, nem é feito de forma regular, ao contrário do que tem sido proposto pelas Organização Panamericana de Saúde (OPAS) e pela Organização Mundial da Saúde (OMS) mediante a criação de protocolos para melhoria da avaliação e monitoramento destes sistemas.61,62
Este estudo possui limitações. Devido à falta de padronização de conceitos e a diversidade de métodos implementados, foi desafiador sistematizar e categorizar os resultados encontrados para cada dimensão avaliada. Não foram incluídos estudos realizados à nível de estado ou de região, isso implica que não é possível identificar a distribuição de estudos de qualidade SIM por dimensão geográfica. Assim, não utilizamos estudos realizados por Secretarias Estaduais e Municipais de Saúde, apenas os documentos federais de abrangência nacional. Por fim, outra limitação é o número de extratores, justificado pela elevada quantidade de estudos e complexidade metodológica. Para diminuirmos esta limitação realizamos dois encontros de capacitação de extração dos dados com as duplas de extratores, com a finalidade de retirar todas as dúvidas e padronizar a extração dos dados.
Em relação às variações nos resultados da avaliação da qualidade do Sistema de Informação de Mortalidade (SIM), é importante levar em consideração as diversas metodologias empregadas e o alcance geográfico das análises. Consequentemente, as discrepâncias nos resultados relacionadas às diversas dimensões da qualidade do SIM podem variar substancialmente de acordo com a metodologia adotada e o tamanho da área analisada, incluindo diferenciais entre estados e áreas de menor abrangência.32
Apesar das desigualdades na qualidade das diferentes dimensões do SIM, os estudos apontam que, ao longo do tempo, foram observadas melhorias nos registros de dados de mortalidade da população brasileira. Dentre as iniciativas, podemos destacar os esforços em aprimorar a busca ativa de óbitos e o desenvolvimento de métodos de correção de estimativas.63 Além disso, ações mais recentes foram desenvolvidas no âmbito do Ministério da Saúde e também sinalizam uma busca pela melhoria da qualidade da informação, a exemplo do Painel de Monitoramento da Regularidade da Mortalidade e do Painel de Monitoramento da Mortalidade por Causas Básicas Inespecíficas ou Incompletas. Outra importante iniciativa foi a Política Nacional de Informação e Informática em Saúde (PNIIS),64 que reforçou a importância de monitorar e avaliar a qualidade dos dados e informações em saúde no país.
Em que pese esses inúmeros avanços nas últimas décadas, a qualidade da informação sobre mortalidade ainda é um desafio para um planejamento e uma gestão pública guiada por evidências, especialmente nas regiões Norte e Nordeste. Nesse cenário, é importante qualificar os médicos para um correto e completo preenchimento das declarações de óbito, já que esse documento é essencial no reconhecimento das condições de saúde da população brasileira. Uma outra ação importante é o aprimoramento da infraestrutura e da capacidade técnica nos órgãos municipais e estaduais de saúde, especialmente nos contextos do Norte e do Nordeste. Ademais, também é importante garantir o adequado funcionamento dos comitês de investigação de óbito para que as informações sobre óbitos por condições mais sensíveis, como o materno e o infantil, sejam ainda mais precisas.


Referências

1. Malta DC, Teixeira R, Oliveira G, Ribeiro ALP. Mortalidade por doenças cardiovasculares segundo o sistema de informação sobre mortalidade e as estimativas do estudo carga global de doenças no Brasil, 2000-2017. Arquivos Brasileiros de Cardiologia 2020; 115: 152-60.
2. Jorge MHPM, Laurenti R, Gotlieb SLD. Análise da qualidade das estatísticas vitais brasileiras: a experiência de implantação do SIM e do SINASC. Ciência & Saúde Coletiva 2007; 12: 643-54.
3. Rasella D, Aquino R, Barreto ML. Impact of the Family Health Program on the quality of vital information and reduction of child unattended deaths in Brazil: an ecological longitudinal study. BMC public health 2010; 10: 1-8.
4. Brasil. Saúde Brasil 2018 uma análise de situação de saúde e das doenças e agravos crônicos: desafios e perspectivas. Capítulo 18. In: Saúde MdSSdVeSDdVdDeAnTePd, editor.: Ministério da Saúde; 2018a.
5. Costa LFL, de Mesquita Silva Montenegro M, Rabello Neto DdL, et al. Estimating completeness of national and subnational death reporting in Brazil: application of record linkage methods. Population Health Metrics 2020; 18(1): 1-12.
6. Marinho F, de Azeredo Passos VM, Malta DC, et al. Burden of disease in Brazil, 1990–2016: a systematic subnational analysis for the Global Burden of Disease Study 2016. The Lancet 2018; 392(10149): 760-75.
7. Brasil. Declarac?a?o de O?bito: Manual de Instruc?o?es para Preenchimento. Ministério da Saúde Brasília; 2022.
8. Almeida WdSd, Szwarcwald CL, Frias PGd, et al. Captação de óbitos não informados ao Ministério da Saúde: pesquisa de busca ativa de óbitos em municípios brasileiros. Revista Brasileira de Epidemiologia 2017; 20: 200-11.
9. Szwarcwald CL, de Frias PG, Júnior PRBd, da Silva de Almeida W, Neto OLdM. Correction of vital statistics based on a proactive search of deaths and live births: evidence from a study of the North and Northeast regions of Brazil. Population health metrics 2014; 12(1): 1-10.
10. Brasil. Portaria SVS nº 116, de 11 de favereiro de 2009. In: Brasil. DOdRFd, editor.; 2009.
11. Co-operation OfE, Development. Strengthening Health Information Infrastructure for Health Care Quality Governance. OECD Publishing París; 2013.
12. Maia LTdS, Souza WVd, Mendes AdCG, Silva AGSd. Use of linkage to improve the completeness of the SIM and SINASC in the Brazilian capitals. Revista de saude publica 2017; 51.
13. Tricco AC, Lillie E, Zarin W, et al. PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Annals of internal medicine 2018; 169(7): 467-73.
14. Lima CRdA, Schramm JMdA, Coeli CM, Silva MEMd. Revisão das dimensões de qualidade dos dados e métodos aplicados na avaliação dos sistemas de informação em saúde. Cadernos de saúde pública 2009; 25: 2095-109.
15. Pipino LL LY, Wang RY. Data quality assessment. Commun ACM 2002; 45: 211-8.
16. ABH F. Minidicionário da língua portuguesa. Rio de Janeiro: Editora Nova Fronteira; 1993.
17. English LP. Improving data warehouse and business information quality: methods for reducing costs and increasing profits: John Wiley & Sons, Inc.; 1999.
18. G. E. Registros administrativos, calidad de los datos y credibilidad pública: presentación y debate de los temas sustantivos de la segunda reunión de la Conferencia Estadística de las Américas de la CEPAL. Santiago: Comisión Económica para América Latina y el Caribe, 2003.
19. Campbell SE, Campbell MK, Grimshaw JM, Walker AE. A systematic review of discharge coding accuracy. Journal of Public Health 2001; 23(3): 205-11.
20. JM L. A dictionary of epidemiology. New York: Oxford University Press; 1988.
21. Almeida Filho N R, MZ. Introdução à epidemiologia. Rio de Janeiro: Editora Guanabara; 2006.
22. Paim I, Nehmy RMQ, Guimarães CG. Problematização do conceito" Qualidade" da Informação. Perspectivas em Ciência da Informação 1996; 1(1).
23. Campbell SE CM, Grimshaw JM, Walker AE. A systematic review of discharge coding accuracy. J Public Health Med 2001; 23: 205-11.
24. Kahn BK, Strong DM, Wang RY. Information quality benchmarks: product and service performance. Communications of the ACM 2002; 45(4): 184-92.
25. Romero DE, Cunha CBd. Avaliação da qualidade das variáveis sócio-econômicas e demográficas dos óbitos de crianças menores de um ano registrados no Sistema de Informações sobre Mortalidade do Brasil (1996/2001). Cadernos de Saúde Pública 2006; 22: 673-81.
26. França E, de Abreu DX, Rao C, Lopez AD. Evaluation of cause-of-death statistics for Brazil, 2002–2004. International journal of epidemiology 2008; 37(4): 891-901.
27. Lima EECd, Queiroz BL. Evolution of the deaths registry system in Brazil: associations with changes in the mortality profile, under-registration of death counts, and ill-defined causes of death. Cadernos de Saúde Pública 2014; 30: 1721-30.
28. Andrade CLTd, Szwarcwald CL. Desigualdades sócio-espaciais da adequação das informações de nascimentos e óbitos do Ministério da Saúde, Brasil, 2000-2002. Cadernos de saúde pública 2007; 23(5): 1207-16.
29. Brasil. Saúde Brasil 2004: uma análise da situação de saúde. In: Saúde. MdSSdVeSDdAdSd, editor.: Ministério da Saúde; 2004.
30. Brasil. Saúde Brasil 2006 : uma análise da situação de saúde no Brasil In: Saúde. MdSSdVeSDdAdSe, editor.: Ministério da Saúde; 2006.
31. Brasil. Saúde Brasil 2020/2021 : uma análise da situação de saúde e da qualidade da informação. Capítulo 13: Monitoramento de indicadores da regularidade: notificações de eventos nos sistemas de informação sobre nascidos vivos, agravos de notificação e mortalidade no Brasil, entre 2017 e 2019. In: Saúde. MdSSdVeSDdVdDeAnTePd, editor.: Ministério da Saúde; 2021a.
32. Diógenes VHD, Pinto Júnior EP, Gonzaga MR, et al. Differentials in death count records by databases in Brazil in 2010. Revista de Saúde Pública 2022; 56.
33. Frias PGd, Szwarcwald CL, Lira PICd. Evaluation of information systems on live births and mortality in Brazil in the 2000s. Cadernos de Saúde Pública 2014; 30: 2068-280.
34. Paes NA. Avaliação da cobertura dos registros de óbitos dos estados brasileiros em 2000. Revista de Saúde Pública 2005; 39: 882-90.
35. Paes NA. Qualidade das estatísticas de óbitos por causas desconhecidas dos Estados brasileiros. Revista de Saúde Pública 2007; 41(3): 436-45.
36. Szwarcwald CL. Strategies for improving the monitoring of vital events in Brazil. International journal of epidemiology 2008; 37(4): 738-44.
37. Trindade J, Costa L, Oliveira A. Aplicação do Método Captura Recaptura aos dados de Estatísticas Vitais: estudo empírico. Sistemas de estatísticas vitais no Brasil: avanços, perspectivas e desafios 2018.
38. Queiroz BL, Lima E, Freire F, Gonzaga M. Temporal and spatial estimates of adult mortality for small areas in Brazil, 1980-2010. 2017.
39. Queiroz BL, Gonzaga MR, Vasconcelos A, Lopes BT, Abreu DM. Comparative analysis of completeness of death registration, adult mortality and life expectancy at birth in Brazil at the subnational level. Population health metrics 2020; 18(1): 1-15.
40. Paes NA, Albuquerque MEE. Avaliação da qualidade dos dados populacionais e cobertura dos registros de óbitos para as regiões brasileiras. Revista de Saúde Pública 1999; 33(1): 33-43.
41. Schmertmann CP, Gonzaga MR. Bayesian estimation of age-specific mortality and life expectancy for small areas with defective vital records. Demography 2018; 55(4): 1363-88.
42. Szwarcwald CL, Leal MdC, Andrade CLTd, Souza Jr PRBd. Infant mortality estimation in Brazil: what do Ministry of Health data on deaths and live births say? Cadernos de Saúde Pública 2002; 18: 1725-36.
43. Brasil. Saúde Brasil 2005 : uma análise da situação de saúde no Brasil_Capítulo 2. In: Saúde. MdSSdVe, editor.: Ministério da Saúde; 2005.
44. Brasil. Saúde Brasil 2010: Uma análise da situação de saúde e de evidências selecionadas de impacto de ações de vigilância em saúde. Capítulo 2: Como morrem os brasileiros: caracterização e distribuição geográfica dos óbitos no Brasil, 2000, 2005 e 2009. In: Saúde. MdSSdVeSDdAdSd, editor.: Ministério da Saúde; 2011.
45. Brasil. Saúde Brasil 2019 uma análise da situação de saúde com enfoque nas doenças imunopreveníveis e na imunização. In: Saúde. MdSSdVe, editor.: Ministério da Saúde; 2019.
46. Romero DE, Maia L, Muzy J. Tendência e desigualdade na completude da informação sobre raça/cor dos óbitos de idosos no Sistema de Informações sobre Mortalidade no Brasil, entre 2000 e 2015. Cadernos de saude publica 2019; 35: e00223218.
47. Ambiente. BMdSSdVeSe. Saúde Brasil 2022 : análise da situação de saúde e uma visão integrada sobre os fatores de risco para anomalias congênitas. Capítulo 21. In: Transmissíveis. DdAEeVdDCn, editor. Brasília: Ministério da Saúde; 2023.
48. Rodrigues PL, Gama SGNd, Mattos IE. Completitude e confiabilidade do Sistema de Informações sobre Mortalidade para óbitos perinatais no Brasil, 2011-2012: um estudo descritivo. Epidemiologia e Serviços de Saúde 2019; 28.
49. Brasil. Saúde Brasil 2018 uma análise de situação de saúde e das doenças e agravos crônicos: desafios e perspectivas. Capítulo 17. In: Saúde MdSSdVeSDdVdDeAnTePd, editor.: Ministério da Saúde; 2018b.
50. Brasil. Informações de Saúde (tabnet): Estatísticas vitais-Mortalidade geral [Internet]. . Ministério da Saúde.; 2019.
51. Estatística IBdGe. Sistemas de estatísticas vitais no Brasil: avanços, perspectivas e desafios: IBGE; 2018.
52. Brasil. Saúde Brasil 2020/2021 : uma análise da situação de saúde e da qualidade da informação. Capítulo 14: Oportunidade de notificação nos sistemas de informação da linha da vida em 2019: natalidade, doenças de notificação compulsória imediata e mortalidade. In: Saúde MdSSdVeSDdVdDeAnTePd, editor.: Ministério da Saúde; 2021b.
53. Teixeira RA, Naghavi M, Guimarães MDC, Ishitani LH, França EB. Qualidade dos dados sobre causas de morte no Brasil: códigos garbage nos. Revista Brasileira de Epidemiologia 2019; 22.
54. Kanso S, Romero DE, Leite IdC, Moraes ENd. Geographic, demographic, and socioeconomic differences in quality of data on cause of death in Brazilian elders. Cadernos de Saúde Pública 2011; 27: 1323-39.
55. França E, Ishitani LH, Teixeira R, Duncan BB, Marinho F, Naghavi M. Changes in the quality of cause-of-death statistics in Brazil: Garbage codes among registered deaths in 1996–2016. Population health metrics 2020; 18(1): 1-13.
56. Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortalidade por causas garbage nos municípios brasileiros: diferenças nas estimativas de taxas pelos métodos direto e Bayesiano de 2015 a 2017. Revista Brasileira de Epidemiologia 2021; 24.
57. Naghavi M, Makela S, Foreman K, O'Brien J, Pourmalek F, Lozano R. Algorithms for enhancing public health utility of national causes-of-death data. Population health metrics 2010; 8: 1-14.
58. Ellingsen CL, Alfsen GC, Ebbing M, et al. Garbage codes in the Norwegian Cause of Death Registry 1996–2019. BMC public health 2022; 22(1): 1-15.
59. Ng T-C, Lo W-C, Ku C-C, Lu T-H, Lin H-H. Improving the use of mortality data in public health: a comparison of garbage code redistribution models. American journal of public health 2020; 110(2): 222-9.
60. Teixeira RA, Ishitani LH, Marinho F, Pinto Junior EP, Katikireddi SV, Malta DC. Methodological proposal for the redistribution of deaths due to garbage codes in mortality estimates for Noncommunicable Chronic Diseases. Revista Brasileira de Epidemiologia 2021; 24.
61. Aqil A, Hozumi D. Performance of Routine Information Systems Management (PRISM) Tools. Oxford University Press 2009; 24(3): 217-28.
62. Organization WH. Health metrics network: Framework and standards for the development of country Healthcare information systems. WHO; 2006.
63. Frias PGd, Szwarcwald CL, Morais Neto OLd, et al. Utilização das informações vitais para a estimação de indicadores de mortalidade no Brasil: da busca ativa de eventos ao desenvolvimento de métodos. Cadernos de Saúde Pública 2017; 33: e00206015.
64. Saúde DOdUMd. PORTARIA GM/MS Nº 1.768, DE 30 DE JULHO DE 2021. 2021.