Artigos

INTRODUÇÃO
As internações e mortes evitáveis são evidências de falhas graves dos sistemas de saúde, além de representarem importante custo orçamentário para os serviços de saúde 1–4. Registra-se que grande parte dessas internações e mortes é sensível à Atenção Primária à Saúde (APS) 2, ou seja, pode ser evitada ou atenuada por meio de um conjunto de ações de saúde individuais, familiares e coletivas de promoção, prevenção, proteção, diagnóstico, tratamento, reabilitação, redução de danos, cuidados paliativos e vigilância em saúde 5. Nesta perspectiva, reduzir internações e óbitos evitáveis, como os relacionados às Condições Sensíveis à Atenção Primária (CSAP), é tarefa estruturante de todo sistema de saúde público e universal, que define a APS como porta de entrada preferencial e ordenadora do cuidado 5.
No Brasil, entre 2002 e 2019, houve mais de 2,4 milhões de óbitos e mais de 23,5 milhões de internações por CSAP, representando taxas de 68,8 e 674,1 por 100 mil habitantes respectivamente. Nesse período, as causas sensíveis à APS corresponderam a 24% de todas as internações e 21% de todas as causas de morte 6.
As internações e mortes por CSAP estão associadas a uma multiplicidade de fatores de origem social, econômica, cultural, ambiental e biológica/genética, principalmente em relação às doenças crônicas não transmissíveis 2–4,7,8. Este estudo adota a definição de determinantes da saúde como os fatores relativos às condições de vida que influenciam a saúde dos povos e cidadãos 7–9 e repercutem sobre as CSAP em uma relação histórica e dialética com a organização e funcionamento dos serviços de saúde.
Embora o debate sobre CSAP e determinantes sociais na morbimortalidade seja amplamente reconhecido 1,10–12, há escassez de estudos epidemiológicos que investiguem características demográficas e da estrutura dos sistemas municipais de saúde nesse contexto. Assim, este estudo possui originalidade no campo científico nacional diante de sua abrangência espacial e temporal e tem como objetivo investigar a associação da estrutura dos sistemas de saúde dos municípios brasileiros e de fatores sociais, econômicos e demográficos com as taxas de internação e mortalidade por CSAP no Brasil, entre 2002 e 2019. O preenchimento dessa lacuna pode contribuir para orientar ações e serviços de saúde e outras políticas públicas com potencial para reduzir morbimortalidade por CSAP.
MÉTODOS
Desenho de estudo
Trata-se de um estudo ecológico, de abordagem longitudinal, com dados secundários de agregados espaciais de 5.565 municípios do Brasil no período de 2002 a 2019.

Variáveis e fonte dos dados
Como variáveis dependentes, foram selecionadas as taxas de mortalidade e de internação para adultos entre 20 e 74 anos da lista de CSAP 13 definida pela portaria MS nº 221/2008 entre 2002 e 2019 de cada município brasileiro. Alguns estudos 3,8,14,15 demonstram que a mortalidade infantil pode ter determinantes diferentes da mortalidade de adultos. Portanto, na tentativa de evitar viés de seleção, decidiu-se limitar o escopo deste estudo aos adultos.
Os dados de morbimortalidade foram coletados no Sistema de Informações sobre Mortalidade (SIM) e no Sistema de Informações sobre Hospitalizações (SIH) usando os dados individuados e anonimizados a partir dos registros da declaração de óbito e da autorização de internação hospitalar respectivamente. Todos estes dados estão disponíveis ao acesso público através do portal do Departamento de Informática do SUS (DATASUS) 6.
Diante da grande heterogeneidade da composição etária dos municípios brasileiros e pelo reconhecido efeito desta heterogeneidade sobre a morbimortalidade 14, as taxas foram padronizadas considerando-se como referência o padrão etário do país entre 20 e 74 anos.
Ainda que a qualidade dos registros de óbitos e internações tenha melhorado nos últimos 20 anos, altas proporções de óbitos por causas mal definidas no Brasil são frequentes e preocupantes, pois indicam problemas de acesso e qualidade da atenção à saúde recebida pela população 16, além de comprometerem a fidedignidade das estatísticas de mortalidade por causas 17,18. Alguns estudos 19–21 demonstram que, em locais de baixa renda é menor o acesso a Serviços de Apoio Diagnóstico Terapêutico (SADT), o que pode gerar registros de óbitos por causas mal definidas, subdimensionando a mortalidade por CSAP. Neste sentido, foi utilizado o método desenvolvido por Cavalini e Ponce de Leon 22 para correção tanto do subregistro como das causas mal definidas. Em síntese, foi feita uma redistribuição dos óbitos com causas mal definidas considerando critérios ponderados de qualidade da informação adaptados de Szwarcwald e colaboradores 23.
Como variáveis independentes, foram considerados uma dimensão de variáveis socioeconômicas e outra considerando a estrutura dos sistemas de saúde como fatores associados à morbimortalidade por CSAP, conforme utilizados por Rasella e colaboradores 24, tendo como base estudos 2–4 que buscavam determinantes de mortes e internações por doenças cardiovasculares, que compõem a maior parte (51,8%) dos óbitos por CSAP no Brasil.
Seguindo o método utilizado em Rasella e colaboradores 24, os municípios foram estratificados de acordo com a mediana dos seguintes indicadores: percentual da população de 25 anos ou mais com escolaridade superior completa (?4,9% e >4,9%, mediana da distribuição); taxa de analfabetismo da população de 15 anos ou mais de idade (?12,6% e >12,6%, mediana da distribuição); percentual de pessoas abaixo da linha da pobreza (?16,3% e >16,3%, mediana da distribuição); renda per capita (?R$452 e > R$452, mediana da distribuição); percentual de pessoas em domicílios com abastecimento de água e esgotamento sanitário inadequados (?2,9% e >2,9%, mediana da distribuição); taxa de urbanização (?66,1% e >66,1%, mediana da distribuição); percentual de pessoas em domicílios com eletrodomésticos básicos (?56% e > 56%, mediana da distribuição).
O porte populacional do município foi estratificando em: I - < 10.000 habitantes; II - ? 10.000 e ? 20.000; III - ? 20.000 e < 50.000; IV - ? 50.000 e < 100.000; V- ? 100.000 e < 500.000; VI - ? 500.000.
As variáveis socioeconômicas foram coletadas a partir do portal do IBGE 25,26. Como são produzidos nos censos decenais (2000 e 2010), os valores entre 2002 e 2009, e 2011 e 2019 foram estimados através de interpolação linear. Os cinco municípios criados em 2013, com dados ausentes nos censos foram retirados da amostra.
Já para a dimensão da estrutura dos sistemas de saúde foram utilizados o número médio de médicos que atendem no SUS por 1.000 habitantes por ano por município. Para tal, foi calculada a média anual de cada município considerando os valores em cada mês entre agosto de 2007 e dezembro de 2019. Os dados de janeiro de 2002 a julho 2007 não utilizavam a nova Classificação Brasileira de Ocupações de 2002, portanto foram extrapolados linearmente para cada município. Os municípios foram estratificados em ? 0,5 e > 0,5, valor mediano da distribuição. Outra variável independente foi a presença de ao menos um leito hospitalar no município coletada também no CNES entre 2002 e 2019; o número de exames de tomografia por 1.000 habitantes (?7,10 e >7,10, mediana da distribuição). Essas três variáveis foram coletadas a partir Cadastro Nacional de Estabelecimento de Saúde (CNES).

Análise estatística
Os dados foram processados e organizados em um banco de dados único com informações anuais de cada município brasileiro entre 2002 e 2019. Foi utilizado o método do intervalo interquartílico 27 para a retirada de outliers (valores que se distanciam radicalmente de todos os outros, fora da curva normal e que podem causar desequilíbrio nos resultados obtidos) referentes aos indicadores socioeconômicos, demográficos, da estrutura dos sistemas de saúde e de morbimortalidade.
A tabela 1 apresenta as variáveis independentes socioeconômicas e da estrutura dos serviços de saúde a partir da a média e desvio-padrão especificamente dos anos de 2002 e 2019, a diferença e variação percentual das médias entre 2019 e 2002 e a valor mediano do período (2002 a 2019) utilizado para estratificar as variáveis independentes.
A tabela 2 apresenta as variáveis dependentes e apresenta a média e desvio-padrão especificamente dos anos de 2002 e 2019, a diferença e variação percentual das médias entre 2019 e 2002.
Município com dados faltantes para qualquer das variáveis em algum ano, foi retirado da amostra naquele ano em específico. Com os dados sem outliers e sem valores faltantes (missing), foram realizadas regressões binomiais negativas de dados em painel com efeito fixo. Este método, largamente utilizado 24,28–30, é adequado para dados de contagem em painel com a presença de superdispersão, como é o caso neste estudo. O objetivo desta regressão foi avaliar a associação dos indicadores socioeconômicos, demográficos e da estrutura dos sistemas de saúde dos municípios com as taxas de mortalidade e de internações por CSAP.
Foi realizado o teste F ou teste de Chow 31 e se identificou que não há igualdade dos interceptos da regressão entre os municípios, descartando-se o uso da regressão “pooled” ou empilhada. Em seguida, foi realizado o teste de Hausman 31, indicando que o efeito fixo era mais consistente do que o efeito aleatório.
Além dos indicadores sociais, econômicos, demográficos e da estrutura dos sistemas de saúde como variáveis associadas à morbimortalidade na regressão, é provável a existência de outras características de cada município, que não são quantificáveis e nem registradas em sistemas de informação, que influenciam a morbimortalidade por CSAP, como identificado no teste de Chow31. Para controle do efeito dessas outras características, foi aplicado o teste de Wooldrige’s 32 tanto para internações como para óbitos por CSAP que confirmou existe heterogeneidade não observada entre municípios que está correlacionada com suas características socioeconômicas e estruturais, assim este entraram como efeito fixo da regressão. O mesmo teste foi feito para a variável de tempo (ano) e não há evidência de que existam choques ou fatores de tempo correlacionados com os regressores, assim não sendo necessário incluir o tempo decorrido como um efeito fixo da regressão.
Inicialmente, foram realizadas regressões de cada indicador socioeconômico, da estrutura dos sistemas de saúde e do porte populacional com a taxa padronizada de mortalidade por CSAP por 100.000 habitantes, compondo a análise simples ou univariada. As variáveis que apresentaram associação estatisticamente significativa ao nível de 95% de confiança foram selecionadas para a etapa multivariada.
Para avaliar a presença de multicolinearidade, calculou-se a Tolerância a partir do fator de inflação da variância (VIF), mantendo-se no modelo final apenas as variáveis com tolerância superior a 0,5. Essa estratégia foi fundamental para reduzir potenciais vieses decorrentes da correlação entre preditores, especialmente no conjunto de variáveis socioeconômicas, cuja interdependência é conhecida e poderia comprometer a estabilidade das estimativas.
Para a análise multivariada final, foi empregado um modelo de regressão binomial negativa com efeitos fixos municipais, cujos resultados são expressos em Razões de Taxas de Incidência (IRR - Incidence Rate Ratio). Foi utilizado o software R (v. 4.5.1), aplicando os pacotes: microdatasus para montar as bases de dados, csapAIH para classificação das internações e óbitos CSAP e fixest para as regressões.
Aspectos éticos
Todos os procedimentos do estudo foram realizados de acordo com o Código de Ética da Associação Médica Mundial (Declaração de Helsinque) para estudos envolvendo humanos. O consentimento informado para experimentação com participantes humanos e seus direitos de privacidade não foram necessários devido ao uso de dados secundários.

RESULTADOS
Caracterização dos sistemas de saúde e municípios brasileiros, 2002 e 2019
A análise dos indicadores socioeconômicos e da estrutura dos sistemas de saúde municipais mostrou uma melhora nas condições de vida, tanto na dimensão educacional (aumento de 173,8% na média de pessoas com 25 anos ou mais com escolaridade superior completa) quanto na renda (crescimento de 69,4% na renda média domiciliar per capita), refletindo também na redução do percentual médio de pessoas abaixo da linha da pobreza (-73,3%) entre 2002 e 2019. Houve também no mesmo período um aumento na média taxa de urbanização (14,7%) e na média do percentual de domicílios com eletrodomésticos básicos (37,9%) (Tabela 1).
Quanto à estrutura dos sistemas de saúde municipais, o número médio de médicos atendendo no SUS aumentou 53,2%, e o número médio de exames de tomografia computadorizada por 1.000 habitantes aumentou quase nove vezes entre 2002 e 2019. Em contrapartida, o número médio de leitos por 1.000 habitantes apresentou redução de 27,1%
Sobre as internações por CSAP, a correção de subregistro e de causas mal definidas teve impacto mínimo. Entre 2002 e 2019, a média municipal das internações hospitalares, corrigida, reduziu-se em 44,3% (Tabela 2).
A mortalidade por CSAP registrou um aumento na média de 12,8% entre 2002 e 2019. Contudo, após correções para subregistro e redistribuição de causas mal definidas, houve redução 1,6% na mortalidade por CSAP no período. Com essa correção, a taxa de mortalidade por CSAP em 2002 foi ajustada em 24,3% e, em 2019, em 8,4%, devido à redução do subregistro e da proporção de óbitos por causas mal definidas, refletindo uma melhora na qualidade da informação.
Fatores associados às internações e mortalidade por CSAP: análise bivariada
As tabelas 3 e 4 apresentam os resultados das regressões para internações e mortalidade respectiva. Os indicadores socioeconômicos demonstraram associações significativas tanto com internações quanto com mortalidade por condições sensíveis à atenção primária. Municípios com maior escolaridade superior (?4,9%) apresentaram 31,2% menos internações (IRR=0,688; IC95%: 0,677-0,699) e 4,6% menos mortes (IRR=0,954; IC95%: 0,945-0,962). Em contraste, municípios com maior taxa de analfabetismo (?12,6%) registraram 41,0% mais internações (IRR=1,410; IC95%: 1,379-1,443) e 4,2% mais mortes (IRR=1,042; IC95%: 1,028-1,056).
Municípios com maior percentual de população abaixo da linha da pobreza (?16,3%) apresentaram 45,0% mais internações (IRR=1,450; IC95%: 1,426-1,474) e 7,2% mais mortes (IRR=1,072; IC95%: 1,062-1,082), enquanto aqueles com maior renda per capita (?R$452) tiveram 31,2% menos internações (IRR=0,688; IC95%: 0,672-0,703) e 6,5% menos mortes (IRR=0,935; IC95%: 0,923-0,946). Condições inadequadas de saneamento estiveram associadas a 41,0% mais internações (IRR=1,410; IC95%: 1,380-1,440) e 5,8% mais mortes (IRR=1,058; IC95%: 1,046-1,069).
A taxa de urbanização mostrou-se protetiva para internações, com municípios acima da mediana (?66,1%) apresentando 25,5% menos internações (IRR=0,745; IC95%: 0,719-0,771), porém sem associação significativa com mortalidade (IRR=0,982; IC95%: 0,963-1,001). Municípios com maior percentual de domicílios com eletrodomésticos básicos (?56%) tiveram 32,9% menos internações (IRR=0,671; IC95%: 0,659-0,683) e 5,0% menos mortes (IRR=0,950; IC95%: 0,941-0,960).
O porte populacional demonstrou gradiente inverso mais pronunciado para internações que para mortalidade. Comparados aos municípios com menos de 10.000 habitantes, aqueles com 500.000 habitantes ou mais apresentaram 80,7% menos internações (IRR=0,193; IC95%: 0,151-0,246) e 24,8% menos mortes (IRR=0,752; IC95%: 0,691-0,820).
Quanto à estrutura dos sistemas de saúde, maior número de médicos no SUS (?0,50 por 1.000 hab.) associou-se a 14,3% menos internações (IRR=0,857; IC95%: 0,843-0,871) e 3,0% menos mortes (IRR=0,970; IC95%: 0,962-0,979). A presença de leitos hospitalares esteve associada a 66,1% mais internações (IRR=1,661; IC95%: 1,562-1,766) e 4,0% mais mortes (IRR=1,040; IC95%: 1,017-1,064). Maior disponibilidade de tomografia computadorizada (?7,1 por 1.000 hab.) relacionou-se a 26,5% menos internações (IRR=0,735; IC95%: 0,726-0,744) e 5,8% menos mortes (IRR=0,942; IC95%: 0,936-0,949).
Fatores associados às internações e mortalidade por CSAP: análise múltipla
No modelo ajustado, as associações com internações mantiveram-se mais robustas que com mortalidade. Para internações, cinco variáveis permaneceram significativas após o critério de tolerância (1/VIF) > 0,5: escolaridade superior manteve 20,8% menos internações (IRR=0,792; IC95%: 0,778-0,805), urbanização 8,7% menos (IRR=0,913; IC95%: 0,884-0,942), e o gradiente por porte populacional persistiu, com municípios ?500.000 habitantes apresentando 62,5% menos internações (IRR=0,375; IC95%: 0,296-0,474). Entre os indicadores de saúde, maior densidade médica associou-se a 5,7% menos internações (IRR=0,943; IC95%: 0,930-0,956), presença de leitos a 54,0% mais internações (IRR=1,540; IC95%: 1,454-1,630), e maior disponibilidade de tomografia a 18,4% menos internações (IRR=0,816; IC95%: 0,805-0,826).
Para mortalidade, apenas quatro variáveis mantiveram significância no modelo multivariado. Escolaridade superior permaneceu associada a 1,8% menos mortes (IRR=0,982; IC95%: 0,973-0,992), embora com magnitude reduzida. O porte populacional manteve gradiente menos acentuado, com municípios ?500.000 habitantes apresentando 15,3% menos mortes (IRR=0,847; IC95%: 0,778-0,922) e aqueles com 100.000 a 499.999 habitantes 8,3% menos mortes (IRR=0,917; IC95%: 0,862-0,976). Entre os indicadores de saúde, maior número de médicos no SUS associou-se a 1,3% menos mortes (IRR=0,987; IC95%: 0,978-0,995), presença de leitos a 3,4% mais mortes (IRR=1,034; IC95%: 1,012-1,056), e maior disponibilidade de tomografia a 4,9% menos mortes (IRR=0,951; IC95%: 0,944-0,957).
DISCUSSÃO
As condições socioeconômicas, demográficas e da estrutura dos sistemas de saúde mostraram-se determinantes significativos da morbimortalidade por CSAP em municípios brasileiros (2002-2019). A escolaridade emergiu como preditor independente mais relevante, com maior poder explicativo mesmo após controle para multicolinearidade. O estudo demonstra que melhorias educacionais e de renda poderiam ter evitado substancialmente óbitos e internações, destacando a necessidade de políticas intersetoriais para reduzir iniquidades em saúde.
Dentre as variáveis socioeconômicas, a escolaridade superior foi a que permaneceu com maior tolerância no modelo múltiplo, mantendo o maior percentual de explicação dos resíduos em comparação às demais variáveis socioeconômicas, confirmando que existe correlação entre estes indicadores. Assim, o modelo múltiplo é essencial para oferecer maior precisão e especificidade sobre como as variáveis explicativas, que apresentam correlação entre si, influenciam a morbimortalidade por CSAP, permitindo identificar os fatores com maior poder explicativo independente.
Após ajuste no modelo multivariado, indicadores de escolaridade tiveram associação com a morbimortalidade por CSAP, com destaque para o efeito do percentual de pessoas com escolaridade superior completa na redução das internações por CSAP, reforçando dados já encontrados na literatura 33–37, que indicam que piores condições de renda e escolaridade estão relacionadas a maiores taxas de mortalidade geral e por CSAP.
A partir dos resultados deste estudo, pode-se supor que o número de óbitos teria sido menor se todos os municípios brasileiros da amostra desse estudo (n ? 5.400) tivessem, no mínimo, mais de 4,9% de sua população com escolaridade superior completa. Nesse cenário, o Brasil teria registrado aproximadamente 11.181 óbitos a menos entre 2002 e 2019. No que diz respeito às internações, a associação da escolaridade é ainda mais pronunciada. No mesmo contexto estimado, cerca de 1.320.328 internações por CSAP poderiam ter sido evitadas no período em questão, obviamente, representando também uma possível redução de custos financeiros para o SUS.
Outra indicação deste estudo é que, em vez da escolaridade superior, a renda per capita fosse mantida como a variável no modelo múltiplo, caso os municípios brasileiros tivessem, no mínimo, renda per capita maior do que R$458,40, o número de mortes por CSAP teria sido reduzido em cerca de 22 mil e o número de internações por CSAP, em 1.188.000, entre 2002 e 2019. Reforçando esta hipótese, foi estimada uma redução de 17% da mortalidade infantil para municípios com alta cobertura do programa de transferência de renda Bolsa Família entre 2005 e 2009.38
O percentual de domicílios com abastecimento de água e esgotamento sanitário inadequados esteve associado com aumento da morbimortalidade por CSAP. É provável que tais intervenções tenham uma associação mais pronunciada nas condições do grupo 2 das CSAP 13 relacionadas a gastroenterites infecciosas e suas complicações.
Estudos anteriores já identificaram o efeito da adequação do abastecimento de água e do esgotamento sanitário na redução da mortalidade, especialmente da infantil 39–41. Este estudo, por sua vez, foco em óbitos e internações em adultos (20 a 74 anos), sugerindo que pesquisas centradas na mortalidade infantil podem revelar associações ainda mais significativas da qualidade do abastecimento de água e do esgotamento sanitário sobre a morbimortalidade por CSAP, Um estudo realizado por Rasella 42, por exemplo, analisou a associação do Programa Água para Todos na Bahia e encontrou uma redução de 6% na taxa de mortalidade de crianças menores de 5 anos em municípios com maior cobertura do programa.
Municípios com menores taxas de urbanização, ou com maior proporção de população rural, apresentaram um número maior de internações por CSAP entre 2002 e 2019. Um estudo 43 registrou que beneficiários do Medicare nos Estados Unidos que residiam em áreas rurais tiveram 40% mais internações evitáveis do que aqueles em áreas urbanas, sendo o acesso a médicos especialistas o principal fator redutor dessas hospitalizações.
Um estudo realizado em 2012 na Austrália 44, identificou maiores taxas de internação por CSAP em áreas rurais. Entre os principais preditores associados a essas internações destacaram-se a ausência de seguro de saúde, maior frequência de admissões de emergência, elevado grau de isolamento geográfico, baixa densidade populacional e menor disponibilidade de médicos generalistas por 10.000 habitantes nas áreas de governo local.
Um estudo no Brasil 45, utilizando os dados do 3º ciclo do Programa Nacional de Melhoria do Acesso e da Qualidade da Atenção Básica (PMAQ-AB), identificou que em municípios rurais remotos, em relação às unidades de saúde da APS, apenas 68,10% tinham todos os profissionais para a estratégia saúde da família, 14,3% tinham testes diagnósticos, 5,5% tinham farmácia, 7,1% tinham coleta de exames e 10,1% realizavam procedimentos. O estudo também revelou que município rurais tem dificuldade de fixação de profissionais e outras carências de infraestrutura. Nesse sentido, a organização das redes de atenção à saúde passa por estrategicamente por considerar as iniquidades entre as populações rurais e urbanas no Brasil.
De um modo geral, no modelo múltiplo, municípios com maior número de médicos no SUS por 1.000 habitantes tiveram menos taxas de internações e mortalidade por CSAP. Contudo, essa abordagem unifica profissionais de diversos tipos de estabelecimentos e especialidades o que pode gerar certo ruído no modelo, o que limita as conclusões. Outras pesquisas podem aprofundar esta análise, observando efeitos específicos do acesso a determinados especialistas sobre determinadas causas de morte e internação em zonas urbanas e rurais.
A presença de pelo menos um leito hospitalar no município aumentou a probabilidade de internação por CSAP em 54% e a de morte por CSAP em 3,4%. Outros estudos no Brasil 46, na Coréia do Sul 47, Reino Unido 48 e na Alemanha 49 também encontraram essa associação em que a disponibilidade de leitos localmente aumentam às internações por CSAP, corroborando com a “Lei de Roemer” 50, que afirma que a oferta de leitos gera pressão sobre o uso do sistema hospitalar. No entanto, a associação entre a presença de leitos e o aumento da mortalidade por CSAP ainda requer investigação mais aprofundada. Este estudo observou apenas a presença de leitos, mas é possível que a quantidade por habitante também seja um fator determinante para a mortalidade por CSAP. Assim, a presença de leitos em hospitais de pequeno porte pode não estar relacionada à mortalidade, uma vez que esses leitos estão em hospitais com baixa capacidade de SADT. Entretanto, outro estudo 51 apresentou resultado diferente quanto à associação do volume de serviços de internação na taxa de mortalidade hospitalar, o que indica que mais pesquisas ainda são necessárias sobre a relação entre o número de leitos e os óbitos por CSAP.
Os resultados deste estudo reforçam que a morbimortalidade por CSAP está diretamente associada a fatores sociais, econômicos, demográficos e à estrutura dos sistemas de saúde. Contudo, é importante ressaltar que este estudo se baseia em dados observacionais o que lhe confere limitações em seus achados. Mesmo um conjunto de variáveis explicativas, é possível que existam confundidores não medidos que influenciam o número de óbitos e internações por CSAP nos municípios brasileiros. Aspectos culturais regionais ou específicos de cada município podem impactar os hábitos de vida da população e o processo de adoecimento por CSAP.
A inclusão do efeito fixo como fator individual de cada município visa capturar essa associação ao longo do tempo, permitindo que o intercepto da regressão varie para cada município, mas mantendo a influência das variáveis explicativas sobre a variável dependente, o que confere maior robustez à análise.
Outro fator que também deve ter sido capturado pelo efeito fixo e já amplamente estudado na literatura 24,28,29,33,46–49, mas não explorado neste estudo, é a relação entre a oferta de ações e serviços da APS e a morbimortalidade por CSAP. O modo de gestão de cada município, a qualidade da atenção ofertada em cada unidade de atenção primária, a organização dos fluxos entre a APS e a atenção de média e alta complexidade, entre outros, são fatores difíceis de medir devido à falta de registros sistemáticos em sistemas de informação, mas que provavelmente também influenciam a morbimortalidade por CSAP.
É crucial ressaltar que os achados deste estudo, baseados em dados ecológicos de municípios, referem-se a associações populacionais médias observadas entre os estratos analisados. A natureza agregada dos dados não permite inferências causais em nível individual, uma vez que os resultados representam padrões médios de grupos municipais. Ademais, é plausível que heterogeneidades não observadas - como a implementação diferenciada de políticas públicas municipais ou regionais (educacionais, de renda ou saúde) ao longo do período estudado - possam ter influenciado desfechos de forma distinta em cada contexto local. Portanto, as conclusões devem ser interpretadas como tendências populacionais médias, não devendo ser extrapoladas para inferências causais diretas sobre municípios específicos ou seus residentes.
A redução da morbimortalidade por CSAP deve ser uma meta central na estratégia de fortalecimento do Sistema Único de Saúde. Para tanto, é essencial atuar para diminuir as desigualdades socioeconômicas e melhorar a estrutura dos sistemas de saúde municipais. Esse processo não apenas atenuará o sofrimento das pessoas, mas também poderá reduzir os custos do sistema de saúde e a perda de vidas produtivas, permitindo uma otimização no processo de atenção à saúde no país.?
REFERÊNCIAS
1. Borges MM, Custódio LA, Cavalcante DDFB, Pereira AC, Carregaro RL. Custo direto de internações hospitalares por doenças crônicas não transmissíveis sensíveis à atenção primária em idosos. Ciênc Saúde Coletiva 2023; 28: 231–242.
2. World Health Organization. Preventing Chronic Diseases: A Vital Investment: WHO Global Report 2008. Geneva: World Health Organization, 2008.
3. Macinko J, Dourado I, Guanais FC. Chronic diseases, primary care and health systems performance diagnostics, tools and interventions. Inter-American Development Bank, 2011.
4. Winkleby MA, Jatulis DE, Frank E, Fortmann SP. Socioeconomic status and health: how education, income, and occupation contribute to risk factors for cardiovascular disease. Am J Public Health 1992; 82: 816–820.
5. Ministério da Saúde. Portaria no 2.436, de 21 de setembro de 2017. Aprova a política nacional de atenção básica, estabelecendo a revisão de diretrizes para a organização da atenção básica, no âmbito do sistema único de saúde (SUS). 2017.
6. Brasil. Informações de Saúde (TABNET) – DATASUS, https://datasus.saude.gov.br/informacoes-de-saude-tabnet/ (2023, accessed 29 October 2023).
7. George F. Histórias de saúde pública. Lisboa: Livros Horizontes, 2004.
8. Portrait F, Lindeboom M, Deeg D. Life expectancies in specific health states: results from a joint model of health status and mortality of older persons. Demography 2001; 38: 525–536.
9. World Health Organization. A conceptual framework for action on the social determinants of health. 2010; Discussion Paper Series on Social Determinants of Health, 2: 76.
10. Mariano TDSO, Nedel FB. Hospitalização por Condições Sensíveis à Atenção Primária em menores de cinco anos de idade em Santa Catarina, 2012: estudo descritivo*. Epidemiol E Serviços Saúde; 27. Epub ahead of print November 2018. DOI: 10.5123/S1679-49742018000300006.
11. Pinto Junior EP, Aquino R, Dourado I, Costa LDQ, Silva MGCD. Internações por condições sensíveis à Atenção Primária à Saúde em crianças menores de 1 ano no Brasil. Ciênc Saúde Coletiva 2020; 25: 2883–2890.
12. Leão HM, Caldeira AP. Internações pediátricas por condições sensíveis à atenção primária no norte de Minas Gerais, Brasil: reavaliação após 10 anos. Cad Saúde Coletiva 2023; 31: e31010163.
13. Ministério da Saúde. Portaria no 221, de 17 de abril de 2008, que define a Lista Brasileira de Internações por Condições Sensíveis à Atenção Primária. 2008.
14. Yashin AI, Arbeev KG, Arbeeva LS, Wu D, Akushevich I, Kovtun M, Yashkin A, Kulminski A, Culminskaya I, Stallard E, Li M, Ukraintseva SV. How the Effects of Aging and Stresses of Life Are Integrated in Mortality Rates: Insights for Genetic Studies of Human Health and Longevity. Biogerontology 2016; 17: 89–107.
15. Dilélio AS, Natividade M, Facchini LA, Pereira M, Tomasi E. Estrutura e processo na atenção primária à saúde das crianças e distribuição espacial da mortalidade infantil. Rev Saúde Pública 2024; 58: 21.
16. França E, Teixeira R, Ishitani L, Duncan BB, Cortez-Escalante JJ, Morais Neto OL de, Szwarcwald CL. Causas mal definidas de óbito no Brasil: método de redistribuição baseado na investigação do óbito. Rev Saúde Pública 2014; 48: 671–681.
17. Khosravi A. Impact of misclassification on measures of cardiovascular disease mortality in the Islamic Republic of Iran: a cross-sectional study. Bull World Health Organ 2008; 86: 688–696.
18. Teixeira CL dos S, Klein CH, Bloch KV, Coeli CM. Reclassificação dos grupos de causas prováveis dos óbitos de causa mal definida, com base nas Autorizações de Internação Hospitalar no Sistema Único de Saúde, Estado do Rio de Janeiro, Brasil. Cad Saúde Pública 2006; 22: 1315–1324.
19. Rodrigues NCP, Daumas RP, Almeida AS de, O’Dwyer G, Andrade MK de N, Flynn MB, Lino VTS. Risk factors for the ill-defined causes of death in the Brazilian states: a multilevel analysis. Cienc Saude Coletiva 2018; 23: 3979–3988.
20. Kanso S, Romero DE, Leite I da C, Moraes EN de. [Geographic, demographic, and socioeconomic differences in quality of data on cause of death in Brazilian elders]. Cad Saude Publica 2011; 27: 1323–1339.
21. 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. Popul Health Metr 2020; 18: 20.
22. Cavalini LT, Ponce de Leon ACM. Correção de sub-registros de óbitos e proporção de internações por causas mal definidas. Rev Saúde Pública 2007; 41: 85–93.
23. Szwarcwald CL, Leal M do C, Andrade CLT de, Souza Jr. PRB de. Estimação da mortalidade infantil no Brasil: o que dizem as informações sobre óbitos e nascimentos do Ministério da Saúde? Cad Saúde Pública 2002; 18: 1725–1736.
24. Rasella D, Harhay MO, Pamponet ML, Aquino R, Barreto ML. Impact of primary health care on mortality from heart and cerebrovascular diseases in Brazil: a nationwide analysis of longitudinal data. BMJ 2014; 349: g4014–g4014.
25. Instituto Brasileiro de Geografia e Estatística. Censo Brasileiro de 2000. Rio de Janeiro: IBGE, https://sidra.ibge.gov.br/pesquisa/censo-demografico/demografico-2000/inicial (2002).
26. Instituto Brasileiro de Geografia e Estatística. Censo Brasileiro de 2010. Rio de Janeiro: IBGE, https://sidra.ibge.gov.br/pesquisa/censo-demografico/demografico-2010/inicial (2012).
27. Rousseeuw PJ, Hubert M. Anomaly detection by robust statistics. WIREs Data Min Knowl Discov 2018; 8: e1236.
28. Aquino R, de Oliveira NF, Barreto ML. Impact of the family health program on infant mortality in Brazilian municipalities. Am J Public Health 2009; 99: 87–93.
29. 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: 380.
30. Rasella D, Aquino R, Barreto ML. Reducing childhood mortality from diarrhea and lower respiratory tract infections in Brazil. Pediatrics 2010; 126: e534-540.
31. Hausman JA. Specification tests in econometrics. Econom J Econom Soc 1978; 1251–1271.
32. Wooldridge JM. Econometric analysis of cross section and panel data. MIT press, 2010.
33. Ribeiro ALP, Duncan BB, Brant LCC, Lotufo PA, Mill JG, Barreto SM. Cardiovascular Health in Brazil: Trends and Perspectives. Circulation 2016; 133: 422–433.
34. Chetty R, Stepner M, Abraham S, Lin S, Scuderi B, Turner N, Bergeron A, Cutler D. The Association Between Income and Life Expectancy in the United States, 2001-2014. JAMA 2016; 315: 1750–1766.
35. Elo IT, Martikainen P, Aaltonen M. Children’s educational attainment, occupation, and income and their parents’ mortality. Popul Stud 2018; 72: 53–73.
36. Hoffmann R, Hu Y, de Gelder R, Menvielle G, Bopp M, Mackenbach JP. The impact of increasing income inequalities on educational inequalities in mortality - An analysis of six European countries. Int J Equity Health 2016; 15: 103.
37. Bonaccio M, Di Castelnuovo A, Costanzo S, Persichillo M, Donati MB, de Gaetano G, Iacoviello L. Interaction between education and income on the risk of all-cause mortality: prospective results from the MOLI-SANI study. Int J Public Health 2016; 61: 765–776.
38. Rasella D, Aquino R, Santos CAT, Paes-Sousa R, Barreto ML. Effect of a conditional cash transfer programme on childhood mortality: a nationwide analysis of Brazilian municipalities. Lancet Lond Engl 2013; 382: 57–64.
39. Cheng JJ, Schuster-Wallace CJ, Watt S, Newbold BK, Mente A. An ecological quantification of the relationships between water, sanitation and infant, child, and maternal mortality. Environ Health Glob Access Sci Source 2012; 11: 4.
40. Fink G, Günther I, Hill K. The effect of water and sanitation on child health: evidence from the demographic and health surveys 1986-2007. Int J Epidemiol 2011; 40: 1196–1204.
41. Ezeh OK, Agho KE, Dibley MJ, Hall J, Page AN. The impact of water and sanitation on childhood mortality in Nigeria: evidence from demographic and health surveys, 2003-2013. Int J Environ Res Public Health 2014; 11: 9256–9272.
42. Rasella D. Impacto do Programa Água para Todos (PAT) sobre a morbi-mortalidade por diarreia em crianças do Estado da Bahia, Brasil. Cad Saúde Pública 2013; 29: 40–50.
43. Johnston KJ, Wen H, Joynt Maddox KE. Lack Of Access To Specialists Associated With Mortality And Preventable Hospitalizations Of Rural Medicare Beneficiaries. Health Aff Proj Hope 2019; 38: 1993–2002.
44. Ansari Z, Barbetti T, Carson NJ, Auckland MJ, Cicuttini F. The Victorian ambulatory care sensitive conditions study: rural and urban perspectives. Soz- Pr?ventivmedizinSocial Prev Med 2003; 48: 33–43.
45. Soares DDJ, Vilasbôas ALQ, Souza MKBD, Bispo Júnior JP. Acessibilidade aos serviços de Atenção Primária à Saúde em municípios rurais do Brasil. Saúde Em Debate. 2024;48:e8945.
46. Castro DM de, Oliveira VB de, Andrade AC de S, Cherchiglia ML, Santos A de FD. The impact of primary healthcare and the reduction of primary health care-sensitive hospital admissions. Cad Saude Publica 2020; 36: e00209819.
47. Kim AM, Park JH, Yoon TH, Kim Y. Hospitalizations for ambulatory care sensitive conditions as an indicator of access to primary care and excess of bed supply. BMC Health Serv Res 2019; 19: 259.
48. Busby J, Purdy S, Hollingworth W. How do population, general practice and hospital factors influence ambulatory care sensitive admissions: a cross sectional study. BMC Fam Pract 2017; 18: 67.
49. Burgdorf F, Sundmacher L. Potentially avoidable hospital admissions in Germany: an analysis of factors influencing rates of ambulatory care sensitive hospitalizations. Dtsch Arzteblatt Int 2014; 111: 215–223.
50. Shain M, Roemer MI. Hospital Costs Relate to the Supply of Beds. J Occup Environ Med 1959; 1: 518.
51. Bayati M, Emadi M. Factors affecting hospital mortality rate in Iran: a panel data analysis. BMC Res Notes 2020; 13: 558.
?