0034/2026 - Infoestrutura como fator determinante da Telessaúde no SUS em São Paulo: uma análise da maturidade digital em saúde.
Digital Infrastructure as a Determinant of Telehealth in São Paulo’s SUS: An Analysis of Digital Health Maturity.
Autor:
• João Alves Gonçalves Neto - Gonçalves Neto, JA - <j212391@dac.unicamp.br>ORCID: https://orcid.org/0009-0001-4262-0211
Coautor(es):
• Alexandre Lippelt Ribeiro dos Santos - Santos, ALR - <a151929@dac.unicamp.br, alexandre.lippelt@gmail.com>ORCID: https://orcid.org/0009-0006-2737-3538
• Amanda Fernandes Delgado - Delgado, AF - <fernandespericias@gmail.com>
ORCID: https://orcid.org/0009-0007-5357-3995
• Silvia Amélia Scudeller Vedovello - Vedovello, SAS - <sasv@unicamp.br>
ORCID: https://orcid.org/0000-0002-7203-2867
• Marcelo de Castro Meneghim - Meneghim, MC - <meneghim@unicamp.br>
ORCID: https://orcid.org/0000-0003-2673-3627
Resumo:
O estudo investigou a associação entre os domínios do Índice Nacional de Maturidade em Saúde Digital (INMSD) e o escore de Telessaúde e Serviços Digitais nas regiões administrativas do SUS em São Paulo. A análise abrangeu as 18 Macrorregiões de Saúde do Estado (RRAS), utilizando estatísticas descritivas, correlação de Pearson e regressão linear, com nível de significância de 5%. A média geral do INMSD foi de 0,40, com alta variabilidade (0,32–0,86) entre as macrorregiões. Os domínios “Formação e desenvolvimento profissional” e “Telessaúde e serviços digitais” apresentaram as menores médias e a maior variação. Inicialmente, observaram-se fortes correlações positivas entre telessaúde e vários domínios. Contudo, diante da identificação de macrorregiões influentes e discrepantes, os modelos foram reajustados com sua exclusão para maior robustez. Após o ajuste, apenas o domínio “Infoestrutura” permaneceu como preditor significativo do escore de “Telessaúde e serviços digitais” (r=0,61; p=0,0091) no modelo múltiplo final. Assim, a infoestrutura destaca-se como principal fator para o avanço da telessaúde no SUS paulista, indicando que investimentos nessa área são essenciais para impulsionar a saúde digital e reduzir desigualdades regionais.Palavras-chave:
Saúde Digital; Telessaúde; Sistema Único de Saúde; Tecnologia da Informação;Abstract:
This study investigated the association between the domains of the National Digital Health Maturity Index (INMSD) and the Telehealth and Digital Services score across administrative health regions of the SUS in São Paulo. The analysis covered the state’s 18 Health Macroregions (RRAS), using descriptive statistics, Pearson correlation, and linear regression with a 5% significance level. The overall INMSD mean was 0.40, with high variability (0.32–0.86) among macroregions. The domains “Professional Training and Development” and “Telehealth and Digital Services” showed the lowest means and greatest variability. Strong positive correlations were initially observed between telehealth and several domains. However, after identifying influential and discrepant macroregions, the regression models were readjusted with their exclusion to improve robustness. After adjustment, only the “Digital Infrastructure” domain remained a significant predictor of the “Telehealth and Digital Services” score (r=0.61; p=0.0091) in the final model. Digital infrastructure thus emerges as the main determinant for advancing telehealth in São Paulo’s SUS, indicating that investments in this area are essential to strengthen digital health and reduce regional disparities.Keywords:
Digital Health; Telehealth; Unified Health System; Information Technology; Brazil.Conteúdo:
Introdução
A transformação digital tem se consolidado como um pilar fundamental para o avanço dos sistemas de saúde em escala global, com o objetivo de otimizar processos, ampliar o acesso e melhorar a qualidade da assistência(1,2). No contexto brasileiro, o Sistema Único de Saúde (SUS) enfrenta o desafio de integrar inovações tecnológicas para potencializar sua capilaridade e resolutividade, especialmente em um cenário pós-pandêmico que acelerou a demanda por soluções digitais e pela telessaúde(3–5).
A maturidade digital em saúde vai além da simples aquisição de novas tecnologias, representando a capacidade de uma organização ou sistema de saúde em integrar e utilizar estrategicamente recursos digitais, dados e plataformas para otimizar processos, aprimorar a prestação de serviços e, fundamentalmente, transformar a experiência de cuidado para pacientes e profissionais. Esse conceito abrange não apenas a infraestrutura tecnológica, mas também a cultura organizacional, a capacitação de recursos humanos, a segurança da informação e a governança de dados(6–8). Em um cenário de crescente demanda por eficiência e acesso, avaliar e promover o avanço da maturidade digital torna-se imperativo para que sistemas de saúde, como o SUS, respondam de forma eficaz aos desafios contemporâneos e às expectativas da população.
O Índice Nacional de Maturidade em Saúde Digital (INMSD) surge como uma ferramenta essencial para avaliar esse nível de desenvolvimento, ao estratificar a maturidade digital em diversos domínios. Dentre eles, o domínio de Telessaúde e Serviços Digitais (Domínio IV) assume papel central, dada sua crescente relevância na oferta de cuidados, consultas, monitoramento e outras modalidades de assistência mediadas por tecnologias(9–11). Para que esses serviços atinjam seu pleno potencial, é fundamental compreender quais elementos da infraestrutura e da gestão digital exercem maior influência sobre seu desenvolvimento e efetividade.
Neste cenário, o presente estudo concentra-se no estado de São Paulo(12,13), uma das regiões com maior complexidade e volume de serviços de saúde do Brasil com o objetivo de analisar a maturidade digital no SUS e, mais especificamente, identificar as relações entre os diversos domínios do INMSD e o desempenho do Domínio de Telessaúde e Serviços Digitais.
A hipótese central que orienta esta investigação é a de que uma maior maturidade nos domínios de Gestão e Governança, Formação Profissional, Sistemas e Plataformas de Interoperabilidade, Infoestrutura, Monitoramento e Avaliação, e Infraestrutura e Segurança potencializa o desenvolvimento e a efetividade da Telessaúde e dos Serviços Digitais, ampliando o acesso, a acessibilidade e a resolutividade das ações em saúde. A partir disso, a pergunta de pesquisa que norteou este trabalho foi: Quais são a direção e a magnitude das associações entre os domínios I, II, III, V, VI e VII e o escore do Domínio IV, de modo a favorecer seu desempenho máximo? O objetivo deste estudo, portanto, é investigar a associação entre os domínios do Índice Nacional de Maturidade em Saúde Digital e o escore de Telessaúde e Serviços Digitais nas regiões administrativas do SUS no estado de São Paulo.
Metodologia
Este estudo utilizou dados secundários de acesso público. Trata-se de um estudo epidemiológico observacional e analítico, conduzido no estado de São Paulo, adotando-se a divisão por Redes Regionais de Atenção à Saúde (RRAS), que compreendem as 18 Macrorregiões de Saúde. Todas as RRAS foram incluídas na análise, considerando as Regiões de Saúde que as compõem conforme a organização vigente do SUS paulista.
O Índice Nacional de Maturidade em Saúde Digital (INMSD), parte do Programa SUS Digital, foi utilizado para mensurar a maturidade digital das macrorregiões. O instrumento é autoaplicável e composto por sete domínios, 32 subdomínios e 42 perguntas, abrangendo aspectos de governança, formação profissional, interoperabilidade, telessaúde, infoestrutura, monitoramento e avaliação, além de infraestrutura e segurança. Cada domínio gera um escore de 0 a 1, e a média simples desses escores resulta no índice geral, que classifica o ente federativo como emergente, em evolução ou avançado em maturidade digital. O quadro abaixo sintetiza sua estrutura, regras de pontuação e critérios de cálculo(14).
Quadro1
A variável de desfecho deste estudo foi o escore do domínio “Telessaúde e Serviços Digitais”. As variáveis independentes corresponderam aos demais domínios do INMSD. A análise estatística buscou examinar a associação entre esses domínios, reconhecendo-se desde o início que se trata de relações associativas e não causais, uma vez que o desenho do estudo não permite inferências de causa e efeito.
Inicialmente, foram realizadas análises descritivas por meio de médias, desvios-padrão e quartis, caracterizando a distribuição dos escores nas 18 macrorregiões. Em seguida, aplicou-se a correlação de Pearson para avaliar a força e a direção da relação linear entre os escores de cada domínio independente e o domínio de telessaúde. Posteriormente, foram ajustados modelos de regressão linear simples, com o intuito de explorar a magnitude e a direção dessas associações. Todas as interpretações foram fundamentadas no entendimento de que a regressão linear também mensura relações lineares, sem implicar causalidade.
Para garantir a robustez dos resultados, foram conduzidos procedimentos diagnósticos abrangendo análises gráficas e estatísticas. A normalidade dos resíduos foi avaliada por meio de QQ-plots e do teste de Shapiro-Wilk. A identificação de valores discrepantes ou influentes — capazes de distorcer as estimativas — baseou-se na matriz H, resíduos padronizados, estatísticas DFBeta e DFFits e na distância de Cook. A multicolinearidade entre as variáveis independentes foi examinada pelos índices de tolerância e pelo Variance Inflation Factor (VIF).
Após a identificação de macrorregiões influentes, especialmente a RRAS 5 e a RRAS 6 em alguns domínios, os modelos foram reajustados com a exclusão dessas unidades para avaliar a estabilidade das associações observadas. Em seguida, foi realizada regressão linear múltipla incluindo simultaneamente todos os domínios independentes, com o objetivo de identificar quais permaneciam associados ao escore de telessaúde no modelo final. Todas as análises foram conduzidas no software R (R Core Team, 2025), adotando-se nível de significância de 5%.
Resultados
A análise da maturidade digital no SUS no estado de São Paulo incluiu 18 Regiões Administrativas de Saúde (RRAS). A média geral do Índice Nacional de Maturidade em Saúde Digital (INMSD) para o estado foi de 0,40, variando de 0,32 a 0,86 entre as regiões. A Tabela 1 apresenta a análise descritiva completa dos escores do índice geral e de cada domínio.
Tab.1
Observa-se que os domínios "Formação e desenvolvimento profissional" (média = 0,27) e "Telessaúde e serviços digitais" (média = 0,25) apresentaram as menores médias e a maior variabilidade entre as regiões. Em contrapartida, o domínio "Sistemas e plataformas de interoperabilidade" registrou a maior média (0,56) e a menor variabilidade.
As análises de correlação de Pearson, considerando as 18 RRAS, revelaram importantes associações com o escore do domínio "Telessaúde e serviços digitais". Houve uma correlação positiva significativa e muito forte com o domínio "Infoestrutura" (r=0,96; p<0,0001). Correlações positivas significativas fortes também foram observadas com os domínios "Formação e desenvolvimento profissional" (r=0,89), "Monitoramento, avaliação e disseminação de informações estratégicas" (r=0,86) e "Infraestrutura e segurança" (r=0,85). O domínio "Gestão e governança em saúde digital" mostrou uma correlação positiva significativa moderada (r=0,61), enquanto “Sistemas e plataformas de interoperabilidade” não apresentaram correlação significativa. Os resultados completos estão detalhados na Tabela 2.
Tab.2
No entanto, as análises de diagnóstico dos modelos de regressão linear simples identificaram a presença de regiões influentes e discrepantes. As regiões 5 e 6, CIR Rota dos Bandeirantes (Barueri; Carapicuíba; Itapevi; Jandira; Osasco; Pirapora do Bom Jesus; Santana de Parnaíba) e CIR São Paulo (capital) respectivamente, foram identificadas como muito influentes para o domínio "Gestão e governança em saúde digital", e a região 6 para os demais domínios (Tabela 3). A Figura 1 ilustra visualmente o impacto dessas regiões nos gráficos de dispersão, evidenciando como elas distorciam as relações observadas quando incluídas nas análises. A exclusão dessas regiões foi realizada para verificar a robustez dos resultados.
Tab.3
Fig.1
Após a exclusão da região 6 (e da região 5 para a análise específica de Gestão e Governança), os resultados foram reavaliados com uma amostra de 17 RRAS. A análise de correlação de Pearson com os dados ajustados mostrou que apenas a "Infoestrutura" permaneceu com uma correlação positiva significativa, porém com força moderada (r=0,61; p=0,0091). Os demais domínios tornaram-se não significativos. A análise de regressão linear múltipla, realizada com os dados ajustados, confirmou que, entre todos os domínios, apenas a "Infoestrutura" manteve-se como preditor significativo do escore de "Telessaúde e Serviços Digitais" (p=0,0091).
A Tabela 4 apresenta os coeficientes desse modelo final. O coeficiente de determinação (R2) do modelo foi de 0,3742, indicando que aproximadamente 37,42% da variância no escore de "Telessaúde e Serviços Digitais" pode ser explicada pela "Infoestrutura".
Tab.4
Discussão
O presente estudo teve como objetivo investigar a associação entre os domínios do Índice Nacional de Maturidade em Saúde Digital (INMSD) e o escore de Telessaúde e Serviços Digitais nas regiões administrativas do Sistema Único de Saúde (SUS) no estado de São Paulo. Partiu-se da hipótese de que níveis mais elevados de maturidade nos domínios de Gestão e Governança, Formação Profissional, Sistemas e Plataformas de Interoperabilidade, Infoestrutura, Monitoramento e Avaliação, e Infraestrutura e Segurança estariam associados a maior efetividade da telessaúde. Os resultados apontam para um cenário multifacetado, no qual a infoestrutura se destaca como elemento central para o avanço da telessaúde nas regiões analisadas.
A análise descritiva revelou uma média geral de 0,40 no INMSD para o estado de São Paulo, sugerindo um nível intermediário de maturidade digital. No entanto, a ampla variação observada entre as 18 Regiões Administrativas de Saúde (RRAS), com escores entre 0,32 e 0,86, o que evidencia um grau expressivo de heterogeneidade. Essa dispersão reflete diferentes capacidades regionais de implementar estratégias de saúde digital(8). Tal heterogeneidade é comum em sistemas de saúde de grande escala, como o SUS, e está relacionada às desigualdades estruturais e socioeconômicas que marcam o território brasileiro(17). Essas desigualdades afetam diretamente o acesso e a adoção de soluções digitais em saúde, exigindo políticas públicas sensíveis às realidades locais. No contexto brasileiro, a digitalização da saúde ainda enfrenta entraves significativos, como carência de infraestrutura tecnológica, deficiências na conectividade e exclusão digital(18).
Essa realidade é observada também em outros países com sistemas de saúde descentralizados, onde a variabilidade na infraestrutura e na prontidão tecnológica compromete a interoperabilidade e a efetividade das soluções digitais(19). Mesmo com avanços como a Rede Nacional de Dados em Saúde (RNDS), o Brasil ainda convive com desafios importantes na integração de dados e na comunicação entre diferentes níveis e regiões(20). Além disso, os atuais modelos de maturidade digital tendem a enfatizar componentes técnicos, negligenciando aspectos como equidade, inclusão e superação de fronteiras digitais, o que também contribui para a heterogeneidade observada em grandes sistemas(7,20).
Entre os domínios analisados, "Formação e Desenvolvimento Profissional" e "Telessaúde e Serviços Digitais" apresentaram as menores médias (0,27 e 0,25, respectivamente) e as maiores variações entre as regiões. Esses dados são preocupantes, considerando que a efetivação da telessaúde depende não apenas de tecnologia, mas também da capacitação e da adaptação dos profissionais às novas modalidades de cuidado (21,22).
Em contraste, o domínio "Sistemas e Plataformas de Interoperabilidade" obteve a maior média (0,56) e a menor variabilidade. Embora esse resultado seja positivo, indicando avanços no compartilhamento de dados e integração de sistemas, ainda há margem importante para aprimoramento(23,24). A interoperabilidade é essencial para garantir a continuidade do cuidado em ambientes digitais, mas, isoladamente, não assegura a efetividade da telessaúde.
Após a revisão dos modelos, observou-se que a relação entre os domínios do INMSD e a telessaúde é sensível à presença de regiões influentes e discrepantes, o que reforça a importância de análises robustas e de procedimentos diagnósticos adequados. Nesse contexto, destaca-se que a infoestrutura se consolida como o componente mais consistentemente associado ao desempenho em telessaúde, sugerindo que capacidades tecnológicas básicas, como conectividade, equipamentos e suporte técnico, constituem pré-requisitos estruturais para a expansão de serviços digitais em saúde. Esse achado é coerente com a literatura, que aponta que avanços em telessaúde dependem diretamente da presença de infraestrutura mínima e de condições tecnológicas adequadas nos territórios(24,25).
A infoestrutura compreende componentes como redes de comunicação, servidores, capacidade de armazenamento e softwares de base. Trata-se do alicerce técnico que viabiliza qualquer iniciativa em saúde digital. Sem uma infoestrutura robusta, mesmo as estratégias mais bem elaboradas enfrentam sérias barreiras de implementação e escalabilidade(26–28). Experiências internacionais bem-sucedidas mostram que o fortalecimento da base tecnológica foi determinante para o êxito de projetos de telessaúde e informatização de sistemas(29,30).
A perda de significância dos demais domínios após o ajuste não indica ausência de importância, mas sugere que sua efetividade está condicionada à existência de uma infoestrutura funcional. Em outras palavras, formações profissionais, mecanismos de governança ou instrumentos de avaliação só se tornam operacionais quando há suporte técnico suficiente. É plausível que, em um cenário de maturidade ainda incipiente, os principais gargalos estejam justamente na camada mais básica do sistema digital. À medida que essa base se fortaleça, outros domínios devem ganhar protagonismo no avanço da telessaúde(31,32).
Os achados deste estudo oferecem subsídios relevantes para gestores públicos e tomadores de decisão. A priorização de investimentos em infoestrutura — incluindo redes de comunicação, equipamentos, servidores e capacidade de processamento — deve ser encarada como estratégia essencial para a expansão da telessaúde. Sem essa base sólida, outras iniciativas digitais podem ser inviabilizadas ou ter eficácia limitada. Além disso, a heterogeneidade regional observada reforça a necessidade de políticas públicas diferenciadas e territorializadas, adaptadas às condições específicas de cada RRAS.
Nesse sentido, o próprio INMSD pode funcionar como uma ferramenta estratégica de gestão, ao permitir o monitoramento sistemático da maturidade digital por domínio e por região, o índice pode apoiar a definição de prioridades, orientar alocação de recursos e subsidiar o planejamento de políticas públicas em saúde digital de forma mais eficiente e equitativa.
Este estudo, entretanto, apresenta algumas limitações. A amostra, composta por 18 regiões administrativas do estado de São Paulo, pode não representar plenamente a diversidade do SUS em nível nacional. A exclusão de pontos influentes, embora metodologicamente justificável, pode limitar a generalização dos achados para regiões com maturidade digital muito elevada ou atípica, como a RRAS 6. Além disso, o uso de dados secundários autodeclarados pode introduzir variações na qualidade das informações fornecidas, especialmente em contextos com menor capacidade técnica ou dificuldades de preenchimento padronizado.
Também é importante reconhecer limitações de ordem logística relacionadas à operacionalização e sustentabilidade da maturidade digital. Mesmo em um estado economicamente robusto como São Paulo, observam-se desigualdades estruturais relevantes entre as macrorregiões, que podem influenciar a disponibilidade de conectividade, equipamentos, equipes capacitadas e suporte técnico contínuo, elementos essenciais para consolidar avanços em telessaúde. Essas diferenças sugerem que a evolução da maturidade digital depende não apenas de investimentos tecnológicos, mas também de arranjos organizacionais duradouros.
Estudos futuros, com desenhos longitudinais, poderão acompanhar a evolução da maturidade digital ao longo do tempo, permitindo avaliar relações de causa e efeito. Pesquisas qualitativas também poderão aprofundar a compreensão sobre os fatores contextuais que explicam as diferenças entre as regiões, especialmente no que se refere à implementação da infoestrutura e sua articulação com os demais domínios do INMSD.
Conclusão
O principal achado deste estudo é a identificação da infoestrutura como o fator mais determinante para o desenvolvimento da Telessaúde e dos Serviços Digitais no SUS paulista. Embora diversos domínios da maturidade digital sejam relevantes, os resultados indicam que uma base tecnológica sólida constitui o pré-requisito indispensável — e o principal gargalo — para a maioria das regiões analisadas. Nesse contexto, a priorização de investimentos em infraestrutura de tecnologia da informação é fundamental para viabilizar a adoção e a escalabilidade de soluções digitais eficazes, com potencial para ampliar o acesso, a acessibilidade e a resolutividade das ações em saúde no âmbito do SUS.
Contribuição dos autores:
Gonçalves Neto JA: Conceitualização, Metodologia, Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final;
Santos ALR: Análise e Interpretação dos dados, Coleta dos Dados, Pesquisa, redação do artigo e aprovação da versão final.
Delgado AF: Pesquisa, redação do artigo e aprovação da versão final;
Vedovello SAS: Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final
Meneghim MC: Conceitualização, Metodologia, Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final.
Declaração de Disponibilidade de Dados
Os bancos de dados utilizados no artigo, incluindo os códigos de extração, análises e resultados estão disponíveis em repositório: https://doi.org/10.5281/zenodo.17507253
Referências:
1. World Health Organization. Global strategy on digital health 2020-2025. 2021.
2. Organization WH. Mobile technologies for oral health: an implementation guide. 2021;
3. Souza-Zinader JP. A Estratégia da Saúde Digital para o Brasil. J Health Inform. 2020;12(4).
4. Ministério da Saúde, Gabinete do Ministro. PORTARIA GM/MS No 1.348, DE 2 DE JUNHO DE 2022 [Internet]. 1348. Disponível em: https://bvsms.saude.gov.br/bvs/saudelegis/gm/2022/prt1348_03_06_2022.html
5. Ministério da Saúde B. Altera a Portaria de Consolidação GM/MS no 5, de 28 de setembro de 2017, para instituir o Programa SUS Digital. 3232.
6. Liaw ST, Zhou R, Ansari S, Gao J. A digital health profile & maturity assessment toolkit: cocreation and testing in the Pacific Islands. J Am Med Inform Assoc. 2021;28(3):494–503.
7. Liaw ST, Godinho MA. Digital health and capability maturity models—a critical thematic review and conceptual synthesis of the literature. J Am Med Inform Assoc. 2023;30(2):393–406.
8. Liaw ST. Digital Public Health: Quality, Interoperability and Capability Maturity. Em: Oxford Research Encyclopedia of Global Public Health [Internet]. 2024 [citado 24 de julho de 2025]. Disponível em: https://oxfordre.com/publichealth/display/10.1093/acrefore/9780190632366.001.0001/acrefore-9780190632366-e-355
9. Cezário LRA, Ferreira BF, Manoel AV, de Oliveira JM, Mendes KLC, Pecorari VA. Telessaúde no Brasil: uma revisão de escopo. Rev Baiana Saúde Pública. 2024;48(2):209–24.
10. Harzheim E, Gonçalves MR, Umpierre RN, Da Silva Siqueira AC, Katz N, Agostinho MR, et al. Telehealth in Rio Grande do Sul, Brazil: Bridging the Gaps. Telemed E-Health. novembro de 2016;22(11):938–44.
11. Silva SN, Mello NF de, Ribeiro LR, Silva RE da, Cota G. Implementação de tecnologias em saúde no Brasil: análise de orientações federais para o sistema público de saúde. Ciênc Saúde Coletiva. 2024;29:e00322023.
12. Gouveia N, Corrallo FP, Leon ACP de, Junger W, Freitas CU de. Air pollution and hospitalizations in the largest Brazilian metropolis. Rev Saude Publica. 2017;51:117.
13. Pessoto UC, Heimann LS, Boaretto RC, Castro IE do N, Kayano J, Ibanhes LC, et al. Desigualdades no acesso e utilização dos serviços de saúde na Região Metropolitana de São Paulo. Ciênc Saúde Coletiva. 2007;12:351–62.
14. Claudia Meirelles. Indice Nacional de Maturidade em Saúde Digital - SP [Internet]. Ppt apresentado em: Oficina Preparatória para a elaboração dos Planos de Ação do programa SUS Digital.; 2024 out 22; São Paulo. Disponível em: https://www.cosemssp.org.br/wp-content/uploads/2024/11/INMSD-SAO-PAULO.pdf
15. Belsley DA, Kuh E, Welsch RE. Regression diagnostics: Identifying influential data and sources of collinearity [Internet]. John Wiley & Sons; 2005 [citado 1o de agosto de 2025]. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=GECBEUJVNe0C&oi=fnd&pg=PR7&dq=regression+diagnostics+belsley&ots=bbg3dY4cDZ&sig=rsTTujfOxYNWJTgHZt68xxqndWc
16. Montgomery DC, Peck EA, Vining GG. Introduction to linear regression analysis [Internet]. John Wiley & Sons; 2021 [citado 4 de agosto de 2025]. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=tCIgEAAAQBAJ&oi=fnd&pg=PR13&dq=Montgomery,+D.C.,+Peck,+E.A.,+and+Vining,+G.G.+(2006)+Introduction+to+Linear+Regression+Analysis.+4th+Edition,+John+Wiley+%26+Sons,+Inc.,+Hoboken.&ots=lgwbVqj4Rq&sig=3k8C2lcd6-fjdKIAUBtMH-QgwfI
17. Ribeiro RD, Gomes V, Gomes D. SAÚDE DIGITAL E POLÍTICAS PÚBLICAS: EVOLUÇÃO E DESAFIOS PARA O BRASIL. ARACÊ. 31 de outubro de 2024;6(3):7428–42.
18. Donida B, da Costa CA, Scherer JN. Making the COVID-19 pandemic a driver for digital health: Brazilian strategies. JMIR Public Health Surveill. 2021;7(6):e28643.
19. Zhao Y, Schalet D, Alsalamah S, Pujari S, Labrique A. From Assessment to Action: Exploring the Dynamics Between Maturity Assessments and Strategy Implementation in Digital Health. Em: Mantas J, Gallos P, Zoulias E, Hasman A, Househ MS, Charalampidou M, et al., organizadores. Studies in Health Technology and Informatics [Internet]. IOS Press; 2023 [citado 27 de julho de 2025]. Disponível em: https://ebooks.iospress.nl/doi/10.3233/SHTI230477
20. de Fatima Marin H, de Souza Zinader JP, da Silva Pires FJ, de Barros JV. The Brazilian digital health system: building the digital transformation to engage country citizens. Em: Roadmap to Successful Digital Health Ecosystems [Internet]. Elsevier; 2022 [citado 27 de julho de 2025]. p. 473–87. Disponível em: https://www.sciencedirect.com/science/article/pii/B9780128234136000033
21. Cruz-Panesso I, Tanoubi I, Drolet P. Telehealth competencies: training physicians for a new reality? Em: Healthcare [Internet]. MDPI; 2023 [citado 27 de julho de 2025]. p. 93. Disponível em: https://www.mdpi.com/2227-9032/12/1/93
22. Leochico CFD. Educating health care professionals about telerehabilitation: Developing a curriculum map for high-and low-resource settings. Em: Telerehabilitation [Internet]. Elsevier; 2022 [citado 27 de julho de 2025]. p. 391–403. Disponível em: https://www.sciencedirect.com/science/article/pii/B9780323824866000277
23. Weber S, Heitmann KU. Interoperability in healthcare: also prescribed for digital health applications (DiGA). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2021;64(10):1262–8.
24. Makeham M. Role of digital technology in delivering ‘healthy futures’ and ‘healthy cities’. Intern Med J. novembro de 2020;50(11):1408–9.
25. Sarkar SK, Midi H, Rana S. Detection of outliers and influential observations in binary logistic regression: An empirical study. J Appl Sci. 2011;11(1):26–35.
26. Jones-Esan L, Somasiri N, Lorne K. Enhancing healthcare delivery through digital health interventions: a systematic review on telemedicine and mobile health applications in Low and Middle-Income Countries (LMICs). 2024 [citado 27 de julho de 2025]; Disponível em: https://www.researchsquare.com/article/rs-5189203/latest
27. Phuong J, Ordóñez P, Cao J, Moukheiber M, Moukheiber L, Caspi A, et al. Telehealth and digital health innovations: A mixed landscape of access. PLOS Digit Health. 2023;2(12):e0000401.
28. Shaw RJ. Access to Technology and Digital Literacy as Determinants of Health and Health Care. Creat Nurs. agosto de 2023;29(3):258–63.
29. Rousseau J, Gibbs L, Garcia?Cabrera C, Runge A, Palmer C, Haria J, et al. A pioneering EMR ?embedded digital health literacy tool reveals healthcare disparities for diverse older adults. J Am Geriatr Soc [Internet]. agosto de 2024 [citado 27 de julho de 2025];72(S3). Disponível em: https://agsjournals.onlinelibrary.wiley.com/doi/10.1111/jgs.18935
30. Endalamaw A, Zewdie A, Wolka E, Assefa Y. A scoping review of digital health technologies in multimorbidity management: mechanisms, outcomes, challenges, and strategies. BMC Health Serv Res. 15 de março de 2025;25(1):382.
31. Duncan R, Eden R, Woods L, Wong I, Sullivan C. Synthesizing dimensions of digital maturity in hospitals: systematic review. J Med Internet Res. 2022;24(3):e32994.
32. Groom LL, Schoenthaler AM, Mann DM, Brody AA. Construction of the digital health equity-focused implementation research conceptual model-bridging the divide between equity-focused digital health and implementation research. PLOS Digit Health. 2024;3(5):e0000509.
A transformação digital tem se consolidado como um pilar fundamental para o avanço dos sistemas de saúde em escala global, com o objetivo de otimizar processos, ampliar o acesso e melhorar a qualidade da assistência(1,2). No contexto brasileiro, o Sistema Único de Saúde (SUS) enfrenta o desafio de integrar inovações tecnológicas para potencializar sua capilaridade e resolutividade, especialmente em um cenário pós-pandêmico que acelerou a demanda por soluções digitais e pela telessaúde(3–5).
A maturidade digital em saúde vai além da simples aquisição de novas tecnologias, representando a capacidade de uma organização ou sistema de saúde em integrar e utilizar estrategicamente recursos digitais, dados e plataformas para otimizar processos, aprimorar a prestação de serviços e, fundamentalmente, transformar a experiência de cuidado para pacientes e profissionais. Esse conceito abrange não apenas a infraestrutura tecnológica, mas também a cultura organizacional, a capacitação de recursos humanos, a segurança da informação e a governança de dados(6–8). Em um cenário de crescente demanda por eficiência e acesso, avaliar e promover o avanço da maturidade digital torna-se imperativo para que sistemas de saúde, como o SUS, respondam de forma eficaz aos desafios contemporâneos e às expectativas da população.
O Índice Nacional de Maturidade em Saúde Digital (INMSD) surge como uma ferramenta essencial para avaliar esse nível de desenvolvimento, ao estratificar a maturidade digital em diversos domínios. Dentre eles, o domínio de Telessaúde e Serviços Digitais (Domínio IV) assume papel central, dada sua crescente relevância na oferta de cuidados, consultas, monitoramento e outras modalidades de assistência mediadas por tecnologias(9–11). Para que esses serviços atinjam seu pleno potencial, é fundamental compreender quais elementos da infraestrutura e da gestão digital exercem maior influência sobre seu desenvolvimento e efetividade.
Neste cenário, o presente estudo concentra-se no estado de São Paulo(12,13), uma das regiões com maior complexidade e volume de serviços de saúde do Brasil com o objetivo de analisar a maturidade digital no SUS e, mais especificamente, identificar as relações entre os diversos domínios do INMSD e o desempenho do Domínio de Telessaúde e Serviços Digitais.
A hipótese central que orienta esta investigação é a de que uma maior maturidade nos domínios de Gestão e Governança, Formação Profissional, Sistemas e Plataformas de Interoperabilidade, Infoestrutura, Monitoramento e Avaliação, e Infraestrutura e Segurança potencializa o desenvolvimento e a efetividade da Telessaúde e dos Serviços Digitais, ampliando o acesso, a acessibilidade e a resolutividade das ações em saúde. A partir disso, a pergunta de pesquisa que norteou este trabalho foi: Quais são a direção e a magnitude das associações entre os domínios I, II, III, V, VI e VII e o escore do Domínio IV, de modo a favorecer seu desempenho máximo? O objetivo deste estudo, portanto, é investigar a associação entre os domínios do Índice Nacional de Maturidade em Saúde Digital e o escore de Telessaúde e Serviços Digitais nas regiões administrativas do SUS no estado de São Paulo.
Metodologia
Este estudo utilizou dados secundários de acesso público. Trata-se de um estudo epidemiológico observacional e analítico, conduzido no estado de São Paulo, adotando-se a divisão por Redes Regionais de Atenção à Saúde (RRAS), que compreendem as 18 Macrorregiões de Saúde. Todas as RRAS foram incluídas na análise, considerando as Regiões de Saúde que as compõem conforme a organização vigente do SUS paulista.
O Índice Nacional de Maturidade em Saúde Digital (INMSD), parte do Programa SUS Digital, foi utilizado para mensurar a maturidade digital das macrorregiões. O instrumento é autoaplicável e composto por sete domínios, 32 subdomínios e 42 perguntas, abrangendo aspectos de governança, formação profissional, interoperabilidade, telessaúde, infoestrutura, monitoramento e avaliação, além de infraestrutura e segurança. Cada domínio gera um escore de 0 a 1, e a média simples desses escores resulta no índice geral, que classifica o ente federativo como emergente, em evolução ou avançado em maturidade digital. O quadro abaixo sintetiza sua estrutura, regras de pontuação e critérios de cálculo(14).
Quadro1
A variável de desfecho deste estudo foi o escore do domínio “Telessaúde e Serviços Digitais”. As variáveis independentes corresponderam aos demais domínios do INMSD. A análise estatística buscou examinar a associação entre esses domínios, reconhecendo-se desde o início que se trata de relações associativas e não causais, uma vez que o desenho do estudo não permite inferências de causa e efeito.
Inicialmente, foram realizadas análises descritivas por meio de médias, desvios-padrão e quartis, caracterizando a distribuição dos escores nas 18 macrorregiões. Em seguida, aplicou-se a correlação de Pearson para avaliar a força e a direção da relação linear entre os escores de cada domínio independente e o domínio de telessaúde. Posteriormente, foram ajustados modelos de regressão linear simples, com o intuito de explorar a magnitude e a direção dessas associações. Todas as interpretações foram fundamentadas no entendimento de que a regressão linear também mensura relações lineares, sem implicar causalidade.
Para garantir a robustez dos resultados, foram conduzidos procedimentos diagnósticos abrangendo análises gráficas e estatísticas. A normalidade dos resíduos foi avaliada por meio de QQ-plots e do teste de Shapiro-Wilk. A identificação de valores discrepantes ou influentes — capazes de distorcer as estimativas — baseou-se na matriz H, resíduos padronizados, estatísticas DFBeta e DFFits e na distância de Cook. A multicolinearidade entre as variáveis independentes foi examinada pelos índices de tolerância e pelo Variance Inflation Factor (VIF).
Após a identificação de macrorregiões influentes, especialmente a RRAS 5 e a RRAS 6 em alguns domínios, os modelos foram reajustados com a exclusão dessas unidades para avaliar a estabilidade das associações observadas. Em seguida, foi realizada regressão linear múltipla incluindo simultaneamente todos os domínios independentes, com o objetivo de identificar quais permaneciam associados ao escore de telessaúde no modelo final. Todas as análises foram conduzidas no software R (R Core Team, 2025), adotando-se nível de significância de 5%.
Resultados
A análise da maturidade digital no SUS no estado de São Paulo incluiu 18 Regiões Administrativas de Saúde (RRAS). A média geral do Índice Nacional de Maturidade em Saúde Digital (INMSD) para o estado foi de 0,40, variando de 0,32 a 0,86 entre as regiões. A Tabela 1 apresenta a análise descritiva completa dos escores do índice geral e de cada domínio.
Tab.1
Observa-se que os domínios "Formação e desenvolvimento profissional" (média = 0,27) e "Telessaúde e serviços digitais" (média = 0,25) apresentaram as menores médias e a maior variabilidade entre as regiões. Em contrapartida, o domínio "Sistemas e plataformas de interoperabilidade" registrou a maior média (0,56) e a menor variabilidade.
As análises de correlação de Pearson, considerando as 18 RRAS, revelaram importantes associações com o escore do domínio "Telessaúde e serviços digitais". Houve uma correlação positiva significativa e muito forte com o domínio "Infoestrutura" (r=0,96; p<0,0001). Correlações positivas significativas fortes também foram observadas com os domínios "Formação e desenvolvimento profissional" (r=0,89), "Monitoramento, avaliação e disseminação de informações estratégicas" (r=0,86) e "Infraestrutura e segurança" (r=0,85). O domínio "Gestão e governança em saúde digital" mostrou uma correlação positiva significativa moderada (r=0,61), enquanto “Sistemas e plataformas de interoperabilidade” não apresentaram correlação significativa. Os resultados completos estão detalhados na Tabela 2.
Tab.2
No entanto, as análises de diagnóstico dos modelos de regressão linear simples identificaram a presença de regiões influentes e discrepantes. As regiões 5 e 6, CIR Rota dos Bandeirantes (Barueri; Carapicuíba; Itapevi; Jandira; Osasco; Pirapora do Bom Jesus; Santana de Parnaíba) e CIR São Paulo (capital) respectivamente, foram identificadas como muito influentes para o domínio "Gestão e governança em saúde digital", e a região 6 para os demais domínios (Tabela 3). A Figura 1 ilustra visualmente o impacto dessas regiões nos gráficos de dispersão, evidenciando como elas distorciam as relações observadas quando incluídas nas análises. A exclusão dessas regiões foi realizada para verificar a robustez dos resultados.
Tab.3
Fig.1
Após a exclusão da região 6 (e da região 5 para a análise específica de Gestão e Governança), os resultados foram reavaliados com uma amostra de 17 RRAS. A análise de correlação de Pearson com os dados ajustados mostrou que apenas a "Infoestrutura" permaneceu com uma correlação positiva significativa, porém com força moderada (r=0,61; p=0,0091). Os demais domínios tornaram-se não significativos. A análise de regressão linear múltipla, realizada com os dados ajustados, confirmou que, entre todos os domínios, apenas a "Infoestrutura" manteve-se como preditor significativo do escore de "Telessaúde e Serviços Digitais" (p=0,0091).
A Tabela 4 apresenta os coeficientes desse modelo final. O coeficiente de determinação (R2) do modelo foi de 0,3742, indicando que aproximadamente 37,42% da variância no escore de "Telessaúde e Serviços Digitais" pode ser explicada pela "Infoestrutura".
Tab.4
Discussão
O presente estudo teve como objetivo investigar a associação entre os domínios do Índice Nacional de Maturidade em Saúde Digital (INMSD) e o escore de Telessaúde e Serviços Digitais nas regiões administrativas do Sistema Único de Saúde (SUS) no estado de São Paulo. Partiu-se da hipótese de que níveis mais elevados de maturidade nos domínios de Gestão e Governança, Formação Profissional, Sistemas e Plataformas de Interoperabilidade, Infoestrutura, Monitoramento e Avaliação, e Infraestrutura e Segurança estariam associados a maior efetividade da telessaúde. Os resultados apontam para um cenário multifacetado, no qual a infoestrutura se destaca como elemento central para o avanço da telessaúde nas regiões analisadas.
A análise descritiva revelou uma média geral de 0,40 no INMSD para o estado de São Paulo, sugerindo um nível intermediário de maturidade digital. No entanto, a ampla variação observada entre as 18 Regiões Administrativas de Saúde (RRAS), com escores entre 0,32 e 0,86, o que evidencia um grau expressivo de heterogeneidade. Essa dispersão reflete diferentes capacidades regionais de implementar estratégias de saúde digital(8). Tal heterogeneidade é comum em sistemas de saúde de grande escala, como o SUS, e está relacionada às desigualdades estruturais e socioeconômicas que marcam o território brasileiro(17). Essas desigualdades afetam diretamente o acesso e a adoção de soluções digitais em saúde, exigindo políticas públicas sensíveis às realidades locais. No contexto brasileiro, a digitalização da saúde ainda enfrenta entraves significativos, como carência de infraestrutura tecnológica, deficiências na conectividade e exclusão digital(18).
Essa realidade é observada também em outros países com sistemas de saúde descentralizados, onde a variabilidade na infraestrutura e na prontidão tecnológica compromete a interoperabilidade e a efetividade das soluções digitais(19). Mesmo com avanços como a Rede Nacional de Dados em Saúde (RNDS), o Brasil ainda convive com desafios importantes na integração de dados e na comunicação entre diferentes níveis e regiões(20). Além disso, os atuais modelos de maturidade digital tendem a enfatizar componentes técnicos, negligenciando aspectos como equidade, inclusão e superação de fronteiras digitais, o que também contribui para a heterogeneidade observada em grandes sistemas(7,20).
Entre os domínios analisados, "Formação e Desenvolvimento Profissional" e "Telessaúde e Serviços Digitais" apresentaram as menores médias (0,27 e 0,25, respectivamente) e as maiores variações entre as regiões. Esses dados são preocupantes, considerando que a efetivação da telessaúde depende não apenas de tecnologia, mas também da capacitação e da adaptação dos profissionais às novas modalidades de cuidado (21,22).
Em contraste, o domínio "Sistemas e Plataformas de Interoperabilidade" obteve a maior média (0,56) e a menor variabilidade. Embora esse resultado seja positivo, indicando avanços no compartilhamento de dados e integração de sistemas, ainda há margem importante para aprimoramento(23,24). A interoperabilidade é essencial para garantir a continuidade do cuidado em ambientes digitais, mas, isoladamente, não assegura a efetividade da telessaúde.
Após a revisão dos modelos, observou-se que a relação entre os domínios do INMSD e a telessaúde é sensível à presença de regiões influentes e discrepantes, o que reforça a importância de análises robustas e de procedimentos diagnósticos adequados. Nesse contexto, destaca-se que a infoestrutura se consolida como o componente mais consistentemente associado ao desempenho em telessaúde, sugerindo que capacidades tecnológicas básicas, como conectividade, equipamentos e suporte técnico, constituem pré-requisitos estruturais para a expansão de serviços digitais em saúde. Esse achado é coerente com a literatura, que aponta que avanços em telessaúde dependem diretamente da presença de infraestrutura mínima e de condições tecnológicas adequadas nos territórios(24,25).
A infoestrutura compreende componentes como redes de comunicação, servidores, capacidade de armazenamento e softwares de base. Trata-se do alicerce técnico que viabiliza qualquer iniciativa em saúde digital. Sem uma infoestrutura robusta, mesmo as estratégias mais bem elaboradas enfrentam sérias barreiras de implementação e escalabilidade(26–28). Experiências internacionais bem-sucedidas mostram que o fortalecimento da base tecnológica foi determinante para o êxito de projetos de telessaúde e informatização de sistemas(29,30).
A perda de significância dos demais domínios após o ajuste não indica ausência de importância, mas sugere que sua efetividade está condicionada à existência de uma infoestrutura funcional. Em outras palavras, formações profissionais, mecanismos de governança ou instrumentos de avaliação só se tornam operacionais quando há suporte técnico suficiente. É plausível que, em um cenário de maturidade ainda incipiente, os principais gargalos estejam justamente na camada mais básica do sistema digital. À medida que essa base se fortaleça, outros domínios devem ganhar protagonismo no avanço da telessaúde(31,32).
Os achados deste estudo oferecem subsídios relevantes para gestores públicos e tomadores de decisão. A priorização de investimentos em infoestrutura — incluindo redes de comunicação, equipamentos, servidores e capacidade de processamento — deve ser encarada como estratégia essencial para a expansão da telessaúde. Sem essa base sólida, outras iniciativas digitais podem ser inviabilizadas ou ter eficácia limitada. Além disso, a heterogeneidade regional observada reforça a necessidade de políticas públicas diferenciadas e territorializadas, adaptadas às condições específicas de cada RRAS.
Nesse sentido, o próprio INMSD pode funcionar como uma ferramenta estratégica de gestão, ao permitir o monitoramento sistemático da maturidade digital por domínio e por região, o índice pode apoiar a definição de prioridades, orientar alocação de recursos e subsidiar o planejamento de políticas públicas em saúde digital de forma mais eficiente e equitativa.
Este estudo, entretanto, apresenta algumas limitações. A amostra, composta por 18 regiões administrativas do estado de São Paulo, pode não representar plenamente a diversidade do SUS em nível nacional. A exclusão de pontos influentes, embora metodologicamente justificável, pode limitar a generalização dos achados para regiões com maturidade digital muito elevada ou atípica, como a RRAS 6. Além disso, o uso de dados secundários autodeclarados pode introduzir variações na qualidade das informações fornecidas, especialmente em contextos com menor capacidade técnica ou dificuldades de preenchimento padronizado.
Também é importante reconhecer limitações de ordem logística relacionadas à operacionalização e sustentabilidade da maturidade digital. Mesmo em um estado economicamente robusto como São Paulo, observam-se desigualdades estruturais relevantes entre as macrorregiões, que podem influenciar a disponibilidade de conectividade, equipamentos, equipes capacitadas e suporte técnico contínuo, elementos essenciais para consolidar avanços em telessaúde. Essas diferenças sugerem que a evolução da maturidade digital depende não apenas de investimentos tecnológicos, mas também de arranjos organizacionais duradouros.
Estudos futuros, com desenhos longitudinais, poderão acompanhar a evolução da maturidade digital ao longo do tempo, permitindo avaliar relações de causa e efeito. Pesquisas qualitativas também poderão aprofundar a compreensão sobre os fatores contextuais que explicam as diferenças entre as regiões, especialmente no que se refere à implementação da infoestrutura e sua articulação com os demais domínios do INMSD.
Conclusão
O principal achado deste estudo é a identificação da infoestrutura como o fator mais determinante para o desenvolvimento da Telessaúde e dos Serviços Digitais no SUS paulista. Embora diversos domínios da maturidade digital sejam relevantes, os resultados indicam que uma base tecnológica sólida constitui o pré-requisito indispensável — e o principal gargalo — para a maioria das regiões analisadas. Nesse contexto, a priorização de investimentos em infraestrutura de tecnologia da informação é fundamental para viabilizar a adoção e a escalabilidade de soluções digitais eficazes, com potencial para ampliar o acesso, a acessibilidade e a resolutividade das ações em saúde no âmbito do SUS.
Contribuição dos autores:
Gonçalves Neto JA: Conceitualização, Metodologia, Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final;
Santos ALR: Análise e Interpretação dos dados, Coleta dos Dados, Pesquisa, redação do artigo e aprovação da versão final.
Delgado AF: Pesquisa, redação do artigo e aprovação da versão final;
Vedovello SAS: Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final
Meneghim MC: Conceitualização, Metodologia, Análise e Interpretação dos dados, Discussão dos Resultados, Redação do artigo, Revisão crítica e aprovação da versão final.
Declaração de Disponibilidade de Dados
Os bancos de dados utilizados no artigo, incluindo os códigos de extração, análises e resultados estão disponíveis em repositório: https://doi.org/10.5281/zenodo.17507253
Referências:
1. World Health Organization. Global strategy on digital health 2020-2025. 2021.
2. Organization WH. Mobile technologies for oral health: an implementation guide. 2021;
3. Souza-Zinader JP. A Estratégia da Saúde Digital para o Brasil. J Health Inform. 2020;12(4).
4. Ministério da Saúde, Gabinete do Ministro. PORTARIA GM/MS No 1.348, DE 2 DE JUNHO DE 2022 [Internet]. 1348. Disponível em: https://bvsms.saude.gov.br/bvs/saudelegis/gm/2022/prt1348_03_06_2022.html
5. Ministério da Saúde B. Altera a Portaria de Consolidação GM/MS no 5, de 28 de setembro de 2017, para instituir o Programa SUS Digital. 3232.
6. Liaw ST, Zhou R, Ansari S, Gao J. A digital health profile & maturity assessment toolkit: cocreation and testing in the Pacific Islands. J Am Med Inform Assoc. 2021;28(3):494–503.
7. Liaw ST, Godinho MA. Digital health and capability maturity models—a critical thematic review and conceptual synthesis of the literature. J Am Med Inform Assoc. 2023;30(2):393–406.
8. Liaw ST. Digital Public Health: Quality, Interoperability and Capability Maturity. Em: Oxford Research Encyclopedia of Global Public Health [Internet]. 2024 [citado 24 de julho de 2025]. Disponível em: https://oxfordre.com/publichealth/display/10.1093/acrefore/9780190632366.001.0001/acrefore-9780190632366-e-355
9. Cezário LRA, Ferreira BF, Manoel AV, de Oliveira JM, Mendes KLC, Pecorari VA. Telessaúde no Brasil: uma revisão de escopo. Rev Baiana Saúde Pública. 2024;48(2):209–24.
10. Harzheim E, Gonçalves MR, Umpierre RN, Da Silva Siqueira AC, Katz N, Agostinho MR, et al. Telehealth in Rio Grande do Sul, Brazil: Bridging the Gaps. Telemed E-Health. novembro de 2016;22(11):938–44.
11. Silva SN, Mello NF de, Ribeiro LR, Silva RE da, Cota G. Implementação de tecnologias em saúde no Brasil: análise de orientações federais para o sistema público de saúde. Ciênc Saúde Coletiva. 2024;29:e00322023.
12. Gouveia N, Corrallo FP, Leon ACP de, Junger W, Freitas CU de. Air pollution and hospitalizations in the largest Brazilian metropolis. Rev Saude Publica. 2017;51:117.
13. Pessoto UC, Heimann LS, Boaretto RC, Castro IE do N, Kayano J, Ibanhes LC, et al. Desigualdades no acesso e utilização dos serviços de saúde na Região Metropolitana de São Paulo. Ciênc Saúde Coletiva. 2007;12:351–62.
14. Claudia Meirelles. Indice Nacional de Maturidade em Saúde Digital - SP [Internet]. Ppt apresentado em: Oficina Preparatória para a elaboração dos Planos de Ação do programa SUS Digital.; 2024 out 22; São Paulo. Disponível em: https://www.cosemssp.org.br/wp-content/uploads/2024/11/INMSD-SAO-PAULO.pdf
15. Belsley DA, Kuh E, Welsch RE. Regression diagnostics: Identifying influential data and sources of collinearity [Internet]. John Wiley & Sons; 2005 [citado 1o de agosto de 2025]. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=GECBEUJVNe0C&oi=fnd&pg=PR7&dq=regression+diagnostics+belsley&ots=bbg3dY4cDZ&sig=rsTTujfOxYNWJTgHZt68xxqndWc
16. Montgomery DC, Peck EA, Vining GG. Introduction to linear regression analysis [Internet]. John Wiley & Sons; 2021 [citado 4 de agosto de 2025]. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=tCIgEAAAQBAJ&oi=fnd&pg=PR13&dq=Montgomery,+D.C.,+Peck,+E.A.,+and+Vining,+G.G.+(2006)+Introduction+to+Linear+Regression+Analysis.+4th+Edition,+John+Wiley+%26+Sons,+Inc.,+Hoboken.&ots=lgwbVqj4Rq&sig=3k8C2lcd6-fjdKIAUBtMH-QgwfI
17. Ribeiro RD, Gomes V, Gomes D. SAÚDE DIGITAL E POLÍTICAS PÚBLICAS: EVOLUÇÃO E DESAFIOS PARA O BRASIL. ARACÊ. 31 de outubro de 2024;6(3):7428–42.
18. Donida B, da Costa CA, Scherer JN. Making the COVID-19 pandemic a driver for digital health: Brazilian strategies. JMIR Public Health Surveill. 2021;7(6):e28643.
19. Zhao Y, Schalet D, Alsalamah S, Pujari S, Labrique A. From Assessment to Action: Exploring the Dynamics Between Maturity Assessments and Strategy Implementation in Digital Health. Em: Mantas J, Gallos P, Zoulias E, Hasman A, Househ MS, Charalampidou M, et al., organizadores. Studies in Health Technology and Informatics [Internet]. IOS Press; 2023 [citado 27 de julho de 2025]. Disponível em: https://ebooks.iospress.nl/doi/10.3233/SHTI230477
20. de Fatima Marin H, de Souza Zinader JP, da Silva Pires FJ, de Barros JV. The Brazilian digital health system: building the digital transformation to engage country citizens. Em: Roadmap to Successful Digital Health Ecosystems [Internet]. Elsevier; 2022 [citado 27 de julho de 2025]. p. 473–87. Disponível em: https://www.sciencedirect.com/science/article/pii/B9780128234136000033
21. Cruz-Panesso I, Tanoubi I, Drolet P. Telehealth competencies: training physicians for a new reality? Em: Healthcare [Internet]. MDPI; 2023 [citado 27 de julho de 2025]. p. 93. Disponível em: https://www.mdpi.com/2227-9032/12/1/93
22. Leochico CFD. Educating health care professionals about telerehabilitation: Developing a curriculum map for high-and low-resource settings. Em: Telerehabilitation [Internet]. Elsevier; 2022 [citado 27 de julho de 2025]. p. 391–403. Disponível em: https://www.sciencedirect.com/science/article/pii/B9780323824866000277
23. Weber S, Heitmann KU. Interoperability in healthcare: also prescribed for digital health applications (DiGA). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2021;64(10):1262–8.
24. Makeham M. Role of digital technology in delivering ‘healthy futures’ and ‘healthy cities’. Intern Med J. novembro de 2020;50(11):1408–9.
25. Sarkar SK, Midi H, Rana S. Detection of outliers and influential observations in binary logistic regression: An empirical study. J Appl Sci. 2011;11(1):26–35.
26. Jones-Esan L, Somasiri N, Lorne K. Enhancing healthcare delivery through digital health interventions: a systematic review on telemedicine and mobile health applications in Low and Middle-Income Countries (LMICs). 2024 [citado 27 de julho de 2025]; Disponível em: https://www.researchsquare.com/article/rs-5189203/latest
27. Phuong J, Ordóñez P, Cao J, Moukheiber M, Moukheiber L, Caspi A, et al. Telehealth and digital health innovations: A mixed landscape of access. PLOS Digit Health. 2023;2(12):e0000401.
28. Shaw RJ. Access to Technology and Digital Literacy as Determinants of Health and Health Care. Creat Nurs. agosto de 2023;29(3):258–63.
29. Rousseau J, Gibbs L, Garcia?Cabrera C, Runge A, Palmer C, Haria J, et al. A pioneering EMR ?embedded digital health literacy tool reveals healthcare disparities for diverse older adults. J Am Geriatr Soc [Internet]. agosto de 2024 [citado 27 de julho de 2025];72(S3). Disponível em: https://agsjournals.onlinelibrary.wiley.com/doi/10.1111/jgs.18935
30. Endalamaw A, Zewdie A, Wolka E, Assefa Y. A scoping review of digital health technologies in multimorbidity management: mechanisms, outcomes, challenges, and strategies. BMC Health Serv Res. 15 de março de 2025;25(1):382.
31. Duncan R, Eden R, Woods L, Wong I, Sullivan C. Synthesizing dimensions of digital maturity in hospitals: systematic review. J Med Internet Res. 2022;24(3):e32994.
32. Groom LL, Schoenthaler AM, Mann DM, Brody AA. Construction of the digital health equity-focused implementation research conceptual model-bridging the divide between equity-focused digital health and implementation research. PLOS Digit Health. 2024;3(5):e0000509.
