Artigos

1. INTRODUÇÃO
A análise do impacto de eventos externos ou intervenções na saúde é naturalmente de bastante interesse, mas tem se intensificado principalmente pelo aumento da frequência de suas ocorrências, seja pela ebulição global, pelas epidemias ou por mudanças econômicas/geopolíticas. Tais ocorrências também têm feito crescer o interesse sobre a resiliência dos sistemas de saúde1,2,3,4. Bispo Júnior1 e Hanefeld et al.2 destacam que resiliência deve envolver o aprendizado com o passado e a preparação para o futuro. A capacidade de se preparar e responder aos eventos externos tomando as decisões mais assertivas é essencial aos gestores. Entretanto, só é possível desenvolver tal capacidade a partir de análises de dados que permitam entender e quantificar os impactos para, com o aprendizado adquirido, tomar decisões baseadas em evidências5, conduzir a possíveis adaptações, transformações, até mesmo a remodelagem da estrutura e organização do sistema.
A modelagem de dados ao longo do tempo a partir de metodologias de séries temporais interrompidas (ITS - Interrupted Time Series Analysis ou IA – Intervention Analysis) contribui na avaliação de pandemias ou políticas, programas, serviços e ações de saúde6,7, funcionando como uma ferramenta de gestão dos sistemas e melhoria da qualidade uma vez que permite estimar as medidas estatísticas mais representativas da evolução ao longo do tempo: as tendências temporais e suas mudanças após as intervenções.
Embora se observe que a utilização de ITS em saúde tenha quase triplicado na última década, a decisão pelo método adequado e que seja capaz de lidar com a complexidade envolvida, além da validação dos pressupostos necessários, ainda representa um desafio em muitos trabalhos7. Deste modo, se existisse uma ferramenta capaz de modelar dados adequadamente sem a necessidade de conhecimento prévio/técnico do gestor, seria muito importante para as quatro habilidades resilientes: monitorar indicadores apropriados, antecipar, aprender e responder às demandas não apenas de eventos disruptivos, mas também aqueles considerados normais3,8. Potencializando tais habilidades, é possível saber o que esperar, o que procurar, e aprender com o que aconteceu3.
Independentemente da ocorrência de eventos externos tais como a COVID-19, o monitoramento de indicadores em saúde é essencial para melhoria da saúde da população. Neste sentido, desde o “Pacto pela Saúde”, em 2006, os gestores do SUS (re)assumem compromissos para a redução da mortalidade materna, neonatal e infantil9 e este também é um dos Objetivos do Desenvolvimento Sustentável (ODS) da Organização das Nações Unidas (redução da taxa global de mortalidade materna para menos de 70 por cada 100 mil nascidos vivos até 2030). Infelizmente estudos ainda mostram reduções muito sutis e até mesmo aumentos nos coeficientes de mortalidade materno-infantil10,11,12,13, o que reforça a necessidade de pesquisas e políticas direcionadas para impulsionar ações voltadas a este grupo.
Neste contexto, este artigo objetiva apresentar a plataforma INPAKTS, uma ferramenta inovadora de gestão simplificada online que permite uma análise efetiva de tendência bem como de detecção de mudanças estatisticamente significativas na evolução temporal após intervenções tais como políticas públicas ou eventos externos como a ocorrências de agravos (COVID-19). Como estudo de caso, objetiva-se visualizar, estimar e projetar o impacto da pandemia e da vacinação da COVID-19 na mortalidade materna no estado do Paraná, no período de 2015 a 2022, e considerando fatores associados.

2. MÉTODOS
Trata-se de um estudo ecológico, retrospectivo, baseado na construção de uma plataforma para investigar a evolução temporal de indicadores na saúde e análise do impacto de eventos externos. São utilizados dados secundários do DATASUS em nível local, municipal e estadual do Paraná no período de 2015 a 2022. Os arquivos em formato dbf foram disponibilizados pela Secretaria de Saúde do Estado do Paraná (SESA) e são reconhecidos pela plataforma INPAKTS de modo que os dados são compilados, organizados, filtrados e agregados de acordo com os fatores de interesse para cada análise. Os bancos do Sistema de Informações do DATASUS que estão disponibilizados para os usuários são: Nascidos Vivos (SINASC), Sistema de Informações sobre Mortalidade (SIM) Neonatal, SIM Materno e Sífilis gestante e congênita, o qual é proveniente do Sistema de Informação de Agravos de Notificação (SINAN). Neste artigo são utilizados dados apenas do sistema de mortalidade materna, em que todos os óbitos maternos no período foram utilizados para construir séries temporais mensais da taxa de mortalidade materna dividindo o número de óbitos maternos pelo número de nascidos vivos, multiplicado por 100.000. Como fatores associados foram considerados com o período do puerpério, local da ocorrência, grau de escolaridade, raça/cor, estado civil, tipo de parto e ocorrência de óbito durante gravidez, parto, aborto ou puerpério.
Dentre os possíveis modelos de intervenção que poderiam ser construídos, pelas características dos dados envolvidos, foram implementados modelos de regressão segmentados, os quais são ótimos para interpretação simplificada de tendências e mudanças na mesma após intervenções. Estes modelos, apesar de existirem diferentes abordagens, fazem parte da análise de séries temporais interrompidas (ITSA)14. Após o ajuste, é realizada a análise de resíduos a qual pode ser utilizada para validação dos modelos, verificando se os pressupostos preconizados foram atendidos. Para verificação de normalidade é utilizado o teste de Shapiro Wilk e para verificação de autocorrelação são gerados gráficos das funções de autocorrelação e também os resultados do teste de Durbin-Whatson.
Para cada um dos fatores associados foram realizados testes z para comparação das proporções de óbitos antes e após as intervenções.


Estrutura e Utilização

Para a utilização da plataforma, o usuário deve primeiramente saber em quais datas e níveis geográficos ocorreram as intervenções para as quais deseja realizar suas análises. A Figura 1 representa o fluxograma das etapas a serem seguidas para otimizar o uso da plataforma INPAKTS.

Fig.1

Conforme ilustrado na Figura 1, inicialmente o usuário da INPAKTS deve selecionar uma ou duas datas das intervenções desejadas. Após esta escolha, deve-se selecionar o local geográfico que é desejado para as análises, podendo selecionar “Estado do Paraná, Macrorregionais, Regionais de Saúde e Municípios”. Todos os dados registrados no DATASUS após 2007 estão disponíveis para as análises. As séries históricas ou séries temporais são construídas agregando as ocorrências por mês, ou seja, são construídas séries mensais até o mês anterior ao que o usuário estiver acessando a plataforma. A data da última atualização fica descrita na aba apresentação. As datas de intervenção podem ser selecionadas dentro do período de dados disponíveis, exceto nos 5 primeiros e 5 últimos meses de análise, para que haja um mínimo de observações para inclusão nos modelos estatísticos nestes trechos. As análises de intervenção podem ser realizadas a partir dos bancos de dados disponíveis (SINASC, SIM Neonatal, SIM Materno e Sífilis gestante e Sífilis congênita). Após a escolha do banco de dados, irá gerar resultados referentes a análises de intervenções estimando as tendências temporais antes e depois de cada intervenção, análises descritivas antes e depois, além de análises geográficas mostrando o comportamento de mudança em tendência antes e depois de cada intervenção. O municípios que não possuem pelo menos 5 meses com óbitos em cada trecho da análise de intervenção constam como NA (Not Available) no mapa, uma vez que a falta de dados inviabiliza a construção dos modelos. Tais análises são interpretadas pelo usuário para identificação dos problemas, tomada de decisão com aperfeiçoamento e implementação de políticas públicas na gestão da saúde. Consequentemente, pode-se conduzir planejamentos no sentido de minimizar os problemas e melhorar a saúde materno-infantil, e ainda desenvolvendo e fortalecendo a capacidade da ciência de dados no Brasil.
Na Figura 2 é demonstrada a interface da INPAKTS com suas funcionalidades. Na porção superior é possível visualizar abas dinâmicas nomeadas como “Início”, “Análise de Intervenção”, “Análise descritiva”, “Análise Geográfica” e “Sobre”. Logo abaixo na aba “Início” o usuário pode selecionar as configurações iniciais para as análises preenchendo as informações sobre a localidade e a(as) data(s) das intervenções desejadas; tais seleções serão automaticamente usadas nas abas seguintes referentes às análises.

Fig.2

Figura 2. Representação da interface da plataforma INPAKTS com a apresentação para o uso.

Assim, no que se refere à pandemia, além da modelagem anterior a ocorrência da pandemia para cada localidade, os modelos preditivos permitem estimar o impacto da COVID-19 no risco de vulnerabilidade para mortalidade neonatal (geral, precoce e tardia); mortalidade materna; Sífilis (gestacional); e na transmissão vertical ou perinatal da Sífilis (congênita). Assim como a pandemia, é possível introduzir outras intervenções, tais como a vacina da COVID-19, Programa Rede Mãe Paranaense, dentre outros. É possível analisar até duas intervenções de uma vez e as outras análises descritivas e geográficas podem ser visualizadas de acordo com estas duas intervenções.


Implementação
A plataforma INPAKTS foi construída em linguagem R utilizando dois pacotes principais em sua estrutura. O ambiente web foi criado a partir do pacote Shiny, cuja escolha se deve ao fato do mesmo permitir a criação de aplicativos web ricos e interativos15. Outro pacote fundamental que foi utilizado para criar a plataforma chama-se Golem. Este consiste em um kit de ferramentas para a criação, desenvolvimento e implantação de um dashboard no Shiny que permitem aos desenvolvedores construírem um aplicativo web que seja estável, fácil de manter e robusto16. Assim, por meio do Golem, todo o código da plataforma foi construído com a estrutura de um pacote do R e com isto tem-se uma série de vantagens, tais como, uso de metadados, facilidade para documentar devidamente os arquivos, melhorar sua organização, dentre outras. A plataforma foi estruturada em módulos permitindo que os arquivos fiquem melhor organizados. Cada módulo consiste em um pedaço mais enxuto de código permitindo a criação de mini apps os quais podem funcionar de forma independente ou não uns dos outros. A plataforma possui um total de quinze módulos, os quais formam as abas e sub-abas do menu principal (Figura 2) para permitir acesso a todas as possibilidades apresentadas na Figura 1.

3. RESULTADOS

Exemplo de caso – Impacto da COVID-19 e da vacinação na mortalidade materna (SIM MATERNO)
Entre 2015 e 2022 ocorreram 2570 óbitos maternos no estado do Paraná. Na aba de análise exploratória da plataforma INPAKTS é possível visualizar a quantidade e proporção de ocorrências de acordo com diversos fatores relacionados antes e após cada intervenção. A Figura 3 ilustra essa representação, em que os óbitos são discriminados de acordo com o período do puerpério, local da ocorrência, grau de escolaridade, raça/cor, estado civil, tipo de parto e ocorrência de óbito durante gravidez, parto, aborto ou puerpério. As barras nos gráficos em azul representam o período antes da intervenção (COVID-19 ou vacinação, por exemplo) e em cor laranja representam o período após a intervenção. Em ambos os períodos, os valores em porcentagem se referem ao total de ocorrências oriundas de cada período de intervenção (antes ou depois).
Ao analisar os óbitos durante o puerpério (Figura 3), observa-se uma redução na frequência absoluta em todas as variáveis, uma vez que o período posterior à intervenção é menor em comparação ao período anterior. Entretanto, ao observar a frequência relativa, antes da COVID-19, cerca de 40% das mulheres observadas não morriam durante o puerpério, enquanto que, após o início da pandemia, essa proporção diminuiu para aproximadamente 36%, ou seja, a princípio, a COVID-19 não parece interferir nos óbitos maternos durante o puerpério. Todavia, se analisarmos os óbitos com até 42 dias de puerpério, podemos verificar que a proporção aumentou de pouco mais de 32% para quase 44% - uma diferença estatisticamente significativa (p < 0,01 pelo teste z de comparação de proporções) de 12% - enquanto que a proporção de óbitos com mais de 42 dias de puerpério diminuiu. Ademais, se a mesma análise for realizada com a proporção do início do período puerperal, mas após a vacinação, a proporção também foi maior no período posterior à intervenção - cerca de 40% - em relação ao período anterior - aproximadamente 36%. diminuindo cerca de 4% (gráfico omitido por limite de Figuras). Embora análises posteriores sejam necessárias, esses achados podem ser indicativos de que a doença afeta as mulheres principalmente no início do período puerperal - até 42 dias após o parto - e que a vacinação teve um impacto positivo na redução da mortalidade materna no período estudado.

Fig.3
Figura 3. Análise descritiva gerada pela plataforma INPAKTS referente a ocorrência de óbitos maternos durante o puerpério (A), local da ocorrência (B), grau de escolaridade (C), raça/cor D), estado civil (E), tipo de parto (F) e ocorrência de óbito durante gravidez, parto, aborto ou puerpério (G).
Com o intuito de visualizar, estimar e projetar o impacto da pandemia e da vacinação da COVID-19 na evolução temporal (tendência) da mortalidade materna, na Figura 4 é apresentada a análise de intervenção da taxa e óbito no estado do Paraná utilizando a plataforma INPAKTS no período de 2015 até 2022. Além da série temporal de ocorrência de óbitos de mães, a Figura 4 apresenta o modelo estimado considerando duas intervenções: a primeira no início da COVID19 em março de 2020 e a segunda em junho de 2021 no início da vacinação. Embora a vacinação tenha iniciado um pouco antes em algumas localidades e algumas faixas etárias, considerou-se junho, momento em que a vacinação já tinha ocorrido de modo mais efetivo.

Fig. 4

Figura 4. Análise de intervenção para avaliar o impacto da pandemia de COVID-19 (Intervenção 1) e a vacinação (Intervenção 2) nos óbitos maternos no estado do Paraná.
*p < 0.05

Na Figura 4, a estimativa representa a tendência média nos períodos entre as intervenções, assim como, as mudanças nessas tendências. A estimativa pré-intervenção indicou que havia uma tendência de redução em média de 1% ao mês na mortalidade materna antes da pandemia. Durante a COVID-19, ocorreu uma mudança estatisticamente significativa na tendência de 9.1% de modo que a tendência resultante passou para um aumento médio mensal no número de óbitos de 8.1%. Após o início da vacinação, ocorreu outra mudança na tendência, de -17%, conduzindo a uma tendência de diminuição mensal de 7.9%. Assim, com as estimativas de tendência a partir da análise de intervenção em séries temporais, é possível observar o impacto de eventos externos na evolução temporal dos dados, neste caso, da mortalidade materna. A partir dos gráficos e das estimativas disponibilizadas na plataforma, pode-se observar que se a vacinação não tivesse ocorrido, a mortalidade materna poderia ter atingido um patamar ainda mais crítico. É claro que diversos fatores relacionados direta ou indiretamente à intervenção podem influenciar cada mudança em tendência. Para auxiliar a investigação de fatores associados, a plataforma também disponibiliza a análise de intervenção de acordo com raça, idade e entre outros parâmetros no caso da mortalidade materna.
Na Figura 4, pode-se observar que as estimativas de tendência representando a quantificação da evolução temporal tanto antes dos eventos externos quando após suas ocorrências, os padrões de mudança, de resposta e de retorno a posição original são essenciais para melhorar as quatro habilidades intrínsecas à resiliência dos sistemas de saúde: monitorar, antecipar, aprender e responder3, 8. Nota-se ainda na Figura 4 que além da capacidade de visualização e monitoramento, é possível projetar do impacto de eventos externos para o futuro. A projeção para os próximos 6 meses indica o que é esperado caso todos os fatores envolvidos permaneçam influenciando o indicador em questão da mesma maneira.
A análise de intervenção apresentada na Figura 4 foi realizada para o estado do Paraná. Conforme descrito na metodologia, a mesma análise pode, entretanto, ser aplicada para diferentes níveis geográficos, ou seja, cada um dos 399 municípios do estado bem como para as 22 regionais de saúde de modo a entregar uma análise minuciosa e específica da evolução temporal de acordo com cada região. A plataforma INPAKTS realiza tal análise e disponibiliza mapas com a distribuição espacial das estimativas permitindo identificar a representação geográfica dos locais com mudança da tendência estatisticamente significativa tanto de aumento quanto de redução, bem como de estabilidade nas ocorrências da mortalidade de mulheres quando tais estimativas não são estatisticamente significativas (Figura 5).

Fig. 5

Figura 5. Distribuição espacial da mudança em tendência da mortalidade materna nos municípios (regionais de saúde) do Estado do Paraná, gerados pela plataforma INPAKTS, (A) após o início da COVID-19 em Março de 2020, (B) após o início da vacina em Junho de 2021.

Em relação às tendências de aumento dos óbitos são identificadas na Figura 5 nas regiões do norte central nas regionais de saúde 16 e 17, incluindo os municípios de Londrina e Apucarana, oeste na regional 20 incluindo municípios de Toledo e Mercedes, centro sul, regionais 4, 5 e 8, incluindo os municípios de Guarapuava e Cantagalo e na região metropolitana incluindo Curitiba, Quitandinha e Matinhos (regionais 1 e 2). Durante a intervenção da COVID-19 muitos dos municípios se manteve estável as tendências de ocorrências de morte materna, sendo identificadas essa estabilidade em todas as regiões do Estado. Após a vacinação, a redução estatisticamente significativa na tendência foi observada para praticamente todas as regiões em que a mortalidade tinha aumentado, a menos das regionais 1 (litoral) e 5 (central).
4. DISCUSSÃO

No Brasil, o sistema público de saúde tem grande potencial de evolução, necessitando muitas vezes de ferramentas para o sucesso no aprimoramento e no reconhecimento de possibilidades para intermédio de ações para a solução de um problema. A plataforma INPAKTS é inovadora, dinâmica e interativa com grande potencial para a gestão de programas e aprendizado com o passado para antecipação de ações no futuro, possibilitando melhoria indireta da resiliência do sistema de saúde. No exemplo de caso deste artigo, a INPAKTS reuniu técnicas estatísticas sobre análise de intervenção, análises descritivas e análises geográficas, as quais garantem uma visualização da COVID-19 e/ou seus potenciais em relação de mortalidade materna.
Embora não haja relatos na literatura de uma ferramenta como a plataforma INPAKTS, muitos trabalhos também utilizam a análise de séries temporais para uma análise de parâmetros e indicadores antes e depois de uma determinada intervenção. No que se diz a respeito à saúde da mulher e da criança, outros estudos têm utilizado ITSA e têm obtido resultados importantes referentes a mortalidade materna com a análise de impacto de eventos externos tais como pandemias, mudanças de políticas públicas ou programas de saúde17,18,19.
Zhao et al.17 realizaram na China uma ITSA utilizando regressão linear segmentada para avaliar mudanças nos níveis e tendências da taxa nacional de mortalidade materna e indicadores de serviços de saúde materna, tais como, taxa de exames pré-natal e taxa de visitas pós-parto antes e depois da introdução do projeto Serviço Básico de Saúde Pública. No estudo após a introdução do projeto Serviço Básico de Saúde Pública, a tendência da taxa nacional de mortalidade materna teve uma diminuição anual de 1,76 mortes maternas por 100.000 nascidos vivos após a implementação do projeto Serviço Básico de Saúde Pública em 2009. Além disso, houve aumento dos indicadores de serviços de saúde materna. Já no estudo conduzido por Lang’at et al.18, a ITSA foi utilizada para avaliar os efeitos da Política de Serviço de Maternidade Gratuita na saúde materna em Kenya. Os dados de seis indicadores de saúde materna foram coletados mensalmente por 24 meses antes (de junho de 2011 a maio de 2013) e 25 meses depois (de junho de 2013 a junho de 2015) da implementação da Política de Serviço de Maternidade Gratuita. Os resultados mostraram que houve um aumento significativo no número de mulheres grávidas identificadas com complicações obstétricas e atendidas em unidades de saúde de nível 5, 4 ou 3 após a implementação da política, com uma média mensal estimada de 58 mulheres a mais em comparação com antes da implementação da política. Além disso, houve um aumento nas taxas de parto assistido por parteiras qualificadas, mulheres com pelo menos uma visita de cuidados pré-natais e nascimentos vivos.
Em outro estudo conduzido por Herrera et al19, a ITSA considerando um modelo ARIMA, o qual é bastante tradicional na análise de séries temporais, foi utilizada para analisar os dados de mortalidade materna na Colômbia entre 1998 e 2006. Embora a interpretação dos parâmetros nestes modelos não seja direta e os autores tenham dito que estimaram tendência, as taxas nacionais de mortalidade materna foram comparadas apenas em termos de nível médio na ITSA. Ainda assim, este estudo apresentou uma redução significativa média na mortalidade materna geral e na mortalidade materna específica por pré-eclâmpsia após a implementação do modelo de intervenção de suplementação nutricional e o suporte social aprimorado.
Com relação ao nosso estudo de caso em que utilizamos a plataforma INPAKTS para avaliar indicadores de mortalidade materna sobre a intervenção da pandemia de COVID-19, durante a COVID-19 foi estimado tendência no aumento médio mensal no número de óbitos materno de 10,3% no Estado do Paraná. Outros trabalhos têm observado também o efeito da COVID-19 sobre a saúde da mulher e da criança20,21. No Brasil, um estudo que se assemelha com o nosso estudo de caso, de Carvalho-Sauer et al21, utilizou a análise de séries temporais sobre a mortalidade materna durante a pandemia de COVID-19 na Bahia em 2020. Os dados foram obtidos a partir do SIM e do (SINASC) também do DATASUS, e a análise foi realizada utilizando modelos de regressão polinomial e suavização exponencial. Como resultado desse estudo em 2020, a tendência referente a taxa de mortalidade materna anual na Bahia foi de 78,23/100.000 nascidos vivos, 59,46% maior do que a taxa esperada. Após o mês de maio, quando a pandemia de COVID-19 aumentou acentuadamente, a taxa excedeu o limite superior do intervalo de confiança de 95% da previsão mensal. Dos 144 óbitos maternos registrados em 2020, 19 (13,19%) tiveram a COVID-19 mencionada como causa da morte.
Nosso trabalho tem a mesma finalidade de mostrar através dos parâmetros e indicadores da saúde materna feitos pela INPAKTS com a análises de séries temporais alternativas a serem interpretadas e amadurecidas para o desenvolvimento de políticas públicas para solucionar ou melhorar os parâmetros da mortalidade materna. Além disso, outros trabalhos também têm utilizado a ITSA com sucesso para a avaliação de outros indicadores relacionados à saúde da mulher e da criança23,24,25. No entanto, independente do propósito da análise de séries temporais, é muito importante considerar outros fatores que podem influenciar essas mudanças nos parâmetros ao longo do tempo ou ao longo da ocorrência de uma intervenção. Para uma maior acurácia como reflexo da realidade populacional é de grande importância a parceria com a SESA para obtenção dos dados recentes e que sejam sempre atualizados no formato já definido, pois caso contrário inviabiliza o funcionamento da plataforma INPAKTS ou qualquer outra análise que visa a análise de dados para séries temporais.
Um fator bastante importante é como as análises apresentadas podem contribuir para aumentar a resiliência do sistema de saúde. Conforme Carvalho et al.4, quando o inesperado ocorre, a resiliência é a habilidade do sistema continuar funcionando de acordo, ou se degradado, de voltar a sua condição original. Diversos fatores além da gravidade da doença e comorbidades dos pacientes influenciam no aumento de óbitos, de modo que a superlotação dos hospitais, falta de suprimentos médicos e equipamentos contribuem diretamente para este pior desfecho. Se o gestor consegue predizer a evolução de ocorrências baseado em situações similares anteriores e observar os níveis atingidos até a produção de uma vacina por exemplo, pode se antecipar em organizar locais adicionais para atendimento e ser mais assertivo na solicitação de suplementos, logística e coordenação dos procedimentos. Além de poder avaliar a evolução mensal, ou seja, o aumento médio ao mês, pode-se usar o tempo levado até conseguir iniciar a reversão da situação, a estabilização da mesma e também a taxa de redução mensal de ocorrências até voltar ao padrão original.
Outro fator bastante importante, refere-se ao uso da plataforma para evidenciar a efetividade de medidas tais como a vacinação, evitando ou reduzindo movimentos de hesitação vacinal, conforme discutido em Carvalho et al.4. A plataforma desenvolvida também contribui para amenizar o evidenciado por Carvalho et al.4, no que se refere ao fato de durante um evento disruptivo tal como a COVID-19, as capacidades de monitoramento e resposta do sistema de saúde foram fortemente perturbadas, tomando-se decisões e agindo de modo cego em muitas situações.

5. LIMITAÇÕES E POSSÍVEIS MELHORIAS
Nesta primeira versão, a plataforma está preparada para analisar dados do SINASC, SIM Neonatal, SIM Materno e SINAN (Sífilis gestante e congênita) de acordo com fatores tais como idade e raça.
No futuro, a plataforma INPAKTS possibilitará ser expandida para investigar outros temas de saúde além da materna-infantil, ou mesmo incluir outros fatores associados à saúde materna infantil. Com a inclusão de novos dados, avaliar a necessidade de inclusão de outros modelos estatísticos, uma vez que o comportamento dos dados pode ser diferente e os pressupostos estatísticos dos resíduos podem não ser atendidos.
Como a construção desta plataforma foi fruto de um projeto de pesquisa para o SUS (PPSUS) em conjunto com a Fundação Araucária e Secretaria de Estado da Saúde do Paraná (SESA-PR), esta primeira versão é alimentada com dados do DATASUS do Paraná. No futuro, poderá ser expandida também para atender outras regiões e estados.
Vale ressaltar que as limitações relacionadas a estudos ecológicos em que se utiliza dados secundários agregados são naturalmente inerentes a este estudo. A conhecida subnotificação ou subregistros é ainda pior em períodos de ocorrência de eventos disruptivos tais como uma pandemia. Outro fato importante é que além dos eventos externos, muitos fatores podem influenciar concomitantemente na evolução temporal dos indicadores em análise, inclusive fatores internos e principalmente relacionados a falta de resiliência dos sistemas de saúde.


6. CONCLUSÃO
Conclui-se que a plataforma INPAKTS desenvolvida contribui para monitoramento de dados ao longo do tempo em saúde pública avaliando o impacto de pandemias, políticas, programas e ações de saúde, funcionando como uma ferramenta de gestão e melhoria da qualidade dos sistemas e resiliência do SUS. A capacidade de mensuração/quantificação da evolução temporal antes e após eventos externos, análise dos padrões de mudança, de resposta e de retorno a posição original da plataforma são essenciais para melhorar as habilidades de monitoramento, antecipação, aprendizagem e resposta mais assertiva, as quais são intrínsecas à resiliência dos sistemas de saúde.


FINANCIAMENTO
Este projeto faz parte do programa Pesquisa para o SUS (PPSUS número SUS2020131000114), financiado pelo Ministério da Saúde, Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Fundação Araucária e Secretaria de Estado da Saúde (SESA-PR).

AGRADECIMENTOS
Externamos especial agradecimento pela participação no projeto: Maria Goretti David Lopes e Acácia Maria Lourenço Francisco Nasr (Atenção e Vigilância em Saúde da Sesa-PR), Greicy Cezar do Amaral (15 Regional de Saúde de Maringá), Fernanda Nishida, Luciano Andrade e Sandra Marisa Pelloso (Programa de Pós em Ciências da Saúde da Universidade Estadual de Maringá - UEM), Adriana Strieder Philippsen (Departamento de Estatística - UEM), Diogo Francisco Rossoni (Departamento de Estatística e programa de Pós em Bioestatística - UEM) e aos alunos do curso de Graduação em Estatística, Felipe Yamamoto Tenedine e Rafael Caselato dos Santos.

Referências
1. Bispo Júnior JP. Resiliência do Sistema Único de Saúde no contexto da pandemia de COVID-19: como se fortalecer? Cad. Saúde Pública 2022; 38(10)
2. Hanefeld J, Mayhew S, Legido-Quigley H, Martineau F, Karanikolos M, Blanchet K, Liverani M, Mokuwa EY, McKay G, Balabanova D. Towards an understanding of resilience: responding to health systems shocks. Health Policy Plan 2018; 33(3): 355-367.
3. Jatobá A, Carvalho PVR de. Resiliência em saúde pública: preceitos, conceitos, desafios e perspectivas. Saúde debate 2022; 46(spe8):130–9.
4. de Carvalho, P.V.R. de, Bellas, H., Viana, J. et al. Transformative dimensions of resilience and brittleness during health systems’ collapse: a case study in Brazil using the Functional Resonance Analysis Method. BMC Health Serv Res 2023; 23(1):349.
5. Organização Pan-Americana da Saúde. Indicadores de saúde: Elementos conceituais e práticos. OPAS 2018.
6. Lagarde M. How to do (or not to do)?…?Assessing the impact of a policy change with routine longitudinal data. Health Policy Plan 2012; 27(1): 76-83.
7. Ewusie JE, Soobiah C, Blondal E, Beyene J, Thabane L, Hamid JS. Methods, Applications and Challenges in the Analysis of Interrupted Time Series Data: A Scoping Review. J Multidiscip Healthc 2020; 13: 411-423.
8. Hollnagel E. Safety–I and Safety–II: The Past and Future of Safety Management. London: CRC Press; 2018.
9. Documentos legais Brasil. Portaria nº 399 de 22 de fevereiro de 2006. Divulga o Pacto pela Saúde 2006 – Consolidação do SUS e aprova as Diretrizes Operacionais do Referido Pacto. Ministério da Saúde 2006.
10. Neggers YH. Trends in maternal mortality in the United States. Reprod Toxicol 2016; 64: 72-76.
11. MacDorman MF, Declercq E, Cabral H, Morton C. Recent Increases in the U.S. Maternal Mortality Rate: Disentangling Trends From Measurement Issues. Obstet Gynecol 2016; 128(3): 447-455.
12. Carrol AE. Why Is US Maternal Mortality Rising? Journal American Medical Association 2017; 318(4): 321.
13. Ozimek JA, Kilpatrick SJ. Maternal Mortality in the Twenty-First Century. Obstet Gynecol Clin North Am 2018; 45(2): 175-186.
14. Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology 2017; 46(1): 348–355.
15. Wickham H. Mastering shiny: build interactive apps reports and dashboards powered by R. O’ Reilly; 2021.
16. Fay C, Rochette S, Guyader V, Girard C. Engineering, Production-Grade, Shiny Apps. CRC Press; 2021.
17. Zhao P, Diao Y, You L, Wu S, Yang L, Liu Y. The influence of basic public health service project on maternal health services: an interrupted time series study. BMC Public Health 2019; 19(1): 824.
18. Lang’at E, Mwanri L, Temmerman M. Effects of implementing free maternity service policy in Kenya: an interrupted time series analysis. BMC Health Serv Res 2019; 19(1): 645.
19. Herrera JA, Herrera-Medina R, Herrera-Escobar JP, Nieto-Díaz A. Reduction of maternal mortality due to preeclampsia in Colombia-an interrupted time series analysis. Colombia Médica 2014; 45(1): 25-31.
20. Millimouno TM, Dioubaté N, Niane H, Diallo MC, Maomou C, Sy T, Diallo IS, Semaan A, Delvaux T, Benová L, Delamou A. Effect of the COVID-19 pandemic on maternal and neonatal health services in three referral hospitals in Guinea: an interrupted time-series analysis. Reprod Health 2023; 20(1): 50.
21. Yadollahi P, Zangene N, Heiran A, Sharafi M, Heiran KN, Hesami E, Saffari M, Azima S, Mirahmadizadeh A. Effect of the COVID-19 pandemic on maternal healthcare indices in Southern Iran: an interrupted time series analysis. BMJ Open 2022; 12(10).
22. Carvalho-Sauer RCO, Costa MCN, Teixeira MG, Do Nascimento EMR, Silva EMF, Barbosa MLA, da Silva GR, Santos TP, Paixão ES . Impact of COVID-19 pandemic on time series of maternal mortality ratio in Bahia, Brazil: analysis of period 2011-2020. BMC Pregnancy Childbirth 2021; 21(1): 423.
23. Chimhuya S, Neal SR, Chimhini G, Gannon H, Borja MC, Crehan C, Nkhoma D, Chiyaka T, Wilson E, Hull-Bailey T, Fitzgerald F, Chiume M, Heys M. Indirect impacts of the COVID-19 pandemic at two tertiary neonatal units in Zimbabwe and Malawi: an interrupted time series analysis. BMJ Open 2022; 12(6).
24. Beyrami HJ, Doshmangir L, Ahmadi A, Jafarabadi MA, Morasae EK, Gordeev VS. Impact of rural Family Physician programme on maternal and child health indicators in Iran: an interrupted time series analysis. BMJ Open 2019; 9(1).
25. Ahmed T, Roberton T, Vergeer P, Hansen PM, Peters MA, Ofosu AA, Mwansambo C, Nzelu C, Wesseh CS, Smart F, Alfred JP, Diabate M, Baye M, Yansane ML, Wendrad N, Mohamud NA, Mbaka P, Yuma S, Ndiaye Y, Sadat H, Uddin H, Kiarie H, Tsihory R, Mwinnyaa G, Rusatira JD, Fernandez PA, Muhoza P, Baral P, Drouard S, Hashemi T, Friedman J, Shapira G. Healthcare utilization and maternal and child mortality during the COVID-19 pandemic in 18 low- and middle-income countries: An interrupted time-series analysis with mathematical modeling of administrative data. PLoS Med 2022; 19(8).