O Sistema Único de Saúde (SUS) opera sob a diretriz da regionalização, buscando garantir que o acesso à saúde seja descentralizado e próximo ao cidadão. No entanto, a infraestrutura para tratamento de alta complexidade ou doenças específicas, como as infecciosas, frequentemente se concentra em polos regionais. Isso gera um fenômeno de "migração para saúde", onde pacientes precisam percorrer grandes distâncias para obter atendimento.
Este projeto investiga esse fenômeno utilizando dados de internações para mapear os fluxos reais de pacientes. Diferente de abordagens teóricas, este estudo baseia-se na evidência empírica de onde os pacientes residem versus onde foram efetivamente internados, permitindo uma auditoria geográfica da eficiência da rede hospitalar brasileira entre os anos de 2014 e 2024.
O objetivo central foi desenvolver uma plataforma analítica interativa que permita a gestores e pesquisadores:
A metodologia foi estruturada em três pilares: Engenharia de Dados, Ciência de Redes e Desenvolvimento Web.
O processamento dos dados foi realizado em Python, seguindo um pipeline rigoroso:
Utilizou-se o Sistema de Informações Hospitalares (SIH-SUS). A extração foi
automatizada através da biblioteca PySUS, baixando arquivos para
todos os estados brasileiros, cobrindo a série histórica de 2014 a 2024.
O SIH é um sistema de registro administrativo que coleta e processa dados de
todas as internações hospitalares financiadas pelo SUS. Ele é utilizado principalmente
para motivos financeiros, rastreando quais foram os serviços prestados pelos hospitais.
Desse conjunto de dados, foram utilizados os seguintes dados:
Foram também utilizados dados de mapa do Brasil, disponibilizados pelo IBGE, para a criação das visualizações.
Os dados foram agrupados por município de residência, município de internação, diagnóstico principal e ano, adicionando a informação de número de internações por cada um desses grupos e também a distância entre os municípios de residência e internação.
O dado principal que queremos extrair desses dados é o grafo direcionado formado por municípios de residência e de internação, com a quantidade de hospitalizações e distancia sendo atributos das arestas, sendo os dados de diagnóstico e ano adicionados para filtragem dos dados por parte dos usuários no dashboard.
Para identificar estruturas oculta da rede de saúde, os dados foram modelados como um grafo direcionado e ponderado:
igraph e o algoritmo Infomap para detectar
"comunidades". O algoritmo baseia-se na teoria da informação para minimizar a descrição do caminho de um "caminhante aleatório" na rede, sendo ideal para capturar fluxos.
Essas comunidades representam grupos de municípios que trocam pacientes
intensamente entre si, revelando "Regiões de Saúde" baseadas
no comportamento da população.Para a apresentação dos gráficos, foi escolhido apresentá-los em um site, permitindo fácil acesso e maior interação. Para viabilizar a hospedagem do site, foi construído como um site estático utilizando HTML5, CSS3 e JavaScript (D3.js), permitindo que o site seja hospedado gratuitamente no GitHub Pages.
O produto final é um painel analítico composto por três visualizações principais, desenvolvidas com a biblioteca D3.js, que permitem responder às perguntas de pesquisa através de exploração interativa. Aqui são apresentados os gráficos mostrando os dados dos anos 2014 à 2024, mas no dashboard, é possível filtrar tanto por ano, quanto por diagnóstico.
Um grafo geoespacial onde os nós são posicionados conforme coordenadas geográficas (latitude/longitude) e as arestas representam o fluxo de pacientes. A espessura das linhas é calculada usando uma escala de raiz quadrada baseada no volume de hospitalizações, permitindo visualizar tanto grandes fluxos quanto conexões menores sem poluição visual excessiva.
Interatividade:
Esta visualização é um histograma que apresenta as distâncias médias de viagem por município, filtrando por estado, ou também mostrando o gráfico do país como um todo. As distâncias são calculadas segundo o centro geográfico de cada cidade, Então internações que ocorreram na mesma cidade de residência contaram como sendo distância 0. O eixo Y representa o número de municípios que se enquadram em cada faixa de distância, permitindo uma análise estatística da acessibilidade.
Interatividade:
Um mapa de calor que utiliza uma escala de cores logarítmica para colorir cada município com base na distância média percorrida por seus residentes, mesma distância apresentada no gráfico anterior. A escala logarítmica é essencial para diferenciar nuances entre municípios com distâncias curtas, sem que os valores extremos (viagens > 1000km) ofusquem a visualização.
Interatividade:
Um mapa de calor que utiliza uma escala de cores linear para colorir cada município com base na porcentagem de hospitalizações de pacientes residentes do município que foram feitar no próprio município.
Interatividade:
Clique em um município no mapa para ver detalhes da sua comunidade.
Apresenta o resultado do algoritmo Infomap, processado via biblioteca igraph em Python.
Cada cor representa uma comunidade detectada matematicamente — um grupo de municípios com alto fluxo interno de pacientes.
Interatividade:
Este trabalho demonstra o potencial do uso de Big Data público para auditoria e planejamento em saúde. A plataforma desenvolvida oferece uma visão transparente sobre a mobilidade de pacientes no SUS, provendo evidências empíricas para gestores otimizarem a alocação de recursos e reduzirem as distâncias percorridas pelos cidadãos brasileiros em busca de cura.
As seguintes fontes de dados, bibliotecas e documentações foram utilizadas para a elaboração deste estudo: