Transformando dados em informação: aplicação de business intelligence para a automação da análise de dados em saúde

Cleiton Schwambach Gaioti; Michael Ruberson Ribeiro da Silva; Eduardo Frizzera Meira; Jéssica Barreto Ribeiro dos Santos; Antonio Almeida de Barros Junior

doi:10.47456/bjpe.v10i3.44927

Autores/as

Cleiton Schwambach Gaioti Universidade Federal do Espírito Santo Autor/a https://orcid.org/0009-0004-7697-6330
Michael Ruberson Ribeiro da Silva Universidade Federal do Espírito Santo Autor/a https://orcid.org/0000-0003-2550-7249
Eduardo Frizzera Meira Universidade Federal do Espírito Santo Autor/a https://orcid.org/0000-0002-0210-4319
Jéssica Barreto Ribeiro dos Santos Universidade Federal do Espírito Santo Autor/a
Antonio Almeida de Barros Junior Universidade Federal do Espírito Santo Autor/a https://orcid.org/0000-0002-2449-7221

DOI:

https://doi.org/10.47456/bjpe.v10i3.44927

Palabras clave:

Business Intelligence, Epidemiologia, Análise de Dados

Resumen

Contexto: Avances científicos recientes indican una nueva frontera en la epidemiología: el análisis de grandes conjuntos de datos (Big Data), donde las herramientas de Inteligencia de Negocios desempeñan un papel fundamental. Objetivo: Implementar un Data Warehouse (DW) para el análisis de datos de salud y probar su uso en el análisis de indicadores de salud mental en Espírito Santo (ES). Métodos: El estudio se dividió en cuatro fases: 1) identificación de bases de datos e indicadores; 2) extracción, transformación y carga de datos; 3) creación de un Data Warehouse; y 4) procesamiento analítico con visualización de datos. Resultados: La creación del DW identificó que se gastaron R$ 53,7 millones en hospitalizaciones relacionadas con la salud mental en Espírito Santo, con una reducción progresiva a lo largo de los años. Durante la pandemia de COVID-19, hubo un aumento de más del 100% en las muertes relacionadas con trastornos mentales, especialmente vinculados al uso de alcohol y tabaco, más comunes entre individuos de piel morena, hombres y aquellos de 45 a 59 años. Conclusión: La implementación de un DW para el análisis de datos de salud permitió identificar importantes indicadores de salud mental en Espírito Santo y permitirá nuevos análisis en el contexto de la salud pública en ES y Brasil.

Descargas

Biografía del autor/a

Cleiton Schwambach Gaioti, Universidade Federal do Espírito Santo

Bacharel em Ciência da Computação pela Universidade Federal Do Espírito Santo. Atualmente atua como Analista de Dados na Itix Tecnologias.
Michael Ruberson Ribeiro da Silva, Universidade Federal do Espírito Santo

Doutor e Mestre em Medicamentos e Assistência Farmacêutica pela Universidade Federal de Minas Gerais (UFMG). Cursou MBA em Economia e Avaliação de Tecnologias em Saúde no Hospital Alemão Oswaldo Cruz (HAOC) em parceria com a Fundação Instituto de Pesquisas Econômicas (FIPE). Bacharel em Farmácia pelo Centro Universitário Newton Paiva. Atualmente é professor do Departamento de Farmácia e Nutrição do Centro de Ciências Exatas, Naturais e da Saúde (CCENS) e do Programa de Pós-graduação em Assistência Farmacêutica - Associação de IES (PPGASFAR) pela Universidade Federal do Espírito Santo (UFES). Coordenador do Grupo de Avaliação, Tecnologia e Economia em Saúde (GATES) e do Centro de Informação e Avaliação de Tecnologias em Saúde (CIATS). Trabalha principalmente com Avaliação de Tecnologias em Saúde, Epidemiologia, Assistência Farmacêutica, Farmacoeconomia, Farmacologia e Análise de Dados.
Eduardo Frizzera Meira, Universidade Federal do Espírito Santo

Possui graduação em Farmácia e Bioquímica pela Faculdade Brasileira (Multivix) (2004) e Doutorado em Ciências Fisiológicas pela Universidade Federal do Espírito Santo. Atualmente é professor Adjunto da Universidade Federal do Espírito Santo.
Jéssica Barreto Ribeiro dos Santos, Universidade Federal do Espírito Santo

Doutora (2019) e mestra (2015) em Medicamentos e Assistência Farmacêutica pela Universidade Federal de Minas Gerais. Possui MBA em Economia e Avaliação de Tecnologias em Saúde pelo Hospital Oswaldo Cruz e pela Fundação Instituto de Pesquisas Econômicas (2018). Fez especialização em Farmacologia Clínica pelo Centro Universitário Newton Paiva (2013). Possui graduação em Farmácia pela Universidade Federal de Minas Gerais (2012). Atualmente, é professora do Departamento de Farmácia e Nutrição e pesquisadora do Grupo de Avaliação, Tecnologia e Economia em Saúde da Universidade Federal do Espírito Santo. Atua nas áreas de Assistência Farmacêutica, Farmacoepidemiologia, Farmacoeconomia, Avaliação de Tecnologias em Saúde, Saúde Baseada em Evidências, Farmacologia Clínica e Saúde Coletiva.
Antonio Almeida de Barros Junior, Universidade Federal do Espírito Santo

Doutor em Ciências Florestais pela Universidade Federal do Espírito Santo. Mestre em Ciência da Computação pela Unversidade Federal de Viçosa. Possui graduação em Sistemas de Informação pela Universidade Iguaçu (2004). Atualmente é Professor Adjunto na Universidade Federal do Espírito Santo (UFES). Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Informação, atuando principalmente nos seguintes temas: sistemas de apoio à decisão, meta-heurísticas e banco de dados.

Referencias

Ali, M. S., Amorim, L. D. A. F., Werneck, G. L., Bittencourt, S. A., Hartz, Z., Barreto, M. L., ... & Oliveira, C. S. (2019). Administrative data linkage in Brazil: Potentials for health technology assessment. Frontiers in Pharmacology, 10. https://doi.org/10.3389/fphar.2019.00984

Batko, K. & Ślęzak, A. (2022). The use of big data analytics in healthcare. Journal of Big Data, 9(1). https://doi.org/10.1186/s40537-021-00553-4

Cheng, K. Y., Pazmino, S., & Schreiweis, B. (2022). ETL processes for integrating healthcare data - tools and architecture patterns. Studies in Health Technology and Informatics, 299, 151–156. https://doi.org/10.3233/SHTI220974

Chiavegatto Filho, A. D. P. (2015). Uso de big data em saúde no Brasil: Perspectivas para um futuro próximo. Epidemiologia e Serviços de Saúde, 24(2), 325–332. https://doi.org/10.5123/S1679-49742015000200015

Coelho Neto, G. C. & Chioro, A. (2021). Afinal, quantos Sistemas de Informação em Saúde de base nacional existem no Brasil? Cadernos de Saúde Pública, 37. https://doi.org/10.1590/0102-311X00182119

Coelho, F. C., Araújo, W., Oliveira, M., Oliveira, L., Lima, A., & Silva, G. (2021). AlertaDengue/PySUS: Vaccine. Zenodo. https://doi.org/10.5281/zenodo.4883502

Coeli, C. M. (2022). Ciência de dados populacionais. Epidemiologia e Serviços de Saúde, 31(3). https://doi.org/10.1590/S2237-96222022000300001

Cozzoli, N., Minicucci, M. F., Siciliano, C. B., Celi, L. A., & Iadanza, E. (2022). How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC Health Services Research, 22(1). https://doi.org/10.1186/s12913-022-08167-z

Daniel, V. M., Pereira, G. V., & Macadar, M. A. (2014). Perspectiva Institucional dos Sistemas de Informação em Saúde em Dois Estados Brasileiros. Revista de Administração Contemporânea, 18, 650–669. https://doi.org/10.1590/1982-7849rac20141709

Evangelou, E., Gill, D., Brown, M. R., Elliott, P., Tzoulaki, I., Murphy, N., ... & Holmes, M. V. (2021). Alcohol consumption in the general population is associated with structural changes in multiple organ systems. eLife, 10, e65325. https://doi.org/10.7554/eLife.65325

Faria, R. J., Marques, C. D. L., Duarte, A. L. B. P., & Ribeiro, C. A. (2022). Conventional synthetic disease-modifying anti-rheumatic drugs for psoriatic arthritis: Findings and implications from a patient-centered longitudinal study in Brazil. Frontiers in Pharmacology, 13. https://doi.org/10.3389/fphar.2022.878972

Fernandes, F. T. & Chiavegatto Filho, A. D. P. (2019). Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional, 44. https://doi.org/10.1590/2317-6369000019418

FIOCRUZ – Fundação Oswaldo Cruz. (2023). Plataforma de Ciência de Dados aplicada à Saúde (PCDaS). Laboratório de Informação em Saúde (Lis). Instituto de Comunicação e Informação Científica e Tecnológica em Saúde (Icict). Recuperado de https://pcdas.icict.fiocruz.br. https://doi.org/10.7303/syn25882127

Gaioti, C. S. (2024). Saúde mental no ES. Tableau.com. Recuperado de https://public.tableau.com/app/profile/cleiton.schwambach.gaioti/viz/SadeMentalnoES/HospitalizaesebitosporSadeMentalnoES?publish=yes

Heck, E. V. (2019). Big data and disruptions in business models. RAE: Revista de Administração de Empresas, 59(6), 430–432. https://doi.org/10.1590/S0034-759020190608

Kimball, R. & Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3rd ed.). John Wiley & Sons, Inc.

Kupcova, I., Fauskanger, J., Cederberg, S. A., Szabo, M., Bygstad, B., & Faxvaag, A. (2023). Effects of the COVID-19 pandemic on mental health, anxiety, and depression. BMC Psychology, 11(1). https://doi.org/10.1186/s40359-023-01130-5

Maior, M. da C. L. S., Osorio-de-Castro, C. G. S., & Andrade, C. L. T. de. (2020). Demografia, óbitos e indicadores de agravamento nas internações por intoxicações medicamentosas entre menores de 5 anos no Brasil. Revista Brasileira de Epidemiologia, 23. https://doi.org/10.1590/1980-549720200016

Medeiros, M. M., Maçada, A. C. G., & Hoppen, N. (2021). The role of big data stewardship and analytics as enablers of corporate performance management. RAM. Revista de Administração Mackenzie, 22(6). https://doi.org/10.1590/1678-6971/eRAMD210063

Mehta, G. & Sheron, N. (2019). No safe level of alcohol consumption – implications for global health. Journal of Hepatology, 70(4), 587–589. https://doi.org/10.1016/j.jhep.2018.12.021

Millwood, I. Y., Walters, R. G., Fillmore, T., Cheng, Y., Lacey, B., Lu, Y., ... & Bennett, D. A. (2023). Alcohol intake and cause-specific mortality: Conventional and genetic evidence in a prospective cohort study of 512,000 adults in China. The Lancet Public Health, 8(12), e956-e967. https://doi.org/10.1016/S2468-2667(23)00217-7

Ognjanovic, I. (2020). Healthcare data analytics. Studies in Health Technology and Informatics, 274, 122–135. https://doi.org/10.3233/SHTI200672

Oliveira, H. F. de, Sampaio, A. L. L., & Oliveira, C. A. C. P. de. (2011). DATASUS as an instrument for developing otologic public health policies. Brazilian Journal of Otorhinolaryngology, 77(3), 369–372. https://doi.org/10.1590/S1808-86942011000300016

Paim, J., Travassos, C., Almeida, C., Bahia, L., & Macinko, J. (2011). The Brazilian health system: History, advances, and challenges. The Lancet, 377(9779), 1778-1797. https://doi.org/10.1016/S0140-6736(11)60054-8

Santomaura, D. F., Santomauro, D. F., Mantilla Herrera, A. M., Shadid, J., Zheng, P., Ashbaugh, C., ... & Ferrari, A. J. (2021). Global prevalence and burden of depressive and anxiety disorders in 204 countries and territories in 2020 due to the COVID-19 pandemic. The Lancet, 398(10312), 1700–1712. https://doi.org/10.1016/S0140-6736(21)02143-7

Topiwala, A., Ebmeier, K. P., Jardine, R., Nichols, T. E., Ward, E. V., & Kivimaki, M. (2022). Alcohol consumption and MRI markers of brain structure and function: Cohort study of 25,378 UK Biobank participants. NeuroImage: Clinical, 35, 103066. https://doi.org/10.1016/j.nicl.2022.103066

Viana, S. A. P., Tanaka, S. O., & Santos, T. M. (2022). Prontuário Eletrônico do Paciente em um hospital universitário: Análise dos registros de atendimento. Revista Brasileira de Enfermagem, 75. https://doi.org/10.1590/0034-7167-2022-0031

Williams, J. (2018). Data management challenges in healthcare: Information quality and effective management. Journal of Data and Information Quality, 10(1), 1–8. https://doi.org/10.1145/3183330

Woolhandler, S. & Himmelstein, D. U. (2017). Single-payer reform: The only way to fulfill the president's pledge of more coverage, better benefits, and lower costs. Annals of Internal Medicine, 166(8), 587-588. https://doi.org/10.7326/M17-0302