Impactos da pandemia da COVID-19 sobre os planos de saúde no sudeste brasileiro: uma análise de séries temporais interrompidas

an interrupted time series analysis

Autores

Palavras-chave:

modelos quase experimentais, inferência causal, coronavírus

Resumo

A análise de séries temporais interrompidas é a abordagem quase experimental a fim de avaliar os efeitos de intervenções discretas em dados longitudinais. Assim, uma série temporal de um determinado resultado de interesse é usada para estabelecer uma tendência subjacente, que é "interrompida" por uma intervenção em um ponto conhecido no tempo. O cenário hipotético em que a intervenção não ocorreu e a tendência continua inalterada é referido como o ‘contrafactual’. Este cenário contrafactual fornece uma comparação para a avaliação do impacto da intervenção, examinando qualquer mudança que ocorra no período pós-intervenção. Nesse sentido, o objetivo deste trabalho é analisar os efeitos da pandemia da COVID-19 na contratação de planos de saúde na região Sudeste do Brasil por meio de análise de séries interrompidas. Os dados utilizados referem-se ao número de beneficiários de planos de saúde da região sudeste do primeiro trimestre de 2000 ao primeiro trimestre de 2023 (93 observações), oriundos da Agência Nacional de Saúde Suplementar. A partir da análise da série temporal foi ajustado um modelo quadrático para o período anterior ao tratamento (COVID-19) e após o tratamento abordado. Com base nos ajustes destes modelos, foi possível observar que o número de beneficiários de planos de saúde na região sudeste estava reduzindo, porém a intervenção pode ter provocado uma redução mais acentuada, sendo, em média, de 10 mil beneficiários a menos que o previsto sem a intervenção.

Biografia do Autor

Leonardo Biazoli, Universidade Federal de Alfenas

Professor do curso de Ciências Atuariais na Universidade Federal de Alfenas (UNIFAL)
Doutorando em Estatística e Experimentação Agropecuária (UFLA)
leonardo.biazoli@unifal-mg.edu.br

Izabela Regina Cardoso de Oliveira, Universidade Federal de Lavras

Professora na Universidade Federal de Lavras (UFLA)
Doutor em Estatística e Experimentação Agropecuária na "Luiz de Queiroz"
Escola Superior de Agricultura, ESALQ/USP, em dupla titulação com Universiteit Hasselt, Bélgica
Mestrado em Estatística e Experimentação Agropecuária (2010)
Bacharelado em Administração (2008) na Universidade Federal de Lavras (UFLA)

 

 

Professora na Universidade Federal de Lavras

Referências

BRASIL. Lei no 8.080, de 19 de setembro de 1990. Dispõe sobre as condições para a promoção, proteção e recuperação da saúde, a organização e o funcionamento dos serviços correspondentes e dá outras providências. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l8080.htm. Acesso em: 30 de Agosto de 2023.

BRASIL. Lei no 9.656, de 03 de junho de 1998. Dispõe sobre os planos e seguros privados de assistência à saúde. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l9656.htm. Acesso em: 16 de Junho de 2023.

BRASIL. Lei no 9.961, de 28 de janeiro de 2000. Cria a Agência Nacional de Saúde Suplementar – ANS e dá outras providências. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l9961.htm. Acesso em: 16 de Junho de 2023.

FIGUEIREDO, D. C. M. M. et al. Efeitos da recessão econômica na mortalidade por suicídio no Brasil: análise com séries temporais interrompidas. Revista Brasileira de Enfermagem, v. 75, p. e20210778, 2022.

IRVINE, M. A. et al. An interrupted time-series analysis of pediatric emergency department visits during the coronavirus disease 2019 pandemic. Pediatric Emergency Care, v. 37, n. 6, p. 325-328, 2021.

NASCIMENTO, M. I. et al. Mortalidade prematura por câncer de colo uterino: estudo de séries temporais interrompidas. Revista de Saúde Pública, v. 54, 2020.

NUNES, H. R. C et al. Impacto da Lei Seca sobre a mortalidade no trânsito nas Unidades Federativas do Brasil: uma análise de série temporal interrompida. Revista Brasileira de Epidemiologia, v. 24, p. e210045, 2021.

OLIVEIRA, C. C. M. et al. Efetividade do serviço móvel de urgência (Samu): uso de séries temporais interrompidas. Revista de Saúde Pública, v. 53, p. 99, 2019.

PEARL, J. Causal inference. Causality: Objectives and Assessment, PMLR, p. 39–58, 2010.

PENFOLD, R. B.; ZHANG, F. Use of interrupted time series analysis in evaluating health care quality improvements. Academic pediatrics, v. 13, n. 6, p. S38-S44, 2013.

RUBIN, D. B. Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of educational Psychology, American Psychological Association, v. 66, n. 5, p. 688, 1974.

ROSENBAUM, P. R.; RUBIN, D. B. The central role of the propensity score in observational studies for causal effects. Biometrika, Oxford University Press, v. 70, n. 1, p. 41–55, 1983.

VINCI, A. et al. Emergency medical services calls analysis for trend prediction during epidemic outbreaks: interrupted time series analysis on 2020–2021 COVID-19 epidemic in Lazio, Italy. International Journal of Environmental Research and Public Health, v. 19, n. 10, p. 5951, 2022.

Downloads

Publicado

15-03-2024 — Atualizado em 11-04-2024

Versões

Como Citar

Biazoli, L., & Oliveira, I. R. C. de. (2024). Impactos da pandemia da COVID-19 sobre os planos de saúde no sudeste brasileiro: uma análise de séries temporais interrompidas: an interrupted time series analysis. Sigmae, 13(1), 45–50. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2263 (Original work published 15º de março de 2024)