Simulador para estimativa da taxa de difusão de novas tecnologias no SUS: um estudo piloto

Resumo

Introdução: Há pouco suporte científico para dimensionar a taxa de difusão de novas tecnologias in-corporadas no Sistema Único de Saúde (SUS), podendo ocorrer sub ou superestimação da demanda, aumentando as incertezas na análise de impacto orça[1]mentário (AIO). Este estudo buscou identificar os principais fatores relacionados à difusão de novos tratamentos no SUS, e um modelo estatístico capaz de predizer o comportamento das difusões das tecnologias após a incorporação.Métodos: Nesse estudo piloto foram selecionados medicamentos para Espondilite Ancilosante (EA), do grupo 1A do Componente Especializado da Assistência Farmacêutica (CEAF), dispensados mensalmen-te entre janeiro/2008 e junho/2022. Os principais fatores analisados para cada medicamento foram: o número de usuários (provenientes do Datasus conforme processo Sala Aberta de Inteligência em Saúde - Sabeis); o preço dos medicamentos (extraídos do Banco de Preços em Saúde); a linha de tratamento, frequência de uso e medicamentos concorrentes (identificados no Protocolo Clínico e Diretrizes Terapêu-ticas – PCDT da EA). Uma análise exploratória dos dados foi realizada para conhecimento inicial dos dados. Foi efetuado uma separação temporal dos dados entre antes e depois da primeira dispensação da última droga incorporada para modelagem e validação. Foram ajustados modelos de regressão linear (simples, multivariado e generalizado) e de séries temporais. A avaliação dos modelos foi realizada considerando critérios de informação de Akaike (AIC), análise de resíduos e capacidade preditiva para 12, 24 e 60 meses. Foi utilizado o programa R versão 4.2.0, com os pacotes tidyverse e fpp3.Resultados: Ao todo, 58.298 usuários utilizaram pelo menos um dos sete medicamentos incluídos no período do estudo (adalimumabe, certolizumabe pegol, etanercepte, golimumabe, infliximabe, me-totrexato e secuquinumabe), sendo o se o último medicamento incorporado no SUS. Para esse PCDT nenhum dos fatores analisados demonstrou uma relação com a difusão dos medicamentos incorpora[1]dos. Dentre os modelos de regressão testados, modelos lineares foram incapazes de realizar a predição com os dados disponíveis, mostrando fuga de normalidade e heterocedasticidade, indicando possível mal ajuste. Não foi possível ajuste de mo[1]delo linear generalizado com distribuição Poisson, devido à relação entre a média e a variância dos valores. Utilizando modelos ARIMA e SARIMA, foi obtido um modelo diferente para cada medicamento. Só obtiveram estimativas corretas os modelos para tecnolo-gias cujas tendências se mantiveram as mesmas depois de uma nova incorporação. O SARIMA (1,1,0)(0,0,1)[12] teve a melhor capacidade preditiva até 24 meses para demanda total, mostrando ser capaz de absorver o comportamento da difusão, com o menor AIC entre as abordagens.Discussão e conclusões: Os modelos se ajustaram aos dados observados para EA, mas não foram capazes de prever alterações na tendência. Dos que tiveram êxito em estimar algum comportamento, somente o fizeram até 24 meses. É possível que as variáveis presentes nos dados sejam insuficientes para explicar as alterações de tendência de difusão desses medicamentos incorporados ao SUS. Variá-veis ainda pouco exploradas neste projeto, como a experiência dos prescritores no uso dos medicamen-tos em tratamentos de outras condições de saúde pode ser importante para este objetivo. Modelagens alternativas de séries temporais, bem como o uso desses métodos em outros PCDTs são necessários.