-
Modelos para previsão de demanda: resultados preliminares da programação automatizada no Sistema Nacional de Gestão da Assistência Farmacêutica (HÓRUS)
- Voltar
Título
Modelos para previsão de demanda: resultados preliminares da programação automatizada no Sistema Nacional de Gestão da Assistência Farmacêutica (HÓRUS)
Tipo de documento
Resumo
Descrição
Resumo publicado no Jornal de Assistência Farmacêutica e Farmacoeconomia (JAFF)
Fonte
JAFF
Ano de publicação
2018
Referência (Vancouver)
Zimmermann IR, Ronsoni R, Bernarde ACO, Bernarde HD. Modelos para previsão de demanda: resultados preliminares da programação automatizada no Sistema Nacional de Gestão da Assistência Farmacêutica (HÓRUS). J Assist Farmac Farmacoecon. 2018;3(Suppl 1).
Identificador
2018JAFF005
Title
Demand Forecasting Models: Preliminary Results of Automated Scheduling in the National Pharmaceutical Assistance Management System (HÓRUS)
Document type
Abstract
Description
Abstract published in the Journal of Pharmaceutical Care and Pharmacoeconomics (JAFF)
Source
JAFF
Publication year
2018
Reference (Vancouver)
Zimmermann IR, Ronsoni R, Bernarde ACO, Bernarde HD. Modelos para previsão de demanda: resultados preliminares da programação automatizada no Sistema Nacional de Gestão da Assistência Farmacêutica (HÓRUS). J Assist Farmac Farmacoecon. 2018;3(Suppl 1).
Identifier
2018JAFF005
Resumo
Introdução: Atrelado a fatores como a transição epidemiológica e demográfica, o SUS já lida com os dilemas do paradigma dos impactos das doenças crônicas não-transmissíveis e o consequente aumento dos gastos em saúde. Com quase R$ 7 bilhões em 2016, o Componente Especializado da Assistência Farmacêutica (CEAF) é a ação com o maior orçamento na assistência farmacêutica no Ministério da saúde. Nesse sentido, com o objetivo de estimar de forma mais precisa a necessidade de medicamentos de aquisição centralizada, o Ministério da Saúde tem adotado modelos preditivos em seu planejamento em saúde. Objetivos: Descrever a experiência e estimar o impacto orçamentário preliminar da adoção de modelos preditivos na programação de distribuição de medicamentos de aquisição centralizada do CEAF pelo Ministério da Saúde. Métodos: A partir do registro da série histórica de quantitativos dispensados no Sistema Nacional de Gestão da Assistência Farmacêutica (Hórus) por medicamento e estado, aplicou-se o método ARIMA para prever o consumo em intervalos trimestrais dos medicamentos de compra centralizada do CEAF. No projeto piloto realizado com o Distrito Federal nos anos de 2015 e 2016, o modelo teve os seus intervalos de confiança sistematicamente ajustados aos níveis de precisão que abarcariam a demanda real de forma mais acurada (nível de confiança unicaudal de 60%). Após, a programação automatizada foi ampliada aos demais estados brasileiros que fazem uso do sistema Hórus. Com os resultados de distribuição de medicamentos do primeiro trimestre de 2018, foram consolidadas as diferenças entre o quantitativo potencialmente previsto pelo método do consumo médio mensal (CMM), classicamente adotado pelo Ministério da Saúde, e pelo método ARIMA, obtendo-se a estimativa de impacto econômico do modelo. Resultados: Em apenas três meses de experiência, o método ARIMA consistentemente previu uma necessidade menor de medicamentos que o método do CMM, tendo sido observada uma diferença total e aproximadamente R$ 20 milhões. Esse valor é interpretado como economia, dado que reflete o quantitativo que deixou de ser enviado aos estados, sem necessidade de complementação de estoques. Ou seja, a distribuição de medicamentos a partir das previsões do modelo ARIMA, apesar de consideravelmente menor que o previsto pelos valores de CMM, foi suficiente para atender a demanda dos estados. Ressalta-se que os resultados se referem estritamente ao elenco de medicamentos de aquisição centralizada do CEAF. Apesar de prevista, esta análise ainda não considera a ampliação do modelo para os demais elencos de medicamentos disponíveis no SUS e todos os usuários do sistema Hórus. Conclusão: No atual cenário de escassez de recursos e aumento da carga das doenças crônicas para os sistemas de saúde, é cada vez mais inerente às atividades da gestão em saúde a busca pela eficiência na alocação de recursos desde seu planejamento ao monitoramento e avaliação de seus resultados. Com a evolução das aplicações em análise de dados, é quase inestimável o ganho para a Administração Pública com o melhor planejamento de uso dos recursos públicos.
Notas
O registro foi originalmente publicado em português. A versão em inglês foi traduzida com o apoio de inteligência artificial.
Abstract
Introduction: Linked to factors such as epidemiological and demographic transitions, the Brazilian Unified Health System (SUS) faces challenges due to the increasing burden of chronic non-communicable diseases and subsequent rising healthcare expenditures. With nearly R$ 7 billion allocated in 2016, the Specialized Component of Pharmaceutical Assistance (CEAF) represents the largest budgetary item within pharmaceutical services at the Ministry of Health. In this context, aiming to more accurately estimate the need for centrally procured medications, the Ministry of Health has adopted predictive models in its health planning. Objectives: This study aims to describe the experience and estimate the preliminary budgetary impact of adopting predictive models in the scheduling of distribution for centrally procured medications within CEAF by the Ministry of Health. Methods: Historical dispensing data from the National Pharmaceutical Assistance Management System (Hórus) were utilized to apply the ARIMA method for predicting quarterly medication consumption by medication and state. In a pilot project conducted with the Federal District in 2015 and 2016, the ARIMA model's confidence intervals were systematically adjusted to achieve precision levels that would more accurately encompass real demand (single-tailed confidence level of 60%). Subsequently, automated scheduling was extended to other Brazilian states using the Hórus system. By comparing the results of medication distribution in the first quarter of 2018, differences between the quantities predicted by the average monthly consumption method (CMM), traditionally adopted by the Ministry of Health, and the ARIMA method were consolidated to estimate the economic impact of the model. Results: Over just three months of experience, the ARIMA method consistently predicted a lower medication requirement compared to the CMM method, resulting in a total difference of approximately R$ 20 million. This amount represents savings, reflecting the quantity of medications that did not need to be distributed to states, thereby avoiding unnecessary stock replenishments. In other words, medication distribution based on ARIMA predictions, although significantly lower than CMM estimates, was sufficient to meet states' demand. It is important to note that these results strictly apply to the list of centrally procured medications under CEAF. The analysis does not yet consider the expansion of the model to other medication lists available in SUS or all users of the Hórus system. Conclusion: In the current scenario of resource scarcity and increasing burden of chronic diseases on healthcare systems, achieving efficiency in resource allocation from planning to monitoring and evaluation of results is crucial for health management activities. With advancements in data analysis applications, the potential gains for public administration in optimizing the use of public resources are substantial.
Notes
The record was originally published in Portuguese. The English version was translated with the support of artificial intelligence.