Desenvolvimento de um modelo preditivo para identificação de uso dos serviços de saúde com base nas características de brasileiros.

Abstract

O sistema público de saúde brasileiro enfrenta desafios significativos, como orçamentos limitados, alta prevalência de doenças crônicas e envelhecimento populacional, fatores que intensificam a demanda por serviços e dificultam a alocação eficiente de recursos. Neste contexto, o presente estudo propõe desenvolver um modelo preditivo, utilizando dados da Pesquisa Nacional de Saúde (PNS) de 2019, com aplicação de técnicas avançadas de aprendizado de máquina, como Random Forest, XGBoost e redes neurais artificiais, visando antecipar padrões de utilização dos serviços de saúde e fornecer suporte estratégico à gestão do Sistema Único de Saúde (SUS). A análise identificou variáveis determinantes como idade, nível socioeconômico, presença de doenças crônicas e hábitos comportamentais, com destaque para a presença de planos de saúde, autoavaliação do estado de saúde e condições como hipertensão e diabetes. O algoritmo XGBoost apresentou o melhor desempenho, com acurácia de 78,5%, precisão e recall de 78,5%, e F1-Score de 78,4%, evidenciando sua robustez na identificação de padrões de uso. A aplicação do modelo permite o monitoramento contínuo da demanda e facilita intervenções preventivas mais assertivas por parte dos gestores públicos. A segmentação da população permitiu ainda a identificação de perfis distintos de usuários, favorecendo a formulação de políticas públicas mais direcionadas e eficientes.