Hospitalizações no Brasil: dados de apoio à decisão reforçam vigilância em saúde

A vigilância em saúde busca identificar mudanças no cenário epidemiológico antes que o aumento da demanda hospitalar se torne evidente. Os sistemas oficiais de notificação, porém, podem chegar com atraso: os dados de internação do SUS levam de um a dois meses para serem consolidados e, em algumas situações, até quatro. Nesse intervalo, uma epidemia de dengue pode mudar de patamar e sobrecarregar a rede.

Um estudo brasileiro publicado na BMC Public Health em 2025 propõe uma questão prática: o que os médicos pesquisam durante o atendimento pode funcionar como um sinal associado ao que posteriormente aparece nas hospitalizações no Brasil?

Os autores, profissionais da própria Afya, testaram se o volume de buscas realizadas por médicos em uma plataforma de apoio à decisão clínica — o Whitebook — ajuda a explicar os padrões de internação registrados no sistema público de saúde.

Hospitalizações no Brasil e buscas médicas: o que o estudo investigou

As buscas em plataformas digitais tendem a acompanhar a demanda por cuidado. O exemplo clássico são as pesquisas do público no Google usadas como possíveis indicadores precoces de surtos de gripe. A diferença, neste caso, é relevante: não se trata de buscas de pacientes, mas de consultas feitas por médicos no ponto de atendimento sobre condutas, diagnósticos e tratamentos.

A hipótese é que, quando muitos médicos passam a pesquisar sobre dengue ou doença pulmonar obstrutiva crônica em determinada região e período, esse aumento possa refletir uma pressão clínica que depois aparece nas internações.

Para testar a hipótese, os pesquisadores cruzaram duas fontes: os registros de hospitalização do Sistema de Informações Hospitalares do SUS (SIH/SUS) e o volume de buscas no Whitebook, restrito a usuários verificados como médicos com registro ativo.

O período analisado foi de janeiro de 2021 a agosto de 2024.

Como os modelos de hospitalizações foram construídos

O estudo é ecológico e de séries temporais. Nesse desenho, a unidade de análise é o grupo — cada unidade federativa —, e não o paciente. Portanto, os resultados indicam tendências populacionais, e não risco individual.

A técnica utilizada foi a família de modelos SARIMA, capaz de captar tendência e sazonalidade em dados ao longo do tempo.

Os pesquisadores compararam um modelo univariado, baseado apenas no histórico das internações, com um modelo que acrescentava o volume de buscas como variável exógena. A questão central era verificar se essa informação adicional melhorava o ajuste.

Ao todo, foram analisadas 478 séries, combinando 18 doenças com as 27 unidades federativas. Nem todas as combinações produziram séries devido à falta de dados.

O estudo avaliou explicação, não previsão

Esse é um ponto central para a interpretação dos resultados: a análise avaliou capacidade explicativa, não capacidade preditiva.

Os modelos foram julgados por sua capacidade de descrever os dados observados, e não por acertar hospitalizações futuras.

Buscas melhoraram os modelos em 278 das 478 séries

Das 478 séries analisadas, a inclusão das buscas médicas melhorou o modelo em 278. Nas outras 200, o modelo baseado apenas no histórico das internações teve desempenho superior.

O resultado variou de forma importante conforme a doença.

As buscas foram mais úteis para doença pulmonar obstrutiva crônica, com melhora em 26 estados, além de dengue, infecção urinária, depressão, asma, doença renal crônica e diabetes tipo 2, cada uma com melhora em torno de 25 estados. Em geral, eram condições crônicas ou sazonais.

Para chikungunya, insuficiência cardíaca, gripe, pneumonia e tuberculose, as buscas não acrescentaram desempenho ao modelo.

Por que a dengue respondeu bem e a gripe não

A dengue foi a única doença infecciosa em que as buscas agregaram informação de maneira consistente.

Isso pode estar relacionado ao comportamento sazonal bem definido da doença no Brasil, associado a chuva e temperatura, e ao fato de a dengue ser documentada com códigos específicos e gerar consultas clínicas direcionadas. Quando o médico pesquisa “dengue”, o termo é preciso, e o padrão de busca pode acompanhar de perto o surto.

Já a influenza, apesar de provocar picos de hospitalização, tende a se diluir nos registros hospitalares. Muitas internações relacionadas à gripe acabam codificadas sob diagnósticos respiratórios mais amplos, como pneumonia ou síndrome respiratória aguda. Essa imprecisão reduz a relação entre o que é pesquisado e o que aparece registrado como internação.

A pneumonia, por sua vez, foi mais bem descrita pelo modelo univariado. A explicação proposta é que suas internações dependem de múltiplos fatores sem relação direta com o comportamento de busca, entre eles infecções comunitárias, coinfecções bacterianas e doenças crônicas de base.

Diferenças regionais influenciaram o desempenho dos modelos

O desempenho do modelo com buscas variou entre os estados.

Em Mato Grosso, Rio Grande do Sul e Santa Catarina, mais de 70% das séries se beneficiaram da inclusão das buscas. Em Roraima e Amapá, a proporção ficou abaixo de 25%.

São Paulo apresentou os maiores volumes tanto de internações quanto de acessos ao Whitebook, enquanto estados como Roraima e Acre registraram valores baixos nos dois indicadores.

Onde há mais médicos utilizando a ferramenta, o sinal gerado pelas buscas é mais denso e, consequentemente, mais informativo.

Essa dependência do volume de uso também constitui uma limitação: o método apresenta melhor desempenho onde a plataforma já é mais utilizada e menor capacidade justamente em regiões com menor densidade de médicos e menor acesso digital.

Leia mais: Conheça aplicativos de decisão clínica e sua importância no início da carreira

O que as hospitalizações no Brasil mostraram entre 2021 e 2024

Antes de testar os modelos, o estudo descreveu o cenário das hospitalizações no período.

De forma geral, as taxas de internação caíram na maioria dos estados entre 2021 e 2024. As maiores médias foram observadas no Rio Grande do Sul, Paraná, Santa Catarina, Mato Grosso do Sul e Roraima.

Duas mudanças se destacaram quando os dados foram analisados por doença.

As arboviroses aumentaram de cerca de 17 mil casos em 2021 para mais de 144 mil em 2024. Na direção oposta, as hospitalizações por COVID-19 caíram após 2021, ano em que a doença respondeu sozinha por mais da metade de todas as internações analisadas.

Doenças cardíacas e pneumonia permaneceram entre as condições de maior peso durante o período. A pneumonia, isoladamente, representou mais de 38% dos casos em 2023 e 2024.

Dados de 2024 exigem cautela na comparação

Os registros de 2024 utilizados no estudo terminam em agosto. Portanto, a queda observada naquele ano é, em parte, consequência do período incompleto e não necessariamente representa uma redução real das internações.

Da mesma forma, o elevado peso da COVID-19 em 2021 interfere em comparações diretas entre os anos.

Leia mais: VSR e Influenza: hospitalizações voltam a crescer no país

Limitações na interpretação dos dados

Por ser um estudo ecológico com dados agregados, a análise não permite inferência individual nem estabelece relação de causa e efeito. As associações observadas podem ser influenciadas por fatores compartilhados, como sazonalidade, acesso aos serviços e carga de doença.

Outras limitações reconhecidas pelos autores incluem:

• viés de seleção, pois os dados vêm de médicos que optam por utilizar uma ferramenta digital e podem estar concentrados em áreas mais urbanizadas;
• viés de informação decorrente da variação na qualidade da codificação por CID e do mapeamento imperfeito entre o termo pesquisado e o diagnóstico registrado;
• impossibilidade de separar áreas urbanas e rurais, uma vez que os dados foram agregados por estado;
• combinações de doença e região com poucos eventos, reduzindo a estabilidade do modelo;
• limitações da própria estrutura SARIMA, que capta tendência e sazonalidade, mas não interações não lineares ou fatores latentes.

O que o estudo acrescenta à vigilância das hospitalizações no Brasil

Para o médico assistencial, a principal mensagem não é que uma plataforma digital possa prever surtos.

O resultado é mais específico: o ato de pesquisar durante o atendimento, quando repetido por milhares de profissionais e analisado de forma agregada, produz um sinal associado ao que também aparece nas hospitalizações.

Esse sinal não substitui a vigilância tradicional. Além disso, seu desempenho é irregular: mostrou melhor resultado para dengue e algumas condições crônicas, não acrescentou informação para pneumonia e gripe e apresentou menor desempenho onde há menos médicos utilizando a plataforma.

O passo seguinte apontado pelos autores é incorporar dados de contexto — como clima, demografia e condições socioeconômicas — e utilizar desenhos capazes de avaliar se esse sinal se mantém quando o objetivo deixa de ser explicar dados passados e passa a ser antecipar eventos futuros.

#Conteúdo otimizado com o auxílio de IA e revisado pela equipe do Portal Afya.