Indicadores de estrutura, processo de trabalho e resultados de saúde em municípios maranhenses: que mudanças estão ocorrendo com o Programa Mais Médicos no Brasil?

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-19T19:02:41Z No. of bitstreams: 1 SilviaMariaCostaAmorim.pdf: 957239 bytes, checksum: b98502fdc52522d7a931ae44f18b1454 (MD5) === Made available in DSpace on 2017-05-19T19:02:41Z (GMT). No. of bitstreams: 1 SilviaMariaCostaAmorim.pdf: 95...

Full description

Bibliographic Details
Main Author: Amorim, Silvia Maria Costa
Other Authors: Thomaz, Erika Barbara Abreu Fonseca
Format: Others
Language:Portuguese
Published: Universidade Federal do Maranhão 2017
Subjects:
Online Access:http://tedebc.ufma.br:8080/jspui/handle/tede/1448
Description
Summary:Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-19T19:02:41Z No. of bitstreams: 1 SilviaMariaCostaAmorim.pdf: 957239 bytes, checksum: b98502fdc52522d7a931ae44f18b1454 (MD5) === Made available in DSpace on 2017-05-19T19:02:41Z (GMT). No. of bitstreams: 1 SilviaMariaCostaAmorim.pdf: 957239 bytes, checksum: b98502fdc52522d7a931ae44f18b1454 (MD5) Previous issue date: 2016-12-01 === Introduction: The More Health Program (Programa Mais Médicos – PMM) for Brazil was created in order to reduce professional shortage in the regions with the greatest need and vulnerability and invest in training and qualification of all the professionals involved. In Maranhão, the program included 558 professionals until the 8th cycle in nineteen regions of health. Objective: analyze the evolution of health indicators with the implementation of PMM to Brazil in Maranhão municipalities. Methods: This was an ecological study, temporal, descriptive and analytical series. Secondary data will be analyzed, aggregated to the municipal level, through means (± standard deviations) if the variables have normal distribution, or median (± interquartile deviations) for variables with asymmetric distribution. To assess the normality of the distribution will be considered histograms, box-plots, skewness coefficient, kurtosis and the Kolmogorov-Smirnov test. Correlations between the n° of PMM physicians and the study variables were estimated by Spearman correlation coefficient (R). To test differences in health indicators with the implementation of PMM were estimated regression coefficients (β) in linear regression analysis of mixed effects, with hierarchical modeling (alpha = 5%). Results: 214 municipalities have received at least one doctor from PMM until the eighth cycle. Of these, seven in Special Indigenous Health District. The majority received from 1-4 physicians. Maranhão went from 0.58 to 0.67 physicians / 100 inhabitants. Most benefited municipalities had poverty profile (74.67%) and were between 10,000 and 50,000 inhabitants. There was a significant correlation between the number of PMM doctors deployed in municipalities with the following structure variables: Numbers of Basic Health Units (BHU) in construction (R = 0.115), average doctors / staff (R = 0.475), doctors in Primary Health Care (PHC) / 3000 inhabitants (R = 0.194), % BHU opening in minimum time (R = 0.127), % BHU that supply ≥75% of vaccines of the basic calendar (R = 0298), % BHU to offer rapid tests (R = 0.137) and % BHU that has minimal structure for Telehealth (R = 0491). There was no correlation with the working process variables (P> 0.05). There was also correlation with three variables expressing outcome – prenatal exam in pregnant women (R = 0.134). After adjustment of the models, remained associated with the number of implanted in PMM only one structure variable (number of BHU under construction: β = 0.188, P = 0.035) and one indicator of work process (% of family health team with access to telehealth in the city (β = 0.175, P = 0.008). Conclusion. Despite advances harmonized by the program, such as increased physician / inhabitant ratio and distribution of physicians to locations with greater vulnerability, remain the shortage of professionals and care empty. It is noticeable impact on rehabilitation of BHU and improving access to telehealth. === Introdução. O Programa Mais Médicos (PMM) foi criado com objetivo de diminuir a carência profissional nas regiões com maior necessidade e vulnerabilidade com o provimento de médicos e investimento na formação e na qualificação do conjunto dos profissionais envolvidos. No Maranhão, foram incluídos pelo programa 419 profissionais, até o 4º ciclo, nas dezenove regiões de saúde. Objetivo. Analisar a evolução de indicadores de estrutura, processo de trabalho e resultados com a implantação do PMM em municípios maranhenses. Métodos. Trata-se de um estudo ecológico, de série temporal, descritivo e analítico. Foram analisados dados secundários, agregados para o nível do município, por meio de médias (± desvios padrão), caso as variáveis tenham distribuição normal, ou mediana (± desvios interquartílicos), para variáveis com distribuição assimétrica. Para avaliar a normalidade da distribuição foram considerados histogramas, box-plots, coeficiente de assimetria, curtose e o teste de Kolmogorov-Smirnov. Correlações o nº de médicos do PMM e as variáveis do estudo foram estimadas pelo coeficiente de correlação de Spearman (R). Para testar diferenças nos indicadores de saúde com a implantação do PMMB, foram estimados coeficientes de regressão (β) em análises de regressão linear de efeitos mistos, com modelagem hierarquizada (Alpha=5%). Resultados. 214 municípios receberam pelo menos um médico do PMM. Destes, sete em Distritos Especiais de Saúde Indígena. A maior parte recebeu entre 1-4 médicos. O Maranhão passou de 0,58 para 0,67 médicos/1000 habitantes. Municípios mais beneficiados possuíam perfil de pobreza (74,67%) e tinham entre 10.000 e 50.000 habitantes. Houve correlação significativa entre o número de médicos do PMM implantados nos municípios com as seguintes variáveis de estrutura: nº de Unidades Básicas de Saúde (UBS) em reforma (R=0,115), média de médicos/equipe (R=0,475), médicos da Ateção Básica em Saúde (ABS) / 3000 hab. (R=0,194), %UBS que abre em horário mínimo (R=0,127), %UBS que oferta ≥75% das vacinas do calendário básico (R=0,298), %UBS que oferta os testes rápidos (R=0,137) e %UBS que possui estrutura mínima p/Telessaúde (R=0,491). Não houve correlação com as variáveis de processo de trabalho (P>0,05). Houve ainda correlação com três variáveis que expressam resultado/impacto: Exame de pré-natal em gestantes (R=0,134), Nº de óbitos infantis (R=0,209) e Nº de óbitos maternos (R=0,193). Após ajuste dos modelos, permaneceram associadas com o número de médicos implantados no PMM apenas uma variável de estrutura (Nº de UBS em construção: β=0,188; P=0,035); uma de processo de trabalho (% de equipes de saúde da família com acesso ao Telessaúde no município: β=0,175; P=0,008) e uma de resultado (Nº de óbitos infantis: β=0,354; P=0,013). Conclusão. Apesar dos avanços harmonizados pelo Programa, como o aumento da razão médico/habitante e a distribuição dos médicos para localidades com maior vulnerabilidade, permanecem a escassez de profissionais e os vazios assistenciais. É perceptível o impacto na requalificação das UBS e a melhoria do acesso ao Telessaúde.