Um Modelo de Otimização Baseado em Lógica Fuzzy Para Alocação Eficiente e Equitativa de Recursos no Cuidado ao Diabetes Mellitus: Análise de Dados do SUS (2015–2024)

Um Modelo de Otimização Baseado em Lógica Fuzzy Para Alocação Eficiente e Equitativa de Recursos no Cuidado ao Diabetes Mellitus: Análise de Dados do SUS (2015–2024) | SciELO Preprints window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'G-3TT8HYRH0Y'); Open Menu Registrar-se Acesso English Español Ir para o conteúdo principal Ir para o menu de navegação principal Ir para o rodapé Preprints Submissão Áreas do Conhecimento Ciências Agrárias Ciências Biológicas Ciências da Saúde Ciências Exatas e da Terra Ciências Humanas Ciências Sociais Aplicadas Engenharias Linguística, letras e artes Educação em Revista Memórias do Instituto Oswaldo Cruz 47º Encontro Anual da ANPOCS 48º Encontro Anual da ANPOCS 49º Encontro Anual da ANPOCS Sobre Sobre o Servidor Declaração de Privacidade Atualizações do Sistema Contato FAQ Ética no SciELO Preprints Avaliação de preprints Anotações em preprints (via Hypothesis) Avalie um preprint Notícias Início / Ciências da Saúde Preprint / Versão 1 Um Modelo de Otimização Baseado em Lógica Fuzzy Para Alocação Eficiente e Equitativa de Recursos no Cuidado ao Diabetes Mellitus: Análise de Dados do SUS (2015–2024) article.authors6a130405adf28 Luis Jesuino de Oliveira Andrade Universidade Estadual de Santa Cruz image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0002-7714-0330 Conceptualization Data Curation Formal Analysis Investigation Methodology Supervision Validation Visualization Writing – Original Draft Preparation Writing – Review & Editing Gabriela Correia Matos de Oliveira José Silveira Foundation, Salvador, Bahia, Brasil .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0002-3447-3143 Data Curation Formal Analysis Methodology Validation Visualization Writing – Original Draft Preparation Larissa Morgana Morgana Carvalho Santos Universidade Estadual de Santa Cruz image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0009-0009-5323-1738 Data Curation Validation Visualization Investigation Alcina Vinhaes Bittencourt Universidade Federal da Bahia image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0003-0506-9210 Data Curation Formal Analysis Validation Visualization Osmário Jorge de Mattos Salles Escola Bahiana de Medicina e Saúde Pública image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0009-0002-1859-0478 Formal Analysis Supervision Validation Visualization Luís Matos de Oliveira Universidade Estadual de Santa Cruz image/svg+xml .st0{fill:#A6CE39;} .st1{fill:#FFFFFF;} https://orcid.org/0000-0003-4854-6910 Conceptualization Data Curation Formal Analysis Investigation Methodology Project Administration Supervision Validation Visualization Writing – Original Draft Preparation Writing – Review & Editing DOI: https://doi.org/10.1590/SciELOPreprints.14636 Palavras-chave: Diabetes Mellitus, Lógica Fuzzy, Recursos em Saúde, Atenção Primária à Saúde, Sistema Único de Saúde Resumo Objetivo: Desenvolver e validar um modelo de otimização baseado em lógica fuzzy para identificar estratégias efetivas de alocação de recursos para o cuidado do diabetes mellitus (DM) no sistema único de saúde (SUS). Métodos : Estudo transversal retrospectivo com registros do DATASUS, SIH-SUS e Hiperdia (janeiro/2015 a dezembro/2024) em 5.570 municípios brasileiros. Construímos um sistema de inferência fuzzy hierárquico tipo Mamdani incorporando indicadores epidemiológicos, econômicos, clínicos e estruturais. O modelo foi calibrado com dados históricos, validado por avaliação técnica, empírica e por especialistas, e incorporado a estrutura de otimização multiobjetivo para avaliar cenários alternativos de investimento. Resultados : O conjunto de dados integrou 8.347.219 internações relacionadas ao DM. O sistema fuzzy demonstrou cobertura de 97,3% e superou abordagens convencionais com erro percentual absoluto médio de 12,4% nas previsões de despesas. Em condições de linha de base, o modelo recomendou aumentar investimentos em atenção primária de 31,2% para 42,7%, reduzindo atenção hospitalar terciária de 38,4% para 28,9%. Essas realocações predisseram melhoria de 8,4% no controle glicêmico, redução de 12,7% nas hospitalizações e diminuição de 6,2% na mortalidade em cinco anos. A análise identificou 847 municípios prioritários requerendo intervenção direcionada. Conclusão : A otimização baseada em lógica fuzzy demonstra potencial para aprimorar a eficiência do cuidado do DM mediante realocação estratégica priorizando atenção primária e equidade em regiões desassistidas. Limitações incluem uso de dados retrospectivos, impossibilidade de validação prospectiva e não captura de atendimentos na rede privada. Downloads Os dados de download ainda não estão disponíveis. PDF Postado 29/12/2025 Como Citar Um Modelo de Otimização Baseado em Lógica Fuzzy Para Alocação Eficiente e Equitativa de Recursos no Cuidado ao Diabetes Mellitus: Análise de Dados do SUS (2015–2024). (2025). Em SciELO Preprints . https://doi.org/10.1590/SciELOPreprints.14636 Formatos de Citação ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver Baixar Citação Endnote/Zotero/Mendeley (RIS) BibTeX Série Ciências da Saúde Copyright (c) 2025 Luis Jesuino de Oliveira Andrade, Gabriela Correia Matos de Oliveira, Larissa Morgana Morgana Carvalho Santos, Alcina Vinhaes Bittencourt, Osmário Jorge de Mattos Salles, Luís Matos de Oliveira Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License . .citations-container { overflow-y: auto; overflow-x: hidden; max-height: 1000px; } Plaudit Declaração de dados Os dados de pesquisa estão contidos no próprio manuscrito Aviso de preprints Preprints são manuscritos não avaliados por um periódico científico ou já avaliados mas em processo de publicação. .block_announcements_article:not(:last-child) { padding-bottom: 1.5em; border-bottom: 1px solid; } .block_announcements_article { text-align: left; } .block_announcements #show-all{ font-style: italic; } Notícias SciELO Preprints adota obrigatoriedade de declaração de disponibilização de dados de pesquisa 19 agosto 2025 A partir de 1º de setembro de 2025 os manuscritos submetidos ao SciELO Preprints devem incluir uma declaração de disponibilidade de dados informando sobre onde e como os dados da pesquisa que deram origem ao artigo podem ser acessados. Atualização da Política Editorial e FAQ 21 maio 2025 Todos(as) os(as) autores(as) são solicitados(as) a consultarem a nossa Política Editorial e nossas FAQs antes de submeterem o seu manuscrito. Prêmio Ben Barres Spotlight: Inscrições abertas para 2024 20 maio 2024 Prêmios de até US$ 5.000 estão agora disponíveis para pesquisadores de origens sub-representadas ou países com financiamento limitado para apoiar sua pesquisa, carreira e comunidade. Preprints do SciELO Preprints nas ciências da vida ou biomédicas com pelo menos uma revisão disponível no Sciety são elegíveis! Show all announcements ... SciELO - Scientific Electronic Library Online Rua Dr. Diogo de Faria, 1087 – 9º andar – Vila Clementino 04037-003 São Paulo/SP - Brasil E-mail: [email protected] app = {"hypothesisHandlerUrl":"https:\/\/preprints.scielo.org\/index.php\/scielo\/$$$call$$$\/plugins\/generic\/hypothesis\/controllers\/hypothesis\/"}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.data = pkpUsageStats.data || {};pkpUsageStats.data.Submission = pkpUsageStats.data.Submission || {};pkpUsageStats.data.Submission[14636] = {"data":{"2025":{"12":"3"},"2026":{"1":"20","2":"14","3":"15","4":"19","5":"18"}},"label":"Todos os downloads","color":"79,181,217","total":89}; var pkpUsageStats = pkpUsageStats || {};pkpUsageStats.locale = pkpUsageStats.locale || {};pkpUsageStats.locale.months = ["Jan","Fev","Mar","Abr","Mai","Jun","Jul","Ago","Set","Out","Nov","Dez"];pkpUsageStats.config = pkpUsageStats.config || {};pkpUsageStats.config.chartType = "bar"; (function (w, d, s, l, i) { w[l] = w[l] || []; var f = d.getElementsByTagName(s)[0], j = d.createElement(s), dl = l != 'dataLayer' ? '&l=' + l : ''; j.async = true; j.src = 'https://www.googletagmanager.com/gtag/js?id=' + i + dl; f.parentNode.insertBefore(j, f); function gtag(){dataLayer.push(arguments)}; gtag('js', new Date()); gtag('config', i); }) (window, document, 'script', 'dataLayer', '3TT8HYRH0Y');