Professional Documents
Culture Documents
Campina Grande
2009
Carlos Antônio Soares de Andrade
Campina Grande
2009
i
Examinador 1
Examinador 2
Examinador 3
ii
AGRADECIMENTOS
RESUMO
ABSTRACT
This study reports the results of the analysis of efficiency in the delivery of he-
alth services in the form SUS 23 microregions of Paraíba State, in 2008, using non-
parametric approach of data envelopment analysis (DEA). We applied the CCR model
with orientation to the product. Four DMUs reached the efficient frontier: Itaporanga,
Cariri West, Umbuzeiro and João Pessoa. The average efficiency scores was 0.61. The
effort required for the inefficient DMUs to become efficient means to increase the out-
patient care 82.62 % on average.
Key-words: SUS, DEA, efficiency.
v
LISTA DE FIGURAS
LISTA DE TABELAS
SUMÁRIO
1 Introdução 1
2 Revisão da literatura 4
3.1 Eficiência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4 Resultados 26
5 Conclusão 39
Referências 41
1
1 INTRODUÇÃO
Como afirmou o sanitarista Eugênio Vilaça Mendes (2001) apud GRANJA (2008),
o SUS, resultante do Movimento Sanitário, foi responsável, nos anos de 1990, pela
inclusão de 60 milhões de brasileiros como portadores legais do direito à saúde, e sem
ele, apesar de todas as suas conhecidas dificuldades e imperfeições, esta grande parcela
de cidadãos brasileiros ficaria dependente exclusivamente de instituições movidas pelos
princípios da filantropia e da caridade.
2
2 REVISÃO DA LITERATURA
A fase universalista, como a denomina JUSTINO FILHO (op. cit), emerge do novo
ambiente político após o encerramento do regime militar ditatorial instalado em 1964.
Assim,
“Este percentual valia para o ano de 1989, cuja Lei de Diretrizes Or-
çamentárias (LDO) já estava elaborada. Nos anos seguintes, ou seja,
de 1990 a 1993 ficou mantido o percentual de 30% nas respectivas leis
orçamentárias federais, mas, ainda que constasse, esse percentual foi
descumprido. A situação piorou a partir de 1994 quando esse percen-
tual deixou de ser citado na LDO”.
A luta da Reforma Sanitária ao longo dos anos noventa do século passado foi
pela regulamentação dos recursos para financiamento do SUS, que com a aprovação
da Emenda Constitucional 29 (EC29) inaugura uma nova fase.
Todos os municípios da Paraíba são habilitados conforme a NOB 96, sendo 215
municípios na Gestão Plena de Atenção Básica e 8 na Gestão Plena do Sistema Muni-
cipal. De acordo com a Secretaria de Estado da Saúde (SES) da Paraíba, a habilitação
dos municípios a uma das formas de gestão proposta pela NOB/96 “contribuiu para
a adequação da Política Estadual de Saúde às condições estabelecidas pela legislação
orgânica do SUS, constituindo-se num movimento decisivo na direção da descentrali-
zação das ações e serviços de saúde, exigindo a explicitação de vontades políticas dos
gestores estadual e municipais” (Paraíba, op. cit, p. 15).
Entretanto, CANIELLO et. al. (2008) verificaram que 88,34% dos municípios (197)
não possuem ambulatório e 49,32% (110) não possuem hospital e nem ambulatório, in-
dicando, portanto, que seus habitantes na verdade têm um acesso bastante limitado à as-
sistência à saúde. De fato, os pesquisadores observaram a grande afluência de cidadãos
desses municípios aos centros maiores do estado, o que causa uma sobrecarga sensível
na capacidade ambulatorial e hospitalar instalada, e, evidentemente, uma precarização
no atendimento à população.
9
“descentralização da assistência à saúde” no Brasil propugnada pelo SUS limita-se, em muitos casos e,
freqüentemente na Paraíba, a uma mera descentralização de recursos que na verdade perverte o sentido
da lei
10
saúde em 74 municípios do estado do Rio de Janeiro, com dados do ano de 1998 for-
necidos pela Secretaria de Estado de Saúde do Rio de Janeiro. Utilizou como variáveis
de recursos(input): total de leitos contratados em hospitais per capita, total de hospitais
credenciados per capita, total da capacidade ambulatorial instalada per capita, valor
médio da internação, valor médio dos procedimentos ambulatoriais. As variáveis ser-
viços (output) foram: total de internações em hospitais credenciados per capita, total
de procedimentos ambulatoriais per capita e taxa de mortalidade como indicador de
qualidade. O modelo especificado tomou como unidades tomadoras de decisão (DMU)
os municípios, com orientação no sentido output pressupondo retornos constantes de
escala. Implementou um segundo estágio com o objetivo de identificar a interferência
das variáveis população municipal e PIB municipal nos escores de eficiência calculados.
através de uma regressão censurada tipo Tobit. Os escores revelaram grandes diferenças
de desempenho. Não se observou nenhum padrão espacial da dispersão da eficiência
no estado. A parcela da eficiência explicada pelas variáveis independentes (população e
PIB dos municípios) não foram predominantes. O escore médio de eficiência do estado
foi de 83 %.
O estudo de SANTOS et. al. (2008) teve por objetivo analisar a eficiência no aten-
dimento do SUS nas 66 microrregiões do estado de Minas Gerais. Foram consideradas
como DMUs as 66 microrregiões com informações do ano de 2007. Os dados foram
coletados do site DATASUS do Ministério da Saúde. Selecionaram como variáveis in-
put: capacidade ambulatorial por unidade ambulatorial, valor médio das internações e
leitos por hospitais. Como variáveis output: total de internações per capita, total de
procedimentos ambulatoriais per capita e o inverso da taxa de mortalidade. O modelo
foi especificado como orientado ao produto pressupondo retornos variáveis à escala. O
escore de eficiência máximo foi alcançado por 21 microrregiões. O escore médio foi de
88,51%. As diferenças nos níveis de eficiência produtiva entre as microrregiões minei-
ras são significativas. Segundo as autoras, “as estratégias de apoio para as microrregiões
melhorarem suas performances devem ser diferenciadas, levando em conta o nível de
eficiência técnica, assim como orientando-se pelas microrregiões que lhes servem de
benchmark” (SANTOS et. al.,op. cit).
3 REFERENCIAL TEÓRICO E
EMPÍRICO
3.1 Eficiência
Para situações em que não se dispõe de informações sobre preços de mercado, tal
como na avaliação de programas sociais, conforme PRIETO(2002)
Conforme GARCIA (2003) e PRIETO (op. cit.), Farrel (1957), inspirado nos traba-
lhos de Koopmans e Debreu, introduz novas idéias a respeito da definição dos conceitos
de eficiência e de produtividade, de como medi-las, e também de como calcular a tec-
nologia padrão (benchmark technology). Segundo PRIETO (op. cit., p.12),
Assim, tornou-se possível estudar a eficiência das organizações por um método não-
paramétrico, onde poucas hipóteses são adotadas sobre o comportamento das variáveis
e nenhuma forma funcional a priori se impõe aos dados.
No Brasil, mais recentemente, muitos estudos têm sido feitos nos setores de educa-
ção, saúde, bancos, agricultura, departamentos de ensino universitários e outros. Em-
bora não tenha ainda sido publicada uma survey da produção brasileira usando DEA,
uma consulta no mecanismo de busca Google já dá uma dimensão do acervo existente.
Apenas um livro de autores brasileiros foi publicado, no momento esgotado1 .
Segundo EHRLICH (2005, p. 2), “DEA é um processo para avaliar eficiências rela-
tivas de um conjunto de unidades produtivas (de bens ou serviços) semelhantes (perten-
centes a um mesmo conjunto), a partir dos insumos utilizados e dos produtos resultantes
da atividade”.
Zhu (2000), apud Macedo (2007), destaca as seguintes características desta meto-
dologia:
A Análise por Envoltória de dados pode ser definida como sendo um corpo de con-
ceitos e metodologias que está incorporada a uma coleção de modelos, com possibili-
17
Modelo CCR (1978) desenvolvido por Charnes, Cooper e Rhodes, permite uma avali-
ação objetiva da eficiência global e identifica as fontes e estimativas de montantes
das ineficiências identificadas. Também designado por CRS por assumir que o
rendimento de escala é constante.
Modelo BCC (1984) criado por Banker, Charnes e Cooper, distingue entre ineficiên-
cias técnicas e de escala, estimando a eficiência técnica para, a uma dada escala
de operações, e identificando se estão presentes ganhos de escalas crescentes, de-
crescentes e constantes, para futura exploração. Também designado por VRS por
assumir rendimentos variáveis de escala.
Com base em MELLO et. al. (2005) e LINS e MEZA (2000) , são apresentadas
as representações algébricas dos modelos CCR e BCC. A eficiência é determinada pelo
quociente entre a soma ponderada dos produtos e a soma ponderada dos recursos. A
forma mais conveniente de expressá-la é como uma combinação linear dos outputs di-
vidida pela combinação linear dos inputs de determinada DMUk :
∑ uiYik uYk
i
=
∑ v j X jk vXk
j
S
∑ u j y j0
j=1
Max ho = m
∑ vixi0
i=1
tal que
S
(3.1)
∑ u j y jk
j=1
n ≤1 k = 1...n
∑ vixik
i=1
uj ≥ 0 ∀j
vi ≥ 0 ∀i
S
Max ho = ∑ u j y j0
j=1
tal que
m
∑ vixi0 = 1 (3.2)
i=1
S n
∑ u j y jk − ∑ vixik ≤ 0 k = 1...n
j=1 i=1
uj ≥ 0 ∀j
vi ≥ 0 ∀i
Min ho
tal que
n
ho x jo − ∑ xik λk ≥ 0 ∀i
k=1
(3.3)
n
−y jo + ∑ yik λk ≥ 0 ∀ j
k=1
λk ≥ 0 ∀k
O modelo 3.2 é conhecido como CRS/M/I por se tratar de um modelo que assume
rendimentos constantes de escala (CRS) formulado a partir de multiplicadores (M) apli-
cado aos inputs (I). O modelo 3.3 é denotado por CRS/E/I, sendo E a indicação da
20
versão envelope.
r
Min ho = ∑ vi xio
i=1
tal que
s
∑ u jy jo = 1 (3.4)
j=1
s r
∑ u j y j k − ∑ vixik ≤ 0 ∀k
j=1 i=1
u j , vi ≥ 0 ∀ j, i
Em MELLO et. al. (2005) é apresentado o dual do modelo 3.4 que resulta no
modelo 3.5 CRS/E/O, ou seja modelo do envelope assumindo rendimentos constantes
orientado a output.
Max ho
tal que
n
x jo − ∑ xik λk ≥ 0 ∀i (3.5)
k=1
n
−ho y jo + ∑ y jk λk ≥ 0 ∀ j
k=1
λk ≥ 0 ∀k
O modelo BCC, devido a Banker et.al. (1984) considera retornos variáveis de es-
cala. O modelo 3.6 é orientado a inputs e o modelo 3.7 é orientado a outputs.
21
Min ho
Sujeito a
n
ho xio − ∑ xik λk ≥ 0, ∀i
k=1
n (3.6)
−y jo + ∑ y jk λk ≥ 0, ∀ j
k=1
n
∑ λk = 1
k=1
λk ≥ 0, ∀k
Max ho
Sujeito a
n
xio − ∑ xik λk ≥ 0, ∀i
k=1
n (3.7)
−ho y jo + ∑ y jk λk ≥ 0, ∀ j
k=1
n
∑ λk = 1
k=1
λk ≥ 0, ∀k
A figura 3.1 ilustra a representação das fronteiras BCC e CCR. Observa-se que
apenas o ponto B é eficiente (está sobre a fronteira DEA), em ambos os modelos. No
modelo BCC só os pontos A e C são eficientes. O pontos D e E são ineficientes em
qualquer modelo.
O
CCR
C BCC
0 I
Fonte:Elaboração própria
ciência de escala evidenciada quando existir diferenças no escore desses dois modelos.
A medida da eficiência de escala será igual à razão dos escores de eficiência calculados
pelo CCR e pelo BCC.
Variáveis input Número de médicos vinculados ao SUS per capita (Med pc ), número
de equipamentos à disposição do SUS per capita (Eqpt pc ) e número de leitos
hospitalares à disposição do SUS per capita (LtH pc ).
Variáveis output Número de internações hospitalares pelo SUS per capita (IntH pc ) e
produção ambulatorial pelo SUS per capita (prdAmb pc ).
Utilizando o programa SIAD (ANGULO MEZA . et. al., 2005), foram implemen-
tados os modelos CCR orientado a output e BCC orientado a output. As variáveis foram
inseridas no modelo em termos per capita, ou seja, os valores brutos apurados foram
divididos pela população residente da microrregião respectiva. A análise dos resultados
seguiu a especificação orientada ao produto (output) na modalidade CCR (constante à
escala).
Tabela 3.2: Identificação das DMUs e respectivos valores de entrada no modelo especi-
ficado.
Microrregião Med pc Eqpt pc prdAmb pc
25001 Catolé do Rocha 0.00125039 0.00071203 8.60909659
25002 Cajazeiras 0.00147086 0.00080067 6.04009869
25003 Sousa 0.00218283 0.00214463 8.57638283
25004 Patos 0.00319110 0.00090046 11.59709167
25005 Piancó 0.00147493 0.00107267 7.86086082
25006 Itaporanga 0.00110953 0.00074747 11.23611922
25007 Serra Teixeira 0.00107470 0.00117705 6.35981986
25008 Seridó Ocid.PB 0.00185082 0.00076061 5.09479742
25009 Seridó Or.PB 0.00179376 0.00197177 9.42139639
25010 Cariri Ocid. 0.00153242 0.00243242 27.23892033
25011 Cariri Oriental 0.00117575 0.00136387 10.41848908
25012 Curimataú Ocid. 0.00121137 0.00099112 6.80086067
25013 Curimataú Or. 0.00148679 0.00096022 7.25418934
25014 Esperança 0.00177603 0.00209723 9.89109528
25015 Brejo PB 0.00112300 0.00119843 7.12357215
25016 Guarabira 0.00180624 0.00091206 8.82272044
25017 Campina Grande 0.00340517 0.00129673 10.18689159
25018 Itabaiana 0.00095490 0.00201791 13.05902384
25019 Umbuzeiro 0.00054199 0.00048779 6.58440526
25020 Litoral Norte 0.00094021 0.00103211 6.80486788
25021 Sapé 0.00101595 0.00147427 8.27369531
25022 João Pessoa 0.00415978 0.00115728 20.85119443
25023 Litoral Sul PB 0.00138690 0.00136256 7.45471909
Fonte: IBGE, DATASUS
26
4 RESULTADOS
A seguir são apresentadas as análises das variáveis do modelo e dos escores calcu-
lados.
Pelo valor da razão de médicos por mil habitantes as DMUs Umbuzeiro, Litoral
Norte e Itabaiana estariam aquém do que se propala como recomendação da OMS da
razão de 1 médico para 1000 habitantes.1 . Observa-se, também, uma concentração de
1A Organização Mundial de Saúde (OMS) e a Organização Pan-americana da Saúde (OPAS) não re-
comendam nem estabelecem taxas ideais de número de leitos por habitante a serem seguidas e cumpridas
por seus países-membros. Fonte:http://www.opas.org.br/sistema/fotos/leitos.pdf.
27
Tabela 4.1: Distribuição das microrregiões do estado da Paraíba pela população resi-
dente, habitantes por médico e médicos por mil habitantes,2008
DMU Microrregião Pop. Residente Habitantes por médico Médicos/Mil hab.
19 25019 Umbuzeiro 55352 1845,067 0,54199
20 25020 Litoral Norte 141458 1063,594 0,94021
18 25018 Itabaiana 111006 1047,226 0,95490
21 25021 Sapé 130912 984,301 1,01595
7 25007 Serra Teixeira 117242 930,492 1,07470
6 25006 Itaporanga 85622 901,284 1,10953
15 25015 Brejo PB 119323 890,470 1,12300
11 25011 Cariri Oriental 63789 850,520 1,17575
12 25012 Curimataú Ocid. 118048 825,511 1,21137
1 25001 Catolé do Rocha 115164 799,750 1,25039
23 25023 Litoral Sul PB 82198 721,035 1,38690
2 25002 Cajazeiras 168609 679,875 1,47086
5 25005 Piancó 74580 678,000 1,47493
13 25013 Curimataú Or. 96853 672,590 1,48679
10 25010 Cariri Ocid. 123334 652,561 1,53242
14 25014 Esperança 52927 563,053 1,77603
9 25009 Seridó Or.PB 73031 557,489 1,79376
16 25016 Guarabira 167752 553,637 1,80624
8 25008 Seridó Ocid.PB 39442 540,301 1,85082
3 25003 Sousa 183248 458,120 2,18283
4 25004 Patos 126602 313,371 3,19110
17 25017 Campina Grande 498947 293,671 3,40517
22 25022 João Pessoa 997167 240,397 4,15978
Fonte:DATASUS
28
médicos nas microrregiões mais dinâmicas e com maior densidade demográfica. Fenô-
meno já observado no estudo de Marcelo Neri2 sobre a escassez de médicos no Brasil.
Infere-se , desta forma, que há um problema de alocação geográfica que atenda ao prin-
cípio da acessibilidade preconizada pelo SUS.
A escala foi construída com base no cáculo da razão entre a diferença com o menor
valor e a amplitude total da variável, seguindo a fórmula
br/cps
29
0e+00 3e+06 1 2 3 4
8e+05
Popresid
2e+05
3e+06
PIB2006
0e+00
800
400
densid
0
4
3
LtHMilHab
2
1
2.5
1.5
EqptMilHab
0.5
Figura 4.1: Correlação da razão de leitos e equipamentos por mil/hab. com as variáveis
sócio-demográficas população residente, PIB e densidade demográfica das microrre-
giões da Paraíba.
(4.1)
Tabela 4.3: Classificação das microrregiões pelo valor do indicador de oferta de serviços
de saúde SUS
DMU Microrregião IO_SUS
22 25022 João Pessoa 1.00000000
17 25017 Campina Grande 0.58548654
3 25003 Sousa 0.16998609
10 25010 Cariri Ocid. 0.11197482
16 25016 Guarabira 0.09172319
2 25002 Cajazeiras 0.08275053
18 25018 Itabaiana 0.08140085
4 25004 Patos 0.07952829
9 25009 Seridó Or.PB 0.07376170
21 25021 Sapé 0.06305777
12 25012 Curimataú Ocid. 0.06089527
7 25007 Serra Teixeira 0.05758350
15 25015 Brejo PB 0.05305472
20 25020 Litoral Norte 0.05018926
1 25001 Catolé do Rocha 0.04259212
5 25005 Piancó 0.04051062
13 25013 Curimataú Or. 0.04033785
23 25023 Litoral Sul PB 0.03572648
14 25014 Esperança 0.03002523
6 25006 Itaporanga 0.02526979
11 25011 Cariri Oriental 0.02207724
8 25008 Seridó Ocid.PB 0.00884301
19 25019 Umbuzeiro 0.00252438
Fonte:Dados da pesquisa
32
A Figura 4.2 mostra de forma indiscutível que fora as microrregiões de João Pessoa
e Campina Grande, as demais microrregiões se encontram em situação bastante precária
quanto à dotação de recursos humanos e materiais para o atendimento das demandas de
assistência à saúde das respectivas populações.
Figura 4.2: Distribuição das microrregiões pelo valor do indicador de oferta de serviços
de saúde SUS
Fonte:Dados da pesquisa
de saúde. Esta não é uma medida absoluta, vale apenas para esse conjunto de unidades
avaliadas pelo modelo. Isto significa que essas quatro DMUs formam a fronteira de efi-
ciência. As demais DMUs são ditas ineficientes por terem alcançado um escore menor
do que um. A média dos escores de eficiência foi de 0,61. O coeficiente de variação
chegou a 37% . O menor escore pertence à microrregião de Sousa.
Tabela 4.4: Escores de eficiência e pesos das variáveis Medpc, Equiptpc e prdAmbpc
Microrregião Eff Med pc Eqpt pc prdAmb pc
25001 Catolé do Rocha 0,7843 164,33 1502,15 0,12
25002 Cajazeiras 0,4857 234,23 2141,05 0,17
25003 Sousa 0,3064 557,45 954,52 0,12
25004 Patos 0,7177 121,99 1115,12 0,09
25005 Piancó 0,5025 522,72 1136,37 0,13
25006 Itaporanga 1,0000 365,7 795,01 0,09
25007 Serra Teixeira 0,4305 751,73 1287,19 0,16
25008 Seridó Ocid.PB 0,4091 277,69 2538,31 0,2
25009 Seridó Or.PB 0,3812 507,45 868,91 0,11
25010 Cariri Ocid. 1,0000 175,52 300,54 0,04
25011 Cariri Oriental 0,6207 458,89 785,75 0,1
25012 Curimataú Ocid. 0,4917 604,19 1313,49 0,15
25013 Curimataú Or. 0,4996 195,03 1782,72 0,14
25014 Esperança 0,3855 483,35 827,65 0,1
25015 Brejo PB 0,4693 671,14 1149,19 0,14
25016 Guarabira 0,6148 160,35 1465,78 0,11
25017 Campina Grande 0,4719 138,88 1269,49 0,1
25018 Itabaiana 0,7694 1361,14 0 0,08
25019 Umbuzeiro 1,0000 726,09 1243,29 0,15
25020 Litoral Norte 0,5257 702,57 1203,01 0,15
25021 Sapé 0,4888 577,84 989,44 0,12
25022 João Pessoa 1,0000 67,85 620,21 0,05
25023 Litoral Sul PB 0,4192 641,32 1098,14 0,13
Fonte: Dados da pesquisa
Fonte:Dados da pesquisa
Os valores dos pesos que associam as DMUs ineficientes com as suas benchmarks
35
Tabela 4.5: Tabela dos benchmarks com valor dos pesos respectivos
Microrregião Itaporanga Cariri Ocidental Umbuzeiro João Pessoa
25001 Catolé do Rocha 0,83 0 0 0,08
25002 Cajazeiras 0,89 0 0 0,12
25003 Sousa 0 0,17 3,54 0
25004 Patos 0,03 0 0 0,76
25005 Piancó 1,01 0 0,64 0
25006 Itaporanga 1 0 0 0
25007 Serra Teixeira 0 0,2 1,42 0
25008 Seridó Ocid.PB 0,56 0 0 0,3
25009 Seridó Or.PB 0 0,34 2,35 0
25010 Cariri Ocid. 0 1 0 0
25011 Cariri Oriental 0 0,29 1,35 0
25012 Curimataú Ocid. 0,39 0 1,43 0
25013 Curimataú Or. 1,25 0 0 0,03
25014 Esperança 0 0,47 1,94 0
25015 Brejo PB 0 0,18 1,57 0
25016 Guarabira 0,93 0 0 0,19
25017 Campina Grande 0,8 0 0 0,61
25018 Itabaiana 0 0,62 0 0
25019 Umbuzeiro 0 0 1 0
25020 Litoral Norte 0 0,18 1,24 0
25021 Sapé 0 0,53 0,37 0
25022 João Pessoa 0 0 0 1
25023 Litoral Sul PB 0 0,11 2,25 0
Fonte: Dados da pesquisa
36
são usados no cálculo para encontrar o esforço necessário para as ineficientes alcança-
rem a fronteira de eficiência. O ajuste necessário é na variável output produção ambula-
torial do SUS (prdAmbSUS). Considerando a figura 4.3 e traçando um segmento de reta
partindo da origem passando pelo ponto 1, representando a DMU1 (Catolé do Rocha),
até a fronteira de eficiência, será determinado um ponto entre a DMU22 (João Pessoa)
e a DMU6 (Itaporanga), estas então são as benchmarks da DMU1. Este ponto corres-
ponde a uma DMU virtual indicando a posição na fronteira de eficiência que a DMU1
deveria ocupar. A produção desta DMU virtual é dada pela combinação linear das
produções efetivas das DMU benchmark com os pesos calculados pelo modelo DEA.
Assim, usando a produção ambulatorial per capita das DMU6 e DMU22 na tabela 3.2
e os pesos respectivos na relação de benchmark com a DMU1 da tabela 4.5 calcula-se
a produção da DMU virtual associada à DMU1, que comparada à produção atual da
DMU1 mostrará o quanto falta para a DMU1 se tornar eficiente. O procedimento de
cáculo é o seguinte
Tabela 4.6: Distribuição das microrregiões da Paraíba pelo escore de eficiência e per-
centual necessário para alcançar a fronteira de eficiência técnica
Microrregião Eff Meta
25003 Sousa 0,3064 226,8
25009 Seridó Or.PB 0,3812 162,47
25014 Esperança 0,3855 45,99
25008 Seridó Ocid.PB 0,4091 144,5
25023 Litoral Sul PB 0,4192 138,66
25007 Serra Teixeira 0,4305 132,56
25015 Brejo PB 0,4693 113,22
25017 Campina Grande 0,4719 111,86
25002 Cajazeiras 0,4857 105,76
25021 Sapé 0,4888 104,92
25012 Curimataú Ocid. 0,4917 103,25
25013 Curimataú Or. 0,4996 100,4
25005 Piancó 0,5025 99,2
25020 Litoral Norte 0,5257 90,11
25016 Guarabira 0,6148 62,6
25011 Cariri Oriental 0,6207 61,03
25004 Patos 0,7177 39,28
25018 Itabaiana 0,7694 30,04
25001 Catolé do Rocha 0,7843 27,55
25006 Itaporanga 1,0000 0
25010 Cariri Ocid. 1,0000 0
25019 Umbuzeiro 1,0000 0
25022 João Pessoa 1,0000 0
Fonte: Dados da pesquisa
38
5 CONCLUSÃO
O SUS não é um ”plano de saúde dos pobres“. Fundado numa concepção de saúde
em que vê o cidadão como um todo, atende a todas as camadas sociais com o fim
de elevar o bem-estar geral. Dotado de controles via participação da sociedade, os
Conselhos de Saúde, todas as informações do sistema são acessíveis ao público.
• O que é mais efetivo para a saúde da população: mais hospitais ou maior presença
de profissionais de saúde?
41
REFERÊNCIAS
ANGULO MEZA, L.; BIONDI NETO, L.; RIBEIRO, P. G. SIAD v.2.0. Sistema In-
tegrado de Apoio à Decisão: Uma Implementação computacional de modelo de
Análise Envoltória de Dados e um método Multicriterio. Anais do XXXVII Simpó-
sio Brasileiro de Pesquisa Operacional, Gramado, 2005.