Solicitações de Leitos de UTIs durante a Pandemia de COVID-19: um olhar pela Lei de Benford na Região de Saúde do Cariri
DOI:
https://doi.org/10.14295/idonline.v20i81.4396Palavras-chave:
Lei de Benford, COVID-19 , UTI, Regulação, Cancelamentos, Recusa familiar, Pânico coletivo, Upcoding, Financiamento hospitalar, Auditoria em saúde, Ceará, Cariri, PandemiaResumo
Introdução: A pandemia de COVID-19 impôs pressão sem precedentes sobre os sistemas de saúde, gerando não apenas uma crise sanitária, mas também fenômenos documentados de pânico coletivo, efeitos nocebo amplificados pela mídia e incentivos financeiros que potencialmente favoreceram comportamentos de hipertrofia diagnóstica. Em 16 de fevereiro de 2021, o Ministério da Saúde do Brasil alterou o modelo de financiamento dos leitos de UTI COVID-19: substituiu o repasse fixo por leito habilitado — independente de ocupação — pelo pagamento por leito efetivamente ocupado, fixando R$ 1.600 por leito-dia. As solicitações de transferência para Unidades de Terapia Intensiva (UTI) constituem um dos termômetros mais sensíveis dessa crise multidimensional. Objetivo: Analisar as 2.602 solicitações de leito de UTI COVID-19 da macrorregião do Cariri-CE (fevereiro–setembro de 2021) sob dupla perspectiva: (a) aplicação da Lei de Benford (LNB) para identificar atecnias no processo de registro; e (b) análise do perfil e determinantes das 921 solicitações canceladas (35,4%), interpretadas como possível marcador de pânico coletivo, recusa familiar e distorção na demanda real. Métodos: Foram aplicados testes qui-quadrado (χ²) e Desvio Absoluto da Média (MAD) sobre os primeiros dígitos das solicitações/dia (n=203 dias-observação), dos tempos de espera por desfecho (n=2.602) e análise comparativa multinível com dados de COVID-19 do Brasil, mundo, Ceará e Cariri-CE. Resultados: O conjunto completo revelou 1.681 solicitações efetivadas (64,6%) e 921 canceladas (35,4%), sendo as canceladas marcadas por idade média significativamente maior (68,9 vs. 59,0 anos; p<0,001) e gradiente etário expressivo: 48,8% dos pacientes com 80+ anos tiveram suas solicitações canceladas. O pico de cancelamentos ocorreu em maio de 2021 (46,2%), coincidindo com o ápice do pânico pandêmico, não com o pico epidemiológico. A LNB aplicada às solicitações/dia revelou desvio grave (MAD=0,0399; χ²=85,76; p<0,0001); paradoxalmente, o tempo de espera real apresentou conformidade excelente (MAD=0,0060), sugerindo que o processo clínico era regular mas o processo de registro era sistematicamente distorcido. Conclusão: Os dados sugerem sobreposição de fenômenos: pânico coletivo com demanda desproporcional e elevada taxa de recusa familiar em idosos; upcoding favorecido pela mudança do modelo de repasse; e fragmentação artificial de solicitações gerando a assinatura estatística identificada pela LNB. Ao mesmo tempo, o modelo de pagamento por leito efetivamente ocupado, combinado com leitos totalmente liberados pela regulação, pode representar uma das soluções para a histórica baixa taxa de ocupação das UTIs no sistema público, ao alinhar incentivos financeiros com a utilização real dos recursos disponíveis. O paradoxo entre conformidade excelente do processo real e desvio grave do processo registrado é o achado mais revelador do estudo
Downloads
Referências
1. CNN Brasil. Ministério da Saúde muda forma de repasse de recursos para UTI de Covid-19. São Paulo: CNN Brasil; 16 fev 2021. Disponível em: https://www.cnnbrasil.com.br
2. Secretaria da Saúde do Estado do Ceará (SESA). Boletim Epidemiológico COVID-19 nº 33. Fortaleza: SESA; outubro de 2021.
3. Kennedy AP, Yam SC. On the authenticity of COVID-19 case figures. PLoS One. 2020;15(12):e0243123. DOI: https://doi.org/10.1371/journal.pone.0243123
4. Balashov VS, Yan Y, Zhu X. Using the Newcomb-Benford law to study the association between a country's COVID-19 reporting accuracy and its development. Sci Rep. 2021;11(1):22914. DOI: https://doi.org/10.1038/s41598-021-02367-z
5. Durtschi C, Hillison W, Pacini C. The effective use of Benford's law to assist in detecting fraud in accounting data. J Forensic Account. 2004;5(1):17-34.
6. Newcomb S. Note on the frequency of use of the different digits in natural numbers. Am J Math. 1881;4(1):39-40. DOI: https://doi.org/10.2307/2369148
7. Benford F. The law of anomalous numbers. Proc Am Philos Soc. 1938;78(4):551-72.
8. Idrovo AJ, Manrique-Hernández EF, Fernández-Niño JA. Quality of epidemiological data collected during public health emergencies: the case of H1N1 influenza. Epidemiol Infect. 2011;139(10):1584-91. DOI: https://doi.org/10.1017/S095026881100015X
9. Nigrini MJ. Benford's Law: Applications for forensic accounting, auditing, and fraud detection. Hoboken: Wiley; 2012. DOI: https://doi.org/10.1002/9781119203094
10. Bagus P, Peña-Ramos JA, Sánchez-Bayón A. COVID-19 and the political economy of mass hysteria. Int J Environ Res Public Health. 2021;18(4):1376. DOI: https://doi.org/10.3390/ijerph18041376
11. Amanzio M, Howick J, Bartoli M, Cipriani GE, Kong J. How do nocebo phenomena provide a theoretical framework for the COVID-19 pandemic? Front Psychol. 2020;11:589884. DOI: https://doi.org/10.3389/fpsyg.2020.589884
12. Lima CKT, Carvalho PMM, Lima IAAS, et al. The emotional impact of coronavirus 2019-nCoV (new coronavirus disease). Psychiatry Res. 2020;287:112915. DOI: https://doi.org/10.1016/j.psychres.2020.112915
13. Vindegaard N, Benros ME. COVID-19 pandemic and mental health consequences: systematic review of the current evidence. Brain Behav Immun. 2020;89:531-42. DOI: https://doi.org/10.1016/j.bbi.2020.05.048
14. Hsiao WC. Fraud, waste and abuse in healthcare claims. Testimony before CA DMHC; 2022.
15. Carlin CS, Dowd B, Zhu JM. Upcoding linked to up to two-thirds of growth in highest-intensity hospital discharges in 5 states, 2011–19. Health Aff. 2024;43(6). doi:10.1377/hlthaff.2024.00596. DOI: https://doi.org/10.1377/hlthaff.2024.00596
16. Wynia MK, Cummins DS, VanGeest JB, Wilson IB. Physician manipulation of reimbursement rules for patients. JAMA. 2000;283(14):1858-65. DOI: https://doi.org/10.1001/jama.283.14.1858
17. Conselho Nacional de Secretários de Saúde (CONASS). Painel Conass COVID-19. Brasília: CONASS; 2021.
18. World Health Organization. WHO COVID-19 Dashboard. Geneva: WHO; 2021.
19. Brasil. Ministério da Saúde. Portaria GM/MS nº 1.341, de 23 de junho de 2021.
20. Joffe AR, Elliott A. Long COVID as a functional somatic symptom disorder caused by abnormally precise prior expectations during Bayesian perceptual processing. SAGE Open Med. 2023;11:20503121231194400. DOI: https://doi.org/10.1177/20503121231194400
21. Moreau VH. Inconsistencies in countries COVID-19 data revealed by Benford's law. Big Data Soc. 2021;8(2):1-13. DOI: https://doi.org/10.3233/MAS-210517
22. Silva L, Figueiredo Filho D. Using Benford's law to assess the quality of COVID-19 register data in Brazil. J Public Health. 2021;43(1):107-110. DOI: https://doi.org/10.1093/pubmed/fdaa193
23. Office of Inspector General, U.S. Dept. of Health and Human Services. Trend toward more expensive hospital stays in Medicare. Washington, DC: OIG/HHS; 2021.
24. Cavalcante JR, Abreu ASS, Pantoja LS, et al. COVID-19 no Brasil: tendências, desafios e perspectivas para a saúde pública. Rev Panam Salud Publica. 2022;46:e10.
25. CONASEMS. CIT: pactuada portaria que muda repasse de recursos para leitos de UTI Covid-19. Brasília: CONASEMS; 26 fev 2021.
26. Kitsios F. Applying Benford's law to COVID-19 data: the case of the European Union. J Public Health. 2022;44(2):e221-e227. DOI: https://doi.org/10.1093/pubmed/fdac005
27. Brasil. Ministério da Saúde. Portaria GM/MS nº 4.226, de 31 de dezembro de 2021.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Hermes Melo Teixeira Batista

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os autores detêm os direitos autorais sem restrições, devendo informar a publicação inicial nesta revista, em caso de nova publicação de algum trabalho.







