RESUMO
Abstract Emergency Care Units (UPAs) are part of a national health policy implemented by the Brazilian Government. UPAs are fixed prehospital components of the Brazilian Unified Health System (SUS), whose purpose is to provide resolutive emergency care to patients suffering from acute clinical conditions, and to perform the first care in cases of surgical nature. According to the Ministry of Economy, 750 units are operational throughout the country since 2008, and 332 are under construction. Being a public policy in expansion, it is imperative to assess the impact of such units as part of SUS. However, we found few studies that assessed UPAs' impact, which have examined their specific impact on mortality rates. In our research, we aimed to evaluate the impact of UPAs on hospitalization rates for diseases of the respiratory system. To measure the impact, we used a strategy of Machine Learning through the Bayesian Additive Regression Trees (BART) algorithm. The results point to a decrease in the hospitalization rates by respiratory diseases due to Emergency Care Units. Therefore, these units generate a benefit for the Brazilian health system, being an important element for the care of patients with respiratory diseases.
Resumo As Unidades de Pronto Atendimento 24h (UPAs) compõem a Política de Atenção a Urgências e Emergências (PNAU) implementada pelo Governo Federal. São componentes pré-hospitalares fixos do SUS, cujo objetivo é o atendimento resolutivo de urgência a pacientes que sofrem quadros clínicos agudos, e o primeiro atendimento em casos cirúrgicos. Desde 2008, funcionam 750 unidades no Brasil, e há 332 em construção, conforme dados de 2020 do Ministério da Economia. Diante de uma política em expansão, é indispensável avaliar seus efeitos como parte do SUS. No entanto, foram encontrados poucos trabalhos avaliando o impacto das UPAs, e esses mediram os efeitos sobre taxas de mortalidade. Este trabalho objetiva mensurar o efeito das UPAs nas taxas de internação por doenças do aparelho respiratório. Para isso, utilizou-se uma estratégia de Machine Learning por meio do algoritmo Bayesian Additive Regression Trees (BART). Os resultados apontam uma diminuição nas taxas de internações por doenças do aparelho respiratório devido às UPAs. Assim, as evidências são de que essas unidades geram benefício para o sistema de saúde, sendo uma peça importante na linha de cuidado dos pacientes com doenças respiratórias.
RESUMO
Resumo O artigo busca analisar o desempenho do financiamento coletivo (crowdfunding) como estratégia de arrecadação de recursos para a campanha eleitoral a deputado federal nas eleições de 2018. Também foi analisada a influência de características socioeconômicas e demográficas dos candidatos associada à decisão de adoção do financiamento coletivo como alternativa arrecadatória na campanha eleitoral. A metodologia utilizada foi a de regressão logística, considerando as seguintes variáveis independentes: valores arrecadados, escolaridade, idade, raça e estado civil do candidato, além de ideologia, tamanho e antiguidade do partido. As variáveis dependentes binárias foram: utilização ou não do crowdfunding e sucesso ou insucesso eleitoral. A fonte de dados foi o repositório de dados eleitorais do Tribunal Superior Eleitoral (TSE), com informações de todos os candidatos a deputado federal, de todos os estados brasileiros, no pleito de 2018. Entre os resultados obtidos, encontra-se que o crowdfunding foi estatisticamente mais usado por candidatos brancos, jovens, de alta escolaridade e da região Sul. Há evidências também de que o crowdfunding seja uma estratégia eleitoral utilizada sobretudo por candidatos de partidos de criação recente, de esquerda, centro-esquerda ou de direita - os de centro e centro-direita tiveram menor utilização -, e daqueles com maior bancada. Por fim, o modelo econométrico aponta um acréscimo médio de 5,55 pontos percentuais na probabilidade de sucesso eleitoral dos candidatos que se valeram do crowdfunding.
Resumen El artículo busca analizar el desempeño del crowdfunding como estrategia de captación de fondos para la campaña electoral de diputado federal en las elecciones generales de Brasil en 2018. También se analizó la influencia de las características socioeconómicas y demográficas de los candidatos asociada a la decisión de adoptar el financiamiento colectivo como alternativa de recaudación en la campaña electoral. Se utilizó la metodología de regresión logística considerando las siguientes variables independientes: valores recaudados, nivel de instrucción, edad, raza y estado civil del candidato, además de la ideología, tamaño y antigüedad de su partido político. Las variables dependientes binarias fueron: uso o no de crowdfunding y éxito o fracaso electoral. La fuente de datos fue el Tribunal Superior Electoral de Brasil (TSE), con información de todos los candidatos a diputado federal en la elección de 2018. Entre los resultados alcanzados está que el crowdfunding fue estadísticamente más utilizado por candidatos blancos, jóvenes y de alto nivel de escolaridad y de la región sur de Brasil. También hay evidencia de que el crowdfunding es una estrategia electoral utilizada especialmente por candidatos de partidos de reciente creación, de izquierda, centro-izquierda o derecha (los de centro y centro-derecha registraron menos uso) y tamaño de los partidos políticos. Finalmente, el modelo econométrico apunta a un aumento promedio del 5,55 puntos porcentuales en la probabilidad de éxito electoral de los candidatos que utilizaron el crowdfunding.
Abstract The article seeks to analyze the performance of crowdfunding as a fundraising strategy in the election campaign for the Brazilian Congress in the 2018 general elections. The article also analyzes the influence of the socioeconomic and demographic profiles of the candidates associated with the decision to adopt crowdfunding. The methodology used was logistic regression, considering the following independent variables: funds raised, education, age, race, and marital status of the candidate, in addition to the party's ideology, size, and age of the party. The binary dependent variables were: use of crowdfunding (or not) and the campaign's outcome. The data source was the Electoral Data Repository of the Brazilian Superior Electoral Court (TSE), with information from all candidates running for federal deputy in all Brazilian states in the 2018 general elections. The resulting analysis shows that crowdfunding was statistically more used by white, young, highly educated candidates from the Southern region of Brazil. There is also evidence that crowdfunding is an electoral strategy used especially by candidates from recently created parties, from the left, center-left or right (those in the center and center-right did not use crowdfunding as frequently) and larger parties. Finally, the econometric model points to an average increase of 5.55 percentage points in the probability of electoral success of candidates using crowdfunding.