ABSTRACT
OBJECTIVE: To present a methodology for the empirical evaluation of primary health care (PHC) through the construction of digital representations of potential PHC coverage areas. METHODS: In this methodological study, potential areas were constructed by combinatorial analysis between census tracts and the location of basic health units with working PHC teams in Brazil. Six rules were used to parameterize the algorithm for the construction of potential areas. Thus, six restrictions were applied to enable the model: the selection of census tracts near the basic health unit; contiguous sectors; mutually exclusive sectors; sectors located in the same municipality of basic health units; sum of 4 500 users per health team in each unit; and volume of population ascribed proportional to the number of PHC teams allocated to the unit. Based on 316 594 census tracts and 39 758 basic health units, a neighborhood matrix was developed. To that matrix, a graph algorithm was applied to test combinations of sectors that simultaneously met the stipulated rules. RESULTS: A total of 1 901 114 arcs were defined, connecting 30 351 census tracts, allowing the construction of 26 907 potential areas. Based on these results, intra-municipal analyses can be performed to monitor PHC indicators. Customizable algorithm parameters can be adjusted to accommodate different sets of rules which may be adapted to different countries. CONCLUSIONS: The use of geoprocessing approaches creates conditions for the assessment of PHC impact, based on secondary databases at various levels, such as intra-municipal, basic health unit, and even at the team level.
OBJETIVO: Presentar una metodología para la evaluación empírica de la atención primaria de salud (APS) a través de la construcción de representaciones digitales de las áreas de cobertura potencial de los equipos de APS. MÉTODOS: Estudio de tipo metodológico. Las áreas potenciales se construyeron mediante un análisis combinatorio entre los sectores censales y la localización de las unidades básicas de salud con equipos de APS que trabajan en Brasil. Se utilizaron seis reglas para parametrizar el algoritmo de construcción de las áreas potenciales. Así, se estipularon seis restricciones que viabilizaron el modelo utilizado: selección de sectores censales cercanos a la unidad básica de salud; sectores contiguos; sectores mutuamente excluyentes; sectores ubicados en el mismo municipio de la unidad básica de salud; suma de 4 500 usuarios por equipo de salud en cada unidad básica de salud; y volumen de población adscrita proporcional al número de equipos de APS asignados en la unidad básica de salud. A partir de 316 574 sectores censales y 39 758 unidades básicas de salud se desarrolló una matriz de vecindad sobre la cual se aplicó un algoritmo gráfico que evaluaba las combinaciones de sectores que cumplían simultáneamente las reglas estipuladas. RESULTADOS: Se definieron en total 1 901 114 arcos, que conectaron 30 351 sectores censales, lo que permitió la construcción de 26 907 áreas potenciales. Sobre la base de estos resultados, se pueden realizar análisis intramunicipales para monitorear los indicadores de APS. Los parámetros modificables del algoritmo se pueden ajustar para adaptarse a diferentes conjuntos de reglas y a diferentes países. CONCLUSIONES: El uso de enfoques basados en geoprocesamiento puede crear condiciones para la evaluación del impacto de la APS conforme a bases de datos secundarias y a nivel intramunicipal, de la unidad básica de salud e incluso a nivel de equipo.
