Outliers: uma abordagem por meio da capacidade fiscal e de investimento em saúde

Abstract

Outliers são observações que na maioria dos casos se mostram inconsistentes com o restante do conjunto de dados, contudo, sua identificação tem fundamental importância, visando identificá-los para explorar seus possíveis padrões de anormalidade. Nessa perspectiva, o objetivo desta pesquisa é avaliar a ocorrência de outliers no Sistema de Informações Sobre Orçamentos Públicos em Saúde (SIOPS) e seu impacto na qualidade da informação em indicadores referentes à capacidade fiscal e de investimentos em saúde no período de 2002 a 2021, totalizando 20 anos. Trata-se de um estudo descritivo, transversal, com abordagem quantitativa e inferencial. O local do estudo é o Brasil em suas municipalidades, ou seja, a partir da varredura exaustiva dos 5.569 municípios disponíveis no referido sistema. Para a análise dos dados foram utilizados o Programa R, por meio dos pacotes outliers para execução dos testes de Grubbs e Dixon, o EnvStats para execução do teste de Rosner, o caret para obtenção das medidas F1 e Kappa, além da planilha eletrônica Excel. Também foi necessária uma avaliação da concordância destes no sentido de validar os achados e compreender melhor os municípios com outliers detectados. Os resultados encontrados evidenciam que o SIOPS apresentou uma alta completitude no período estudado. Para o indicador 1.1, o teste de Grubbs encontrou 1523 (29,1%) municípios que tem algum outlier, por Rosner 1048 (26,9%) e por Dixon 1410 (20%). Para o indicador 1.2, o teste de Grubbs encontrou 823 (15,7%) municípios que tem algum outlier, por Rosner 788 (15%) e por Dixon 682 (13%). Para o indicador 2.1, o teste de Grubbs encontrou 437 (8,3%) municípios que tem algum outlier, por Rosner 323 (6,2%) e por Dixon 201 (3,8%). Para o indicador 2.2, o teste de Grubbs encontrou 749 (14,3%) municípios que tem algum outlier, por Rosner 748 (14,3%) e por Dixon 593 (11,3%). Para o indicador 3.1, o teste de Grubbs encontrou 1848 (35,3%) municípios que tem algum outlier, por Rosner 1731 (33,2%) e por Dixon 1240 (23,8%). Portanto, os métodos aplicados para detecção de outliers se mostraram eficientes na observação do comportamento dos municípios.