QUALIDADE DOS DADOS DE CAUSA DE MORTE NOS ESTADOS E

CAPITAIS DO SUL DO BRASIL EM 2015 E 2016 SEGUNDO O

“ANACONDA”

Pergunta de pesquisa: como se caracteriza a qualidade da informação sobre

causa de morte nos estados e capitais da Região Sul em relação à ocorrência
de códigos garbage e nível de gravidade segundo potencial impacto para
orientar políticas públicas.

Introdução
Informações de saúde podem ser definidas como os olhos dos formuladores de
políticas de saúde, contudo frequentemente os gestores têm dificuldade de ver
através da névoa provocada por problemas na qualidade das informações
(Souza, 2008; Abou Zahr et al., 2007).
No conjunto de informações de saúde os dados de mortalidade são indicadores
chave para a avaliação da situação de saúde das populações e para o
planejamento e avaliação dos serviços de saúde. Conhecer as causas de
morte na população auxilia os tomadores de decisão em todas as esferas de
gestão a determinar prioridades de saúde para prevenção de mortes por
causas semelhantes no futuro. Todavia, esta análise pode ser comprometida
caso haja uma elevada proporção de óbitos por causas básicas mal definidas
ou pouco especificadas (Murray, 2007; Cunha et al., 2017).
Considerados diagnósticos pouco úteis em saúde pública por não permitirem a
identificação adequada de ações de prevenção e controle de doenças as
causas básicas de óbito mal definidas ou pouco especificadas de óbito foram
definidas como “código garbage” conceito utilizado inicialmente no estudo
“Global Burden of Disease Study 1990 (Naghavi, et al., 2010, Ishitany et al.,
2017).
O Brasil, como outras regiões do mundo, tem vivenciado nas últimas décadas
um processo de transição no perfil de mortalidade com queda acentuada das
mortes por doenças transmissíveis e aumento das doenças crônicas não
transmissíveis e das causas externas, sendo fundamental acompanhar este
processo. A característica de país continental com grande diversidade regional
nas condições socioeconômicas da população, bem como, na estrutura de
serviços de saúde, orienta a necessidade de análises regionais e locais da
situação de saúde (Souza, 2008).
O modelo descentralizado do Sistema Único de Saúde no país define os
municípios, com apoio e supervisão dos estados e do governo federal, como
responsáveis pela atenção bem como pelas ações de vigilância à saúde da
população, incluindo a alimentação do Sistema de Informação de Mortalidade
(SIM). Entretanto, o SIM sofre de problemas de diferentes magnitudes na
cobertura, precisão da certificação da morte e codificação do atestado de óbito,
acompanhando diferenças regionais e locais do país. Com isso, podem ser
gerados indicadores de mortalidade tanto em âmbito nacional, bem como, nas
esferas regional e local, com problemas de fidedignidade (França, et al, 2008).
A Região Sul do Brasil, a menor região em extensão territorial é também uma
região com bons indicadores sociais e econômicos com o Índice de
Desenvolvimento Humano nos estados nas faixas “muito alto” ou “alto”,
posicionados entre os seis estados com os maiores índices do país em 2010
(PNUD, 2016). Segundo estimativas do IBGE para 2016 a região possui o
segundo maior Produto Interno Bruto (PIB) do país, somente atrás da Região
Sudeste (IBGE, 2018). Ainda, é a única região do país que se localiza quase
inteiramente em região temperada, com clima subtropical e temperaturas mais
baixas que o restante do Brasil. Estas características levam a diferenças no
perfil de morbimortalidade, na abrangência e qualidade dos sistemas de
atenção à saúde da população e nos sistemas de informação em saúde em
relação às outras regiões do país
Frente a um quadro de problemas de qualidade da informação de mortalidade,
nas últimas décadas, o Ministério da Saúde vem desenvolvendo estratégias
visando a melhoria do SIM, como iniciativas para reduzir a magnitude das
causas mal definidas, pela vigilância das mortes sem definição da causa
básica, dos óbitos maternos, fetais e infantis, que têm se mostrado essenciais
para a melhoria das informações vitais (Ministério da Saúde, 2009).
Entre as ações mais recentes destaca-se a disponibilização para uso e
capacitação de técnicos dos estados da ferramenta ANACONDA (Análise de
Causas de Morte para Ação Nacional).
Desenvolvida pela Escola de População e Saúde Global de Melbourne em
parceria com o Instituto Suíço de Saúde Pública e Tropical da Universidade de
Basel como parte do programa de inovação "Dados para Saúde" da Fundação
Bloomberg, esta ferramenta permite, de forma simples e padronizada, a análise
do perfil e qualidade dos dados de mortalidade, identificando a precisão dos
dados e orientando as intervenções necessários para sua melhoria. (Lopez &
Mikkelsen,2017).
Assim, o objetivo deste estudo é descrever a qualidade dos dados de causa
básica de morte (CBM) dos Estados e Capitais da Região Sul do Brasil,
destacando a ocorrência de códigos garbage, sua distribuição por
características demográficas e por nível de gravidade nos anos de 2015 e 2016
utilizando a ferramenta ANACONDA.

Métodos 
Trata-se de estudo ecológico descritivo a partir de dados do Sistema de
Informação sobre Mortalidade (SIM), disponibilizados pelo Departamento de
Informática do Sistema Único de Saúde - DATASUS. Foram analisados dados
de mortalidade de 2015 e 2016 residentes nos estados e capitais da Região
Sul do Brasil.
Os códigos da CID que correspondem aos códigos garbages foram
agrupados em uma única variável, permitindo gerar relatórios com causas
básicas bem definidas e garbages. Para estas análises foram utilizados os
softwares Anaconda (Lopez & Mikkelsen,2017) e o GNU PSPP versão 1.0.1,
onde foram realizadas as análises descritivas. Para as associações foi
considerado significativo p< 0,05. Os garbages foram classificados em 4 níveis
de gravidade segundo potencial de impacto para orientar políticas públicas:
● Nível 1 (muito alto) – códigos com implicações sérias que podem ter
impacto muito alto na política de saúde. São causas que poderiam
pertencer a mais de um dos três grupos de estudo grupos de Carga
Global de Doença (GDB), não podendo ser determinado se a causa
verdadeira era uma doença contagiosa, não transmissível ou o resultado
de uma lesão.
● Nível 2 (alto) – códigos que ainda podem ter um impacto alto. Estas são
causas pelas quais somente sabe-se que a verdadeira CBM pertence a
apenas um dos três grandes grupos do GBD, no entanto, não permitem
identificar o capítulo da CID, nem a CBM.
● Nível 3 (médio) - Códigos com probabilidade de impacto médio. Estas
são as causas pelas quais a verdadeira CBM está dentro do mesmo
capítulo da CID.
● Nível 4 (baixo) - Códigos com implicações limitadas, provavelmente com
baixo impacto. Estes são diagnósticos para os quais a verdadeira CBM é
provável que seja irrestrita a uma única doença ou categoria de lesão
Para os níveis de gravidade muito alto e alto foram avaliadas as
frequências absolutas e relativas do local de ocorrência, médico atestante,
faixa etária e ranqueadas as principais causas de morte, com enfoque nos
óbitos evitáveis conforme “Lista de causas de mortes evitáveis por intervenções
do Sistema Único de Saúde do Brasil”(Malta et al., 2007).
Resultados (Ana Cristina, Aline, Karin):
A Região Sul registrou, entre os anos de 2015 e 2016, 393.765 óbitos. Destes, 70,3%
foram classificados com causa básica definida. Entre as capitais, esta proporção sobe
para 80,3%. A tabela 1 traz a classificação das causas de morte segundo Anaconda
por Estados e capitais da Região Sul neste período.
Tabela 1
Embora a diferença dos óbitos com causas básicas definidas entre os Estados tenha sido
pequena, foi estatisticamente significativa (p<0,001) entre o Paraná e os demais. Entre as
capitais, todas as comparações foram estatisticamente significativas, com melhores
resultados em Florianópolis (p<0,001).

Em relação ao nível de gravidade dos códigos garbage, o resultado também foi semelhante
entre os Estados e capitais, com maior concentração de códigos garbage nos níveis muito alto
ou muito baixo, em detrimento dos níveis intermediários, embora com diferenças
estatisticamente significativas na comparação de Estados e capitais entre si.

Entretanto, a comparação dos Estados entre si e das capitais entre si identifica diferença nos
perfis de gravidade, com menores proporções de

A média de idade no grupo de mortes com causa básica classificada como definida é menor
que a média das mortes cuja classificação foi classificada como garbage (58,4 e 71,5,
respectivamente (p<0,001)). A figura 2 traz a distribuição de códigos garbage segundo faixa
etária. A figura 2 traz a distribuição dos CG, por região, segundo nível de gravidade e faixa
etária nos três Estados e capitais.

Em relação à emissão da DO, a figura 3 trás a classificação segundo nível de gravidade de

acordo com o tipo de estabelecimento que emitiu a DO e vínculo do médico atestante.

E, considerando que

Discussão (Ana Cristina, Karin, Daisy)

Conclusão (Ana Cristina, Karin, Daisy…)

Mesmo na Região Sul a qualidade dos dados é heterogênea entre os Estados e
capitais.

Agradecimentos (Todas)

Referencias
AbouZahr C, Adjei S, Kanchanachitra C. From data to policy: good practices and
cautionary tales. Lancet. 2007; 369:1039- 1046.
: PNUD : IPEA : FJP. Desenvolvimento humano nas macrorregiões brasileiras : 2016.
– Brasília, 2016. 55 p
Cunha Carolina Cândida da, Teixeira Renato, França Elisabeth. Avaliação da
investigação de óbitos por causas mal definidas no Brasil em 2010. Epidemiol. Serv.
Saúde  [Internet]. 2017  Mar [cited  2019  Jan  14] ;  26( 1 ): 19-30. Available from:
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S2237-
96222017000100019&lng=en.  http://dx.doi.org/10.5123/s1679-49742017000100003.
França E, de Abreu DX, Rao C, Lopez AD. Evaluation of cause-of-death statistics for
Brazil, 2002-2004. Int J Epidemiol 2008; 37:891-901.
Ishitani Lenice Harumi, Teixeira Renato Azeredo, Abreu Daisy Maria Xavier, Paixão
Lucia Maria Miana Mattos, França Elisabeth Barboza. Quality of mortality statistics’
information: garbage codes as causesof death in Belo Horizonte, 2011-2013. Rev.
bras. epidemiol.  [Internet]. 2017  May [cited  2019  Dez 28] ;  20( Suppl 1 ): 34-45.
Available from: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-
790X2017000500034&lng=en.  http://dx.doi.org/10.1590/1980-5497201700050004.
Lopez, Alan D.; Mikkelsen, Lene. Improve cause of Death Information.Guidance for
assessing and interpreting the quality of mortality data using ANACONDA: Resources
and tools.2017 Acesso em: Disponível em://crvsgateway.info/file/5179/56
Malta Deborah Carvalho, Duarte Elisabeth Carmen, Almeida Márcia Furquim de, Dias
Maria Angélica de Salles, Morais Neto Otaliba Libânio de, Moura Lenildo de et al .
Lista de causas de mortes evitáveis por intervenções do Sistema Único de Saúde do
Brasil. Epidemiol. Serv. Saúde [Internet]. 2007 Dez [citado 2019 Fev 04] ; 16( 4 ):
233-244. Disponível em: http://scielo.iec.gov.br/scielo.php?
script=sci_arttext&pid=S1679-49742007000400002&lng=pt.
http://dx.doi.org/10.5123/S1679-49742007000400002.
Ministério da Saúde. Secretaria de Vigilância à Saúde. Manual para investigação do
óbito com causa mal definida. Brasília: Ministério da Saúde; 2009.

Murray CJL, Lopez AD, Barofsky JT, Bryson-Cahn C, Lozano R (2007) Estimating

Population Cause-Specific Mortality Fractions from in-Hospital Mortality: Validation of a
New Method. PLOS Medicine 4(11):
e326. https://doi.org/10.1371/journal.pmed.0040326
Naghavi, M. et al. Algorithms for enhancing public health utility of national causes-of-
death data. Popul. Health Metr. 8, 9 (2010). Acesso em  31  dez.  2018.  Disponível
em: https://pophealthmetrics.biomedcentral.com/track/pdf/10.1186/1478-7954-8-9

Souza, Maria de Fatima Marinho. Dos dados a política: a importância da informação

em saúde. Epidemiol. Serv. Saúde,  Brasília ,  v. 17, n. 1, p. 5-6,  mar.  2008.
Disponível em: <http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-
49742008000100001&lng=pt&nrm=iso>. Acesso em  31  dez.  2018.
http://dx.doi.org/10.5123/S1679-49742008000100001.

(Regras da Revista  Máximo 21.600 caracteres (incluindo espaços)  5

Ilustrações Estrutura Título (máximo 140 caracteres, incluindo espaços)
Título curto (máximo 60 caracteres, incluindo espaços) Resumo (1.600
caracteres, incluindo espaços) em format estruturado: introdução,
metodologia, resultados, discussão, conclusão. Palavras-chave: 3 a 6
DeCS (http://decs.bvs.br/)  Introdução, Métodos, Resultados, Discussão,
Conclusão  Agradecimentos (460 caracteres, incluindo espaços)