Análise da curva de medicamentos incorporados no Sistema Único de Saúde entre os anos de 2016 e 2020
Análise da curva de medicamentos incorporados no Sistema Único de Saúde entre os anos de 2016 e 2020
Data
2023
Autores
Bernarde, Heber Dobis
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Nacional de Cardiologia
Resumo
Introdução: Um elemento fundamental no cálculo do impacto orçamentário das avaliações de tecnologia em saúde é a estimativa do tamanho da população com indicação de uso da nova tecnologia. Imprecisões na estimativa da população de interesse refletem diretamente no resultado da análise e podem comprometer as decisões pela incorporação de tecnologias em saúde quando o impacto orçamentário previsto é elevado demais. Por outro lado, podem acarretar despesas adicionais não previstas nos casos em que o número de usuários em vida real é significativamente maior que o número de usuários previstos, colocando em risco a implementação da tecnologia incorporada. Objetivos: Analisar a diferença entre a curva de difusão prevista e aferida, segundo o número de usuários, no primeiro ano após a primeira dispensação dos medicamentos incorporados no SUS. Método: Foi realizado um estudo descritivo, retrospectivo, entre os anos de 2016 e 2020. Os dados do número de usuários previstos foram extraídos dos relatórios de recomendação de incorporação de tecnologias em saúde no SUS publicados em versão final pela CONITEC, e comparados com os dados individualizados das dispensações do Componente Especializado da Assistência Farmacêutica registrados mensalmente no Sistema de Informação Ambulatorial do SUS por meio da autorização de procedimentos ambulatoriais (APAC). Resultados: Foram realizadas 37 comparações de medicamentos incorporados. Em todas houve variação entre o número de usuários previstos e aferidos. A diferença percentual entre os grupos variou de -99,86% a 628,18%, com variação média de 23,5% (-30,6% a 77,7%) IC 95. A mediana foi de -19%; e os percentis Q1 (-71%), Q2 (-19%) e Q3 (37%). Em 14 comparações o total de usuários aferidos foi maior que o total de usuários previstos, com variação média a maior de 158,6% (43,6% a 273,5%) IC 95. Nas outras 23 comparações a quantidade aferida foi menor que a prevista, com variação média de -58,7% (-72,8% a -44,6%) IC 95. Conclusões: Os resultados mostram imprecisões no número de usuários estimados para uso das tecnologias durante o primeiro ano de incorporação dos medicamentos no SUS, seja para mais ou para menos, evidenciando a necessidade de explorar os fatores que podem estar influenciando os erros, qualificando a tomada de decisão pelos gestores em saúde.
Palavras-chave: curva de incorporação, curva de difusão, quota de mercado, análises de impacto orçamentário.
Introduction: A key element in calculating the budgetary impact of health technology assessments is estimating the size of the population eligible for the new technology. Inaccuracies in estimating the target population directly affect the analysis outcome and can compromise decisions on the incorporation of health technologies when the projected budgetary impact is high. Conversely, it can lead to unforeseen expenses in cases where the number of real-life users is significantly higher than predicted, jeopardizing the implementation of the incorporated technology. Objectives: This study aimed to analyze the difference between the predicted and observed diffusion curves, according to the number of users, in the first year following the initial dispensing of medications incorporated into the Brazilian Unified Health System (SUS). Methods: A descriptive retrospective study was conducted between 2016 and 2020. Data on predicted user numbers were extracted from final version reports of health technology incorporation recommendations in SUS published by CONITEC and compared with individualized data on dispensations from the Specialized Pharmaceutical Assistance Component, recorded monthly in the Outpatient Information System of SUS through the authorization of outpatient procedures (APAC). Results: Thirty-seven comparisons of incorporated medications were made, and all showed variation between the predicted and observed number of users. The percentage difference between the groups ranged from -99.86% to 628.18%, with a mean variation of 23.5% (-30.6% to 77.7%), 95% CI. The median was -19%, and the quartiles were Q1 (-71%), Q2 (-19%), and Q3 (37%). In 14 comparisons, the total number of observed users was higher than the predicted users, with a mean increase of 158.6% (43.6% to 273.5%), 95% CI. In the other 23 comparisons, the observed quantity was lower than the predicted quantity, with a mean variation of -58.7% (-72.8% to -44.6%), 95% CI. Conclusions: The results demonstrate inaccuracies in the estimated number of users for the use of technologies during the first year of medication incorporation in SUS, whether overestimated or underestimated. This highlights the need to explore factors influencing these errors to improve decision-making by healthcare managers. Keywords: incorporation curve, diffusion curve, market share, budget impact analysis.
Introduction: A key element in calculating the budgetary impact of health technology assessments is estimating the size of the population eligible for the new technology. Inaccuracies in estimating the target population directly affect the analysis outcome and can compromise decisions on the incorporation of health technologies when the projected budgetary impact is high. Conversely, it can lead to unforeseen expenses in cases where the number of real-life users is significantly higher than predicted, jeopardizing the implementation of the incorporated technology. Objectives: This study aimed to analyze the difference between the predicted and observed diffusion curves, according to the number of users, in the first year following the initial dispensing of medications incorporated into the Brazilian Unified Health System (SUS). Methods: A descriptive retrospective study was conducted between 2016 and 2020. Data on predicted user numbers were extracted from final version reports of health technology incorporation recommendations in SUS published by CONITEC and compared with individualized data on dispensations from the Specialized Pharmaceutical Assistance Component, recorded monthly in the Outpatient Information System of SUS through the authorization of outpatient procedures (APAC). Results: Thirty-seven comparisons of incorporated medications were made, and all showed variation between the predicted and observed number of users. The percentage difference between the groups ranged from -99.86% to 628.18%, with a mean variation of 23.5% (-30.6% to 77.7%), 95% CI. The median was -19%, and the quartiles were Q1 (-71%), Q2 (-19%), and Q3 (37%). In 14 comparisons, the total number of observed users was higher than the predicted users, with a mean increase of 158.6% (43.6% to 273.5%), 95% CI. In the other 23 comparisons, the observed quantity was lower than the predicted quantity, with a mean variation of -58.7% (-72.8% to -44.6%), 95% CI. Conclusions: The results demonstrate inaccuracies in the estimated number of users for the use of technologies during the first year of medication incorporation in SUS, whether overestimated or underestimated. This highlights the need to explore factors influencing these errors to improve decision-making by healthcare managers. Keywords: incorporation curve, diffusion curve, market share, budget impact analysis.
Description
Palavras-chave
Curva de incorporação, Curva de difusão, Quota de mercado, Análises de impacto orçamentário, Incorporation curve, Diffusion curve, Market share, Budget impact analysis
Citação
Bernarde HD. Análise da curva de medicamentos incorporados no Sistema Único de Saúde entre os anos de 2016 e 2020. Rio de Janeiro. Dissertação [Mestrado Profissional em Avaliação de Tecnologias em Saúde] Instituto Nacional de Cardiologia - INC; 2023.