Processo de data linkage para qualificação das bases de notificação de Covid-19: um estudo de caso

Página do item simplificado
dc.contributor.advisorCazella, Sílvio Césarpt_BR
dc.contributor.advisor-coMarin, Heimar de Fátimapt_BR
dc.contributor.authorHinkel, José Henrique Schwanckpt_BR
dc.date.accessioned2023-01-18T13:51:57Z
dc.date.available2023-01-18T13:51:57Z
dc.date.date-insert2023-01-18
dc.date.issued2022
dc.descriptionDissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.pt_BR
dc.description.abstractIntrodução: Os sistemas de informação de Vigilância Epidemiológica são ferramentas imprescindíveis para o monitoramento de doenças subsidiando a criação de políticas adequadas para prevenção e promoção da saúde. Com a transmissão comunitária do novo coronavírus no Brasil foram adotados dois sistemas não integrados de notificação do agravo, através dos quais são monitorados casos suspeitos, confirmados, internações e óbitos. Resultante de sistemas de informação não integrados, é papel da vigilância epidemiológica primar pela qualidade dos dados minimizando as inconsistências das bases de dados. O uso de Data Linkage para integração das bases de dados de notificação com sistemas de informação complementares tem potencial para identificar estas inconsistências ao identificar registros que se referem ao mesmo indivíduo de forma eficiente. Objetivo: Esta dissertação de mestrado tem por objetivo definir um processo de Data Linkage de bases de dados para auxiliar na identificação da subnotificação de agravos e inconsistências de notificações tendo como referência as notificações de COVID-19. Materiais e Métodos: Trata-se de uma pesquisa aplicada tendo como método o estudo de caso único realizando vinculações nas bases de dados e-SUS Notifica, SIVEP-Gripe, GAL e SIM do Estado do Rio Grande do Sul para o agravo COVID-19 avaliando a qualidade da vinculação obtida e do processo como um todo. Resultados: O processo definido esclareceu etapas a serem executadas, as decisões pertinentes a cada etapa, as inconsistências investigadas e o algoritmo desenvolvido para vinculação. A aplicação do processo para 5 vinculações obteve Sensibilidade de 97,33% e Especificidade de 95,36%. Os relatórios de inconsistências identificaram 104.388 possíveis inconsistências equivalendo a 2,16% dos registros nas bases, sendo 81.670 duplicidades e 11.735 subnotificações. Conclusões: O processo de data linkage definido contribui para identificação de inconsistências e qualificação das informações epidemiológicas sobre COVID-19 e pode ser replicado em outras localidades e para outros agravos.pt_BR
dc.description.abstract-enIntroduction: Epidemiological Surveillance information systems are essential tools for monitoring diseases, supporting the creation of adequate policies for prevention and health promotion. With the community transmission of the new coronavirus in Brazil, two non- integrated reporting systems were adopted, through which suspected and confirmed cases, hospitalizations and deaths are monitored. Resulting from non-integrated information systems, it is the role of epidemiological surveillance to strive for data quality, minimizing database inconsistencies. The use of Data Linkage to integrate notification databases with complementary information systems has the potential to identify these inconsistencies by efficiently identifying records that refer to the same individual. Objective: This master's dissertation aims to define a Data Linkage process of databases to assist in the identification of underreporting of grievances and inconsistencies of notifications with reference to COVID-19 notifications. Materials and Methods: This is an applied research using a single case study method, linking the e-SUS Notifica, SIVEP-Gripe, GAL and SIM databases of the State of Rio Grande do Sul for the COVID-19 disease. evaluating the quality of the link obtained and of the process as a whole. Results: The defined process clarified the steps to be performed, the decisions relevant to each step, the inconsistencies investigated, and the algorithm developed for linking. The application of the process for 5 records linkages obtained a Sensitivity of 97.33% and Specificity of 95.36%. The reports of inconsistencies identified 104,388 possible inconsistencies, equivalent to 2.16% of the records in the databases, with 81,670 duplications and 11,735 underreporting. Conclusions: The defined data linkage process contributes to the identification of inconsistencies and qualification of epidemiological information on COVID-19 and can be replicated in other locations and for other diseases.pt_BR
dc.identifier.urihttps://repositorio.ufcspa.edu.br/handle/123456789/1934
dc.language.isopt_BRpt_BR
dc.relation.requiresTEXTO - Adobe Readerpt_BR
dc.rightsAcesso Aberto Imediatopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/*
dc.subjectData Linkagept_BR
dc.subjectQualidade da Informaçãopt_BR
dc.subjectVigilância Epidemiológicapt_BR
dc.subjectCOVID-19pt_BR
dc.subjectRecord Linkagept_BR
dc.subject[en] Epidemiological Monitoringen
dc.titleProcesso de data linkage para qualificação das bases de notificação de Covid-19: um estudo de casopt_BR
dc.typeDissertaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
[DISSERTAÇÃO] Hinkel, José Henrique Schwanck (C).pdf
Tamanho:
2.81 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo
Baixar
Coleções
PPGTIGSAU - Dissertações