Artigo. “O que falta aos dados de saúde corporativa para virar decisão?” Por Luciana Shimizu Morya

O Health ao Cubo, encontro que reuniu especialistas em dados e tecnologia, representantes da indústria, operadora e pesquisadores de futuros da saúde, trouxe respostas consistentes a essas dúvidas. Ao longo do dia, os painéis mostraram que o valor da informação depende menos do volume de dados e da sofisticação das ferramentas do que de três escolhas: um método de análise bem definido, o cuidado com a origem e a proteção do dado, e a disciplina de medir o que de fato pode ser transformado na gestão de benefícios. Como o plano de saúde está entre os maiores custos com pessoas, em geral atrás apenas dos salários, essas escolhas afetam diretamente o trabalho de RH, corretoras e consultorias e, por consequência, o resultado das empresas.

O ponto de partida é o método. Ter muitos dados não basta, porque os mesmos números podem ser lidos de forma a confirmar a resposta que alguém já deseja ouvir. O que transforma registro em evidência é seguir uma sequência: primeiro, formular uma pergunta clara; depois, escolher a base de dados adequada a essa pergunta; por fim, conduzir uma análise transparente, que outras pessoas possam examinar e reproduzir.

Quando se faz o caminho inverso, partindo dos dados disponíveis em busca de algo que eles consigam responder, o resultado costuma ser um relatório bem apresentado e pouco útil para a tomada de decisão. Quem já recebeu um painel de sinistralidade com dezenas de gráficos e nenhuma conclusão conhece bem esse efeito.

Definir a pergunta, porém, resolve apenas metade do problema. A outra metade está em compreender o que cada dado de fato representa, já que o significado de um registro depende de quando, por quem e com que finalidade ele foi produzido. O código da Classificação Internacional de Doenças (CID) é um bom exemplo.

No atestado médico, o CID costuma ser genérico e só pode ser incluído com autorização expressa do paciente, conforme as normas do Conselho Federal de Medicina e ninguém se preocupa muito em procurar o código exato. Na guia de autorização, o mesmo código pode indicar apenas uma hipótese diagnóstica, uma condição ainda em investigação ou a suspeita mais grave, porque é ela que justifica o exame solicitado. No relatório médico proveniente de um acompanhamento clínico, por sua vez, o profissional que conhece a história do paciente tende a registrar uma informação mais precisa e completa. Em outras palavras, um mesmo código pode contar histórias diferentes conforme o documento em que aparece.

Ao reaproveitar esses registros para gestão, a empresa passa a pedir respostas a dados que não foram coletados com essa finalidade. Daí a necessidade de leitura crítica. Enumerar o código CID sem considerar sua origem pode superestimar doenças graves e ocultar as condições crônicas que de fato movem o custo. Também convém lembrar que a base só enxerga o beneficiário quando ele usa o plano. Quem não procura atendimento não aparece, e essa ausência também diz algo sobre a população.

Se o significado do dado depende de sua origem, a qualidade também se decide ali. Tornar um campo obrigatório, por si só, não garante bom preenchimento. Quando o registro não faz sentido para quem está na ponta, a pessoa digita qualquer código ou uma sequência de zeros para avançar. A qualidade melhora quando quem registra entende para que a informação serve, quando o formulário cabe na rotina e quando os erros voltam para a operação como aprendizado.

O mesmo raciocínio vale para o cadastro de beneficiários mantido pela empresa. Data de nascimento errada, dependente com vínculo desatualizado e lotação incorreta distorcem qualquer análise de carteira, por melhor que seja a ferramenta utilizada. Manter essa base atualizada é uma tarefa simples, muitas vezes negligenciada, e condição para que todo o trabalho posterior com os dados tenha valor.

Dados de boa qualidade também precisam de proteção. Sobre isso, uma das ideias mais interessantes do evento foi a análise federada. Nesse modelo, os registros individuais permanecem em suas bases de origem: a consulta é enviada a cada uma delas, e apenas o resultado agregado retorna. Na saúde corporativa, essa lógica deveria orientar toda a relação entre empresa, operadora e consultoria.

Dados de saúde são classificados como dados pessoais sensíveis pela Lei Geral de Proteção de Dados (LGPD), e o sigilo médico é um dever ético do profissional. Para tomar boas decisões, a empresa precisa de indicadores sobre sua população, e não de saber quem tem qual diagnóstico. Informações agregadas e anonimizadas são suficientes para orientar a gestão e ainda preservam a confiança dos colaboradores.

Mesmo com dados confiáveis e protegidos, ainda existe o risco de tirar conclusões que esses mesmos dados não sustentam. Em bases grandes, é comum encontrar associações estatisticamente significativas entre fatores que não têm relação de causa entre si. Na gestão de benefícios, esse equívoco aparece com frequência na avaliação de programas de saúde. Suponha que a sinistralidade caia no mesmo ano em que a empresa lançou um programa de prevenção. É tentador atribuir o resultado ao programa, mas, se no mesmo período houve troca de rede credenciada, mudança de operadora ou alteração no perfil da população atendida, qualquer um desses fatores pode explicar a queda. Por isso, a força de uma conclusão deve ser proporcional ao que o método de análise consegue sustentar.

Impacto. Essa mesma cautela vale para a avaliação de programas e ferramentas de saúde. O evento propôs uma distinção útil entre três etapas. Na implementação, a solução é colocada em funcionamento. Na adoção, as pessoas passam a usá-la. No impacto, esse uso muda algum resultado de saúde ou de custo. Cumprir uma etapa não garante a seguinte. Quem já lançou um aplicativo de saúde para colaboradores conhece a curva: muitos cadastros na primeira semana e poucos acessos no terceiro mês. Raramente o motivo é resistência à tecnologia. Na maioria dos casos, a solução não se encaixou na rotina de quem deveria usá-la.

Para evitar esse desfecho, a recomendação foi começar pelo problema, e não pela ferramenta. Na prática, é preciso entender a rotina de quem vai usar a solução, identificar onde está a dificuldade real e testar a proposta com protótipos simples antes de ampliar o investimento, sempre com a participação dos usuários. Antes do lançamento, também convém definir qual indicador de saúde ou de custo o programa precisa melhorar e acompanhar adoção e impacto como medidas separadas. Um bom teste é pedir à equipe responsável que explique o resultado esperado. Se ela sabe descrever a tecnologia, mas não consegue dizer o que deve mudar para as pessoas e para a empresa, provavelmente entregou uma ferramenta que ainda não se tornou solução.

Esse processo pode parecer lento diante da urgência que a saúde impõe. Uma expressão ouvida no painel resume bem o dilema: calma, porque há pressa. A urgência é real, e o desperdício de tempo e de recursos também tem custo para a assistência. Ainda assim, pular a etapa de entender o problema costuma sair mais caro depois, quando a solução fica pronta e ninguém sabe o que fazer com ela.

Horizonte. O mesmo rigor vale para as previsões sobre o futuro da saúde. A palestra dedicada ao tema lembrou que muitas promessas em circulação, como a inteligência artificial capaz de resolver o diagnóstico, a vida até os 120 anos ou a ideia de que mais dados significam mais saúde, ainda são narrativas sem garantia de se concretizar. Os dados atuais ajudam a projetar o futuro mais provável, que tende a ser uma continuação do presente. Para enxergar outros caminhos possíveis, é preciso observar também os chamados sinais fracos, ou seja, mudanças ainda pequenas que podem ganhar escala.

Um desses sinais interessa diretamente ao RH. Os colaboradores deixaram de sofrer com a falta de informação sobre saúde e passaram a lidar com o excesso dela. Ter acesso a muita informação, porém, não significa saber usá-la, e tentar fazer isso sem apoio gera cansaço e insegurança. Esse cenário valoriza o papel de quem orienta o colaborador e coordena o seu cuidado, seja um médico de referência, seja uma equipe dedicada a ajudá-lo a percorrer o sistema de saúde.

Para fechar, a palestra apresentou o backcasting, método de planejamento que parte do futuro desejado. Primeiro, define-se onde se quer estar em dez ou quinze anos. Depois, volta-se ao presente para decidir o que precisa começar agora. Aplicado ao benefício saúde, o exercício amplia o horizonte da gestão, hoje muito concentrado no ciclo anual de renovação do contrato. A pergunta passa a ser como a empresa quer que esteja a saúde de sua população daqui a uma década e quais ações precisa iniciar hoje para chegar lá.

O que mais me marcou no Health ao Cubo foi ver áreas que raramente dialogam chegarem à mesma conclusão. Especialistas em dados, representantes da indústria, operadora e pesquisadores de futuros mostraram que o valor da informação em saúde depende de três condições: ser confiável, respeitar quem está por trás de cada registro e servir a decisões reais. Para quem gere benefícios, o desafio é transformar esse princípio em prática já na próxima análise da carteira.

LUCIANA SHIMIZU MORYA é CEO do INKI.

As opiniões expressas neste artigo são de responsabilidade do autor e não refletem, necessariamente, a posição editorial do Saúde Insider.