Modelo de terapia assistida para dispensação de medicamentos imunobiológicos para artrite reumatoide no Sistema Único de Saúde: uso racional de recursos reduz despesas
Bibliographic record
Abstract
Objetivo: A incorporação dos imunobiológicos para tratamento da artrite reumatoide (AR) no Sistema Único de Saúde (SUS) representou um avanço significativo, porém teve um impacto importante no orçamento. Como o modelo vigente de dispensação direta ao paciente apresentava deficiências, implementou-se o modelo do CEDMAC de terapia assistida com foco no uso racional, visando minimizar despesas e potencializar o alcance. Entretanto, não há dados que comparem os dois modelos. Assim, esse estudo objetivou comparar o número de frascos efetivamente dispensados pelo modelo do CEDMAC à dispensação direta e avaliar seu impacto financeiro. Métodos: Foram incluídos atendimentos de pacientes com AR no CEDMAC em 2015, cujo imunobiológico foi fornecido pelo Ministério da Saúde. Foram registrados medicamento e dose recebidos, dose prescrita, número de frascos, cancelamentos por contraindicação e faltas. Como comparação, foi estimado o número de frascos que seriam entregues pela dispensação direta. Calculou-se a diferença entre o número total de frascos dispensados pelos dois sistemas e o impacto financeiro pelo valor de aquisição em 2015. Resultados: Em 2015, o CEDMAC realizou 3.784 atendimentos para pacientes com AR. O total de frascos de imunobiológicos prescritos foi de 10.000 frascos e 1.946 (19,5%) não foram utilizados por otimização de frascos, contraindicações ou absenteísmo. Os frascos não utilizados reduziram as despesas em R$ 806.132,62. A expansão do modelo para todo SUS reduziria as despesas em R$ 121.110.388,27. Conclusão: O modelo de terapia assistida do CEDMAC reduz consideravelmente o volume de frascos dispensados e pode trazer uma relevante redução de despesas no fornecimento dos imunobiológicos para AR no SUS.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".