Evolução dos gastos com Saúde: Indice de envelhecimento Populacional e Despesas com Saúde
Alunos: Andre Luiz de Azevedo Pontes e Guilherme Machado da Rocha
1. Introdução
O envelhecimento populacional emergiu como um fenômeno de relevância global nas últimas décadas, trazendo consigo implicações significativas para diversos setores, entre eles, o da saúde. Este trabalho propõe-se a analisar os efeitos do envelhecimento da população sobre os gastos em saúde, com especial enfoque na região Nordeste do Brasil, e mais especificamente, na capital da Paraíba. Ao utilizar fontes oficiais de dados, buscamos identificar e compreender os padrões de gastos com saúde em diferentes faixas etárias, destacando a dinâmica entre o aumento da longevidade e as demandas crescentes por serviços de saúde.
A importância desse tema transcende os limites da esfera econômica, reverberando profundamente na estrutura social e na qualidade de vida dos cidadãos. À medida que a população envelhece, surgem novos desafios para os sistemas de saúde, que precisam se adaptar para atender às necessidades específicas dos idosos, como o tratamento de doenças crônicas, atendimento domiciliar e a promoção do bem-estar na terceira idade. Além disso, o aumento dos gastos em saúde pode impactar diretamente a economia, influenciando políticas públicas e investimentos em infraestrutura e qualificação técnica para esse tipo de público cidadão, além de tecnologias médicas.
Nesse contexto, a análise dos padrões de gastos em saúde torna-se crucial não apenas para compreender as dinâmicas demográficas e econômicas, mas também para orientar a formulação de políticas públicas que promovam a equidade no acesso aos serviços de saúde e assegurem a sustentabilidade dos sistemas de saúde em face do desafio do envelhecimento populacional.
2. JUSTIFICATIVA DA PESQUISA:
A pesquisa sobre os gastos com saúde e seu impacto na progressão da expectativa de vida e no envelhecimento da população é crucial por várias razões fundamentais.Em primeiro lugar, os gastos com saúde representam uma parcela significativa do orçamento governamental em muitos países ao redor do mundo. Com o aumento da expectativa de vida e o envelhecimento da população, há uma pressão crescente sobre os sistemas de saúde para fornecer cuidados adequados e sustentáveis para uma população idosa em expansão. Compreender como os gastos com saúde afetam a progressão da expectativa de vida e a dinâmica demográfica é essencial para garantir a sustentabilidade desses sistemas no longo prazo.
Além disso, o aumento da expectativa de vida tem implicações profundas para a sociedade em geral. Uma população mais longeva significa uma força de trabalho mais experiente, mas também pode levar a desafios econômicos e sociais, como o aumento dos custos de aposentadoria e cuidados de saúde, bem como a necessidade de políticas que promovam o envelhecimento saudável e a inclusão dos idosos na sociedade. Ao entender como os gastos com saúde influenciam a progressão da expectativa de vida e o envelhecimento da população, os formuladores de políticas podem desenvolver estratégias mais eficazes para lidar com esses desafios. Isso pode incluir a alocação de recursos de forma mais eficiente, a implementação de políticas de saúde preventiva e o desenvolvimento de programas de apoio para os idosos.
Portanto, esta pesquisa é essencial para informar políticas e práticas que promovam o bem-estar e a sustentabilidade em uma sociedade que está enfrentando mudanças demográficas significativas.
2.2 POR QUE JOÃO PESSOA?
A seleção de João Pessoa como foco desta pesquisa é motivada por uma série de razões que refletem tanto a importância dos desafios locais quanto o potencial de contribuição significativa para o corpo de conhecimento existente.
Em primeiro lugar, João Pessoa, como uma das principais cidades do estado da Paraíba, Brasil, enfrenta desafios específicos relacionados aos gastos com saúde e ao envelhecimento populacional que merecem atenção. Como centro urbano em desenvolvimento, a cidade está passando por uma transição demográfica, com uma proporção cada vez maior de idosos em sua população. Compreender como os gastos com saúde estão impactando a qualidade de vida e o bem-estar dos idosos em João Pessoa pode fornecer insights valiosos para enfrentar desafios semelhantes em outras áreas urbanas do Brasil e além.
Além disso, João Pessoa apresenta uma variedade de características que a tornam um estudo de caso intrigante. Sua diversidade socioeconômica, estrutura demográfica única e infraestrutura de saúde em evolução oferecem uma oportunidade única para examinar de perto os determinantes locais dos gastos com saúde e os padrões de envelhecimento populacional. Ao concentrar nossa pesquisa em uma cidade específica, podemos capturar nuances e complexidades que podem ser perdidas em estudos de âmbito nacional ou global.
Outro motivo para escolher João Pessoa como foco desta pesquisa é o fato de haver dados disponíveis de 2009 até março de 2024; já com relação ao Estado da Paraíba como um todo, devido a instabilidade na base de dados obtidos no Transparência Paraíba, houvera impossibilidade para uma análise mais profunda e ampla à nível regional.
3. FONTES OFICIAIS (BASE DE DADOS)
Para compreender plenamente o impacto do envelhecimento populacional nos gastos salariais, é essencial recorrer a fontes de dados oficiais. A disponibilidade de informações precisas e abrangentes é fundamental para a formulação de políticas eficazes e a tomada de decisões informadas. Felizmente, há uma série de fontes confiáveis onde se podem obter dados relevantes sobre essas questões.
Duas fontes foram utilizadas neste trabalho: IBGE e o portal da transparência, respectivamente alocados nos seguintes endereços:
IBGE: (CENSO)
POPULAÇÃO DE JOÃO PESSOA 2010 E 2022 https://cidades.ibge.gov.br/brasil/pb/joao-pessoa/pesquisa/10101/0?ano=2010&localidade1=25
TRANSPARÊNCIA:
DESPESA ORÇAMENTÁRIA COM SAÚDE EM JOÃO PESSOA 2010-2022 https://transparencia.joaopessoa.pb.gov.br/#/despesas/despesas-quadro-geral
3. FONTES OFICIAIS (BASE DE DADOS)
Durante o processo de pesquisa alguns termos técnicos da contabilidade pública surgiram, e esses termos estão relacionados ao processo de execução orçamentária em entidades governamentais, especialmente no contexto da administração pública. Aqui estão as definições de cada um deles:
1. Empenhado: Refere-se à autorização de despesa orçamentária para determinado fim. Quando uma despesa é empenhada, significa que há a reserva de recursos para sua realização, ou seja, a entidade se compromete a pagar por um bem ou serviço.
2. Liquidado: É o estágio em que a despesa empenhada é efetivamente realizada, ou seja, o serviço foi prestado, o bem foi entregue ou a obrigação foi cumprida. Na liquidação, ocorre a verificação e a comprovação de que o bem ou serviço foi recebido conforme o empenho.
3. Pago: Refere-se ao ato de efetuar o pagamento da despesa liquidada. Neste estágio, os recursos financeiros são transferidos para quitar a obrigação assumida pela entidade pública.
4. Pagamento de Restos: São despesas empenhadas em um exercício financeiro (ano fiscal) e que não foram liquidadas ou pagas até o final do período. Essas despesas são chamadas de “restos a pagar” e podem ser liquidadas e pagas nos exercícios subsequentes.
5. Total Desembolsado: Refere-se ao montante total efetivamente desembolsado pela entidade pública em determinado período. Esse valor inclui todos os pagamentos realizados, independentemente de terem sido empenhados ou não em exercícios anteriores.
Esses termos são essenciais para compreender o ciclo de execução orçamentária e financeira em entidades governamentais, ajudando a garantir a transparência e o controle dos gastos públicos. E o utilizado para este trabalho foi o Total Desembolsado.
4.1 FONTES ORDINÁRIAS
Utilizamos o site do BACEN para corrigir valores anteriores até o ano 2022.
Rows: 138 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
Seguindo um processo metódico fizemos para cada ano, alterando somente a última casa decimal de cada função:
# Para o ano de 2011despjp2011<-read_delim(("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2011.csv"),delim ="|")
Rows: 131 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2011 <-sum(despjp2011$total_desembolsado, na.rm =TRUE)# Para o ano de 2012despjp2012 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2012.csv", delim ="|")
Rows: 138 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2012 <-sum(despjp2012$total_desembolsado, na.rm =TRUE)# Para o ano de 2013despjp2013 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2013.csv", delim ="|")
Rows: 132 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2013 <-sum(despjp2013$total_desembolsado, na.rm =TRUE)# Para o ano de 2014despjp2014 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2014.csv", delim ="|")
Rows: 128 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2014 <-sum(despjp2014$total_desembolsado, na.rm =TRUE)# Para o ano de 2015despjp2015 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2015.csv", delim ="|")
Rows: 120 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2015 <-sum(despjp2015$total_desembolsado, na.rm =TRUE)# Para o ano de 2016despjp2016 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2016.csv", delim ="|")
Rows: 103 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2016 <-sum(despjp2016$total_desembolsado, na.rm =TRUE)# Para o ano de 2017despjp2017 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2017.csv", delim ="|")
Rows: 106 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2017 <-sum(despjp2017$total_desembolsado, na.rm =TRUE)# Para o ano de 2018despjp2018 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2018.csv", delim ="|")
Rows: 91 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2018 <-sum(despjp2018$total_desembolsado, na.rm =TRUE)# Para o ano de 2019despjp2019 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2019.csv", delim ="|")
Rows: 101 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2019 <-sum(despjp2019$total_desembolsado, na.rm =TRUE)# Para o ano de 2020despjp2020 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2020.csv", delim ="|")
Rows: 92 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2020 <-sum(despjp2020$total_desembolsado, na.rm =TRUE)# Para o ano de 2021despjp2021 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2021.csv", delim ="|")
Rows: 94 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
soma_total_desembolsado2021 <-sum(despjp2021$total_desembolsado, na.rm =TRUE)# Para o ano de 2022despjp2022 <-read_delim("C:/Users/André/Desktop/arroz/dados/projetao/JP/Desp-orc-jp-2022.csv", delim ="|")
Rows: 88 Columns: 6
── Column specification ────────────────────────────────────────────────────────
Delimiter: "|"
dbl (5): empenhado, liquidado, pago, pagamento_restos, total_desembolsado
lgl (1): Tipo de Despesa
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
obtendo para esses valores sem deflação: 353807786 429552973 571546780 558262208 598323909 628337385 612595208 644377654 683159629 707455699 807121159 731808266 822053027
indices_precos <-c(1.1455, 1.0258, 0.9021, 0.7971, 0.6968, 0.5947, 0.4409, 0.3556, 0.3168, 0.2693, 0.2169, 0.1643, 1)#iriamos utilizar o pacote inflation ou CPI, entretanto não estão disponiveis em nossa versão do R, obtendo então esses indices através do BACEN arredondados; é possível obter pelo índice de correção do período também.cat("e aplicado então os indices que nada mais são que os Valores percentuais correspondentes nesse caso para facilitar a compreensão")
e aplicado então os indices que nada mais são que os Valores percentuais correspondentes nesse caso para facilitar a compreensão
valores_ajustados <-c( soma_total_desembolsado2010 * (1+indices_precos[1]), soma_total_desembolsado2011 * (1+indices_precos[2]), soma_total_desembolsado2012 * (1+indices_precos[3]), soma_total_desembolsado2013 * (1+indices_precos[4]), soma_total_desembolsado2014 * (1+indices_precos[5]), soma_total_desembolsado2015 * (1+indices_precos[6]), soma_total_desembolsado2016 * (1+indices_precos[7]), soma_total_desembolsado2017 * (1+indices_precos[8]), soma_total_desembolsado2018 * (1+indices_precos[9]), soma_total_desembolsado2019 * (1+indices_precos[10]), soma_total_desembolsado2020 * (1+indices_precos[11]), soma_total_desembolsado2021 * (1+indices_precos[12]), soma_total_desembolsado2022)cat("obtendo então novos valores já deflacionados para o ano 2022:", valores_ajustados)
obtendo então novos valores já deflacionados para o ano 2022: 759094604 870188413 1087139130 1003253014 1015236009 1002009627 882688435 873518347 899584599 897973519 982185738 852044364 822053027
Aqui estão as manipulações para se obter os dados do CENSO:
#pesquisa através de linha e colunapop_60_anos_ou_mais <- censo[c(23463, 1), c("X2010", "X2022")]pop_residente <- censo[c(5425, 1), c("X2010", "X2022")]indice_envelhecimento <- censo[c(13251, 1), c("X2010", "X2022")]pop_0_14_anos <- censo[c(23470, 1), c("X2010", "X2022")]#pop_60_anos_ou_mais <- censo[c(23463, 1), ] se quiser a coluna toda#criação de tabela informativatabela <-data.frame(Categoria_Demografica =c("População de 60 anos ou mais", "População Residente", "Índice de Envelhecimento", "População de 0 a 14 anos"),X2010 =c(pop_60_anos_ou_mais[1, "X2010"], pop_residente[1, "X2010"], indice_envelhecimento[1, "X2010"], pop_0_14_anos[1, "X2010"]),X2022 =c(pop_60_anos_ou_mais[1, "X2022"], pop_residente[1, "X2022"], indice_envelhecimento[1, "X2022"], pop_0_14_anos[1, "X2022"]))
Tais como:
População Residente;
População de 60 anos ou mais;
População de 0 a 14 anos e;
Índice de Envelhecimento.
Tanto para 2010 quanto 2022, períodos esses que ocorreram o Censo do IBGE. Podendo ser facilmente visualizado na seguinte tabela:
Com os dados das despesas com saúde adicionados à análise, podemos observar que houve um aumento progressivo nos gastos com saúde ao longo do período de 2010 a 2022. Essa tendência de aumento nas despesas com saúde reflete a necessidade de investimentos contínuos para atender às demandas de uma população em envelhecimento.
O aumento nos gastos com saúde coincide com o aumento da população idosa e o índice de envelhecimento, sugerindo que o sistema de saúde está enfrentando pressões adicionais para fornecer cuidados adequados e abrangentes para uma proporção crescente de idosos.
Diante desses dados, é fundamental que políticas de saúde sejam desenvolvidas e implementadas para garantir que os recursos sejam alocados de forma eficiente e equitativa, visando melhorar o acesso aos cuidados de saúde e promover o bem-estar da população em todas as faixas etárias, especialmente dos idosos.
Além disso, é importante considerar estratégias de prevenção e promoção da saúde, juntamente com investimentos em pesquisa e inovação, para enfrentar os desafios decorrentes do envelhecimento populacional e garantir um sistema de saúde sustentável e resiliente para o futuro.
