Resumo: A modelagem de sistemas complexos é útil para a predição de cenários em que há presença de fenômenos emergentes. O uso de Modelagem e Simulação Baseada em Agentes (ABMS) permite a previsão dos fenômenos emergentes de um sistema, a partir das interações dos agentes do sistema entre si e com o ambiente em que estão inseridos. A análise de políticas públicas requer a identificação, o estudo e a caracterização de fenômenos complexos relacionados com sistemas complexos. No caso dos sistemas com Determinantes Sociais de Saúde (SDoH) é necessário considerar o ambiente social no qual indivíduos e instituições públicas e privadas interagem, e como essas interações impactam a saúde da população. Portanto, o uso de ABMS na modelagem de cenários em saúde pública que consideram fenômenos sociais pode resultar útil na identificação de como diferentes variáveis sociais influenciam a saúde pública. Assim, o uso de ABMS resulta conveniente na tomada de decisão em políticas públicas de saúde. Neste projeto, apresenta-se um método de modelagem de cenários de saúde pública considerando SDoH. Inicialmente, foi criado um modelo de regressão logística com variáveis clínicas e demográficas, a partir de dados da Fundação Oncocentro e do SEADE. Essa regressão permitiu estabelecer uma relação significativa de algumas variáveis com a detecção do câncer de colo de útero em uma etapa inicial. Dentre essas variáveis, destaca-se o Índice Paulista de Responsabilidade Social, um indicador do Estado de São Paulo que toma em consideração escolaridade, riqueza e longevidade na sua construção. O modelo de regressão logística foi utilizado para a calibração do ABMS. Esses modelos foram criados replicando os resultados gerais a partir de testar como a partir da capacidade de atendimento ou na disponibilidade de horários no final de semana, indicando que poderiam ter algum impacto na detecção do câncer de colo de útero. Dessa maneira, a construção de ABMS para a análise do acesso ao rastreamento do câncer permite a tomada de decisão em relação a políticas de prevenção e detecção precoce. Todavia, a avaliação e definição dos cenários testados depende quase inteiramente da intuição do modelador. O uso de técnicas de aprendizagem por reforço pode ajudar a fazer a avaliação de cenários mais sistemática. O método proposto poderá ser utilizado para a identificação de boas estratégias de melhoria das condições sociais que afetam a saúde na esfera pública Ver menos

Abstract: Complex system modeling is a valuable tool for predicting scenarios involving emergent phenomena. Agent-based modeling and simulation (ABMS) can be used to forecast these phenomena by simulating the interactions of individual agents within a system and their environment. Public policy analysis requires identifying, studying, and characterizing complex phenomena related to complex systems. In systems with Social Determinants of Health (SDoH), it is crucial to consider the social environment where individuals and public and private institutions interact and how these interactions impact population health. Therefore, ABMS can be a valuable tool for modeling public health scenarios that consider social phenomena to identify how different social variables influence health outcomes. This makes ABMS a valuable tool for public health policy decision-making. This project presents a method for modeling public health scenarios considering SDoH. A logistic regression model was initially developed using clinical and demographic data from Fundação Oncocentro and SEADE. This regression established a significant relationship between some variables and early detection of cervical cancer. Among these variables, the Indice Paulista de Responsabilidade Social (IPRS) stands out. This indicator, developed by the State of São Paulo, considers education, wealth, and longevity in its construction. The logistic regression model was used to calibrate the ABMS. These models were created by replicating general results and testing how different scenarios, such as changes in service capacity or weekend appointment availability, could impact early detection of cervical cancer. The ABMS constructed for the analysis of access to cancer screening allows decision-making regarding prevention and early detection policies. However, the evaluation and definition of the tested scenarios depend almost entirely on the modeler's intuition. Reinforcement learning techniques can help make scenario evaluation more systematic. The proposed method can be used to identify effective strategies for improving social conditions that impact public health Ver menos