Acesso a saúde - horas dos profissionais

Dado o ano eleitoral é importante ver, de 2023 até 2025, o quanto houve evolução nas horas dos principais profissionais de saúde nesse período por governador/governadora do estado e avalação das horas nas unidades federais. Os dados são do CNES, disponíveis em ftp.datasus.gov.br.

É possível que alguns dados do final de 2025 ainda não tenham sido atualizados. Excluindo as informações de profissionais que não sejam da saúde, a situação nesse período é, em número de horas, o mostrado no gráfico a seguir. Enfermeiros, médicos clínicos e odontólogos são os 3 que mais trabalharam no período.

Os mesmos números, considerando se o hospital é Federal, Estadual ou Municipal:

Esses números mostram que os municípios são responsáveis pelo maior número de profissionais que atendem a rede pública. As evoluções ao longo do tempo de profissionais de saúde estaduais e municipais:

Os dados da esfera administrativa só estão disponíveis a partir de ago/25

Nº de horas por atividade em cada UF:

dados_estado_rows = (await FileAttachment("dados_estado_ojs.csv").csv()).map(function(d) {
  return {
    data: d.data,
    uf_nome: d.uf_nome,
    tipo_hora: d.tipo_hora,
    horas: +d.horas
  }
})
estados = [...new Set(dados_estado_rows.map(d => d.uf_nome))].sort((a, b) => a.localeCompare(b, "pt-BR"))
dados_estado_rows_com_data = dados_estado_rows.map(function(d) {
  return {
    data: new Date(d.data),
    uf_nome: d.uf_nome,
    tipo_hora: d.tipo_hora,
    horas: d.horas
  }
})
datas_todas = dados_estado_rows_com_data.map(function(d) { return d.data.getTime() })
data_min = new Date(Math.min.apply(null, datas_todas))
data_max = new Date(Math.max.apply(null, datas_todas))
contagem_por_estado = dados_estado_rows_com_data.reduce(function(acc, d) {
  acc[d.uf_nome] = (acc[d.uf_nome] || 0) + 1
  return acc
}, {})
estado_inicial = estados.slice().sort(function(a, b) {
  return (contagem_por_estado[b] || 0) - (contagem_por_estado[a] || 0)
})[0]
viewof estado_selecionado = Inputs.select(estados, {
  label: "Estado",
  value: estado_inicial
})
dados_filtrados = dados_estado_rows_com_data
  .filter(d => d.uf_nome === estado_selecionado)
grupos = dados_filtrados.reduce(function(acc, d) {
  if (!acc[d.tipo_hora]) acc[d.tipo_hora] = []
  acc[d.tipo_hora].push(d)
  return acc
}, {})
resumo_pct = Object.keys(grupos).map(function(tipo_hora) {
  var arr = grupos[tipo_hora].slice().sort(function(a, b) { return a.data - b.data })
  var primeiro = arr[0]
  var ultimo = arr[arr.length - 1]
  var variacao_pct = primeiro.horas === 0 ? null : (ultimo.horas / primeiro.horas - 1) * 100
  var label_pct = variacao_pct === null
    ? "n/a"
    : (variacao_pct >= 0 ? "+" : "") + variacao_pct.toFixed(1).replace(".", ",") + "%"
  return {
    tipo_hora: tipo_hora,
    data_fim: ultimo.data,
    horas_fim: ultimo.horas,
    variacao_pct: variacao_pct,
    label_pct: label_pct
  }
})
Plot.plot({
  marginLeft: 70,
  marginRight: 90,
  height: 420,
  x: {label: "Mês", domain: [data_min, data_max]},
  y: {label: "Horas", tickFormat: d => d.toLocaleString("pt-BR")},
  color: {
    label: "Tipo de hora",
    legend: true,
    domain: ["Hospitalar", "Ambulatorial", "Outras"],
    range: ["#0072B2", "#009E73", "#E69F00"]
  },
  marks: [
    Plot.line(dados_filtrados, {x: "data", y: "horas", stroke: "tipo_hora"}),
    Plot.text(resumo_pct, {
      x: "data_fim",
      y: "horas_fim",
      text: "label_pct",
      fill: "tipo_hora",
      textAnchor: "start",
      dx: 8,
      fontWeight: "bold"
    })
  ]
})