Projeto QVT: edição de 2022 chega ao fim e premia cinco colaboradores

Durante o evento, foram anunciadas novidades do projeto de Qualidade de Vida no Trabalho para este ano, além da comemoração dos aniversariantes do mês de dezembro

ENZO BLUM

Brasília/DF, 11 de janeiro de 2023 – Para encerrar as atividades da segunda edição do projeto de Qualidade de Vida no Trabalho (QVT), nesta semana, a Anadem realizou evento que premia os cinco colaboradores que mais se aproximaram das metas propostas durante as consultas com a nutricionista. As atividades do QVT envolvem práticas ao ar livre, palestras e atendimentos periódicos com profissionais de saúde.

VENCEDORES

A campeã no projeto ganhou passagem aérea e hospedagem no Ritz Copacabana Boutique, no Rio de Janeiro. O segundo colocado foi premiado com três diárias na Casa da Lua Pousada, em Alto Paraíso/GO. Para a terceira posição, o prêmio foi uma hospedagem no Vila Velluti Hitel SPA & Convenções, na capital federal.

O quarto e quinto lugares receberam prêmios em dinheiro. Também foram contemplados com reembolso em dinheiro os colaboradores que mais frequentaram academias ao longo de 2022, por meio da plataforma TotalPass.

NOVIDADES EM 2023

Para este ano, o QVT vai proporcionar atividades de educação financeira, que serão realizadas por um consultor, e criará uma biblioteca para todos os colaboradores na sala do projeto. As consultas com nutricionista e psicóloga e as sessões de massoterapia e ginástica laboral continuam.

OMS publica relatório sobre efeitos do machine learning no financiamento da saúde

Documento revisou 38 artigos sobre implicações da inteligência artificial e machine learning no financiamento da saúde

Por Futuro da Saúde

e o aprendizado de máquina — ou machine learning (ML), em inglês — podem contribuir especificamente em aspectos de financiamento da saúde. O documento aborda temas como previsão de gastos, gestão de riscos, detecção de fraudes e identificação de oportunidades para políticas direcionadas e, apesar de não trazer questões inéditas, evidencia o potencial impacto positivo, principalmente no sentido de velocidade e precisão de análise de dados em comparação com métodos estatísticos tradicionais, além de poder ser mais facilmente aplicado a grandes volumes de dados.

O interesse pela saúde digital vem se expandindo e diversas pesquisas sobre IA e ML já foram feitas em outras áreas da saúde, mas, segundo o estudo, não existem muitas evidências sobre os efeitos dessas tecnologias no financiamento da saúde, além dos seus riscos e desafios. Para chegar aos resultados, o levantamento se baseou na revisão de 38 estudos feitos entre 2000 e 2021, publicados em plataformas como Google Scholar e PubMed.

O relatório define IA como “o desempenho por programas de computador de tarefas comumente associadas a seres inteligentes” e machine learning como “um tipo de IA que se baseia no uso de técnicas de modelagem estatística e matemática para definir e analisar dados”. Há um foco em ML por se tratar da abordagem predominante pela qual a inteligência artificial é utilizada quando se fala sobre o financiamento da saúde. E, além disso, a maioria dos estudos revisados analisava a aplicação das tecnologias para a área de saúde suplementar.

Alguns dos principais apontamentos
Na área de previsão de gastos com saúde, os artigos revisados indicam que a utilização de ML pode tornar a alocação de recursos mais eficiente e equitativa, além de possibilitar o aprimoramento do ajuste de risco e o gerenciamento da população, com o intuito de atender às necessidades de grupos específicos. Contudo, se não forem bem utilizadas, essas informações traduzidas pelo ML podem causar o efeito oposto: exclusão de grupos mais necessitados e aumento de suas contribuições para as operadoras.

Sobre pontuação de risco, a partir de diferentes publicações o relatório da OMS concluiu que as tecnologias podem ter potencial para estimular a promoção da saúde entre as pessoas. Eles utilizam como exemplo a abordagem de uma das maiores operadoras de planos de saúde da África do Sul, a Discovery, que aplica ML a diferentes dados recebidos por parceiros de negócios, desde academias, uso de serviços de saúde e até compras em supermercados, com o intuito de mensurar o comportamento saudável dos clientes. A partir disso, os membros são compensados financeiramente por seu comportamento, à medida que a seguradora reduz o risco médio de sua carteira. Entretanto, esse modelo de pontuação de risco também tende a discriminar os que necessitam de maior cobertura.

Na parte de gestão de sinistros e detecção de fraudes, o relatório indicou benefícios como a maior precisão sobre a classificação de sinistros legítimos e fraudulentos, a detecção de sinistros que requerem maior atenção, e a detecção automatizada, reduzindo tempo, custos e erros de pagamento. Um dos artigos revisados indicou uma economia de custos de 10% no Chile.

Apesar de os pesquisadores reforçarem que há limitações no estudo, a conclusão é que o uso do machine learning e da inteligência artifical pode ajudar nos objetivos de melhoria da cobertura universal de saúde.

Foto: Reprodução/Futuro da Saúde