Inferência causal e políticas públicas: como a economia pode ajudar a melhorar a saúde no Brasil

Professor Vinícius de Araujo Mendes, da Faculdade de Economia da UFBA e pesquisador do Laboratório de Inferência Causal (LInCa).

A pesquisa científica tem um papel fundamental na compreensão dos desafios sociais e na construção de soluções mais eficientes para políticas públicas. Em áreas como saúde, educação e desenvolvimento social, métodos quantitativos e análises rigorosas permitem avaliar se determinadas iniciativas realmente produzem os resultados esperados e como podem ser aprimoradas. Nesse contexto, a inferência causal tem se consolidado como uma ferramenta essencial para investigar relações de causa e efeito e orientar decisões baseadas em evidências.

Nesta entrevista, conversamos com o professor Vinícius de Araujo Mendes, da Faculdade de Economia da UFBA e pesquisador do Laboratório de Inferência Causal (LInCa). Ao longo da conversa, ele compartilha sua trajetória acadêmica, explica de forma acessível o que é inferência causal e discute como métodos estatísticos e econômicos podem contribuir para avaliar e melhorar políticas públicas, especialmente na área da saúde. Acompanhe a entrevista completa abaixo:

1. Professor Vinícius, como surgiu o seu interesse pela área de economia e, mais especificamente, pela pesquisa em avaliação de impacto e inferência causal?

Minha primeira graduação foi em Matemática, mas durou apenas o primeiro ano. Eu sempre tive alguma facilidade com matemática e lógica ao longo do meu ensino médio e acreditava que isso seria minha formação profissional. Mas, sob a influência de dois amigos que, à época, cursavam ciências econômicas na UFBA, me aproximei do estudo da economia e decidi abandonar a graduação em matemática. Realizei um outro vestibular. A economia me proporcionava a interação entre fenômenos sociais, por meio do uso de métodos quantitativos para explicá-los. Isto me encantou.

Desde o início da minha graduação, eu já tinha por certo que faria a prova da ANPEC para seguir carreira acadêmica. A prova da ANPEC é uma espécie de ENEM para a pós-graduação em economia. Para tanto, realizei diversas disciplinas a mais na minha formação para me preparar para a pós-graduação, como Geometria Analítica, Álgebra Linear, todos os Cálculos, Cálculo Numérico e Análise Real. Uma das disciplinas que cursei para me preparar foi Análise de Regressão com a professora Leila Amorim, hoje líder do LinCa.

No mestrado, eu decidi ir à UFMG para trabalhar com um pesquisador famoso em modelagem matemática, que tinha formação pelo IMPA. Mas, ao longo do meu primeiro ano, ele recebeu um convite do INSPER e deixou a UFMG. Este foi um ponto de mudança na minha trajetória acadêmica, pois uma vez eu não seguiria mais na área de pesquisa de modelagem matemática aplicada a economia, a possibilidade que surgiu foi pesquisa em Demografia. A UFMG é referência internacional no assunto. Assim, mudei o foco para a modelagem estatística e para o uso intensivo de dados. Usei todos os microdados dos Censos de cinco décadas, o que serviu de treino para a organização e a manipulação de grandes bancos de dados.

Uma vez que minha pesquisa acadêmica migrou para economia aplicada, econometria, com foco em economia social, devido à influência da demografia, decidi fazer meu doutorado na FEA-USP, na Universidade de São Paulo. Lá, fui orientado pelo Naércio Menezes Filho, referência em inferência causal na economia. Neste momento, entre 2013 e 2014, direciono minha agenda de pesquisa para aplicações com foco em modelos causais. Após o doutorado, quando já estava concursado na UFBA, surgiu, em 2017, a oportunidade de participar de uma pesquisa de avaliação do impacto de uma importante política pública de saúde, realizada pelo Instituto de Saúde Coletiva. A partir de então, a minha agenda de pesquisa com foco em inferência causal se consolida e direcionei para saúde pública e economia da saúde.

2. Quais experiências da sua trajetória acadêmica e profissional mais  contribuíram para a linha de pesquisa que o senhor desenvolve hoje?

Assim como descrevi na resposta anterior, acredito que a pós-graduação, a dissertação de mestrado, as principais disciplinas que cursei no meu doutorado e a tese de doutorado constituem a minha base de conhecimento teórico e empírico. Após, a sorte de ter participado de diversos projetos em economia da saúde e a oportunidade de conhecer pesquisadores de referência foram determinantes e contribuíram para a linha de pesquisa que hoje desenvolvo. Eu, como professor universitário, sou defensor da educação formal. Acredito que uma boa graduação, uma boa pós-graduação stricto sensu e muitas horas de dedicação ao estudo são fundamentais para a formação do pesquisador.

Pesquisa e atuação

3. De forma simples, o que é inferência causal e por que ela é importante para entender os efeitos de políticas públicas?

Existem duas principais correntes na estatística que definem causalidade: a de Neyman-Rubin e a de Pearl.  A economia é fortemente influenciada pela ideia de causalidade de Rubin, ou pelo modelo de resultados potenciais como é denominado. Em resumo, se um indivíduo recebe uma intervenção (ele acessa uma política pública), o resultado potencial dele é Y¹i. Caso este mesmo indivíduo não recebesse ou não acessasse tal política pública, o resultado potencial seria Yºi. Importante notar que uma vez que ele acessou a política pública, o resultado observado Y¹i é factual, enquanto o resultado se ele não acessasse a política pública, Yºi, seria um contrafactual, um resultado hipotético. Assim, causalidade ou efeito causal no modelo de resultados potenciais é a diferença entre o valor observado, factual, e o valor não observado, ou contrafactual, Y¹i-Yºi. É o mesmo indivíduo, no mesmo momento, sofrendo todos os efeitos possíveis do mundo real, mas em um cenário recebendo a intervenção e, no outro, não recebendo. Por exemplo, se eu quero avaliar o Programa Farmácia Popular, tenho de observar os indivíduos que acessam o programa e recebem medicamento para diabetes, por exemplo, e verificar o resultado potencial, como a probabilidade de ficar internado ou de morrer. Este seria um resultado factual. Para inferir o impacto, eu precisaria mensurar qual a probabilidade deste mesmo indivíduo ficar internado ou morrer caso ele não recebesse o medicamento de diabetes dispensado pelo Programa Farmácia Popular, aqui o cenário contrafactual. Ao comparar o cenário factual com o cenário contrafactual, conseguimos mensurar o impacto de uma política pública de saúde.

A partir do conceito de Causalidade, ou Efeito Causal, ou Efeito Causal Médio quando o foco é em uma dada população e não apenas em um único indivíduo, que são conceitos teóricos, precisamos partir para inferir tal efeito causal na prática, em uma amostra, por exemplo. A ideia de ter uma medida, um resultado empírico que traduz um efeito causal, com base em um modelo teórico, é o foco da inferência causal. Uma proposta bem conhecida para inferir a causa é realizar um sorteio aleatório: definir aleatoriamente quem receberá a intervenção e, consequentemente, quem será o grupo de comparação, que não a receberá. Neste exemplo, com um experimento bem desenhado, a comparação entre o grupo de tratamento e o grupo de controle fornece um resultado muito próximo de um efeito causal médio, pois o viés de seleção converge para zero. Este princípio foi amplamente utilizado em testes de vacina, por exemplo. A aleatorização ou o experimento é muito comum em ensaios clínicos ou em piloto de uma avaliação de impacto. As muitas políticas públicas são avaliadas normalmente por um quase-experimento, onde o contrafactual é construído a partir do desenho da política, da natureza e disponibilidade dos dados, além das hipóteses que garantem e sustentam a criação de tal contrafactual.

4. O senhor atua em projetos voltados à economia da saúde. Poderia explicar como a pesquisa em economia pode ajudar a melhorar o sistema de saúde pública no Brasil?

Bom ponto. Nem todos os economistas concordam, mas a definição mainstream de economia é de uma ciência social aplicada que estuda como recursos escassos são alocados, em especial para satisfazer diversas necessidades. O Sistema de Saúde Pública, ou o Sistema Único de Saúde (SUS) como é denominado, aloca, em um primeiro momento, recursos públicos para financiar a contratação de insumos (recursos físicos, recursos humanos, material) para gerar uma produção, a oferta de serviços de saúde (necessidade da população). A avaliação de impacto tem por finalidade entender o quanto de impacto, no bem-estar, o sistema gerou (oferta de serviços de saúde, por exemplo). Mas ao entender os caminhos causais, consegue identificar fatores que influenciam tal resultado e se há espaço para potencializá-lo. Assim, se a pesquisa em economia da saúde identificar potenciais mudanças que aumentariam a performance do Sistema, tal pesquisa contribui para melhorar o sistema como um todo. Ao longo da entrevista, outros exemplos naturalmente surgirão para contextualizar como uma pesquisa pode impactar e melhorar o SUS.

5. O senhor integra o Laboratório de Inferência Causal (LInCa). Que tipo de pesquisas são desenvolvidas lá e como elas se conectam com a realidade das políticas públicas?

O LInCa é, em primeiro lugar, um laboratório de pesquisadores que usam inferência causal na sua agenda de pesquisa principal. Porém, o grande diferencial, na minha percepção, é a natureza e formação dos seus principais pesquisadores, que também produzem conhecimento sobre inferência causal, ou seja, pensar em novos modelos e inovações metodológicas para os modelos já existentes. E como tais pesquisas se conectam à realidade das políticas públicas? Ao avaliar uma política pública específica, o pesquisador pode enfrentar a dificuldade de adaptar o modelo à sua realidade. Modelos ensinados em livro-texto, no geral, respondem a questões em realidades mais simplificadas. No mundo real, a aplicação de tal modelo pode ser difícil. Neste ponto, o LInCa contribui, pensando em novos modelos ou ajustando um modelo existente para que este se enquadre no contexto da pesquisa e da inferência causal. Assim, o LInCa contribui tanto para a produção metodológica quanto para a aplicação de novas técnicas em questões de saúde, educação, entre outras áreas.

6. Poderia citar um exemplo de estudo recente ou em andamento que mostre como a inferência causal pode ajudar na tomada de decisão de gestores públicos?

Um exemplo prático. Na avaliação de impacto do Programa Farmácia Popular, observamos efeitos heterogêneos da política pública de saúde, bem como vazios assistenciais no próprio programa. Após a avaliação de impacto, quando o programa realizou novos credenciamentos de farmácias, o modelo de inferência causal do PECS foi utilizado para gerar esses novos credenciamentos. Locais com vazios assistenciais e de potencial impacto foram elegíveis para credenciamento. Se tal regra não fosse adotada, novas farmácias poderiam ser credenciadas em grandes centros urbanos. Poderia ser mais uma farmácia credenciada dentre tantas em grandes cidades. Mas focar em preencher os vazios assistenciais em locais com potencial de impacto potencializa o programa.

Aplicações práticas e desafios

7. Na sua visão, quais são os maiores desafios de aplicar métodos econômicos e estatísticos na formulação de políticas públicas?

Primeiro, políticas públicas nascem sem se pensar em sua avaliação. Esta é a regra! Após um longo período, o gestor público precisa gerar resultados de impacto, especialmente perante órgãos de controle, como o TCU e a CGU. Assim, uma política que não foi desenhada para ser avaliada, que não tem um grupo de controle definido, que não foi aleatorizada, com um conjunto parcial de dados e ausência de dados importantes, precisará ser avaliada. O desafio é superar todos os obstáculos. Identificar um grupo de controle potencial. Encontrar alguma proxy para servir de informação para a variável faltante.

A grande dificuldade é que em ciências sociais aplicadas, diferente das ciências naturais que realizam pesquisas em ambientes controlados, o local onde ocorre a intervenção não é nada controlado. Diversos choques que ocorrem simultaneamente atuam como efeitos confundidores. O papel do pesquisador é usar a sua criatividade para controlar, a partir do seu conjunto de dados, tais efeitos confundidores e entregar o resultado mais próximo do causal.

8. Quais ferramentas ou tecnologias têm ajudado a avançar as análises nessa área — como o uso de big data, inteligência artificial ou novas metodologias estatísticas?

Para a avaliação de políticas públicas, em especial, novas metodologias estatísticas. Os modelos estão cada vez mais sofisticados. Por exemplo, um modelo clássico para avaliar políticas públicas é o Difference-in-Difference. O modelo mais naïve, da década de 90, permitia um momento no tempo para a adoção do tratamento. Os modelos que surgiram nos últimos 8 anos possibilitam a adoção escalonada, algo muito mais próximo da realidade de implementação de políticas públicas (diferentes localidades aderem em diferentes momentos). Assim, hoje há mais conhecimento e inovações metodológicas, o que permite um estudo mais preciso, com suporte à inferência causal.

Uso de big data e inteligência artificial, em especial machine learning, têm enorme potencial para avaliação de políticas públicas, mas pouco observado na prática. Áreas como a segurança pública, por exemplo, que geram um grande volume de dados por meio de tecnologias próprias, poderiam empregar tais técnicas. Na área da saúde, as Redes Estaduais de Dados em Saúde e a Rede Nacional de Dados em Saúde organizam um volume gigantesco de dados (Big Data) e, com o suporte de modelos de aprendizado estatístico e de machine learning, poderiam gerar evidências preditivas. Mas ainda nada observado. Acredito que tal prática será comum com o amadurecimento destas redes de dados.

9. O senhor também colabora com o Ministério da Saúde. Como essa parceria contribui para que os resultados das pesquisas cheguem efetivamente à gestão pública?

Os projetos de avaliação de impacto para o SUS eu realizei via ISC-UFBA e pelo Ministério da Saúde. Mas também sou pesquisador colaborador do Ministério da Saúde. Nesta atividade, meu trabalho é ajudar a montar uma infraestrutura de dados na Diretoria para gerar evidências. O foco, inicialmente, é mais “data-driven”. Com uma infraestrutura de dados mais integrada, será possível, no futuro, conceber projetos que utilizem estes dados para realizar avaliações de impacto. Porém, usar dados para gerar evidências e direcionar políticas públicas a partir deles já constitui um grande ganho para o setor público brasileiro.

Impacto social e perspectivas

10. O que mais motiva o senhor em trabalhar com temas que unem economia, estatística e saúde pública?

Quando decidi estudar, com maior profundidade, temas da demografia, em especial a transição demográfica, percebi de imediato que a demografia impõe diversos desafios à economia e à sociedade. Em uma sociedade com expectativa de vida baixa e alta taxa de fecundidade, no Brasil do século passado, políticas públicas de larga escala tiveram ganhos gigantescos no aumento da expectativa de vida. Melhoria sanitária e campanha de vacinação infantil, por exemplo. Era um país com muitas crianças e baixa proporção de idosos, caracterizado pela famosa pirâmide etária. O Brasil do século atual apresenta baixa taxa de fecundidade e aumento da expectativa de vida. Não temos mais uma pirâmide etária. E em que isso impacta a economia da saúde? Maior proporção de pessoas mais idosas e vivendo cada vez mais aumenta a pressão sobre o Sistema de Saúde, que hoje já é subfinanciado e necessitará cada vez mais de recursos (que possivelmente não chegarão). Assim, no Sistema Único de Saúde e na Saúde Pública, as intervenções precisam ser cada vez mais eficazes. Avaliar o impacto de cada uma será necessário para potencializar o desempenho de um sistema de saúde que precisará entregar cada vez mais resultados. Para mim, este contexto é muito motivador para que pesquisadores gerem evidências em saúde pública com o suporte da economia da saúde e da estatística. 

11. Como o público em geral se beneficia das pesquisas realizadas em grupos como o LInCa e o PECS/UFBA?

Bem, como esta pergunta pode seguir diversos caminhos, vamos separar aqui.

O público em geral pode se beneficiar das pesquisas por meio do canal detalhado anteriormente. Pesquisas com foco em avaliação de impacto, quando absorvidas pelos gestores, podem potencializar os resultados com o mesmo volume de recursos. Melhores resultados geram impacto no bem-estar do público em geral.

Um segundo caminho para a resposta pode ser por meio da tradução do conhecimento e de atividades de extensão. Esta entrevista tem como propósito coletar informações sobre pesquisas realizadas no PECS/UFBA e no LInCa e divulgar ao grande público via redes sociais. Ao ler tal entrevista, tal público terá um melhor entendimento sobre como a inferência causal e a avaliação de políticas públicas podem influenciar a sua vida.

O LInCa, assim como o PECS/UFBA, tem preocupação com atividades de extensão, em que o conhecimento acadêmico produzido internamente na Universidade extravasa e é repassado ao grande público. O mundo atual exige comunicação. Uma avaliação de impacto que percorreu apenas congressos acadêmicos e está um periódico renomado não comunica com o público em geral. Traduzir tal conhecimento e comunicar pode mostrar ao público em geral como uma intervenção impacta seu bem-estar, valorizar tais achados e fomentar a adesão à área de inferência causal.

12. Para os jovens pesquisadores e estudantes que desejam seguir uma carreira acadêmica na área de economia aplicada ou avaliação de impacto, que conselho o senhor daria?

Bem, o primeiro conselho é investir em conhecimentos como estatística (probabilidade, inferência, métodos estatísticos), conhecer as principais bases de dados públicas disponíveis ( acesse o site para saber mais https://basedosdados.org/), aprender a abrir, manipular e organizar bancos de dados. Com esta base, investir em cursos de inferência causal e de avaliação de impacto. A ENAP oferece um bom curso online. O Itaú Social tem um excelente curso, mas precisa de uma formação com conhecimentos em econometria em nível de pós-graduação.

O que me ajudou muito foi uma rotina de leitura de artigos acadêmicos que empregaram inferência causal para avaliar intervenções. Periódicos da American Economic Association, Econometrica, Quarterly Journal of Economics e Review of Economic Statistics, são excelentes, e é possível encontrar avaliações de impacto com rigor metodológico. Em economia da saúde, ver bons artigos da Health Economics. Ler artigos aplicados amplia o repertório de quem quer aprender sobre avaliação de impacto. Em especial, artigos canônicos.

Por fim, escolha um livro como referência. Para quem está na graduação, minha indicação é o Mastering Metrics do Angrist & Pischke. Para quem está na pós-graduação, The Mostly Harmless Econometrics, dos mesmos autores, e The Mixtape, do Scott Cunningham, são excelentes. Na área da saúde, o livro Causal Inference: What If, de Robins & Hernan, é uma referência.

Fechamento

13. Há algum projeto futuro ou linha de pesquisa que o senhor gostaria de destacar?

Para o futuro, no médio prazo, penso em me aproximar dos campos de Statistical Learning e Machine Learning e estudar modelos de Causal Machine Learning (CML) para aplicações na avaliação de políticas públicas, em especial de saúde. Em economia e econometria, a principal referência é a Susan Athey. A ideia seria usar estes modelos com aplicações em microdados identificados em saúde.

14. Como o senhor enxerga o papel da universidade pública na produção de conhecimento voltado para o bem-estar social?

As universidades públicas são fundamentais na produção de conhecimento voltado ao bem-estar. Por um lado, pesquisadores e alunos de graduação e pós-graduação, nas últimas décadas, vêm produzindo pesquisas autônomas, como PIBIC, dissertações e teses, a partir de uma vasta disponibilidade de dados públicos, como o Censo Demográfico, a PNAD, a PNS, os microdados do INEP, o DataSUS, entre outros. São pesquisas com foco em compreender e melhorar o sistema educacional, o sistema de saúde, o transporte, as condições habitacionais, que impactam diretamente o bem-estar das pessoas.

Além destas decisões autónomas de pesquisa, a partir da disponibilidade de dados públicos, instituições como Secretarias Estaduais de Saúde, Educação, Secretarias Municipais, diversos Ministérios, contrataram diretamente pesquisadores vinculados a universidades para realizar uma pesquisa encomendada, um TED. Assim, tais pesquisadores conseguem gerar evidências diretamente para os gestores públicos, que podem utilizar os achados para ajustar ou aprimorar a política pública avaliada. Isto tem um impacto direto no bem-estar social. Se tais pesquisadores identificam resultados subótimos e o modelo causal consegue identificar qual mecanismo gera tal resultado aquém do desejado, há uma informação nova e um caminho para o gestor calibrar. Correções no meio do caminho podem gerar melhores resultados (potenciais) com o mesmo volume de recursos alocados, maximizando o bem-estar social.