Comunicação, política de saúde e acesso à informação: um estudo de caso do impacto das campanhas do Ministério da Saúde de 2015-2021

Resumo

As políticas de saúde brasileiras adotam desde o final do século XIX e início do XX o modelo “campanhista”, em que políticas sanitárias eram desenvolvidas para a erradicação de doenças pontuais através da realização de campanhas. A partir de mudanças no Departamento Nacional de Saúde Pública, nos anos de 1920, foi introduzida a propaganda e educação sanitária na técnica rotineira de ação na política de saúde. Nas décadas seguintes, as concepções de comunicação estiveram sempre presentes na modelagem das políticas públicas de saúde, particularmente nas que supunham uma intervenção direta sobre os costumes e práticas da população. Deste modo, e por diversos caminhos, chegamos ao tempo presente, com as políticas de saúde sendo atravessadas pelo discurso do direito à informação e à comunicação como indissociável do direito à saúde. Contudo, cabe saber em que medida há relação entre comunicação e política pública; e, caso positivo, de que maneira é possível avaliar o efeito de uma política pública nesses moldes. Com esse fim, a presente pesquisa utiliza-se das campanhas realizadas pelo Ministério da Saúde relacionadas às seguintes doenças: I) Arboviroses; II) Câncer; III) Coronavírus, IV) Gripe; V) Hanseníase, Verminoses ou Tracoma; VI) Hepatites Virais; VII) IST; VIII) Tuberculose. O trabalho pretende avaliar o impacto que essas peças de comunicação do Ministério da Saúde têm na busca por informação da população, especificamente, os pedidos de acesso à informação. A análise é realizada com base em testes estatísticos que cruzam a busca de informação via Lei de Acesso à Informação, trabalhando com um corpus de 26.383 solicitações do período de julho de 2015 a junho de 2021, tentando compreender qual o impacto durante o período vigente de cada uma das campanhas estabelecidas. Para tal análise, foi desenvolvido um dicionário de termos através da seleção de amostra estatisticamente significativa de 3603 pedidos, o que representa intervalo de confiança de 99% e margem de erro de 2%. Com base no dicionário, a análise se dá de forma automatizada utilizando a linguagem de programação Python, seguida por uma análise estatística para verificar a alteração na frequência de pedidos no período da campanha respectiva.