[pt] Fundos fecham e abrem ao longo do tempo. A evidência existente é de que os que fecham são aqueles com retorno acumulados menores no período anterior ao fechamento. Essa dissertação mostra que tal dinâmica de fechamento também aparece no mercado de fundos de ações brasileiro. Em uma amostra de 1192 fundos de ações, de 2002 a 2016, 448 fundos fecharam. Destes, 39 fundos levam a abertura de um outro sob a mesma gestão. Eu mostro que o fechamento com abertura é tipicamente acompanhado de um aumento da volatilidade dos retornos, que interpreto como uma tentativa de mudar a estratégia de investimento anteriormente seguida. Tal mudança não altera, entretanto, o retorno anormal do gestor, estimado pelo modelo de 4 fatores de Carhart. Por fim, mostro que a probabilidade de fechamento de fundos aumenta com o número de fundos abertos pelo gestor no mês anterior ao fechamento.Isso sugere que gestores abrem novos fundos antes de fecharem outros para minimizar a chance de perder investidores. / [en] Funds close and open over time. The existing evidence is that those that close are those with lower cumulative returns in the period prior to closing. This dissertation shows that this closing dynamic also appears in the Brazilian stock funds market. In a sample of 1192 equity funds, from 2002 to 2016, 448 funds closed. Of these, 39 funds lead to the opening of another under the same management. I show that open-ended closing is typically accompanied by increased return volatility, which I interpret as an attempt to change the investment strategy previously followed. However, this change does not change the manager s abnormal return, as estimated by Carhart s 4-factor model. Finally, I show that the likelihood of fund closure increases with the number of funds opened by the manager in the month prior to closing. This suggests that managers open new funds before closing others to minimize the chance of losing investors.

[pt] A pandemia da COVID-19 infectou uma grande quantidade de indivíduos e provocou elevado número de óbitos no mundo. No Brasil, reforçou disparidades regionais no sistema de saúde e provocou elevada mortalidade hospitalar. Isto chamou a atenção para um estresse no sistema de saúde e levantou a hipótese de que o acesso desigual poderia afetar a mortalidade hospitalar na pandemia. Assim, este estudo utilizou a metodologia da Design Science Research (DSR) junto ao ciclo de vida de Ciência de Dados para identificar como o acesso ao sistema de saúde impacta na mortalidade hospitalar. O acesso ao sistema de saúde é um conceito complexo e carente de uma definição consensual, o que motivou a elaboração de uma descrição que englobasse suas múltiplas características. Uma análise qualitativa da interação entre as camadas do acesso apontou a acessibilidade como esfera central. Portanto, este trabalho utilizou dados públicos do Sistema Integrado de Vigilância Epidemiológica da Gripe (SIVEP-Gripe) para entender como a acessibilidade impactou na mortalidade hospitalar por COVID-19 no Brasil no ano epidemiológico de 2020 ao avaliar as diferenças entre aqueles que foram internados em seus municípios de residência e os que tiveram que se deslocar para outras cidades. Os resultados mostraram que 26 por cento dos pacientes hospitalizados neste período foram internados em um município diferente do que residem. Além disso, existiu um grande deslocamento de municípios da periferia das capitais em direção às capitais. Estas periferias apresentavam elevada mortalidade hospitalar e baixo nível de recursos no sistema de saúde, o que pode ter motivado a evasão. Além disso, a partir de um modelo de regressão logística de efeitos mistos, verificou-se que aqueles que deixaram seus municípios de moradia apresentaram maior chance de óbito do que aqueles que ficaram. Isto mostrou que uma deficiência na acessibilidade impactou a mortalidade hospitalar de forma negativa. / [en] The COVID-19 pandemic infected many individuals and caused a high number of deaths around the world. In Brazil, it highlighted the regional healthcare disparities and caused high in-hospital mortality. This drew attention to the system s burden and raised the question that uneven access could affect in-hospital mortality during the pandemic. Therefore, this study used the Design Science Research (DSR) methodology paired with the Data Science life cycle to identify how the healthcare access affects in-hospital mortality. Access is a complex concept, lacking a consensual definition, which motivated us to create a conceptualization that encompasses its multiple characteristics. A qualitative analysis of the interaction among the layers of this new definition pointed to accessibility as the main issue. Thus, this work used public data from the Sistema Integrado de Vigilância Epidemiológica da Gripe (SIVEP-Gripe) to better understand how it affected the in-hospital mortality among COVID-19 inpatients in Brazil during the epidemiological year of 2020. This was conducted by evaluating the differences between those hospitalized in their city of residence and those that had to go to other cities. Results showed that, in this period, 26 per cent of inpatients were not hospitalized in their city of residence. Also, there was a noticeable flux of patients from towns on the periphery of the state capitals to the capitals. These peripheries presented higher in-hospital mortality and a lower level of healthcare resources, which may have motivated the movement. Besides, the development of a mixed effects logistic regression model evidenced that inpatients that left their cities of residence had a higher chance of death than those that stayed. This showed that a deficiency in accessibility caused a negative impact in in-hospital mortality.

[pt] A Unidade de Terapia Intensiva (UTI) é um departamento importante dentro do Hospital visto que lida majoritariamente com casos de alta complexidade e gera elevados custos administrativos, o que requer um controle adequado de seus processos. Inconformidades tais como erros em atividades de tratamento e falta de comunicação entre os funcionários são comumente responsáveis pelo baixo desempenho de UTIs e devem ser ajustados para reduzir possíveis danos ao tratamento do paciente. Para avaliar a eficiência de uma UTI, a literatura propõe que sejam estabelecidas métricas que considerem quatro perspectivas - médica ou clínica, econômica, social e institucional – que oferecem uma visão abrangente das atividades (administrativas ou de tratamento) dentro da unidade e seus impactos no pós-tratamento. Entretanto, a avaliação de desempenho em uma UTI não é uma tarefa simples, pois há diversas variáveis a serem consideradas e que podem ser potenciais causas de um mau desempenho. Além disso, não há uma métrica ou indicador padrão-ouro que consegue reter de forma adequadas as informações, sendo que diversas perspectivas devem ser consideradas. Os indicadores mais comuns são A Taxa de Mortalidade Padronizada (Standardized Mortality Ratio, SMR) e o Taxa de Uso de Rescursos Padronizada (Standardized Resource Use, SRU), que contabilizam desfechos de mortalidade (clínicos) e de uso de recursos (econômicos), junto de metodologias propostas para viabilizar a comparação entre diferentes UTIs, identificar de grupos de desempenho e analisar os riscos de mortalidade dos pacientes dentro da unidade, tais como os conceitos de Rankability e Perfis de Risco (Risk Profiles). Além disso, é necessário definir corretamente os desfechos a serem contabilizados em indicadores. Nesse contexto, recomenda-se a combinação de diferentes indicadores e metodologias de forma a complementar e elevar a confiabilidade da análise de desempenho e benchmarking. Com isso, este estudo tem como objetivo analisar um conjunto de UTIs em termos de desempenho quanto à mortalidade e uso de recursos, associando-os com as características das unidades e seus fatores institucionais, para identificar possíveis correlações. A análise foi feita em uma amostra composta por 12.100 pacientes que foram hospitalizados em 116 UTIs, considerando um desfecho em até 60 dias de interação. Este estudo teve como contribuição a combinação de diferentes técnicas e indicadores, e uma discussão a respeito da variabilidade do SMR em comparação à metodologia tradicional. Para este propósito, combinou-se as técnicas da Matriz de Eficiência, Rankability – índice de confiabilidade de um indicador de desfecho, e Perfis de Risco, de forma a obter e avaliar o desempenho de grupos de UTIs. Como resultados, verificou-se que UTIs cuja administração é de domínio Público e que destinam a maioria dos seus leitos ao Sistema Único de Saúde (SUS) brasileiro tiveram mortalidade significativamente alta em relação àquelas de dominínio privado (p-valor menor que 0.05). Além disso, realizou-se um agrupamento das UTIs utilizando quatro diferentes técnicas de clusterização de forma a garantir a máxima confiabilidade do indicador para comparação (Rankability), o que resultou na presença de clusters extremos contendo uma UTI cada, sendo elas a de maior e a de menor SMR, apesar de ambas apresentarem o mesmo conjunto de severidades. Para cada grupo, estimou-se o seu perfil de risco, e verificou-se que pacientes com menor gravidade apresentaram maior variabilidade nos riscos de morte, sendo estes maiores nos grupos com alto SMR e menores em grupos de menor mortalidade, sendo que a dispersão tendeu a ser menor quanto menor for o risco, o que poderia influenciar diretamente no cálculo do SMR. Com isso, por meio de equações matemáticas e simulação por meio de reamostragem, verificou-se que o SMR possui uma limitação em sua escala, que depende diretamente do espectro de gravidade dos pacientes em cada UTI ou grupo de desempenho analisado. O S / [en] Intensive Care Unit (ICU) is an important department within a hospital since it deals mostly with complex cases and it generates the highest amount of costs, thus requiring adequate control on its care treatments. Nonconformities such as poor communication and treatment errors are commonly responsible for a bad performance in ICUs. However, evaluating the performance of an ICU is not an easy task and there are no gold-standard indicators. The most common metrics are the Standardized Mortality Ratio (SMR) and the Standardized Resource Use (SRU), which measure mortality and resource utilization, respectively. Hence, this study aims to analyze different ICUs in terms of mortality, resource use, and institutional factors, combining the methods Efficiency Chart, Rankability and Risk Profile. The analysis was performed considering a total of 12,100 patients in 116 ICUs provided by a clinical trial study. As results, it was verified that most ICUs were from hospitals with public administration (47.41 per cent), which had significantly high lethality rate compared to private hospitals. Four different clustering approaches were tested, which identified similar case-mixes between the best and lower performance groups of ICUs, and a high variability in expected risks for low severity patients. Using a resampling approach, it was evidenced that the mortality indicator varies strongly on low-risk groups of patients, while high-risk patients had a smaller range of SMR values, which may lead to biased conclusions when comparing ICUs with similar mortality and different case-mixes.