Previsão do volume diário de atendimentos no serviço de pronto socorro de um hospital geral: comparação de diferentes métodos

• Ano de defesa: 2013
• Autor(a) principal: Souza, Izabel Oliva Marcilio de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Emergency medical services/organization & administration; Emergency medical services/statistics & numerical data; Epidemiologia dos serviços de saúde; Estudos de séries temporais; Forecasting/methods; Health service epidemiology; Health services needs and demand/trends; Linear models; Modelos estatísticos; Modelos lineares; Models statistical; Necessidades e demandas de serviços de saúde/tendências; Previsões/métodos; Serviços médicos de emergência/estatística & dados numéricos; Serviços médicos de emergência/organização & administração; Time series studies
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/5/5137/tde-03102013-121222/

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro