SIMULAÇÃO DA OPERAÇÃO DE UM SISTEMA INTEGRADO DE INFORMAÇÕES PARA O ATENDIMENTO PRÉ-HOSPITALAR DE EMERGÊNCIA NO MUNICÍPIO DO RIO DE JANEIRO

SIMULAÇÃO DA OPERAÇÃO DE UM SISTEMA INTEGRADO DE INFORMAÇÕES PARA O ATENDIMENTO PRÉ-HOSPITALAR DE EMERGÊNCIA NO MUNICÍPIO DO RIO DE JANEIRO

Marcos dos Santos

Dissertação de Mestrado apresentada ao Programa de Pós-graduação em Engenharia de Produção, COPPE, da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Mestre em Engenharia de Produção. Orientador: Mario Jorge Ferreira de Oliveira.

Rio de Janeiro Março de 2013

SIMULAÇÃO DA OPERAÇÃO DE UM SISTEMA INTEGRADO DE INFORMAÇÕES PARA O ATENDIMENTO PRÉ-HOSPITALAR DE EMERGÊNCIA NO MUNICÍPIO DO RIO DE JANEIRO

Marcos dos Santos

DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA (COPPE) DA UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM CIÊNCIAS EM ENGENHARIA DE PRODUÇÃO.

Examinada por: ________________________________________________ Prof. Mario Jorge Ferreira de Oliveira, Ph.D.

________________________________________________ Prof. Mario Cesar Rodriguez Vidal, Dr.Ing.

________________________________________________ Prof. Carlos Francisco Simões Gomes, D.Sc.

RIO DE JANEIRO, RJ - BRASIL MARÇO DE 2013

Santos, Marcos dos Simulação da Operação de um Sistema Integrado de Informações para o Atendimento Pré-hospitalar de Emergência no Município do Rio de Janeiro / Marcos dos Santos – Rio de Janeiro: UFRJ/COPPE, 2013. XXII, 166 p.: il.; 29,7 cm. Orientador: Mario Jorge Ferreira de Oliveira Dissertação (mestrado) – UFRJ/ COPPE/ Programa de Engenharia de Produção, 2013. Referências Bibliográficas: p.157 -166. 1. Simulação. 2. Emergência. 3. Demanda. I. Oliveira, Mario Jorge Ferreira de. II. Universidade Federal do Rio de Janeiro, COPPE, Programa de Engenharia de Produção. III. Título.

iii

DEDICATÓRIA

À Fernanda Mattos C. dos Santos, minha companheira de tantos anos, que me ajudou a conquistar tudo o que tenho e que sou.

iv

AGRADECIMENTOS

A Deus, a Nossa Senhora de Fátima, a São Jorge e a São Cosme e São Damião pela força necessária para transpor todos os obstáculos.

À Marinha do Brasil e particularmente ao CASNAV pela confiança em mim depositada ao escolher-me para realizar um curso de tamanha importância. Espero poder retribuir, levando para a Marinha os conhecimentos que adquiri na academia.

Ao CMG(FN) José Luiz Ramos de Azevedo e à Estagiária Daienne, ambos servidores da Divisão de Capacitação do CASNAV, pelo apoio prestado com relação às demandas administrativas junto àquela Organização Militar.

Ao Professor Mário Jorge Ferreira de Oliveira, mestre brilhante e grande amigo, pelas valiosas orientações, sabendo sempre conduzir-me de maneira firme e segura.

Aos professores: Samuel Jurkiewicz, Paulo Oswaldo Boaventura Netto, Basílio de Bragança Pereira, Marcos Pereira Estellita Lins, Carlos Alberto Nunes Cosenza, Rogério do Aragão Bastos do Valle e Laura Silvia Bahiense da Silva Leite, pelos valiosos ensinamentos que permitiram o desenvolvimento deste trabalho.

Ao amigo Fábio Batista de Oliveira pelo apoio ao longo do curso, que desde o primeiro dia em que cheguei à COPPE/UFRJ mostrou-se um companheiro de valor inestimável.

Ao Comandante Humberto Ferreira Ramos Júnior, amigo de longa data, servindo atualmente na Diretoria de Comunicações e Tecnologia da Informação da Marinha, que muito contribuiu para o desenvolvimento do sistema apresentado neste trabalho.

v

Às amigas Waleska Chaves e Delana Galdino, cujos trabalhos antecederam o meu, e sempre estiveram disponíveis para sanar quaisquer dúvidas.

Aos funcionários da secretaria, Andréia, Pedrinho, Roberta e Diego pela notória dedicação ao serviço e pela boa vontade em resolver todas as pendências administrativas.

Ao Sr. Marcos Gentil, responsável pelo Setor de TI do Centro de Operações Rio por ter apresentado todos os recursos disponíveis naquele Centro.

Ao Coronel BM Carlos Alberto Bonfim Marques, ao Major BM Marcos Reynaldo Moreira Junior, ao Capitão BM Rodrigo Pires e à Capitã BM Nathália Noronha, por terem facilitado a coleta de dados junto ao Centro de Operações GSE/SAMU.

Ao Assistente Social Sr. Jonathan Resende Bueno, por ter se disponibilizado para uma entrevista acerca da Unidade de Pronto Atendimento da Penha.

Aos amigos Cláudio Micelli, Diego Souza e Patrícia Zudio, todos do NCE/UFRJ, que contribuíram sobremaneira para o desenvolvimento do sistema que deu suporte ao modelo apresentado neste trabalho.

Aos colegas do mestrado: Gláucio, Gustavo, Ramon, Cachimo, Miranda, Noelle e Roberto, que compartilharam das mesmas angústias e alegrias deste período desafiador das nossas vidas.

Não poderia me esquecer dos amigos Fábio dos Anjos e Tiago França, que também participaram desta caminhada.

vi

Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)

SIMULAÇÃO DA OPERAÇÃO DE UM SISTEMA INTEGRADO DE INFORMAÇÕES PARA O ATENDIMENTO PRÉ-HOSPITALAR DE EMERGÊNCIA NO MUNICÍPIO DO RIO DE JANEIRO

Marcos dos Santos

Março/2013

Orientador: Mario Jorge Ferreira de Oliveira

Programa: Engenharia de Produção

O Serviço Municipal de Saúde do Rio de Janeiro tem exigido um projeto para avaliar a capacidade de atendimento do serviço de emergência, tendo em vista os desastres urbanos e naturais que estão acontecendo em muitos lugares, além dos dois grandes eventos que estão prestes a acontecer na cidade do Rio de Janeiro em 2014 e 2016. O objetivo deste trabalho é propor um Sistema de Informações e Coordenação que envolva três órgãos públicos: o Centro de Operações do GSE/SAMU, o Centro de Operações da Prefeitura do Rio de Janeiro e o Núcleo Interno de Regulação (NIR) dos hospitais municipais. O modelo baseia-se no fluxo de informações, centrando-se nos pacientes de alta complexidade. A simulação de eventos discretos é utilizada para identificar como o sistema responde à demanda aumentada. Afirma-se que o “uso da informação” é a chave para melhorar o desempenho global do sistema. vii

Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the requirements for the degree of Master of Science (M.Sc.)

SIMULATION OF OPERATION OF AN INTEGRATED SYSTEM OF INFORMATIONS FOR PRE-HOSPITAL EMERGENCY SERVICE INTHE CITY OF RIO DE JANEIRO

Marcos dos Santos

March/2013

Advisor: Mário Jorge Ferreira de Oliveira

Department: Program of Production Engineering

The Municipal Health Service of Rio de Janeiro has required a project to evaluate the service capacity of the emergency service, in view of the urban and natural disasters that are happening in many places, besides the two major events that are about to happen in city of Rio de Janeiro in 2014 and 2016. The objective of this work is to propose a System Information and Coordination involving three agencies: the Center Operations GSE / SAMU, the Operations Center of the Municipality of Rio de Janeiro and the Inner Core Regulatory (NIR) of municipal hospitals. The model is based on the flow of information, focusing on highly complex patients. A discrete event simulation is used to identify how the system responds to increased demand. It is stated that the "use of information" is the key to improving the overall system performance.

viii

SUMÁRIO Capítulo 1 – Introdução ____________________________________________ 1 1.1 – Considerações Iniciais __________________________________ 1 1.2 – Objetivos _____________________________________________ 4 1.3 – Justificativa ___________________________________________ 4 1.4 – Organização da Dissertação ______________________________ 6

Capítulo 2 – Revisão da Literatura ___________________________________ 9 2.1 – Introdução ___________________________________________

9

2.2 – Trabalhos produzidos na COPPE/UFRJ _____________________ 10 2.3 – Trabalhos produzidos pela comunidade científica internacional ___ 17 2.4 – Considerações finais acerca da revisão da literatura ____________ 26

Capítulo 3 – Descrição dos Serviços e Caracterização do Problema __________ 28 3.1 – Introdução ____________________________________________ 28 3.2 – Centro de Operações Rio ________________________________ 28 3.2.1 - Recursos disponíveis no COR _____________________ 29 3.2.2 - Órgãos presentes no COR _________________________ 31 3.2.3 – Construção do Centro Integrado de Comando e Controle_ 34 3.3 – Primeiro Grupamento de Socorro de Emergência (1° GSE) e o Centro de Operações GSE/SAMU (COGS) ________________________________ 35 3.4 – Hospital Municipal Miguel Couto __________________________ 41 ix

3.5 – Unidade de Pronto Atendimento (UPA) ______________________ 43 3.5.1 – Atribuições das UPAs ___________________________ 44 3.5.2 – Distorções no atendimento das UPAs _______________ 44 3.6 – Companhia de Engenhara de Tráfego do Rio de Janeiro ________ 46

Capítulo 4 – O Estudo da Simulação _________________________________

47

4.1 – Introdução __________________________________________ 47 4.2 – Os componentes do sistema ______________________________ 51 4.3 – As classificações dos modelos de simulação ________________ 52 4.3.1 – Modelos estocásticos ____________________________ 53 4.3.2 – Modelos dinâmicos ______________________________ 54 4.3.3 – Modelos determinísticos __________________________ 54 4.3.4 – Modelos aleatórios _______________________________ 54 4.3.5 – Modelos discretos _______________________________ 54 4.3.6 – Modelos contínuos _______________________________ 55 4.4 - A construção de modelos conceituais – Diagrama de Ciclo de Atividades (DCA) __________________________________________________ 55 4.5 – Etapas da simulação ___________________________________ 57 4.5.1 - A definição do problema e o estabelecimento dos objetivos _____________________________________________ 58 4.5.2 – Planejamento do projeto __________________________ 58 x

4.5.3 – Formulação do modelo conceitual __________________ 59 4.5.4 - Coleta de macroinformações e dados ________________ 60 4.5.5 – Codificação do modelo ___________________________ 60 4.5.6 – Verificação do modelo ___________________________ 60 4.5.7 – Validação do modelo ____________________________ 61 4.5.8 – Experimentação do modelo _______________________ 61 4.5.9 – Projeto experimental _____________________________ 62 4.5.10 – Análise dos resultados __________________________ 62 4.5.11 – Apresentação dos resultados _____________________ 63 4.5.12 – Implementação ________________________________ 63 4.6 - Geradores de Números Aleatórios (GNA)____________________ 63 4.7 - As Funções Geradoras de Variáveis Aleatórias (FGVA)_________ 66 4.8 – A Teoria das Filas ______________________________________ 68 4.8.1 – Definição _____________________________________ 68 4.8.2 – Estrutura básica da fila ___________________________ 69 4.8.3 – População potencial _____________________________ 70 4.8.4 – Processo de chegada dos usuários __________________ 71 4.8.4.1 Distribuição Uniforme _____________________ 72 4.8.4.2 Distribuição Triangular _____________________ 73 4.8.4.3 Distribuição Exponencial ____________________ 73 4.8.5 – Processo de atendimento __________________________ 74 4.8.6 – Canais ou postos de atendimento ___________________ 74 xi

4.8.7 – Capacidade do sistema ___________________________ 75 4.8.9 – Disciplina de atendimento _________________________ 75 4.9 – O Método das Três Fases ________________________________ 76 4.10 – Tempo real simulado e tempo de simulação __________________ 79 4.11 – O software de simulação – Simul8 _________________________ 80

Capítulo 5 – Coleta de Dados _______________________________________ 85 5.1 – Introdução ____________________________________________ 85 5.2 – Descrição das atividades do modelo ________________________ 86 5.3 – Quantidade de recursos utilizados em cada atividade __________

89

5.4 – Distribuição de probabilidade de cada atividade ______________ 90 5.5 – Porcentagens inseridas nos “routing out”____________________ 92 5.6 – O modelo de emergência referenciada_______________________ 95 5.7 – Unidades de Pronto Atendimento ___________________________ 96 5.7.1 – Profissionais lotados na UPA ______________________ 97 5.7.2 – Leitos disponíveis nas UPAs _______________________ 98 5.7.3 – Número médio de atendimentos diários da UPA da Penha_________________________________________ 98

xii

Capítulo 6 – Modelo Regulado por uma COC (MRC)____________________

99

6.1 – Construção do modelo __________________________________ 99 6.2 – Calibragem do modelo __________________________________ 102 6.2.1 – Tempo de simulação e warm up ____________________ 102 6.2.2 – Número de replicações ___________________________ 102 6.3 - Distribuição da demanda entre as unidades hospitalares Disponíveis ________________________________________________ 105 6.3.1 – Cenários avaliados_______________________________ 105 6.3.2 – MRC com uma unidade hospitalar __________________ 106 6.3.3 – MRC com duas ou mais unidades hospitalares _________ 107 6.3.4 – Análise dos resultados dos quatro cenários do MRC_____ 107 6.4 – Análise do Cenário-4 com desequilíbrio de demanda entre as UH_ 110 6.4.1 – Redução da demanda de 5% em 5% em uma UH_______ 110 6.4.2 – Redução da demanda de 5% em 5% em duas UH______ 113 6.4.3 – Redução de 5% em 5% em três UH__________________ 116 6.4.4 – Comparação das reduções de demanda para 1UH, 2UH e 3UH _______________________________________________ 119 6.4.5 – MRC Modificado_______________________________ 123

xiii

6.4.6 – Comparação entre o MRC-2 e o MRC-2 modificado____ 125 6.4.7 – Comparação entre o MRC-4 e o MRC-4 modificado____ 126 6.4.8 – Aumento do número de UH________________________ 126 6.4.9 – Modelo computacional do MRC-2 __________________ 128

Capítulo 7 – Sistema de Informações e Coordenação (SIC) _________________ 129 7.1 – Cidades Inteligentes_____________________________________ 129 7.1.1 – As três dimensões das cidades inteligentes ____________ 130 7.1.2 – Cidades Inteligentes - Cidades Digitais e Ambientes Inteligentes _________________________________ 131 7.1.3 – Cidades Inteligentes e a Globalização________________ 132 7.2 – A concepção do sistema _________________________________ 133 7.3 – Tecnologia utilizada ____________________________________ 137 7.3.1 – Framework EXT JS 4 ____________________________137 7.3.2 – PHP Hypertext Preprocessor ______________________ 137 7.3.3 – MySQL ______________________________________

137

7.3.4 – XAMPP _______________________________________ 138 7.3.5 – ECLIPSE ______________________________________ 138 7.4 – Fluxo de atividades _____________________________________ 139 xiv

7.4.1 – Hospitais ______________________________________ 139 7.4.2 – Bombeiros _____________________________________ 139 7.4.3 – Centro de Operações Rio _________________________ 140 7.5 – Interface do SIC________________________________________ 142

Capítulo 8 – Conclusão ____________________________________________ 154

Referência Bibliográfica ___________________________________________ 158

Anexo A – Entrevista estruturada realizada em 06/01/2013 com o assistente social da Unidade de Pronto Atendimento (UPA) da Penha, Sr. Jonathan Rezende Bueno. Anexo B – Modelo computacional do MRC-2.

xv

LISTA DE FIGURAS

Figura-1: Olimpíadas de 2016 Figura-2: Tragédia na Região Serrana do Rio de Janeiro em 2011 Figura-3: Centro de Operações Rio Figura-4: Sala de Crise do COR Figura-5: Sala de Operações do COR Figura-6: Localização das Unidades Hospitalares da Prefeitura do Rio de Janeiro Figura-7: Relatório de Unidade Hospitalar apresentado nas Telas do COR Figura-8: Centro Integrado de Comando e Controle (CICC) Figura-9: Organograma do 1°GSE Figura-10: Centro de Operações GSE/SAMU Figura-11: Tela com as ambulâncias em operação Figura-12: Pai de Adrielly diz que filha esperou por atendimento durante oito horas no Hospital Municipal Salgado Filho Figura-13: Visita realizada no HMMC em 27 de dezembro de 2012 Figura-14: Unidade de Pronto Atendimento (UPA) Figura-15: Dificuldade de analisar o problema x Quantidade de variáveis estocásticas Figura-16: Classificação dos sistemas para fins de modelagem Figura-17: Elementos básicos de um DCA Figura-18: Exemplo do Diagrama do Ciclo de Atividades xvi

Figura-19: Etapas e fases de um modelo de simulação Figura-20: Representação de um sistema com fila Figura-21: Variabilidade de uma fila Figura-22: Distribuição Uniforme Figura-23: Distribuição Triangular Figura-24: Distribuição Exponencial Figura-25: Fluxograma do Método das Três Fases Figura-26: Fluxo das atividades TARM Figura-27: Fluxo das atividades Médico Regulador Figura-28: Modelo Atual de Emergência Hospitalar Figura-29: Fluxograma do Modelo de Emergência Referenciada Figura-30: DCA – Modelo Regulado por uma COC Figura-31: MRC Modificado Figura-32: Instalações para desastres médicos Figura-33: Modelo computacional do MRC-2 Figura-34: Hierarquia das Informações entre os Atores Envolvidos Figura-35: Fluxo de Informações no Atendimento Pré-hospitalar de Emergência Figura-36: Geração de formulários Figura-37: Lógica do SIC Figura-38: Tabelas utilizadas no sistema Figura-39: Login e senha do SIC Figura-40: Dados a serem preenchidos pelo NIR das UH xvii

Figura-41: Informações de cada UH Figura-42: Dados a serem preenchidos na tabela Chamado Figura-43: Lista de Chamados do COGS Figura-44: COR associando o acidente ao hospital mais próximo com leito disponível Figura-45: Detalhamento de cada chamado para a ambulância Figura-46: Fechamento do chamado

xviii

LISTA DE TABELAS

Tabela-1: Descrição de cada atividade do modelo Tabela-2: Quantidade de cada recurso utilizado no modelo Tabela-3: Distribuição de probabilidade de cada atividade do modelo Tabela-4: Quantidade de profissionais lotados nas UPAs (por especialidade) Tabela-5: Quantidade de atendimentos diários na UPA da Penha Tabela-6: Tempo de simulação x número de replicações Tabela-7: Performance do modelo em função do número de UH Tabela-8: Redução gradual da demanda em uma UH Tabela-9: Performance do modelo em função da redução da demanda em duas UH Tabela-10: Performance do modelo em função da redução da demanda em três UH Tabela-11: Tamanho médio da fila de alta complexidade em cada cenário Tabela-12: Número total de atendimentos em cada cenário Tabela-13: Tempo médio no sistema em cada cenário Tabela-14: Performance do MRC-2 e do MRC-2 modificado Tabela-15: Performance do MRC-4 e do MRC-4 modificado

xix

LISTA DE GRÁFICOS

Gráfico-1: Tempo de simulação x Número de replicações Gráfico-2: Comportamento das variâncias do atendimento de alta complexidade em função do número de replicações Gráfico-3: Fila de Alta Complexidade x Número de UH Gráfico-4: Número de Atendimentos x Número de UH Gráfico-5: Tempo médio no sistema x Número de UH Gráfico-6: Tamanho da fila x redução de demanda em uma UH Gráfico-7: Número de atendimentos x redução de demanda em uma UH Gráfico-8: Tempo médio no sistema x redução de demanda em duas UH Gráfico-9: Tamanho da fila x redução de demanda em duas UH Gráfico-10: Número de atendimentos x redução de demanda em duas UH Gráfico-11: Tempo médio no sistema x redução de demanda em duas UH Gráfico-12: Tamanho da fila x redução de demanda em três UH Gráfico-13: Número de atendimentos x redução de demanda em três UH Gráfico-14: Tempo médio no sistema x redução de demanda em três UH Gráfico-15: Tamanho médio da fila de alta complexidade em função da demanda para cada cenário Gráfico-16: Número total de atendimentos em função da demanda para cada cenário Gráfico-17: Tempo médio no sistema em função da demanda para cada cenário

xx

LISTA DE SIGLAS

ASE – Auto Socorro de Emergência ATE – Auto Tático de Emergência BM – Bombeiro Militar CBMERJ – Corpo de Bombeiros Militares do Estado do Rio de Janeiro CET-Rio – Companhia de Engenharia de Tráfego do Rio de Janeiro CF – Constituição da República Federativa do Brasil CI – Cidades Inteligentes CICC – Centro Integrado de Comando e Controle COC – Central de Operações e Controle COGS – Centro de Operações GSE/SAMU COR – Centro de Operações da Prefeitura do Rio de Janeiro CTI – Centro de Tratamento Intensivo DESPURG – Despacho de Urgência DGCCO – Diretor Geral de Comando e Controle Operacional FGVA – Função Geradora de Variável Aleatória GIS – Geografic Information System GNA – Gerador de Números Aleatórios GSE – Grupamento de Socorro e Emergência HEGV – Hospital Estadual Getúlio Vargas HMMC – Hospital Municipal Miguel Couto xxi

HMSA – Hospital Municipal Souza Aguiar HMSF – Hospital Municipal Salgado Filho MR – Médico Regulador NIR – Núcleo Interno de Regulação NRA – Núcleo de Regulação das Ambulâncias NRV – Núcleo de Regulação de Vagas PO – Pesquisa Operacional SAMU – Serviço de Atendimento Móvel de Urgência SIC – Sistema de Informações e Coordenação SUS – Sistema Único de Saúde TARM – Telefonista Auxiliar de Regulação Médica TIC – Tecnologias da Informação e da Comunicação UH – Unidade Hospitalar UM – Unidade Móvel UPA – Unidade de Pronto Atendimento UPG – Unidade de Pacientes Graves

xxii

CAPÍTULO 1 – INTRODUÇÃO

1.1 – CONSIDERAÇÕES INICIAIS A Pesquisa Operacional (PO) lança mão de modelos matemáticos e/ou lógicos, a fim

de

resolver

problemas

reais,

apresentando

um

caráter

eminentemente

multidisciplinar. Assim sendo, de acordo com o tipo e com a complexidade do problema a ser estudado, serão escolhidos os melhores modelos que aderem àquela realidade. Umas das técnicas mais utilizadas em PO é a programação linear. Ela é aplicada a modelos cujas funções objetivo e restrições são lineares. Outras técnicas são: programação inteira, programação dinâmica, otimização em redes, programação não linear, etc. Uma característica de grande parte das técnicas de PO é que as soluções não são obtidas de maneira fechada, com a aplicação de alguma fórmula. Normalmente estas soluções são encontradas por meio de algum algoritmo. Um algoritmo fornece regras de cálculo fixas que são aplicadas repetidas vezes ao problema, sendo que, em cada iteração a solução fica mais próxima de se tornar ótima. Como os cálculos associados a estas iterações normalmente são trabalhosos, a utilização de computadores para este fim quase sempre é mandatória. Já os modelos de fila e simulação tratam do estudo de filas de espera. Não são técnicas de otimização como a programação linear, em vez disso, determinam medidas de desempenho, tais como: o tempo médio de espera na fila, o tempo médio para o término de um serviço, etc. Neste sentido, a simulação é uma ferramenta avaliadora de 1

soluções, e não, geradora de soluções. Problemas de maior grau de complexidade, justamente por sua natureza dinâmica, são tratados adequadamente pela simulação; o que não impede que ela interaja com as técnicas de otimização. São muitas as definições de simulação. De acordo com SCHRIBER (1974), simulação implica na modelagem de um processo ou sistema real, de tal forma que o modelo imite as respostas do sistema real numa sucessão de eventos que ocorrem ao longo do tempo. Embora Schriber seja considerado por muitos como o responsável por desencadear um maior compromisso entre programa de computadores e linguagens de simulação, em sua definição ele não especifica que o modelo deva ser computacional. Existem ainda vários termos relacionados à simulação. Quando se pensa em simular um sistema, a pergunta que se segue é: o que é um sistema? Para FORRESTER (1968), sistema é um agrupamento de partes que operam juntas, visando um objetivo em comum. Conforme a definição acima, um sistema sempre pressupõe uma interação causa-efeito entre as suas partes componentes. Para DE OLIVEIRA (2001), o uso da simulação é indicado em função da complexidade do problema e da dificuldade de se obter um modelo matemático simples para o sistema em estudo. A modelagem é um dos processos básicos para a obtenção de conhecimento sobre a operação do sistema e permite explorar diversos cenários. Ela deve servir como uma aproximação bastante precisa do sistema real e também conter aspectos que lhe são importantes. Em uma simulação, quanto mais preciso forem os dados de entrada do problema, mais eficiente será a simulação e, consequentemente, seus resultados mais se aproximarão da situação real, tornando-se uma eficiente ferramenta na tomada de decisão. 2

De acordo com GONÇALVES (2004), o custo relativamente baixo da simulação, o pouco risco em relação à experimentação no sistema real e a capacidade de suportar de maneira confiável as flutuações estatísticas são algumas das características que recomendam a utilização desta técnica. Conforme MAGALHÃES (2006), a técnica de simulação vem sendo usada largamente em vários setores, visando à boa gestão da capacidade, minimização dos problemas e a melhoria da qualidade. Neste trabalho, utiliza-se a simulação com o objetivo de melhorar o sistema préhospitalar de emergência no município do Rio de Janeiro, tendo em vista que o acesso à saúde é uma garantia constitucional a todo brasileiro. De acordo com a Constituição da República Federativa do Brasil (CF), em seu Art.6 o, são direitos sociais a educação, a saúde, o trabalho, a moradia, o lazer, a segurança, a previdência social, a proteção a maternidade e à infância, a assistência aos desamparados. Além disso, em seu Art. 196, consta que a saúde é direito de todos e dever do Estado, garantido mediante políticas sociais e econômicas que visem à redução do risco de doença e de outros agravos e ao acesso universal e igualitário às ações e serviços para sua promoção, proteção e recuperação. Assim sendo, sob a égide da Carta Magna brasileira, a melhoria da quantidade e da qualidade dos serviços de saúde oferecidos devem ser uma preocupação constante dos gestores públicos, da comunidade científica, bem como dos cidadãos em geral. A evolução tecnológica em termos de equipamentos, procedimentos e fármacos aumentou sobremaneira a expectativa de vida das pessoas. Todavia, este aumento tem 3

causado uma pressão crescente sobre a demanda pelos serviços de saúde. Diante disso, a simulação tem um grande potencial de ser utilizada com o propósito de equilibrar a oferta e a demanda de tais serviços, proporcionando um serviço adequado aos usuários do sistema.

1.2 – OBJETIVOS a) Avaliar o impacto causado pela distribuição irregular da demanda entre as unidades hospitalares disponíveis, e, em seguida, propor de que maneira uma central de operações e controle pode regular de maneira racional esta demanda. b) Operacionalizar um Sistema de Informações e Coordenação (SIC) que disponibilize as informações em tempo real e coordene as ações envolvendo o Centro de Operações GSE/SAMU (COGS), o Centro de Operações Rio (COR) e os Núcleos de Regulação Interna (NIR) dos hospitais municipais de emergência.

1.3 – JUSTIFICATIVA A dificuldade de acesso à rede pública de saúde é notória. O crescimento demográfico e a inexistência de uma estrutura de gestão eficiente causam um forte impacto negativo sobre a qualidade dos serviços oferecidos. É muito difícil encontrar um equilíbrio adequado entre a oferta e a demanda. Apesar de já existir uma série de

4

iniciativas nacionais no sentido de propor melhorias nesse serviço, aparentemente poucos avanços têm sido observados no setor. Tendo em vista os eventos esportivos que ocorrerão no Brasil em 2014 (Copa do Mundo) e em 2016 (Olimpíadas), Figura-1, caso ocorra um acidente de grandes proporções, tal desequilíbrio entre oferta e demanda tende a se agravar.

Figura-1: Olimpíadas de 2016 Fonte: http://www.rio2016.org

Daí justifica-se a necessidade de se ter um sistema que integre e coordene todas as ações referentes ao atendimento pré-hospitalar de emergência. Caso contrário, aceita-se o risco da perda de milhares de vidas humanas, como ocorreu por ocasião dos deslizamentos na Região Serrana do Rio de Janeiro no ano de 2011, Figura-2. O fator surpresa e o despreparo dos órgãos públicos neste evento, fez com que os atendimentos emergenciais fossem feitos de maneira precária em escolas e igrejas. Assim sendo, fica evidente que não há uma estrutura hospitalar que possa ser acionada rapidamente e que dê conta de aumento abrupto da demanda, ficando tudo por conta do improviso.

5

Figura-2: Tragédia na Região Serrana do Rio de Janeiro em 2011 Fonte: www.google.com.br

1.4 – ORGANIZAÇÃO DA DISSERTAÇÃO Esta dissertação é composta por oito capítulos, a saber: Introdução, Revisão da Literatura, Descrição dos Serviços e Caracterização do Problema, O Estudo da Simulação, Coleta de Dados, Modelo Regulado por uma Central de Operações e Controle, Sistema de Informações e Coordenação, e, finalmente, a Conclusão. No capítulo 1 é feita uma introdução do trabalho, sendo descritos os seus objetivos e a sua justificativa. O capítulo 2 apresenta uma breve revisão bibliográfica de trabalhos nacionais e internacionais em que a simulação foi utilizada como ferramenta visando à melhoria da performance de emergências hospitalares. O capítulo 3 descreve os serviços envolvidos no atendimento pré-hospitalar de emergência e de que maneira eles se inter-relacionam, caracterizando o problema apresentado nesta dissertação. 6

O capítulo 4 desenvolve um breve escopo teórico sobre a modelagem matemática e a simulação. Fundamentando a metodologia utilizada ao longo do trabalho e justificando a utilização do software simul8 para os experimentos realizados. O capítulo 5 apresenta os dados coletados durante a pesquisa bibliográfica e a pesquisa de campo. Foram visitados todos os órgãos envolvidos diretamente com o problema, quais sejam: o Centro de Operações GSE/SAMU (COGS), o Centro de Operações da Prefeitura do Rio (COR) e o Núcleo Interno de Regulação de alguns hospitais municipais. O capítulo 6 versa sobre o Modelo Regulado por uma COC. Nele é feita uma análise de que maneira o desequilíbrio da demanda entre as unidades hospitalares compromete o desempenho do sistema como um todo. Assim, a COC tem o papel de distribuir a demanda de maneira racional entre as UH. Em um modelo ideal, é desejável que todos os atendimentos sejam regulados por uma COC. O capítulo 7 apresenta o Sistema de Informações e Coordenação (SIC) propriamente dito. É por meio deste sistema que a COC será capaz de distribuir a demanda adequadamente entre as UH. Além disso, poderá encaminhar o paciente para um hospital que sabidamente possui leito disponível para atendê-lo, dado que de nada adianta conduzir um acidentado para o hospital mais próximo, se este não tiver leito disponível para recebê-lo. No capítulo 8 é feita uma breve conclusão acerca do trabalho.

7

CAPÍTULO 2 – REVISÃO DA LITERATURA

2.1 – INTRODUÇÃO

Neste capítulo serão apresentados alguns trabalhos desenvolvidos por diversos autores que utilizaram a ferramenta de simulação de maneira isolada ou integrada com outras ferramentas em áreas distintas. Contudo, a área de saúde terá um destaque maior visto que é o foco principal do estudo. Estes trabalhos foram selecionados porque ofereceram uma contribuição relevante para a melhoria dos sistemas analisados, apoiando o desenvolvimento dessa dissertação.

No âmbito da Pesquisa Operacional, desde a década de 60 a simulação tem sido largamente utilizada na busca da melhora da performance dos inúmeros setores que compõem um sistema de saúde. Todavia, tais sistemas são extremamente complexos, uma vez que são formados por inúmeros outros subsistemas que interagem entre si de maneira estocástica.

Dentro

dos

sistemas

de

saúde

encontra-se

um

subsistema

voltado

especificamente para as emergências hospitalares, ambiente na qual está inserida esta dissertação. Devido à extensão do tema, esta revisão bibliográfica ateve-se a alguns trabalhos publicados nos últimos 20 anos, tendo sida apresentada em dois momentos: o primeiro apresenta alguns trabalhos desenvolvidos pelo grupo de pesquisa da COPPE/UFRJ e o segundo apresenta alguns trabalhos apresentados pela comunidade científica internacional.

8

Tal revisão não tem a pretensão de esgotar todos os artigos, dissertações e teses que foram apresentadas nas últimas duas décadas, o que certamente não seria exequível. O objetivo é tão somente mostrar a relevância do tema, a maneira como ele tem sido tratado dentro da sociedade acadêmica e o contexto no qual esta dissertação está inserida.

2.2 – TRABALHOS PRODUZIDOS NA COPPE/UFRJ

O problema de gestão da admissão de pacientes em hospitais públicos brasileiros já é conhecido há muitos anos e até hoje não se chegou a uma solução definitiva para o mesmo. Vários trabalhos foram desenvolvidos nesta linha de atuação durante mais de vinte anos por um grupo de pesquisa da COPPE/UFRJ. A maior parte destes trabalhos considera aspectos pontuais do sistema de admissão de pacientes em hospitais públicos no Estado do Rio de Janeiro.

DE OLIVEIRA (1999) desenvolveu uma simulação visual 3D a fim de auxiliar a implementação de um projeto modular e progressivo de novas instalações do Instituto de Doenças Toráxicas da UFRJ. O resultado foi utilizado para sugerir mudanças na arquitetura original do projeto em uma determinada ordem, visando à melhoria da qualidade do processo de atendimento.

TOSCANO (2001) propôs uma ferramenta de apoio à decisão em casos de emergência. A principal contribuição do trabalho encontra-se na atenção dada aos pacientes da emergência, procurando avaliar a qualidade, fornecendo meios para melhor utilizar os recursos humanos e materiais disponíveis. 9

COSTA (2002) apresentou um modelo de simulação para estudar a performance do GSE. Este modelo foi utilizado para entender a estrutura do sistema e avaliar alternativas que pudessem agregar valores significativos à saúde dos pacientes.

FILHO (2002) desenvolveu um trabalho no Hospital Municipal Miguel Couto (HMMC) onde a relação entre a oferta e demanda de serviços é estudada com ênfase tanto na disponibilidade de profissionais de saúde no sistema de admissão quanto nas necessidades reais dos pacientes. Uma pesquisa de campo foi realizada para identificar os principais problemas existentes. Um modelo de simulação de eventos discretos foi desenvolvido para avaliação de diversos cenários, objetivando o dimensionamento dos recursos humanos necessários para a redução do tempo de espera na fila do setor de emergência do referido hospital. A metodologia de implementação da qualidade total hospitalar foi sugerida para reduzir o nível de insatisfação com a prestação de serviços, tendo por base uma avaliação realizada junto aos pacientes.

Um sistema de informação e suporte à decisão para hospitais públicos foi proposto por DE OLIVEIRA e TOSCANO (2001). O modelo considera as admissões de emergência em duas fases: a pré-hospitalar, organizada pelo SAMU/GSE e a fase hospitalar que consiste nos serviços de recepção, triagem e atendimento de emergência do HMMC.

GONÇALVES (2004) desenvolveu um modelo de simulação para avaliar as alternativas de gestão de recursos no setor de radiologia do Instituto Nacional do Câncer (INCA). O modelo apresentou importantes contribuições ao entendimento das melhores alternativas de acesso, agendamento, utilização de recursos humanos e equipamentos disponíveis. 10

SABBADINI (2005) apresentou um modelo para o gerenciamento de restrições em um hospital de emergência por meio de um estudo de caso no Hospital Municipal Henrique Sérgio Gregori, situado na cidade de Resende-RJ. Neste modelo pôde-se avaliar o impacto da implantação do sistema de triagem na redução do tempo de atendimento aos pacientes da emergência.

GARCIA (2005) contribuiu para a melhoria do serviço de atendimento médico de emergência do Hospital Universitário Antônio Pedro (HUAP), desenvolvendo um modelo voltado para a implementação do Serviço de Atendimento Móvel de Urgência (SAMU) na região metropolitana II do Estado do Rio de Janeiro.

MAGALHÃES (2006) propôs um novo sistema de admissão de pacientes, encaminhando-os diretamente para a seção de triagem, onde é feita uma classificação de risco mais apropriada. Propôs-se uma classificação de risco em três níveis: baixa, média e alta complexidade. Após a classificação do risco, os pacientes são encaminhados para o atendimento médico, levando em consideração que os de maior complexidade devem ser atendidos primeiro. Neste sistema, o(s) médico(s) atende a todos os casos e os atendimentos realizados pelos recepcionistas e guardas são evitados. Tal estudo foi conduzido no HUAP.

MORAES (2002) apresentou um modelo de simulação de um sistema de triagem hospitalar que permite a avaliação de três pontos de vistas distintos, quais sejam: os pacientes, o administrador e a equipe médica. Foi desenvolvida uma réplica da emergência do HUAP em um ambiente virtual multi-usuário.

11

SOUZA JUNIOR (2007) executou a simulação do fluxo de pacientes nos setores de emergência do HUAP. O estudo desenvolveu-se a partir de uma pesquisa de campo, onde a demanda e a oferta de serviços foram observadas. De posse das informações relevantes, modelos de simulação de eventos discretos foram propostos inicialmente para dimensionar os recursos humanos e materiais nos diversos setores da emergência. A partir desse estudo são propostos cenários alternativos para uma avaliação do atendimento de emergência, bem como realça a importância da introdução do sistema de classificação de risco dos pacientes.

SABBADINI et al. (2009) apresentaram uma plataforma para simulação visual em 3D. O sistema foi projetado, originalmente, como uma ferramenta para auxiliar alunos do curso de simulação a conduzir um experimento completo com um modelo de simulação a eventos discretos. Este artigo faz uma revisão da literatura e, a partir de uma perspectiva histórica, aponta as origens e a direção de desenvolvimento de novas pesquisas neste campo. Uma avaliação do cenário atual é realizada assim como são descritas as oportunidades de desenvolvimentos futuros nesta área emergente no campo da simulação a eventos discretos.

MARTINS (2009) estudou a porta de entrada da Policlínica José Paranhos Fontenelle (PJPF) aplicando arquitetura orientada a serviços, pois ela possui atividades bem definidas como “solicitar”, “entregar” para potencializar o uso da simulação.

ANDRADE (2010) desenvolveu um trabalho com o objetivo de proporcionar ao administrador hospitalar uma solução para o problema de alocação dos agentes envolvidos, em um procedimento de classificação de risco, reduzindo incertezas inerentes ao processo. Uma simulação social baseada em agentes foi criada, para 12

emulação da dinâmica das equipes nos modelos de classificação de risco, incorporando a interação, a tomada de decisão, e a qualificação dos agentes, permitindo a mensuração do desempenho da equipe no procedimento.

BARROS (2012) et al. apresentaram um modelo de simulação computacional para o dimensionamento da frota de ambulâncias do Grupamento Operacional do Comando Geral do Corpo de Bombeiros no atendimento às demandas da Região Central do Rio de Janeiro com destino ao Hospital Souza Aguiar, no qual foi utilizado o software Simul8. Foram realizados ensaios com o aumento gradativo de demanda a fim de obter combinações ótimas em relação à quantidade e os tipos de ambulâncias. O modelo pode ser adaptado a outros cenários e regiões onde além de diagnosticar a eficiência de um sistema poderá subsidiar o processo de tomada de decisão da compra de novas viaturas.

CHAVES (2012) contribuiu através do estudo e da criação de modelos que possibilitassem o dimensionamento de recursos humanos e materiais na parte interna dos hospitais de emergência. A ferramenta utilizada foi a simulação a eventos discretos, proporcionando a criação de cenários a fim de que fossem feitas análises visando a tomada da melhor decisão. Foi feita uma pesquisa inicial que identificou a necessidade de direcionar os serviços para os pacientes de alta complexidade. Desta forma, o estudo introduziu o conceito de emergência referenciada e realizou análises sobre o fluxo de pacientes para verificar a capacidade de resposta do modelo para atender a uma demanda específica ou inesperada.

GALDINO (2012) verificou que acessibilidade aos hospitais públicos tem demonstrado ser um problema complexo, em virtude do crescimento da população e da 13

falta de uma estrutura adequada para ofertar serviços de saúde de qualidade à população. Nesse contexto, o estudo foi realizado visando apoiar a tomada de decisão acerca do dimensionamento de recursos empregados no atendimento pré-hospitalar realizado pelo GSE/SAMU. O objetivo foi desenvolver modelos de simulação a eventos discretos que fossem capazes de representar o fluxo operacional do atendimento préhospitalar desde a ocorrência de uma solicitação de resgate até a liberação do paciente. Diversos experimentos foram desenvolvidos para avaliar, em diferentes cenários, a configuração dos profissionais que atuam no call center e o dimensionamento da frota de ambulâncias para atender a uma região do município do Rio de Janeiro.

Finalmente, chega-se aos três trabalhos mais recentes e mais significativos rumo à criação e operacionalização de um modelo integrado. FREDERICO (2009) propôs um modelo para a gestão das admissões de emergência em hospitais públicos do Estado do Rio de Janeiro, com comunicação direta entre o atendimento móvel do resgate préhospitalar e as emergências dos hospitais. Este estudo resultou na redução do tempo médio de atendimento dos pacientes, principalmente nos casos de alta e média complexidade, evitando os casos de morte por excesso de tempo de espera para o atendimento. Além disso, também houve a redução no tempo de liberação da ambulância, melhorando a otimização do ativo de forma a possibilitar o atendimento de outros casos de urgência com maior rapidez.

OLIVEIRA (2012) desenvolveu um modelo com uma Central de Operações e Controle (COC) para o qual as chamadas são realizadas e atendidas por atendentes e médicos reguladores, a fim de que as ambulâncias sejam enviadas para a cena de ação e os pacientes sejam alocados em hospitais que possam prestar atendimentos médicos 14

especializados sob a coordenação desta COC. Este modelo fornece o número de atendentes e médicos reguladores necessários para atender as chamadas relativas à demanda do SAMU/GSE, com seus respectivos aumentos da variação de demanda.

Já o artigo publicado por de DE OLIVEIRA et al. (2012), An Integrated Operations and Information System for rescue and treatment of emergency patients in a large scale events, propõe a operacionalização deste modelo integrado por meio de um Sistema Integrado de Informações. Acredita-se que o uso da tecnologia no controle de todo o sistema de admissão de emergência é uma alternativa para alcançar a meta de reduzir o tempo na maioria das atividades relacionadas com o serviço de resgate préhospitalar e do atendimento hospitalar. A abordagem proposta requer uma parceria entre três órgãos públicos: O Centro de Operações do GSE/SAMU (COGS), o Centro de Operações Rio (COR) e dos Núcleos Internos de Regulação (NIR) dos hospitais. A modelagem baseia-se no fluxo da informação entre todos os serviços e agentes envolvidos com a operação do sistema de atendimento de emergência. Eles devem ser ligados 24 horas por dia, havendo a troca de dados e informações, a partir do momento do pedido de serviço até a liberação da equipe de salvamento e posterior alta do paciente.

Uma análise mais detalhada destes trabalhos sugere que seja criado um modelo que incorpore todos esses esforços pontuais em um único modelo, ou seja, um modelo integrado. Um modelo conceitual foi concebido e simulado por FREDERICO (2009). A partir deste modelo, OLIVEIRA (2012) realizou uma simulação considerando um aumento abrupto de demanda, sugerindo a criação de uma Central de Operações e

15

Controle. O próximo passo do grupo de pesquisa da COPPE/UFRJ foi criar um sistema que operacionalize este modelo integrado, ainda que de forma embrionária.

2.3

–

TRABALHOS

PRODUZIDOS

PELA

COMUNIDADE

CIENTÍFICA

INTERNACIONAL

AUBIN (1992) apresentou um trabalho que auxiliou o órgão responsável pela coordenação das ambulâncias na área de Montreal. Uma das responsabilidades deste órgão é fazer o planejamento a médio/longo prazo da programação de ambulâncias e técnicos. A implementação do modelo proposto gerou duas contribuições importantes: a economia de recursos e uma melhora significativa na taxa de utilização dos técnicos.

ZAKI et al. (1997) apresentaram duas diferentes abordagens que são usadas para solucionar problemas de otimização de serviços de emergência. A primeira acha o número ótimo de alocações e de sistemas de serviços de emergência. Diferentes combinações de restrições e funções objetivas podem gerar diferentes modelos de serviços de emergência. A segunda abordagem assume localizações preenchidas para unidades de emergência como uma tentativa de se encontrar o número ótimo de pessoal e equipamento, isto é, a alocação capaz de reduzir o tempo de resposta de unidades de saúde, permitindo um valor específico. O autor escolheu a segunda abordagem, já que a maioria dos sistemas de serviço emergencial já possui suas unidades móveis alocadas, e seria muito trabalhoso realocá-las. Este autor em sua abordagem usa a análise do tempo de resposta para avaliar a efetividade dos sistemas de saúde de emergência.

16

MABRY et al. (1997) descreveram um Sistema Integrado de Análise Médica que fornece ferramentas quantitativas, análises dinâmicas de modelos de função fisiológica, entrada de pacientes para atendimentos clínicos, dados médicos e medicamentos. O Sistema foi desenvolvido para definição de requisitos, análise, validação, controle e diagnósticos em tempo real. Um protótipo atual enfatiza funções fisiológicas cardiovasculares e pulmonares, além da integração com os dados dos pacientes.

LAGERGREN et al. (1998) defenderam que a modelagem tem sido considerada como uma pedra angular tanta na área da saúde quanto em outros campos de aplicação. Os modelos estão tendendo a se tornar uma ferramenta padrão em gestão de serviços de saúde e pesquisa. Os autores lançam a seguinte pergunta: Quais são as lições que nós, pesquisadores operacionais, aprendemos durante este desenvolvimento? Depois de uma visão introdutória sobre a natureza e os objetivos da modelagem, são dados exemplos de aplicações de modelagem de diferentes áreas de serviço de saúde, a fim de ilustrar a versatilidade do método. Além disso, a escolha de métodos e modelos é discutida com especial atenção para os problemas de interpretação e aplicação dos resultados. A partir daí são tiradas algumas conclusões sobre as vantagens e as desvantagens da modelagem como ferramenta para o planejamento de políticas e tomada de decisão na área da saúde.

EL-DARZY et al. (1998) estudaram o fluxo de pacientes em um hospital geriátrico. Segundo o modelo proposto, os pacientes foram divididos em graves (curta duração), reabilitação (média duração) e de longa duração. Assim sendo, alguns pacientes recebem alta, alguns morrem e outros precisam ficar dentro do sistema por um

17

período de tempo maior. O modelo prevê o tempo médio de permanência, bem como o número médio de pacientes em cada estado.

WENG e HOUSHMAND (1999) defenderam que os pesquisadores e analistas estão começando a descobrir o potencial de utilização de simulação no campo da saúde, com uma infinidade de interações possíveis entre pacientes, médicos, enfermeiros, pessoal técnico e de apoio. Ineficiências podem ser eliminadas ou reduzidas a partir de uma configuração ótima ou quase-ótima. Primeiramente, a simulação tem sido utilizada no campo da saúde em estudos de comparação de sistemas alternativos referentes aos seus recursos e horários. Ao analisar essas alternativas, as medidas de desempenho padrão normalmente são relatadas: vazão, tempo no sistema, tamanho e tempo médio da fila.

SEPÚLVEDA et al. (1999) apresentaram um modelo de simulação que prestava serviço para uma dada demanda de pacientes em um centro de tratamento de câncer. O estudo analisa o fluxo de pacientes em toda a unidade médica e avalia o impacto dos planos alternativos usando diferentes opções de agendamento. O modelo de simulação chegou a um resultado que sugeriu a transferência da central do laboratório e da farmácia, bem como identificou as alterações dos procedimentos de programação que permitiram um aumento de 30% nas internações.

LANE et al (2000) descreveram o processo colaborativo de construção de um modelo de simulação para entender os tempos de espera dos pacientes envolvidos em um acidente de emergência. O objetivo do trabalho foi envolver os profissionais de saúde no processo da modelagem, de maneira que se pudesse ter um modelo o mais próximo possível da realidade, ou que pelo menos levasse em consideração todos os 18

aspectos indispensáveis para o perfeito entendimento do comportamento do sistema simulado.

AGUILAR (2001) apresentou uma nova abordagem, incluindo a simulação e a análise inteligente nas técnicas de análise de processos no âmbito da administração hospitalar. Do ponto de vista da gerência, o estado do sistema é determinado pelo fluxo de pacientes pelos diversos serviços do hospital. Na descrição do estado do sistema, verificam-se os valores das medidas de desempenho, tais como o tempo médio de espera, tamanho da fila, taxa de utilização dos servidores, entre outros.

Segundo SIBBEL (2001) a estrutura de custos de uma unidade hospitalar está, não somente ligada aos recursos humanos e aos investimentos em equipamentos, mas também às decisões de alocação coordenada destes recursos que afetem a performance dos processos orientados ao paciente. Assim, modelos de simulação baseados em agentes que descrevam circunstâncias específicas em condições locais, onde as alternativas de alocação de recursos podem ser analisadas, são instrumentos para que ganhos administrativos e econômicos sejam alcançados através de decisões planejadas.

ANGELIS et al. (2002) desenvolveram um estudo para planejamento dos serviços de ambulância na cidade de Roma a fim de alocá-las em lugares estratégicos. A pesquisa foi motivada por causa de um grande evento que iria ocorrer na cidade.

BAESLER et al. (2003) propuseram o uso de um modelo de simulação para estimar a capacidade máxima de uma sala de emergência de um hospital privado chileno. O modelo foi criado, tão somente, para estimar a máxima demanda que o

19

sistema poderia absorver, e a partir deste ponto definir números mínimos de recursos necessários para atender a referida demanda.

BROTCORNE et al. (2003) traçaram a evolução dos modelos de localização para ambulâncias dos últimos 30 anos. Os modelos são classificados em duas categorias principais: os modelos determinísticos são usados na fase de planejamento e ignoram as considerações estocásticas. Já os modelos probabilísticos levam em consideração o fato de as ambulâncias operarem como servidores em um sistema de filas e nem sempre podem atender assim que uma chamada é feita. Além disso, há os modelos dinâmicos que são desenvolvidos para realocar repetidamente ambulâncias ao longo do dia.

SAMAHA et al. (2003) propuseram um modelo de simulação de atividades em um departamento de emergência hospitalar dos Estados Unidos. O objetivo do estudo era criar um artifício dentro da simulação que descrevesse as atividades e avaliasse as alternativas para reduzir o tempo de permanência dos pacientes dentro do sistema, a fim de que se evitasse gastos desnecessários e mantivesse um padrão de qualidade aceitável.

De acordo com LITTLEJOHNS (2003), houve um enorme investimento para os sistemas hospitalares informatizados de informação em todo o mundo. Os custos estimados para cada grande hospital são cerca de US$ 50 milhões (£ 33 milhões), mas os benefícios e custos globais de sistemas de informação hospitalar raramente foram avaliados. Quando os sistemas são avaliados, cerca de três quartos são consideradas como ineficientes. Além disso, não há nenhuma evidência de que eles melhoram a produtividade dos profissionais de saúde. Para gerar a informação que é útil para os decisores, as avaliações dos sistemas de informação hospitalar precisam ser multidimensional, que abrange muitos aspectos além da funcionalidade técnica. 20

Descreveu-se como o projeto e sua avaliação foi criada e analisou-se onde o projeto deu errado. As lições aprendidas são aplicáveis à instalação de todos os sistemas de informação hospitalar.

MARTIN et al (2003) mostraram a preocupação com a crescente demanda de pacientes idosos e seus custos na área de emergência na Noruega. O artigo demonstra como a simulação pode contribuir para satisfazer esta demanda e aumentar a eficiência, reduzir o número de camas nos corredores. O processo é desenhado analisando quatro aspectos principais: caminhos clínicos, demanda reprimida de atendimento geriátrico no hospital, potencial para aumentar o processamento de pacientes na enfermaria geriátrica e as formas de alcançá-los.

GABA (2004) defendeu a simulação como uma técnica, não como uma tecnologia para substituir ou ampliar as experiências reais do mundo de uma forma interativa. As diversas aplicações da simulação em saúde podiam ser categorizadas em 11 dimensões: objetivos e finalidades da atividade de simulação; unidade de participação; nível de experiência dos participantes; domínio da saúde, disciplina profissional dos participantes, tipo de conhecimento, habilidade, atitudes ou comportamentos em questão; idade do paciente simulado; tecnologia aplicável ou necessária; site de simulação; importância da participação direta e métodos de realimentação utilizados. Várias forças motrizes e mecanismos de aplicação podem ser esperados para a propulsão da simulação nos anos vindouros, incluindo as sociedades profissionais e o público.

KOMASHIE e MOUSAVI (2005) discutiram uma aplicação para a situação da área de emergência para compreender situações a princípio inexplicáveis excessivos de 21

tempo de espera. Através da simulação foi possível mencionar o impacto de cada recurso sob o sistema com seu respectivo custo. O estudo proporcionou também o desenho do fluxo de pacientes e reduziu em 20% os tempos de espera dos pacientes.

GUNAL e PIDD (2006) examinaram os desempenhos em hospitais no Reino Unido por meio de simulações em departamentos de acidentes e emergência. A modelagem em simulação nestes hospitais contribuiu para compilar os dados reais de admissão de pacientes e apresentar a análise desses dados.

De acordo com SALUSTRI et al. (2007), o departamento de emergência de um hospital é um sistema complexo, caracterizado pela grande variação de demanda de pacientes. Neste contexto, a simulação pode ser uma ferramenta importante para compreender, analisar e gerenciar o sistema, a fim de quantificar os recursos necessários para oferecer qualidade de serviços. O modelo estudado neste trabalho descreveu um dos maiores departamentos de acidente e emergência em Roma, onde a simulação foi empregada para explorar alguns gargalos, que ocasionaram prolongados tempos de espera e sobrecargas nos recursos disponíveis.

ELDABI et al. (2007) usando uma síntese das tendências identificadas por um grupo de especialistas na área, acadêmicos e industriais, fizeram uma análise crítica sobre os modelos que já existem e aqueles que podem ser criados dentro de alguns temas principais. A pesquisa revela que a maioria dos entrevistados concorda que, para resolver os inúmeros problemas, é necessário lançar mão de um modelo teórico, às vezes híbrido, que se ajuste ao problema ao invés de se tentar solucionar o problema a partir da prática. Posteriormente o artigo apresentou algumas opções de como a simulação poderia ser utilizada dentro do domínio dos serviços de saúde. 22

BOND et al. (2007) destacaram que a simulação é uma área em rápida expansão na educação médica. Em 2005 foi criada a Força-Tarefa de Simulação da Academia de Medicina para garantir que os seus novos membros tenham acesso adequado à informação e aos recursos desta ferramenta. Um dos objetivos da força-tarefa foi criar uma agenda de pesquisa para o uso da simulação na educação médica de emergência. Os autores apresentam o documento de consenso da força-tarefa com as áreas sugeridas para a pesquisa. Este documento destaca a oportunidade de desenvolver uma aprendizagem experimental reflexiva, treinamento comportamental e equipe, a simulação processual, o uso de simulação para avaliação de testes e tópicos especiais em medicina de emergência. Os desafios da pesquisa no campo da simulação são discutidos, incluindo o impacto da simulação sobre a segurança do paciente.

BELAIDI et al (2007) apresentaram dois objetivos: mostrar a modelagem na rede de emergência hospitalar e mostrar problemas relacionados aos suprimentos desta área e o posicionamento da literatura dedicado para as questões de saúde.

WU (2008) apresentou um artigo, propondo um modelo voltado para o fluxo de emergência em grandes catástrofes. Além disso, o modelo incorpora um sistema de posicionamento geográfico, visando otimizar o transporte dos feridos.

REDDY et al (2009), identificaram os principais desafios para a coordenação entre departamento de emergência (ED) e equipes médicas de serviços de emergência (EMS). Foi realizada uma série de grupos focais tanto com ED, quanto membros da equipe EMS, usando um cenário de crise como a base da discussão do grupo de foco. Também foram coletados dados de fluxo de trabalho da organização. Foram identificados três grandes desafios para a coordenação entre ED e equipes EMS 23

incluindo ineficácia de informações atuais e tecnologias de comunicação, a falta de terreno comum, e avarias no fluxo de informações. Foi identificada a importância da concepção de sistemas numa perspectiva sócio-técnica. Em particular, esses sistemas inter-equipe de coordenação deve suportar questões como a consciência, o contexto e o fluxo de trabalho entre as duas equipes.

BECK et al (2009) estudaram a variação da demanda para tem uma combinação ótima de recursos como: leitos, recepcionistas, enfermeiros para triagem, enfermeiros e médicos. Usaram o modelo também para fazer uma mudança no processo de admissão, colocando o registro de pacientes depois da triagem. Verificaram que esta alteração somente é válida quando há o número de leitos suficientes para atender a demandam caso contrário, o paciente fica mais tempo no setor de emergência.

CARDOEN et al. (2010) forneceram uma revisão da pesquisa recente sobre operatingroomplanning. Foi feita uma avaliação da literatura em vários campos que estejam relacionados com o problema, tais como medidas de desempenho, classes de pacientes e características técnicas. Ao longo da revisão da literatura, foi feito um resumo das tendências significativas na pesquisa sobre operatingroomplanning e programação a fim de identificar áreas que precisam ser abordadas no futuro.

BEUL et al (2010) descreveram a informação, comunicação e aceitação problemas em um fluxo de trabalho telemedicina, tendo uma emergência pré-hospitalar médica (EMS), como um exemplo. Fluxos de trabalho são extremamente críticos no fator tempo, impondo uma alta responsabilidade e, crucialmente, dependem de uma cooperação estreita entre o pessoal EMS. Apesar de haver disponível cada vez mais tecnologia da informação e comunicação (TIC), falhas na fluxo de trabalho de 24

emergência ainda são observados, especialmente em países como a Alemanha em que EMS não são totalmente padronizadas.

Segundo POULYMENOPOULOU et al (2011), o atendimento de emergência preocupa-se basicamente com a prestação de serviço pré-hospitalar e intra-hospitalar médica e/ou serviços paramédicos e que normalmente envolve uma grande variedade de atividades interdependentes e distribuídas que podem ser interligadas para formar processos de atendimento de emergência dentro do Serviço Médico de Emergência (EMS). Assim, o desenvolvimento de um sistema de informação para os processos de atendimento de emergência é essencial para apoiar as atividades de processos individuais e para satisfazer as necessidades de colaboração e de coordenação, fornecendo prontamente o acesso a informações dos pacientes, independentemente do local e do tempo. Preenchendo esta lacuna de informação, permitindo o fornecimento da informação certa, para as pessoas certas, no momento certo, incluindo a especificação de um formato comum de informação, a interoperabilidade entre sistemas de informação heterogêneos institucionais ou o desenvolvimento de novos sistemas. O trabalho se preocupou com o desenvolvimento de um suporte de computador integrado a processos de atendimento de emergência cruzando a ligação dos sistemas de saúde institucionais. Para este fim, um sistema integrado EMS, com arquitetura baseada em nuvem tem sido desenvolvido, permitindo que usuários autorizados acessem às informações de emergência. O sistema incorpora um módulo inteligente que suporta a triagem e seleciona as mais adequadas ambulâncias e hospitais para cada caso.

25

2.4 – CONSIDERAÇÕES FINAIS ACERCA DA REVISÃO DA LITERATURA

Mais uma vez, ressalta-se que há uma quantidade considerável de publicações no âmbito da gestão de emergências durante as duas últimas décadas (ANSELIN, 2003). A maioria dos estudos anteriores concentra-se na gestão administrativa de emergências, tais como: a demanda por serviços, planejamento de evacuação, localização de veículos, entre outros temas dentro deste universo.

Os serviços de emergência estão atualmente enfrentando novos desafios após a ocorrência de inúmeras catástrofes, naturais ou não, que têm aumentado de frequência e de intensidade. Urge que se modele um sistema eficiente e eficaz que dê conta de gerir rapidamente um aumento abrupto de demanda causado por um acidente de grandes proporções.

26

CAPÍTULO 3 – DESCRIÇÃO DOS SERVIÇOS E CARACTERIZAÇÃO DO PROBLEMA

3.1 – INTRODUÇÃO Devido à abrangência e complexidade do modelo proposto, houve a necessidade da pesquisa de campo em diversos órgãos públicos envolvidos direta ou indiretamente no atendimento pré-hospitalar de emergência. Estas visitas permitiram delinear o problema através da percepção de que maneira esses órgãos se inter-relacionam.

3.2 – CENTRO DE OPERAÇÕES RIO No dia 08 de janeiro de 2013, foi realizada uma visita guiada ao Centro de Operações Rio, Figura-3, sob a supervisão do Gerente de TI Marcos César Gentil. Segundo Gentil, o Centro de Operações Rio é um projeto pioneiro na América Latina. Foi criado para integrar e tratar com inteligência as informações dos cerca de 30 órgãos municipais e concessionárias, cujos serviços impactam diretamente na rotina da cidade do Rio de Janeiro. Espécie de quartel-general da Prefeitura, o Centro de Operações tem o objetivo de antecipar soluções e minimizar ocorrências, a fim de alertar os setores responsáveis sobre riscos e tomar as medidas necessárias em casos de emergência, como chuvas fortes, acidentes de trânsito e deslizamentos. Funcionando 24 horas por dia, 7 dias por semana, monitora, analisa e atua de forma imediata, transmitindo todas as informações à imprensa e à população em tempo real.

27

Figura-3: Centro de Operações Rio

3.2.1 – RECURSOS DISPONÍVEIS NO COR Por ocasião da visita guiada, verificou-se que o COR dispõe dos seguintes recursos:  Quatrocentos profissionais trabalhando em três turnos, vinte e quatro horas por dia;  Imagens geradas por mais de seiscentas câmeras;  Trinta mil metros de cabos de fibra ótica;  Integração em tempo real com trinta órgãos públicos e concessionárias;  Prédio com redundância plena em telecomunicações;  Monitoramento da chuva por meio de cem pluviômetros;  Sessenta camadas de informações georreferenciadas, como frota de veículos e localização de escolas e hospitais; 28

 Sala de controle, com o maior telão da América Latina (80 monitores);  Sala de crise, sendo o primeiro centro do mundo a integrar todas as etapas de gerenciamento de crise, com respostas imediatas em situações de emergência, Figura-04.

Figura-4: Sala de Crise do COR

Além dos recursos citados acima, o COR conta com as seguintes tecnologias: METEOROLOGIA - O radar meteorológico da Prefeitura, instalado no morro do Sumaré, detecta formações de chuvas intensas em um raio de 250 quilômetros. O volume de água é monitorado pela rede das 33 estações pluviométricas espalhadas pela cidade. SISTEMA IBM – Previsão meteorológica de alta resolução (PMAR). Sistema baseado em um modelo matemático, desenvolvido especificamente para a cidade do Rio de Janeiro, capaz de reunir dados da bacia hidrográfica, levantamento topográfico e

29

histórico de chuvas, assim como informações de satélites e radares. Com essa tecnologia, é possível prever temporais com até 48 horas de antecedência. TELEPRESENÇA – Sistema de telepresença de última geração, que permite realizar reuniões virtuais com funcionalidades avançadas de áudio e vídeo. O equipamento interage com outras duas salas equipadas com a mesma tecnologia – com a residência do Prefeito na Gávea Pequena e com a Sede da Defesa Civil, em Vila Isabel. Além disso, possibilita conexão com mais de 40 salas em reunião multiponto.

3.2.2 – ÓRGÃOS PRESENTES NO COR Principais órgãos integrados ao COR: CET-Rio, Comlurb, Defesa Civil, GeoRio, Guarda Municipal, Iplan Rio, Polícia Militar, Rio Águas, Rioluz, Riotur, Secretaria de Assistência Social, Secretaria de Conservação, Secretaria de Meio Ambiente, Secretaria de Saúde, Corpo de Bombeiros, Cedae, CEG, Light, Linha Amarela (LAMSA), Metrô, CCR Ponte, Rio ônibus e Supervia. Os serviços oferecidos por cada órgão podem ser monitorados simultaneamente na Sala de Controle, Figura-5.

30

Figura-5: Sala de Operações do COR

O COR tem o controle das unidades de saúde da Prefeitura do Rio (Figura-6) no que diz respeito à localização e ao oferecimento dos serviços hospitalares.

Figura-6: Localização das Unidades Hospitalares da Prefeitura do Rio de Janeiro

31

Além da localização, ao selecionar uma unidade hospitalar, é possível extrair um relatório sucinto com todas as características da unidade em questão, Figura-7.

Figura-7: Relatório de Unidade Hospitalar apresentado nas Telas do COR

Embora a Secretaria Municipal de Saúde tenha sido elencada nos órgãos presentes no COR, não há um sistema que trate especificamente do atendimento préhospitalar de emergência, desde o pedido de socorro via 192/193 até a entrada do acidentado na recepção dos hospitais. Segundo Gentil, a Prefeitura possui uma frota de ambulâncias terceirizadas que tão somente fazem a remoção de um hospital municipal

32

para o outro. Assim sendo, ainda não há uma interface, integrando todo este cabedal de informações do COR ao COGS1 do Corpo de Bombeiros.

3.2.3 – CONSTRUÇÃO DO CENTRO INTEGRADO DE COMANDO E CONTROLE Além do Centro de Operações Rio, que fica sob a escota da Prefeitura, o Governo do Estado do Rio de Janeiro está em fase de finalização da construção de um Centro Integrado de Comando e Controle (CICC), Figura-8, que, em princípio, tem a intenção de gerenciar todo o Estado de maneira integrada.

Figura-8: Centro Integrado de Comando e Controle (CICC)

1

COGS: Centro de Operações GSE/SAMU. É o local onde são recebidas as chamadas telefônicas 192/193, processadas as informações e despachadas as ambulâncias. 33

O centro integrado vai reunir os serviços de atendimento das Polícias Militar, Civil e Rodoviária Federal, do Corpo de Bombeiros, da Defesa Civil municipal e estadual, da Guarda Municipal e da CET-Rio.

3.3 – PRIMEIRO GRUPAMENTO DE SOCORRO DE EMERGÊNCIA e o CENTRO DE OPERAÇÕES GSE/SAMU (COGS) Criado em 1985 o 1º GSE (Grupamento de Socorro de Emergência) do CBMERJ (Corpo de Bombeiros Militar do Estado do Rio de Janeiro) completou 26 anos em julho de 2012. Durante esse tempo, o serviço já realizou cerca de 2 milhões de atendimentos à população fluminense. O 1º GSE foi criado, em princípio, com a missão de prestar atendimento pré-hospitalar em via pública e logradouros públicos da cidade do Rio de Janeiro, transportando pacientes com segurança até os hospitais públicos de referência da região. Inicialmente o serviço contava com apenas 19 ambulâncias, hoje possui 140, distribuídas nos municípios fluminenses com mais de 55 mil habitantes, ou seja, em 38 das 92 cidades do Rio de Janeiro. Segundo o atual Comandante, tal estrutura permite uma cobertura de aproximadamente 92% do Estado, pois os veículos podem cobrir mais de um município, devido à extensão territorial e ao número reduzido de habitantes em alguns locais. O 1° GSE tem uma média de 500 atendimentos por dia, com predominância dos casos de emergência clínica e trauma.

34

As viaturas são divididas em unidades avançadas (tripuladas por médicos), intermediárias (tripuladas por enfermeiros) e básicas (tripuladas por técnicos de enfermagem), o que permite uma adequação dos recursos, enviando ambulâncias de acordo com a gravidade dos atendimentos. As ambulâncias possuem equipamentos de última geração, como monitores cardíacos, desfibriladores manuais e automáticos, respiradores, oxímetros de pulso, aspiradores portáteis, etc. Além destas configurações, dispõe-se ainda de outras ambulâncias para atendimentos especializados, como ambulâncias para transporte inter-hospitalar, ambulância neonatal, bariátrica, cegonha e terapia intensiva, todas equipadas com profissionais e equipamentos especializados. Os militares utilizam também mais um recurso oferecido pela corporação que é o ATE (Auto Tático de Emergência) – viaturas híbridas que são, ao mesmo tempo, viaturas de busca e salvamento, extinção de incêndio e ambulância, 02 aeronaves de asa rotativa (helicópteros), uma lancha e três centros de afogados. Outras viaturas especiais são o Auto Posto de Comando Móvel, usado para montagem de um posto de comando e estrutura inicial de atendimento a eventos com múltiplas vítimas, local em que a magnitude do evento requer a presença in-loco do comandante do 1º GSE, até a montagem do Hospital de Campanha. Já o Auto Socorro de Emergência (ASE leve) é um carro menor que as ambulâncias tradicionais, que tem como objetivo chegar mais rápido ao longo dos acidentes, transportando médicos. Estes veículos servem de apoio às unidades básicas e intermediárias de socorro e , quando necessário, podem ser transformadas em viaturas avançadas, já possuindo medicamentos trombolíticos para tratamento de pacientes infartados. 35

O aumento no número de profissionais e de recursos foi necessário, em parte, devido às novas responsabilidades atribuídas ao Grupamento. Em 2007, o Corpo de Bombeiros do Estado do Rio de Janeiro assumiu a gestão e atendimento de algumas UPA (Unidade de Pronto Atendimento). Foi criado um novo departamento, também parte do GSE, para a realização deste trabalho. Assim, o serviço inicial passou a ser conhecido como 1º GSE, responsável pelo atendimento pré-hospitalar móvel, enquanto o 2º GSE responde pelo atendimento pré-hospitalar fixo. Outra novidade foi a integração com o serviço do SAMU, válida desde 2007 apenas para a capital fluminense. O 1°GSE gerencia o Centro de Operações de atendimento pré-hospitalar, que é a Centro de Operações GSE/SAMU (COGS), subordinado ao Diretor Geral de Comando e Controle Operacional (DGCCO), que recebe todas as ligações do sistema 192/193, promove a regulação médica e despacha todas as nossas viaturas de socorro geoposicionadas em tempo real. Para atender a 5.000 ligações diárias pelo telefone 192/193, são necessários 75 funcionários, entre profissionais de saúde e atendentes que trabalham ininterruptamente. Ali é realizada a triagem das ligações, feitas as devidas orientações para a população, despacho das ambulâncias e realizado a regulação médica das viaturas tripuladas por enfermeiros e técnicos de enfermagem. No total o Grupamento conta com, aproximadamente, 1.800 militares, entre médicos, enfermeiros, psicólogos, farmacêuticos, assistentes sociais e técnicos de enfermagem, distribuídos no organograma da Figura-9. Esta equipe multidisciplinar não só atende a população externa, como também atende aos militares com seus problemas inerentes aos serviços, promovendo avaliações e acompanhamento dos profissionais, que é bastante complexa e desgastante. A tropa do Grupamento recebe educação 36

continuada, por meio de cursos avançados e básicos de suporte à vida, além de treinamento e simulação em atendimentos a eventos com múltiplas vítimas.

Figura-9: Organograma do 1°GSE Fonte: http://www.gse.cbmerj.rj.gov.br

Em visita realizada ao COGS (Figura-10) no dia 14 de janeiro de 2013, verificou-se que tamanha estrutura não age em coordenação com o Centro de Operações Rio e nem com os hospitais municipais do Rio de Janeiro. Assim sendo, os dados processados pelo COGS têm um fim em si mesmo, ou seja, trabalham tendo como objetivo a assistência pré-hospitalar de emergência. Segundo o Cap. BM Rodrigo Pires, os dados gerados nos Núcleos de Regulação Interna (NIR) dos hospitais não chegam ao COGS, assim sendo, na hora de conduzir um acidentado a um hospital, a ambulância não leva em consideração se há leitos ou não.

37

Figura-10: Centro de Operações GSE/SAMU

Essa rotina gera outro problema. Quando a ambulância chega com um paciente em um hospital em que não há leitos disponíveis, a maca, e, por conseguinte a ambulância fica retida por até 4 horas no pátio do hospital aguardando por um leito 2. Na Figura-11, constam as ambulâncias que estavam em operação no dia da visita. Observa-se que a primeira ambulância da tela estava há 4h 43min em operação, sendo improvável que a viatura ainda estivesse na operação de deslocamento/remoção da vítima, corroborando a informação de que as mesmas ficam retidas nos pátios dos hospitais.

2

No momento em que estava ocorrendo a visita, no dia 14/01/2013 haviam seis macas retidas nos hospitais, fazendo com que as respectivas ambulâncias ficassem aguardando o retorno das mesmas. 38

Figura-11: Tela com as ambulâncias em operação

Durante a visita, o Cap. BM Rodrigo Pires afirmou que a intenção do Governo do Estado é migrar este serviço para o Centro Integrado de Comando e Controle, no entanto o CICC e o COR terão atribuições distintas devido as suas esferas administrativas. Embora estes dois centros possam trabalhar num regime de parceria, não haverá uma integração completa e irrestrita entre os dois órgãos. Segundo o Cap. BM Rodrigo Pires, a prioridade do COGS é reduzir ao máximo o tempo de resposta para os eventos vermelhos3. Segundo ele, os dois maiores problemas enfrentados por ocasião do atendimento pré-hospitalar são: o tempo de deslocamento das ambulâncias e a espera na recepção do hospital, ambos impactando diretamente na disponibilidade das viaturas.

3

Há uma diferença entre EVENTOS VERMELHOS e PACIENTES VERMELHOS. Eventos vermelhos são aqueles que requerem um despacho imediato de uma ambulância, mas não se sabe o estado clínico das vítimas, como por exemplo, a colisão entre um ônibus e um automóvel. Já pacientes vermelhos são aqueles que, devido à gravidade do trauma precisam de tratamento imediato. Assim sendo, nem sempre eventos vermelhos possuem pacientes vermelhos. 39

Além disso, ocorrem situações em que uma UH não tem condição de receber um paciente, e a ambulância precisa conduzi-lo para outro hospital.

3.4 – HOSPITAL MUNICIPAL MIGUEL COUTO No dia 27 de dezembro de 2012, foi realizada uma visita às instalações do Hospital Municipal Miguel Couto – HMMC, Figura-13. De acordo com a entrevista não estruturada realizada com alguns médicos da emergência do hospital, seria fundamental viabilizar uma melhor coordenação entre os serviços de resgate dos bombeiros e as emergências dos hospitais municipais. Uma das médicas citou o caso da menina Adrielly, de 10 anos, vítima de uma bala perdida na noite de 24 de dezembro de 2012, Figura-12. Ao chegar ao Hospital Municipal Salgado Filho (HMSF), ela ficou 8 horas aguardando a presença de um Neurocirurgião. Se tivesse ocorrido uma troca de informações entre os órgãos envolvidos no socorro, haveria três hipóteses: ou o HMSF teria tido tempo hábil para acionar o profissional de serviço; ou o Centro de Operações Rio poderia ter acionado um profissional de outra unidade hospitalar; ou simplesmente poderia ter encaminhado a ambulância com a vítima para outra unidade hospitalar que tivesse condição de atendê-la. Talvez, uma dessas três ações tivesse sido suficiente para salvar a vida da criança.

40

Figura-12: Pai de Adrielly diz que filha esperou por atendimento durante oito horas no Hospital Municipal Salgado Filho Fonte: Jornal “O Globo”

Em janeiro de 2013, o Prefeito da Cidade do Rio de Janeiro assinou um decreto tornando obrigatório o leitor biométrico em todas as unidades de saúde do município. Esta informação poderia fluir para um banco de dados integrado, tornando possível saber quais são os médicos presentes naquele exato momento em cada hospital da cidade.

Figura-13: Visita realizada no HMMC em 27 de dezembro de 2012

Um dos médicos do HMMC mencionou que já houve uma melhora muito grande no fluxo de pacientes do hospital devido à implementação das Unidades de 41

Pronto Atendimento (UPA) que absorvem a demanda de baixa complexidade 4 e uma parte da demanda de média complexidade. Todavia, a falta de informação ainda é muito grande. Muitas pessoas dirigem-se diretamente para a emergência do HMMC por uma simples cefaleia. É necessário que haja uma campanha educativa para orientar os cidadãos quanto à utilização das UPA, bem como melhorar continuamente a qualidade das mesmas. Segundo o médico, caso se mantivesse nos hospitais emergenciais o modelo antigo de atendimento, ou seja, todos os pacientes de baixa, média e alta complexidade, sem o redirecionamento para as UPAs, dificilmente haveria um hospital de grande porte, por melhor e maior que fosse a sua estrutura, que desse conta de toda a demanda.

3.5 – UNIDADE DE PRONTO ATENDIMENTO No dia 06 de janeiro de 2013, foi realizada uma pesquisa de campo na Unidade de Pronto Atendimento da Penha, Figura-14, ao lado do Hospital Estadual Getúlio Vargas (HEGV). A visita foi guiada por um dos assistentes sociais da unidade, Sr. Jonathan Rezende Bueno.

4

Segundo MAGALHÃES (2006), a avaliação do paciente deve considerar a queixa, a aparência física, a resposta emocional, a escala de dor, os sinais alérgicos e os registros de sinais vitais. Seguindo essas etapas de avaliação os pacientes recebem a seguinte classificação: - Pacientes de alta complexidade: são aqueles que não podem esperar para serem atendidos; - Pacientes de média complexidade: são aqueles que podem esperar até quinze minutos; - Pacientes de baixa complexidade: são aqueles que podem esperar até uma hora para serem atendidos.

42

Figura-14: Unidade de Pronto Atendimento (UPA)

3.5.1 – ATRIBUIÇÕES DAS UPAs O Objetivo das Unidades de Pronto Atendimento é diminuir as filas nas emergências dos hospitais de grande porte, evitando que casos que possam ser resolvidos nas UPAs, ou unidades básicas de saúde, sejam encaminhados para outras unidades hospitalares. As UPAs funcionam 24 horas por dia, 7 dias por semana e podem resolver um montante considerável de emergências de baixa/média complexidade e alguns casos de alta complexidade.

3.5.2 – DISTORÇÕES NO ATENDIMENTO DAS UPAs Na entrevista estruturada realizada com o Sr. Bueno, verificou-se que, embora a proposta das UPAs seja fundamental para desafogar as grandes emergências dos hospitais públicos, o referido sistema guarda algumas limitações e distorções que afetam a quantidade e a qualidade dos atendimentos. Segundo ele, as UPAs não tem condições de atender todos os casos de alta complexidade, e é exatamente a falta de 43

clareza deste fluxo estabelecido pelo SUS5 que gera a sobrecarga muitas vezes desnecessária nas Unidades de Saúde. No entanto, identifica-se uma relação conflituosa entre a unidade intermediária de média e alta complexidade: os pacientes se queixam que procuram a grande emergência, porém se não tiverem um quadro aparente de gravidade (acidentado, esfaqueado, queimado, baleado) têm grande dificuldade de obter atendimento. Então são encaminhados às UPAs. Além disso, há um “ruído” considerável no sistema, pois muitas pessoas, segundo relato da equipe médica, solicitam ora pela declaração de comparecimento, ora pelo atestado médico. Pode-se dizer que é um quantitativo significativo, sobretudo aos domingos ou às segundas-feiras. Muitos médicos verbalizam que já tiveram seus carimbos falsificados. Devido a esta problemática, muitos fornecem a declaração de comparecimento, porém o atestado médico só é dado em último caso. Algumas dificuldades encontradas pela administração das UPAs são: a alta rotatividade de profissionais; trabalhadores com diversos vínculos empregatícios; baixos salários; contratações temporárias e frágeis vínculos empregatícios; demora nos atendimentos; superlotação; equívoco no fluxo e falta de opção de porta de saída. Cabe ressaltar que há uma pressão muito grande da população usuária e dos familiares em cobrar respostas imediatas, quando na realidade a questão da saúde depende de vários atores e instâncias. Por exemplo: não adianta atender o paciente se não há remédio na farmácia e o usuário não tem dinheiro para comprar.

5

SUS: Sistema Único de Saúde. É um sistema de saúde pública concebido para ser de acesso universal, igualitário e descentralizado. Torna o acesso gratuito à saúde direito de todo cidadão brasileiro.

44

3.6 – COMPANHIA DE ENGENHARA DE TRÁFEGO DO RIO DE JANEIRO – CET RIO A CET-Rio é uma sociedade anônima de economia mista controlada pelo município. É vinculada à Secretaria Municipal de Transportes e seu capital é autorizado pelo poder municipal. O objetivo da CET-Rio é administrar o sistema viário e de circulação, além de operar os estacionamentos. Agentes da Companhia também são designados para outras funções, como auxiliar no reboque de veículos estacionados indevidamente e orientar o trânsito. A sede da CET-Rio fica no bairro de Botafogo, no entanto, todas as questões referente ao tráfego urbano são controladas a partir do COR. É neste centro que os agentes monitoram o trânsito da cidade por meio das câmeras distribuídas em pontos estratégicos.

45

CAPÍTULO 4 – O ESTUDO DA SIMULAÇÃO

4.1 – INTRODUÇÃO

Ao longo dos capítulos anteriores, empregou-se, ainda que de forma implícita, uma associação entre os conceitos de simulação, sistemas e modelos. A modelagem pressupõe um processo de criação e descrição, envolvendo um determinado grau de abstração que, na maioria das vezes, acarreta numa série de simplificações sobre a organização e o funcionamento do sistema real. Usualmente, essa descrição toma a forma de relações matemáticas ou lógicas que, no seu conjunto, constituem o que se denominam modelos. Simulação é um dos muitos métodos existentes para estudar e analisar sistemas e problemas a eles relacionados.

Existem inúmeras definições possíveis para simulação. Resumidamente, pode-se entender que a simulação é um processo de experimentação com um modelo detalhado de um sistema real para determinar como este sistema irá responder a mudanças nas suas variáveis de entrada. Segundo BLANCHARD (1981), Um sistema pode ser definido como uma combinação de elementos que interagem a fim de cumprir um objetivo específico.

Onde a simulação apresenta um bom desempenho é na avaliação de mudanças propostas em um sistema existente ou no projeto de um novo sistema. Um modelo bem dimensionado pode gerar importantes estimativas de desempenho em termos de taxa de utilização de recursos, dimensionamento de filas, tempos produtivos, etc. Caso haja a

46

possibilidade de animação do modelo no computador, a simulação mostra o fluxo das peças, pessoas e outras entidades do sistema.

O teste é um pré-requisito natural para uma implementação. Embora a realização de testes com o sistema real seja desejável, nem sempre isto é exequível. O custo associado à mudança de um sistema pode ser extremamente alto, tanto em termos do investimento necessário quanto em termos das perdas provocadas pela interrupção de um serviço. Testar sucessivas mudanças no sistema existente é impraticável.

Grande parte dos sistemas atuais são dinâmicos e estocásticos por natureza. Um sistema dinâmico implica em ações com inúmeros fatores importantes mudando ao longo do tempo. Um sistema de saúde, por exemplo, está sujeito a mudanças nas taxas de chegada dos pacientes, disponibilidade de equipamentos, médicos, pessoal de apoio, etc. A estocástica impõe que estas mudanças devam variar aleatoriamente. Encontrar e testar melhorias potenciais para os problemas de sistemas dinâmicos e estocásticos, frequentemente vai ao encontro da utilização de modelos de simulação.

Sistemas dinâmicos e estocásticos se tornam mais difícil de analisar à medida que aumenta a quantidade de variáveis estocásticas. A Figura-15 ilustra esta situação. A partir da essência do problema a ser analisado e da sua estrutura fundamental, a dificuldade cresce a medida que o número de variáveis estocásticas aumenta.

47

Grau de dificuldade ao analisar um sistema

Quantidade de variáveis estocásticas

Figura-15: Dificuldade de analisar o problema x Quantidade de variáveis estocásticas Fonte: FILHO (2008)

Para DE OLIVEIRA (2001), o uso da simulação é indicado em função da complexidade do problema e da dificuldade de se obter um modelo matemático simples para o sistema em estudo. A modelagem é um dos processos básicos para a obtenção de conhecimento sobre a operação do sistema e nos permite explorar diversos cenários. Ela deve servir como uma aproximação bastante precisa do sistema real e também conter aspectos que lhe são importantes. Em uma simulação, quanto mais preciso forem os dados de entrada do problema, mais eficiente será a simulação e consequentemente seus resultados mais se aproximarão da situação real, tornando-se uma eficiente ferramenta de tomada de decisão.

Segundo PIDD (1984), modelos utilizando técnicas de simulação computacional estão sendo desenvolvidos desde o início da década de 60. Os princípios básicos para sua construção são simples. O analista elabora um modelo do sistema de interesse, codifica programas de computador que incorporem o modelo e utiliza o computador para imitar o comportamento do sistema sujeito a uma variedade de políticas

48

operacionais. Depois, através de experimentos, seleciona a política que lhe trouxer os resultados mais desejáveis.

Para GONÇALVES (2004), a simulação é uma excelente ferramenta para modelar diferentes ambientes de maneira flexível e pode ser utilizada com os seguintes propósitos:  Possibilitar o estudo e experimentação de sistemas complexos.  Simular mudanças operacionais, organizacionais com vistas a observar o efeito dessas alterações no comportamento do modelo.  Obter o conhecimento sobre o processo e sugerir melhorias.  Alterar entradas do modelo e observar os resultados. Podemos assim obter indicadores valiosos sobre o comportamento das principais variáveis do sistema simulado.  A simulação pode ser utilizada como uma ferramenta de aprendizado muito útil para o entendimento de modelos complexos.  A simulação pode ser utilizada no experimento de novos projetos ou políticas operacionais antes de sua implementação, antecipando o que irá acontecer.

Assim sendo, dentro da pesquisa operacional, a simulação mostra-se como uma poderosa ferramenta de análise para sistemas de elevado grau de complexidade, podendo levar em consideração os efeitos da ocorrência de variâncias dentro deste sistema. Os métodos analíticos convencionais, tais como modelos matemáticos estáticos, não dão conta de analisar este tipo de sistema, uma vez que seus cálculos são baseados em valores constantes.

49

4.2 – OS COMPONENTES DE UM SISTEMA

Um sistema, como definido anteriormente, é um conjunto organizado de entidades, tais como pessoas, equipamentos, métodos e peças, que trabalham juntos em prol de um certo objetivo. Um modelo de simulação caracteriza matematicamente um sistema por meio da descrição das respostas que podem resultar da interação entre as entidades.

Segundo SMITH (1989), o estado do sistema é um conjunto de variáveis estocásticas e/ou determinísticas que possuem toda a informação necessária para descrever um sistema em determinado instante.

As variáveis são valores cujo desenvolvimento é observado ao longo do tempo e são classificadas como endógenas ou exógenas. As variáveis endógenas são internas aos sistemas, enquanto as variáveis exógenas são externas aos sistemas. As variáveis exógenas ou independentes podem ser não controláveis ou controláveis, onde, neste último caso denominam-se variáveis de controle.

Uma entidade representa um elemento que necessita de uma clara e explícita definição. Ela pode ser dinâmica, movendo-se pelo sistema, ou estática, servindo a outras entidades.

As características próprias das entidades, isto é, aquelas que as definem totalmente, são chamadas de atributos. Entidades semelhantes possuem os mesmos atributos. Os valores dos atributos é que as diferenciam entre si.

Atividades são operações que estão associadas a um período de tempo prédeterminado. Assim sendo, uma vez iniciada uma atividade, o seu final pode ser 50

programado. A duração de uma atividade, no entanto, não é necessariamente um valor constante. Poderá ser o resultado de uma expressão matemática, um valor aleatório baseado em uma distribuição de probabilidades, a ser determinada a partir da leitura de um banco de dados.

Eventos são acontecimentos/ocorrências, programados ou não, os quais, quando ocorrem, provocam uma mudança de estado em um sistema. Toda mudança de estado é provocada pela ocorrência de um evento. Em outras palavras, sempre que ocorre um evento, pelo menos uma variável de estado se altera. DE OLIVEIRA (2001) descreve a relação entre os componentes de um sistema da seguinte maneira:

ENTIDADES possuindo

ATRIBUTOS interagem nas

ATIVIDADES sob certas condições gerando

EVENTOS que modificam o

ESTADO DO SISTEMA.

4.3 – AS CLASSIFICAÇÕES DOS MODELOS DE SIMULAÇÃO

Com o propósito de modelar e simular sistemas, estes podem ser classificados como: estáticos ou dinâmicos, contínuos ou discretos, e ainda, como determinísticos ou aleatórios. A Figura-16 resume essa classificação. Neste trabalho as atenções estarão voltadas para os sistemas dinâmicos, aleatórios e discretos. 51

Figura-16: Classificação dos sistemas para fins de modelagem

Os modelos estudados neste trabalho são classificados como dinâmicos, uma vez que as variáveis de estado que os representam modificam-se com o passar do tempo. Não são determinísticos, e sim aleatórios, pois os possíveis estados das variáveis embora possam ser descritos não podem ser predeterminados. E, finalmente, são classificados como discretos, pois as mudanças de estado ocorrem em pontos discretos no tempo e não de forma contínua.

4.3.1 – MODELOS ESTÁTICOS

Um modelo estático é aquele que não é influenciado pelo tempo. Não há relógio de simulação envolvido. O estado do modelo não muda em relação ao tempo.

52

4.3.2 – MODELOS DINÂMICOS

Um modelo dinâmico é uma representação que é influenciada pelo tempo. O estado do modelo é decorrente do instante simulado no relógio de simulação.

4.3.3 – MODELOS DETERMINÍSTICOS

Para TOSCANO (2001), um modelo é classificado como determinístico quando o seu comportamento é determinado por um modelo que não incorpora qualquer mecanismo de chance, sendo de certa forma previsível. Desta forma todos os parâmetros podem ser determinados sem qualquer grau de incerteza.

4.3.4 – MODELOS ALEATÓRIOS

Os modelos aleatórios, probabilísticos ou estocásticos baseiam-se numa descrição aproximada da realidade, contendo uma ou mais variáveis aleatórias que serão avaliadas por meio das amostras.

4.3.5 – MODELOS DISCRETOS

Para DE OLIVEIRA (2001), se cada variável de estado de um sistema só pode mudar em um número contável de pontos discretos no tempo e, assim, a simulação de tal sistema será descrita por um modelo de simulação de eventos discretos. Dessa 53

maneira, os modelos são assim classificados quando as variáveis de estado mantêm-se inalteradas ao longo de intervalos de tempo e mudam seus valores somente em pontos bem definidos, também conhecidos como tempo de ocorrência do evento.

4.3.6 – MODELOS CONTÍNUOS

Nesses modelos, as variáveis de estado podem variar continuamente ao longo do tempo. Um evento contínuo é uma ação que não cessa. Ele continua ininterruptamente com relação ao tempo. Eventos contínuos envolvem uma taxa temporal de mudança, normalmente representadas por equações diferenciais. Alguns modelos contínuos podem ser discretizados, isto é, tratados como modelos discretos, após algumas suposições realizadas sobre as variáveis de estado. Há também a possibilidade da modelagem mista nas quais as variáveis dependentes do tempo podem variar ora continuamente, ora discretamente.

4.4 – A CONSTRUÇÃO DE MODELOS CONCEITUAIS – DIAGRAMA DE CICLO DE ATIVIDADES (DCA)

O DCA é uma forma de modelagem das interações entre os elementos pertencentes a um sistema, sendo bastante útil em sistemas onde há geração de filas. O DCA utiliza apenas 2 símbolos para descrever o ciclo de vida das entidades ou dos objetos do sistema: uma circunferência representa uma fila, enquanto um retângulo representa uma atividade, conforme ilustrado na Figura-17. 54

Figura-17: Elementos básicos de um DCA

No DCA, uma entidade é qualquer componente que possa reter sua identidade com o passar do tempo. Estas entidades podem estar aguardando em filas ou participando de alguma atividade, por meio de interações com outras entidades.

Normalmente, uma atividade envolve a cooperação de diferentes classes de entidades. A duração da atividade sempre é determinada previamente, normalmente fazendo uma amostragem aleatória de uma determinada função de distribuição de probabilidades.

Já o estado passivo, ou estado de fila, não envolve a cooperação entre as diferentes classes de entidades, sendo, geralmente, um estado no qual a entidade está aguardando algo acontecer. O período de tempo que uma entidade gastará na fila não pode ser determinado previamente, pois depende da duração das atividades anteriores e das atividades posteriores à fila.

O ciclo de vida das filas e das atividades é definido para cada entidade. Note-se que as filas e as atividades devem sempre estar dispostas de maneira alternada em todo

55

ciclo de vida. Um DCA completo deve ter a combinação de todos os ciclos de vida individuais de cada entidade. Um exemplo do DCA encontra-se ilustrado na Figura-18.

Figura-18: Exemplo do Diagrama do Ciclo de Atividades

4.5 – ETAPAS DA SIMULAÇÃO

De acordo com BANKS (1996), a construção de um modelo de simulação é dividido em 4 fases compostas por 12 etapas. O fluxograma das etapas da construção do modelo consta na Figura-19.

56

4.5.1 – A DEFINIÇÃO DO PROBLEMA E O ESTABELECIMENTO DOS OBJETIVOS

Geralmente, o modelo mais eficiente é aquele que considera apenas aquelas partes do sistema que necessitam ser estudadas para que proporcionem respostas a um problema existente. A inclusão desnecessária de detalhes irrelevantes resultará em elevados custos de modelagem, tempos de resposta mais longos e rodadas de computador mais lentas.

Obter uma definição precisa e sucinta do problema a ser estudado não é uma tarefa fácil. Normalmente, o modelista não é o único interessado nos resultados do modelo. Engenheiros, gerentes, técnicos e outros agentes possuem interesses e expectativas diferentes com relação às informações do modelo. Assim sendo, deve haver um esforço para obter um acordo entre todas as partes interessadas de maneira que todos forneçam a melhor assistência possível, principalmente por ocasião da coleta de dados. Os objetivos de um estudo de simulação fluirão naturalmente a partir da definição do problema. Os objetivos indicam as questões a serem respondidas pela simulação.

4.5.2 – PLANEJAMENTO DO PROJETO

Com o planejamento do projeto pretende-se ter a certeza de que há disponibilidade de recursos suficientes no que diz respeito a pessoal, suporte, gerência, dados, hardware e software para a realização do trabalho. Além disso, o planejamento deve incluir uma descrição dos vários cenários que serão investigados e um cronograma 57

das atividades que serão desenvolvidas, indicando os custos e necessidades relativas aos recursos citados anteriormente.

4.5.3 – FORMULAÇÃO DO MODELO CONCEITUAL

Traça-se um esboço do sistema, de forma gráfica (fluxograma, por exemplo) ou algorítmica (pseudocódigo), definindo os componentes, descrevendo as variáveis e as interações lógicas que constituem o sistema. É recomendado que o modelo inicie de forma simplificada e vá crescendo até alcançar algo mais complexo, contemplando todas as peculiaridades e características relevantes do sistema.

Figura-19: Etapas e fases de um modelo de simulação Fonte: BANKS (1984)

58

4.5.4 – COLETA DE MACROINFORMAÇÕES E DADOS

São fatos, informações e estatísticas fundamentais, oriundos de observações, experiências pessoais ou arquivos históricos. Normalmente, as macroinformações servem para conduzir os futuros esforços de coleta de dados voltados à alimentação de parâmetros do sistema modelado. Nesta fase, duas questões relevantes são: Quais são as fontes dos dados necessários à alimentação do modelo? Os dados já se encontram da maneira desejada?

4.5.5 – CODIFICAÇÃO DO MODELO

Significa codificar o modelo numa linguagem de simulação apropriada. Atualmente, os esforços de condução dessa etapa foram minimizados em função dos avanços de hardware e, principalmente, nos softwares de simulação. Assim que a codificação do modelo computacional se inicia, o modelista deve ser capaz de pensar abstratamente em conceitos correlatos do mundo real, a fim de que haja congruência entre a estrutura do modelo conceitual e a ferramenta de modelagem utilizada.

4.5.6 – VERIFICAÇÃO DO MODELO

Significa que o modelo funciona da maneira como o modelista pretendia. Várias ferramentas podem ser úteis no processo de verificação e depuração de um modelo. A animação pode ser estudada em velocidade suficientemente baixa para a análise do

59

movimento das peças, clientes e outras entidades do sistema. Embora útil, a animação não deve ser o único meio de verificação do modelo.

4.5.7 – VALIDAÇÃO DO MODELO

A validação é o processo de se assegurar que o modelo reflete da melhor maneira possível a operação do sistema real, de tal maneira que dê encaminhamento ao problema definido. Geralmente, obtém-se a validação pela calibragem do modelo em um processo iterativo de comparação entre o comportamento do modelo e o sistema real, corrigindo-se eventuais distorções. Este processo é repetido até que sejam alcançados resultados considerados aceitáveis pelos diversos agentes. A verificação e a validação são as duas fases responsáveis pela credibilidade do modelo.

4.5.8 – EXPERIMENTAÇÃO DO MODELO

Consiste na execução das simulações para a geração dos dados desejados e para a realização das análises de sensibilidade. É desejável que o modelista e os demais envolvidos no projeto, tenham pelo menos algumas ideias preliminares acerca de alternativas de soluções a serem avaliadas.

60

4.5.9 – PROJETO EXPERIMENTAL

Consiste em projetar um conjunto de experimentos que produza a informação desejada, determinando como cada um dos testes deve ser realizado, definindo-se o tempo de aquecimento, o tempo total de execução e o número de replicações. O principal objetivo é obter o máximo de informações com o menor número possível de experimentações.

4.5.10 – ANÁLISE DOS RESULTADOS

Consiste em traçar inferências sobre os resultados alcançados pela simulação. Nesta fase são efetuadas as estimativas para as medidas de desempenho dos diversos cenários planejados. As análises poderão resultar na necessidade de um maior número de replicações do modelo para que se possa alcançar a precisão estatística desejada sobre os resultados obtidos.

A documentação do modelo é sempre necessária, servindo como um guia para que qualquer analista, familiarizado com o modelo, possa utilizar os resultados obtidos, evitando assim o retrabalho. Além disso, se forem necessárias futuras modificações no modelo, toda a documentação existente certamente facilitará os novos trabalhos.

61

4.5.11 – APRESENTAÇÃO DOS RESULTADOS

A apresentação dos resultados do estudo de simulação deve ser realizada por toda a equipe participante. Os resultados do projeto devem refletir os esforços coletivos e individuais realizados, considerando os seus diversos aspectos. Atualmente, os softwares de simulação permitem que o modelista utilize animações, gráficos e relatórios que fundamentem bem as suas conclusões, tornando o estudo do problema inteligível a todos os agentes do sistema, além de proporcionar uma excelente apresentação para os tomadores de decisão de alto nível.

4.5.12 – IMPLEMENTAÇÃO

A implementação começa na verdade com o início do projeto de simulação. A extensão na qual as recomendações do estudo são colocadas em prática depende amplamente da efetividade de cada uma das 11 fases anteriores. Se o usuário final, cujo trabalho é direcionado, e outras partes interessadas mantiveram-se informadas e ativamente envolvidas na condução do processo, eles estarão muito mais comprometidos com a implementação da solução escolhida.

4.6 – GERADORES DE NÚMEROS ALEATÓRIOS (GNA)

Um GNA é um programa computacional que deve ser capaz de gerar valores aleatórios independentes e uniformemente distribuídos no intervalo de 0 a 1. A busca de bons algoritmos geradores de números aleatórios só se desenvolveu plenamente a partir 62

do surgimento dos primeiros computadores digitais. Antes, porém, conforme citado por DUDEWICS (1975), uma série de pesquisadores publicou tabelas de números aleatórios, tais como as desenvolvidas por Tippett em 1927, com 41.600 dígitos gerados a partir de estatísticas obtidas em censos e por Kendall e Babington-Smith em 1939, com 100.000 dígitos, gerados a partir de um sistema mecânico, criado pelos próprios autores. Os esforços de tabulação praticamente se encerraram com a publicação em 1955, da tabela com 106 dígitos aleatórios da Rand Corporation, obtidos a partir de uma roleta eletrônica desenvolvida especialmente para esta finalidade. Desde então, inúmeros métodos, baseados em algoritmos numéricos, executados em computadores, vêm satisfazendo todos os requisitos necessários às suas aplicações em estudos simulados de processos aleatórios.

A maioria das linguagens e pacotes voltados à simulação faz uso de algoritmos já consagrados. Por serem gerados artificialmente, os valores aleatórios obtidos são conhecidos como números pseudo-aleatórios. Isto significa que a sequência de números produzidos por um desses algoritmos é reproduzível e, portanto, não aleatória no sentido estrito do termo. Porém, estatisticamente falando, a comparação entre um conjunto de valores gerados em um computador, com outro verdadeiramente aleatório, por exemplo, pela natureza, não apresenta diferenças.

Segundo DE OLIVEIRA (2001), números pseudo-aleatórios são números gerados pela aplicação sequencial de procedimentos algébricos determinísticos, mas que, para todos os efeitos práticos, têm as mesmas características dos números aleatórios. Isto significa que apresentam uma distribuição uniforme e uma

63

independência que podem ser confirmadas por testes estatísticos e, assim, apesar da sequência gerada não ser de fato aleatória ela aparenta ser.

As propriedades estatísticas desejáveis para um método de geração de números pseudo-aleatórios são:

- UNIFORMIDADE: os números gerados se distribuem uniforme e continuamente no intervalo.

- INDEPENDÊNCIA: Impossibilidade de previsão de um número da sequência a partir do conhecimento do número anterior, a não ser que se conheça o código gerador.

- AUSÊNCIA DE TENDÊNCIA: a geração de cadeias monotonamente crescentes ou decrescentes não deve seguir padrões excessivamente longos ou curtos, ou mesmo padrões cíclicos (como vários números acima da média seguidos por vários números abaixo da média).

- CICLOS LONGOS: sempre que na sequência de números voltarem a surgir algum número já gerado previamente, exatamente a mesma cadeia de números, a partir daquele valor, será gerada indefinidamente. Neste caso, dizemos que a sequência se degenera. O comprimento do ciclo é chamado de período de um gerador, sendo que o gerador deve produzir uma quantidade razoável de números antes de começar a se repetir.

- REPLICABILIDADE CONTROLADA: podem-se gerar sequências diferentes a partir de valores iniciais diferentes denominados sementes. Para sementes iguais geramse sequências iguais.

64

As propriedades computacionais desejáveis para um método de geração de números pseudo-aleatórios são:  Alta Velocidade de Geração;  Baixo Consumo de Memória;  Facilidade de Implementação;  Facilidade de Utilização; e  Portabilidade.

As duas grandes famílias mais conhecidas de métodos de geração de números pseudo-aleatórios são os métodos de partição da palavra e os métodos congruenciais, existindo uma ampla literatura que trata sobre o tema. Tratá-los no momento fugiria da proposta deste trabalho.

4.7 – AS FUNÇÕES GERADORAS DE VARIÁVEIS ALEATÓRIAS

Há um conjunto de técnicas específicas para a geração em computador de valores de variáveis aleatórias obedecendo às distribuições mais conhecidas, a partir de uma sequência de números pseudo-aleatórios. Todo programa de simulação carrega uma função para a geração de números aleatórios, isto é, uma GNA e inúmeras outras funções matemáticas, descritas como Funções Geradoras de Variáveis Aleatórias (FGVA). Para cada tipo de distribuição teórica de probabilidades disponibilizada para o usuário de um programa de simulação existe uma FGVA apropriada. Dessa forma, sempre que o usuário deseja que seu modelo faça uso de uma dessas funções, basta ele

65

invocar no programa o nome da função desejada, fornecendo os parâmetros necessários a sua execução.

Todos os métodos de geração de variáveis aleatórias baseiam-se na prévia geração de um número aleatório R, uniformemente distribuído sobre o intervalo [0 , 1]. Para efeito de notação, x será uma variável aleatória com função densidade de probabilidade fdp = f(x), para o caso contínuo e p(x) para o caso discreto. Todos os métodos, portanto, encaminham o problema de expressar x como uma função de R.

A literatura sobre o assunto (BANKS, 1984; LAW, 1991; JAIN, 1991; KELTON, 2007) reporta à existência de pelo menos cinco métodos básicos voltados para a geração de amostras de variáveis aleatórias:  Transformação Inversa;  Transformação Direta;  Convolução;  Aceitação/Rejeição;  Propriedades Especiais.

O método a ser empregado na geração das variáveis aleatórias depende do tipo de distribuição que se deseja e da eficiência que se está buscando no processo por conta dos processos numéricos aplicados.

66

4.8 – A TEORIA DAS FILAS

Segundo SINAY (2005), a Teoria das Filas consiste na modelagem analítica de processos ou sistemas que resultam em espera e tem como objetivo determinar e avaliar quantidades,

denominadas

medidas

de

desempenho,

que

expressam

a

produtividade/operacionalidade desses processos. Entre essas medidas, podem-se citar: número de elementos na fila, tempo de espera pelo atendimento e tempo ocioso dos prestadores de serviço. O estudo dessas quantidades é importante na tomada de decisão quanto à modificação ou manutenção da operação do sistema no seu estado atual. Facilita também o dimensionamento racional da infraestrutura, de recursos humanos e financeiros, de equipamentos e instalações, visando um melhor desempenho global. Por ser um assunto demasiadamente extenso e complexo, serão citadas aqui as definições mínimas necessárias a fim de levar este trabalho a bom termo.

4.8.1 – DEFINIÇÃO

Um sistema com fila é qualquer processo onde usuários oriundos de uma determinada população chegam para receber um serviço pelo qual esperam, se for necessário, saindo do sistema tão logo o serviço seja completado. Essa espera acontece quando a demanda é maior que a capacidade de atendimento oferecido, em termos de fluxo.

67

4.8.2 – ESTRUTURA BÁSICA DA FILA

Um sistema com fila é composto fisicamente por usuários, por canais ou postos de atendimento e por um espaço designado para a espera. Os usuários chegam segundo um determinado comportamento que caracteriza o processo de chegadas, para serem atendidos em postos de atendimento (que funcionam em paralelo) segundo um padrão de atendimento. Enquanto os postos estão ocupados, os usuários aguardam numa fila única em um espaço reservado para tal. Assim que um posto de atendimento fica livre, um dos usuários da fila é chamado para atendimento segundo um critério estabelecido pela gerência. Uma vez completado o serviço, o usuário é liberado do sistema. Essa estrutura básica está representada na Figura-20.

Figura-20: Representação de um sistema com fila Fonte: PRADO (2004)

68

O número médio de pessoas aguardando na fila, Lf, pode ser estimado pela seguinte expressão:

Sendo “rô” a razão entre a taxa média de pessoas que chegam no sistema pela taxa média de pessoas atendidas pelo servidor. No entanto, para a implementação da Teoria das Filas, os parâmetros a serem levados em consideração são: o intervalo de tempo entre duas chegadas sucessivas (segundo uma certa distribuição) e o tempo de atendimento gasto pelo servidor.

4.8.3 – POPULAÇÃO POTENCIAL

Como o próprio nome já diz, consiste nos elementos pertencentes ao mundo externo (ME) ao sistema de fila, que potencialmente podem entrar no sistema. Pode ser considerada infinita, quando o número de elementos é tal que a presença de um ou mais elementos na fila não influi no processo de chegada. E finita, quando a presença no sistema de elementos da população potencial influi no comportamento do sistema.

69

4.8.4 – PROCESSO DE CHEGADAS DOS USUÁRIOS

O processo de chegadas dos usuários é especificado pelo comportamento do fluxo de chegada dos mesmos ao sistema. Se, são conhecidos o número de chegadas e os instantes de tempo em que elas acontecem, esse processo é denominado determinístico; caso contrário, tem-se um comportamento aleatório constituindo um processo estocástico caracterizado por uma distribuição de probabilidade. Para essa distribuição, é necessária a especificação de um parâmetro denominado taxa de chegadas, que representa o número médio de usuários que chegam ao sistema por unidade de tempo.

Podem-se calcular os tempos médios de chegada e tempos médios de processamento, mas também precisa-se levar em conta a variação em torno dessas médias. Para isso, precisa-se de uma distribuição probabilística. A Figura-21 ilustra esta situação.

Figura-21: Variabilidade de uma fila Fonte: SLACK et al. (2009)

70

Nesta dissertação, basicamente serão utilizadas três tipos de distribuições, quais sejam: Uniforme, Triangular e Exponencial.

4.8.4.1 – DISTRIBUIÇÃO UNIFORME

A distribuição uniforme (Figura-22) é tradicionalmente empregada quando a única informação disponível sobre a variável aleatória é que esta ocorre entre dois limites. Possui dois parâmetros: o seu valor mínimo a e seu valor máximo b. Sua grande importância está em seu uso como fonte geradora de números aleatórios no intervalo de 0 a 1, função indispensável para a aplicação dos inúmeros métodos numéricos destinados à geração de variáveis aleatórias.

Figura-22: Distribuição Uniforme

71

4.8.4.2 – DISTRIBUIÇÃO TRIANGULAR

A semelhança da distribuição uniforme, o emprego da distribuição triangular (Figura-23) ocorre, principalmente, quando se desconhece a curva associada a uma variável aleatória, mas tem-se boas estimativas dos seus limites: inferior (a) e superior (b), bem como de seu valor mais provável (m).

Figura-23: Distribuição Triangular

4.8.4.3 – DISTRIBUIÇÃO EXPONENCIAL

Segundo MONTGOMERY (2007), uma distribuição é chamada de exponencial, Figura-24, quando a variável aleatória X, que é igual à distância entre contagens sucessivas de um processo de Poisson, com média

> 0, é uma variável aleatória

exponencial com parâmetro . A função densidade de probabilidade 6 de X é:

6

Em estatística, a função densidade de probabilidade ou simplesmente função de densidade é uma função não negativa utilizada para representar a distribuição de probabilidade caso a variável aleatória seja contínua. 72

Figura-24: Distribuição Exponencial

4.8.5 – PROCESSO DE ATENDIMENTO

O processo de atendimento é especificado pelo comportamento do fluxo de usuários atendidos e a sua caracterização é análoga à do processo de chegadas.

4.8.6 – CANAIS OU POSTOS DE ATENDIMENTO

Os canais ou postos de atendimento (em paralelo) são os locais (físicos ou não) onde são atendidos os usuários. O número de postos de um sistema pode ser finito ou infinito. Como exemplo do primeiro caso, podem-se citar os guichês de um posto de pedágio e do segundo, qualquer atendimento do tipo self-service, onde cliente e servidor são a mesma pessoa e onde o serviço está sempre disponível. 73

4.8.7 – CAPACIDADE DO SISTEMA

A capacidade do sistema é o número máximo de usuários que o mesmo comporta (incluindo fila e atendimento) que pode ser finita ou infinita. Como exemplo do primeiro caso, pode-se citar um posto de vistoria de carros que admite um número máximo de carros aguardando pelo serviço e do segundo caso, um porto aonde navios chegam para descarregamento, aguardando, se necessário, no mar. No caso de capacidade finita, quando esta é atingida, os usuários que chegam são rejeitados até o instante em que o sistema volte a sua normalidade.

4.8.9 – DISCIPLINA DE ATENDIMENTO

A disciplina de atendimento é o critério estabelecido pela gerência do sistema, segundo o qual os usuários que se encontram na fila são atendidos quando um posto fica disponível. Dentre as disciplinas mais utilizadas, podem-se citar:

- FIFO (First in First Out): os usuários são atendidos na ordem das chegadas. Essa disciplina de atendimento é a mais comumente adotada. Como exemplos têm-se a venda de ingressos num cinema, atendimento bancário, carregamento e descarregamento de navios num porto.

- LIFO (Last in First Out): o primeiro usuário a ser atendido é o que chegou por último. Como exemplos têm-se a utilização de estoques verticais ou horizontais e o carregamento de pilhas de contêineres em navios.

74

- PRI (Priority Service): o atendimento aos usuários segue uma ou mais prioridades pré-estabelecidas pela gerência do sistema. Como exemplos podem ser mencionados a internação hospitalar ou cirurgias, a exploração de poços petrolíferos e tarefas a serem processadas por um computador.

- SIRO (Service in Random Order): o atendimento aos usuários segue uma ordem aleatória. Como exemplos desta disciplina, tem-se a contemplação de consórcios (por sorteio) ou o embarque no metrô.

Dado o exposto, os conceitos apresentados sobre a teoria básica das filas têm um papel fundamental na construção, execução e posterior análise do modelo de simulação.

4.9 – O MÉTODO DAS TRÊS FASES

Um evento é uma mudança no estado do modelo que ocorre num determinado instante de tempo. Quando uma atividade se inicia, sua duração pode ser enquadrada por uma distribuição específica e o tempo em que ela terminará pode ser guardado numa lista de eventos futuros. A atividade terminará exatamente neste instante de tempo, portanto, a finalização de atividades é sempre um evento limite. Todavia, não se sabe em princípio quando uma atividade pode começar. Isso depende da correta combinação das entidades disponíveis nas filas antes da atividade, O início de cada atividade é, assim, determinado por eventos condicionais.

Conforme CHWIF e MEDINA (2006), no método das três fases, a simulação se dá com uma repetição das seguintes fases, como ilustra a Figura-25: 75

 Fase A – Verifique os tempos de término para todas as atividades em progresso. Determine a que terminará antes. Avance o relógio de simulação para este instante.  Fase B – Para a atividade que terminar, mova as entidades para suas filas apropriadas.  Fase C – Procure as atividades em ordem segundo sua numeração. Inicie qualquer atividade que possa começar e mova as entidades apropriadas das filas para as atividades. Amostre um tempo de duração da atividade segundo uma determinada distribuição. Calcule quando essa atividade terminará e guarde esse tempo.

Figura-25: Fluxograma do Método das Três Fases Fonte: CHWIF e MEDINA (2006 76

Cabe ressaltar que, além da Abordagem das Três Fases, ainda há outras três abordagens, quais sejam:

- Abordagem por Eventos: O analista especifica quando ocorrem as ações no modelo. Esta estratégia é baseada na programação das ações em certos instantes no tempo. Assim, é construída uma Lista de Eventos Futuros (LEF) e o relógio de simulação é sempre avançado para o evento mais próximo.

- Abordagem por Atividades: O analista especifica as causas para as ações ocorrerem no modelo, sendo estas baseadas nas precondições para uma determinada atividade ocorrer. Sua função básica é varrer todas as atividades uma de cada vez, testando o seu começo ou o seu final.

- Abordagem por Processos: O analista especifica as entidades e descreve todas as sequências de ações de cada uma delas, individualmente. Seria como se fosse executada uma simulação para cada entidade em separado e, para integrá-las, existissem comandos que habilitassem ou desabilitassem a execução de cada ciclo baseados nas interações entre as entidades.

Em cada uma dessas três abordagens, quando um próximo evento é selecionado para ser processado, uma parte da lógica do modelo é executada para que, apropriadamente, ocorram as mudanças nas variáveis de estado. As diferenças entre os três métodos encontram-se, fundamentalmente, na forma com que o próximo evento é programado para ser processado.

É interessante notar que o Método das Três Fases é uma abordagem que mescla a abordagem por eventos com a abordagem por atividades. 77

Conforme DE OLIVEIRA (2001), o Método das Três Fases apresenta algumas vantagens em relação aos demais métodos citados. A principal delas está na facilidade de compreensão trazida ao programa de simulação. As fases B e C são facilmente identificáveis, simplificando sobremaneira eventuais modificações no programa, mesmo quando estas incluem adição ou remoção de eventos.

4.10 – TEMPO REAL SIMULADO E TEMPO DE SIMULAÇÃO

Um cuidado necessário por parte de quem está modelando um sistema diz respeito à relação entre o tempo (do sistema real) simulado e o tempo de simulação (tempo necessário à execução de um experimento no computador). Para certos sistemas, o tempo de simulação pode ser muito maior que o tempo simulado. Por exemplo, na simulação de um modelo de uma rede de computadores, as unidades de tempo admitidas para os eventos podem ser da ordem de milissegundos. Se, no modelo, o número de entidades e o número de processos a que estas devem ser submetidas for grande (milhares de pacotes sendo roteados, por exemplo), o tempo de CPU devotado a esse processamento poderá ser razoável, dependendo da capacidade da CPU. Dessa maneira, para simular, por exemplo, 15 segundos de funcionamento desse sistema, é possível que se gastem algumas dezenas de minutos de tempo de computador.

Por outro lado, tome-se um modelo de um terminal portuário. Os eventos associados a esse tipo de sistema podem ser contabilizados até mesmo na ordem de dias ou semanas, como por exemplo, o período decorrido entre a chegada de dois navios. Dessa forma, os modelos desse tipo de sistema tipicamente permitem que sejam 78

simulados meses ou anos de suas operações em apenas alguns segundos ou minutos de processamento. Por conta dessas diferenças, é sempre recomendável estar atento a detalhes dessa natureza quando se lida com simulação.

4.11 – O SOFTWARE DE SIMULAÇÃO – SIMUL8

Um ponto importante em um estudo de simulação, porém não fundamental, é a escolha do software de simulação. Diz-se que não é fundamental porque o fator mais importante e crítico para o sucesso de um estudo de simulação não é o software e nem o hardware, mas sim o humanware, ou seja, o analista que está conduzindo o estudo. De acordo com BANKS e GIBSON (1997), a simulação é uma disciplina e não um pacote de software.

Todavia não se pode negar que a seleção adequada do software e do hardware influencia principalmente o tempo total de um estudo de simulação. Dentro deste escopo, será utilizado o software simul8 para a condução das simulações realizadas neste trabalho.

De acordo com CHWIF e MEDINA (2006), o software para simulação de eventos discretos Simul8 foi desenvolvido no início da década de 90 na Universidade de Strathclyde (Escócia) para uso didático nas disciplinas de simulação. Devido ao seu sucesso como ferramenta de ensino, a Simul8 Corporation iniciou a comercialização do Simul8 como ferramenta profissional de projetos de simulação. O Simul8 incorpora uma série de tecnologias modernas quando comparado com os softwares de simulação

79

que foram criados nas décadas anteriores, o que facilita o seu uso e acelera o tempo de desenvolvimento e análise de modelos de simulação.

Como o desenvolvimento do Simul8 é relativamente recente, ele incorpora uma série de avanços tecnológicos tanto da área de simulação quanto da área de computação. Dentre estas tecnologias pode-se citar:  Desenvolvimento para Windows. A grande maioria dos softwares de simulação foi inicialmente desenvolvida em outros sistemas operacionais (como o DOS ou o Unix) e depois teve seu código migrado para o sistema operacional Windows;  Mecanismo de simulação e processamento paralelo. O Simul8 utiliza um mecanismo de simulação baseado no método das três fases (CHWIF e MEDINA, 2006), o que acelera o tempo de simulação. Ele incorpora uma tecnologia de processamento paralelo, possibilitando que uma mesma simulação seja executada em mais de um microcomputador;  Paradigma de construção de modelos baseados em objetos. Pode-se construir qualquer modelo a partir de apenas 5 objetos construtores básicos: Chegada, Fila, Centro de Trabalho, Recursos e Saída. Embora suas caixas de diálogos evitem a necessidade de se programar longas linhas de código, o software também possui uma linguagem interna: o Visual Logic, uma linguagem orientada a objetos semelhante ao Visual Basic;  “Plug-Ins” ou módulos com finalidades específicas. O Simul8 incorpora funcionalidades ou pacotes específicos como o Optquest (otimização), StatFit (análise de dados de entrada), Transport (modelagem de sistemas de transporte,

80

como AGV e empilhadeiras), Virtual Reality (módulo de realidade virtual) e Process (simulação contínua);  Assistente de simulação. Um assistente de simulação informa automaticamente quais podem ser os problemas oriundos de um determinado modelo. Isso é especialmente interessante para iniciantes em simulação, que necessitam de um maior auxílio durante a construção de um modelo;  Versão “Run-Time”. O Simul8 possui uma versão “Run-Time” que permite rodar modelos de simulação em computadores sem o Simul8 instalado. O Simul8 Viewer permite, inclusive, que o usuário altere dados de entrada e customize dados de saída.  Intercâmbio com outros softwares. O Simul8 permite a troca de dados com diversos outros softwares, tais como: Word, Excel, Autocad, bancos de dados no padrão SQL, etc. As ferramentas de importação e exportação permitem a conversão de modelos de/para os softwares de simulação Automod e Witness. É possível ainda importar e simular modelos oriundos de softwares de criação de fluxograma de processos, tais como: Visio, Flowcharter, Igrafx, Mega, Salamander.

O Simul8 ainda incorpora uma biblioteca e editor de ícones que lê arquivos gráficos no padrão BMP, JPEG e GIF. O Simul8 é distribuído em quatro versões básicas:

81

 Simul8 Basic. Contém todas as funcionalidades para a construção de um modelo, exceto alguns módulos, lógica de programação e características específicas existentes na versão profissional;

 Simul8 Professional. Inclui a versão Basic, com mais os módulos: Optquest (otimização), Virtual Reality (realidade virtual), Process (simulação contínua), StatFit (para análise de dados de entrada), Transport (modelagem de sistemas de transporte). Esta versão inclui ainda outras pequenas funcionalidades não presentes na versão Standard;  Simul8 Educational. É um pacote que contém um número ilimitado de licenças padrões para utilização acadêmica (o limite é o número de máquinas existentes em um campus universitário) e mais uma licença Simul8

Professional.

Há

inúmeras

vantagens

desta

versão

para

universidades, tais como: não há taxas de manutenção, inclui materiais didáticos para alunos e professores, cópias disponíveis para os estudantes utilizarem o Simul8 em seus computadores pessoais e um fórum de discussão na Internet (Simul8 Café).  Simul8 Network. Simul8 que fica instalado em um servidor e possui licença flutuante (rede). Para ser adquirido necessita de no mínimo 3 licenças do Simul8 Professional. Em nenhuma versão há limite para a construção de objetos de simulação – a própria Simul8 Corporation relata a construção de um modelo com mais de 10.000 objetos construtores de simulação. Com relação aos manuais e referências, o Simul8 possui manual de instruções impresso e em versão PDF, help on-line, um livro para 82

iniciantes (CONCANNON et al., 2004) e um guia de referência completo (HAUGE e PAIGE, 2004). Embora um software de simulação não seja a garantia de um estudo de simulação bem sucedido (CHWIF e MEDINA, 2006), a utilização de um software de simulação com tecnologia moderna como o Simul8 ajuda muito a minimizar os tempos de desenvolvimento e problemas futuros com o modelo.

83

CAPÍTULO 5 – COLETA DE DADOS

5.1 – INTRODUÇÃO

Uma vez estabelecido o escopo do trabalho, foi realizada a coleta de dados. Esta etapa da pesquisa teve como principais fontes de dados:  Pesquisa Bibliográfica em livros, teses, dissertações, artigos e sites.  Pesquisa de Campo, com visitas guiadas aos órgãos envolvidos.

Neste capítulo, foram elencados os principais dados utilizados no trabalho, com as suas respectivas fontes. Uma parte dos dados foi introduzida no software Simul8 a fim de conduzir a simulação, e a outra parte serviu como subsídio para uma análise qualitativa acerca do modelo proposto.

Lançou-se mão dos dados presentes nos trabalhos de MAGALHÃES (2006), GARCIA (2006), SOUZA JUNIOR (2007), BIOHARD (2011), OLIVEIRA (2012), GALDINO (2012) e CHAVES (2012), todos eles referentes ao atendimento préhospitalar de emergência.

Além das fontes acima, foram realizadas inúmeras visitas ao Hospital Municipal Miguel Couto, à Unidade de Pronto Atendimento da Penha, ao Centro de Operações Rio e ao Centro de Operações GSE/SAMU. Tal pesquisa de campo teve como propósito coletar novos dados e ratificar/retificar os dados das pesquisas anteriores.

84

5.2 – DESCRIÇÃO DAS ATIVIDADES DO MODELO

A Tabela-1 apresenta uma descrição sucinta de cada atividade envolvida nos modelos que serão apresentados no capítulo seguinte.

Tabela-1: Descrição de cada atividade do modelo ATIVIDADE

DESCRIÇÃO

Chamada

Solicitação do atendimento – através do canal 193/192

Atendimento TARM

A Telefonista Auxiliar de Regulação Médica (TARM), que é um profissional civil, recebe a ligação direta via telefone 192. Em seguida, realiza o acolhimento, coleta os dados principais protocolares (endereço, referências, telefones, etc.) e identifica o risco de maneira básica e de acordo com a sua capacitação, direcionando esta ligação para um fluxo determinado e de acordo com a sua classificação de risco simplificada e local da ocorrência (áreas públicas ou domicílio). Poderá direcionar a chamada diretamente para o despacho de urgência ou médico regulador primário. Esses profissionais recebem a supervisão operacional e técnica de profissionais médicos civis.

Atendimento MR

O Médico Regulador Primário (MR1) é um servidor civil que recebe a ligação 192 através da TARM ou via DESPURG (Despacho de Urgência). Confirma ou não a estratificação de risco e, quando indicado, solicita o envio emergencial da viatura/recurso

mais

apropriado

e

hierarquizado

em 85

conformidade com a disponibilidade imediata. O Médico Regulador Secundário (MR2) é um servidor militar que recebe a ligação de equipe da ponta (básica, avançada ou intermediária) através de linha específica e conduz de forma operacional e técnica o atendimento à distância, seguindo protocolos técnicos. DESPURG

O Despacho de Urgência – setor composto por profissionais denominados Operadores de Frota ou Rádio Operadores. No COGS estes profissionais são técnicos de enfermagem. Recebem a ligação direta da TARM ou do médico regulador.

Despacho de Frota

Estação de trabalho onde se verifica a frota disponível, providenciando o despacho imediato da viatura. Todo o controle operacional da frota é realizado por este profissional, juntamente com o sistema operacional GPS. Toda esta operação é supervisionada por um Supervisor de Frota (militar).

Deslocamento

Deslocamento até o local de ocorrência do sinistro, seguindo o itinerário mais adequado indicado pela Central de Operações e Controle.

Cuidados no local

Estacionamento, reconhecimento da área, avaliação dos riscos, avaliação da vítima e solicitação de apoio (caso necessário), diagnóstico inicial.

Liberação

Segundo HOEFLISH (2002), após os “cuidados no local”, 7% do total de pacientes são liberados no local do ocorrido.

Remoção

O paciente é levado para o hospital mais adequado nos casos onde não é possível completar o atendimento no local. 86

Central de Operações A Central de Operações e Controle verifica o hospital mais e Controle

próximo com leito disponível, a distribuição de demanda entre os hospitais e as condições de trânsito, indicando para a ambulância o melhor caminho para o deslocamento até o local de ocorrência do sinistro e o melhor caminho para a remoção do acidentado até o hospital mais conveniente.

Demanda espontânea

É a demanda que chega por meios próprios (carro, táxi, ônibus, andando, etc.) até à recepção da unidade hospitalar.

Recepção

É o local por onde a demanda espontânea acessa o hospital. Os pacientes oriundos do SAMU/GSE deixam de passar pela recepção, porque teoricamente já estão referenciados.

Triagem

A palavra triagem tem origem francesa e significa para classificar ou escolher. É um processo de definição de prioridade para os tratamentos de um paciente ou um grupo de pacientes, em uma unidade emergencial hospitalar. A triagem dos pacientes em uma categoria de prioridade é realizada por uma equipe de enfermeiros com experiência registrada, utilizando métodos sistêmicos e científicos para avaliar a condição dos pacientes, para interpretar as características clínicas e posteriormente evitar o agravamento do estado vital do paciente.

Reanimação

Este setor é responsável por manter a vida do paciente classificado como alto risco. Depois de estabilizá-la, o paciente é encaminhado para outro setor do hospital ou outra unidade hospitalar. Esta área recebe os pacientes que passaram pela 87

triagem ou os que vieram de ambulância. Hipodermia

No setor de Hipodermia os leitos são utilizados para os pacientes que necessitam de medicação ou realizarão exames específicos e devem ficar em observação por um período de uma hora, neste momento o paciente é constantemente reavaliado.

Box

O Box é o setor onde existem leitos para receber os pacientes que precisam ficar em observação em um período máximo de seis horas. Existem três tipos de BOX: BOX masculino, BOX feminino e BOX pediátrico. Porém, no estudo somente serão considerados, os BOX feminino e masculino.

5.3 – QUANTIDADE DE RECURSOS UTILIZADOS EM CADA ATIVIDADE

Na Tabela-2 constam os recursos que serão utilizados no modelo, com a respectiva quantidade de cada recurso. Estas quantidades foram consideradas para o caso em que modelo já se encontra calibrado e bem dimensionado, ou seja, já foram eliminados todos os gargalos.

Tabela-2: Quantidade de cada recurso utilizado no modelo TIPO DE RECURSO

QUANTIDADE

TARM

25

Atendentes DESPURG

14

Ambulâncias

73

Médicos reguladores

35 88

Operadores de frota

4

Recepcionista

6

Enfermeiros para triagem

22

Leitos reanimação

12

Leitos Hipodermia

4

Leitos Box

8

5.4 – DISTRIBUIÇÃO DE PROBABILIDADE DE CADA ATIVIDADE

Na Tabela-3 constam as distribuições de probabilidade que foram consideradas para cada atividade do modelo. Além disso, há a indicação da fonte de cada distribuição.

Tabela-3: Distribuição de probabilidade de cada atividade do modelo ATIVIDADES

DISTIBUIÇÃO

INTERVALO

FONTE

Chamada

Exponencial

Média de 0,69 minutos

GALDINO (2012)

Atendimento TARM

Triangular

(2, 3, 4) minutos

Própria7

Atendimento MR

Fixa

20 minutos

Própria

DESPURG

Triangular

(1, 3, 5)

Própria

Despacho de Frota

Triangular

(2, 3, 5) minutos

Própria

7

Dados coletados com a Cap. BM Nathália Noronha, no dia 14/01/2013 (do “Atendimento TARM” até “Remoção”). 89

Deslocamento

Fixa

11 minutos

Própria

Cuidados no local

Fixa

10 minutos

Própria

Liberação

Fixa

5 minutos

Própria

Remoção

Fixa

8 minutos

Própria

(1, 2, 3) minutos

Própria

Demanda espontânea Fixa

2 minutos

BIOHARD (2011)

Recepção

Triangular

(3, 5, 7) minutos

Própria8

Triagem enfermeiro

Triangular

(5; 10; 12) minutos

Própria

Reanimação

Triangular

(10, 180, 360) minutos

Própria

Hipodermia

Triangular

(30, 120, 180) minutos

Própria

Box

Triangular

(90, 180, 270) minutos

Própria

Centro de Operações Triangular e Controle

Obteve-se a distribuição exponencial da Tabela 3, introduzindo-se os dados coletados no software Stat Fit 9. Já as distribuições triangulares e fixas foram obtidas com os especialistas de cada área, por não haver o registro dos dados.

No atendimento realizado pelo TARM, há uma classificação de risco simplificada com base nas informações preliminares colhidas. Após a classificação, as chamadas são encaminhadas para três fluxos, conforme o nível de gravidade relatado pelo paciente/solicitante. O primeiro fluxo é relativo aos pacientes considerados graves,

8

Dados coletados na emergência do Hospital Municipal Miguel Couto (da “Recepção” até o “box”).

9

Stat Fit é um plug-in do software Simul8. 90

e classificados como vermelho. Nesta situação a chamada é encaminhada direto para o setor DESPURG. O segundo fluxo compreende as ligações encaminhadas aos médicos reguladores. O terceiro fluxo representa as chamadas que saem do sistema, como por exemplo: trotes, enganos, desistência entre outros.

5.5 – PORCENTAGENS INSERIDAS NOS “ROUTING OUT10”

O cenário estudado conta com uma média de 2.147 chamadas por/dia. Dentre as ligações recebidas 13% são passadas diretamente ao setor de DESPURG, 17% são encaminhadas ao médico regulador e as ligações finalizadas sem que haja transferência para outros setores representam 70% do total de ligações. A Figura-26 apresenta o esquema do fluxo desde o atendimento realizado pelo TARM até o a solicitação de uma unidade móvel (UM).

Figura-26: Fluxo das atividades TARM Fonte: GALDINO (2012)

10

ROUTING OUT: No software Simul8, quando uma atividade tem mais de uma fila de saída, é possível lançar a porcentagem do fluxo que irá para cada fila. 91

A Figura-27 ilustra o fluxo após a regulação médica, consequentemente a classificação de prioridade dos pacientes, sendo média complexidade (amarelo) ou baixa complexidade (verde). Os pacientes amarelos são aqueles que não apresentam risco de vida imediato. Os pacientes classificados como verdes, vítimas que não necessitam do empenho de uma unidade móvel por não ter risco de morte. Para a atividade “Atendimento MR” foi utilizada uma taxa de serviço obedecendo a uma distribuição fixa com a média de 20 minutos, fornecida pelo COGS.

Figura-27: Fluxo das atividades Médico Regulador Fonte: GALDINO (2012)

Ao entrar na emergência hospitalar, o paciente é encaminhado para a recepção e, em seguida, para a triagem onde é classificado em três níveis conforme seu grau de

92

urgência por atendimento em alta, média e baixa complexidade que representam 1%, 24% e 75%, respectivamente, conforme esquematizado na Figura-28.

Figura 28: Modelo Atual de Emergência Hospitalar Fonte: MAGALHÃES (2006)

5.6 – O MODELO DE EMERGÊNCIA REFERENCIADA

O modelo de emergência referenciada proposto por CHAVES (2012) consiste em possibilitar a criação de uma unidade de atendimento para pacientes de alta complexidade, pois eles possuem necessidades especiais em termos de recursos materiais e profissionais. Com isso, saem duas filas a partir da triagem: uma de alta complexidade e outra de baixa/média complexidade.

Os setores que compõem a emergência são: Unidade de Pacientes Graves (UPG), Hipodermia e BOX. A UPG recebe os pacientes de alta complexidade. A

93

Hipodermia e o BOX receberam pacientes de média e baixa complexidade, conforme ilustrado na Figura-29.

A emergência referenciada é caracterizada pelo dinamismo, ou seja, grande fluxo de entrada e saída de pacientes. Portanto o setor deve ter uma alta rotatividade, tornando-se um local de “passagem” para estabilizar a vida do paciente que deverá, em seguida, ser encaminhado para outros setores do hospital como o centro cirúrgico, o CTI, o ambulatório, a enfermaria ou na melhor hipótese receber alta.

Figura-29: Fluxograma do Modelo de Emergência Referenciada Fonte: CHAVES (2012)

5.7 – UNIDADE DE PRONTO ATENDIMENTO

No dia 06 de janeiro de 2013, foi realizada uma pesquisa de campo na Unidade de Pronto Atendimento da Penha. A visita foi guiada por um dos assistentes sociais da unidade, Sr. Jonathan Rezende Bueno, que, além de responder às perguntas de uma entrevista estruturada (anexo A), forneceu todos os dados referentes à unidade.

94

5.7.1 - PROFISSIONAIS LOTADOS NA UPA Verificou-se que as UPAs dispõem do quadro de pessoal indicado na Tabela-4. Tabela-4: Quantidade de profissionais lotados nas UPAs (por especialidade) PROFISSIONAL

QUANTIDADE

Assistentes Sociais

07

Enfermeiros

29

Técnicos de Enfermagem

51

Médicos

23

Farmacêuticos

03

Dentistas

08

Auxiliar de Consultório Dentário 07 Administrativos

17

Técnico de Raio X

07

Técnico de Laboratório

04

Auxiliar de Serviços Gerais

12

Segurança

12

Auxiliar de Farmácia

04

Maqueiros

12

Copeira

04

95

5.7.2 - LEITOS DISPONÍVEIS NAS UPAs As UPAs dispõem de 3 leitos de pediatria, 10 leitos na sala amarela 11 e 2 leitos na sala vermelha12.

5.7.3 - NÚMERO MÉDIO DE ATENDIMENTOS DIÁRIOS DA UPA DA PENHA A UPA localizada no bairro da Penha realiza o número de atendimentos diários indicados na Tabela-5. Tabela-5: Quantidade de atendimentos diários na UPA da Penha ATENDIMENTO

QUANTIDADE

Dentistas

20

Assistente Social

15

Médicos

350

Raio-X

50

Técnico de Laboratório 140

11

Enfermeiros

400

Farmacêuticos

200

Sala amarela é o local de atendimento dos pacientes de baixa/média complexidade.

12

Sala vermelha é o local de atendimento dos pacientes de alta complexidade. A UPA atende poucos casos de alta complexidade. 96

CAPÍTULO 6 – MODELO REGULADO POR UMA COC (MRC)

6.1 – CONSTRUÇÃO DO MODELO O MRC, Figura-30, foi concebido baseado nos dados colhidos no COR, no COGS e em algumas unidades hospitalares do Município do Rio de Janeiro. Segundo o Cap. BM Rodrigo Pires, os maiores problemas encontrados hoje, no atendimento préhospitalar de emergência são: a dificuldade de deslocamento devido às condições de trânsito e a demora na recepção dos hospitais devido à falta de leitos. Com isso, a operação de resgate13 pode levar até quatro horas, impactando diretamente na expectativa de sobrevivência do paciente e na disponibilidade das ambulâncias do Corpo de Bombeiros. Com isso, o MRC tem o propósito de integrar os serviços da COGS com as unidades hospitalares municipais por meio de uma COC. Tal modelo visa: 1) Reduzir o tempo de deslocamento e de remoção. Como a COC tem as informações do trânsito em tempo real, ela pode indicar o melhor itinerário para as ambulâncias, levando em consideração as distâncias envolvidas e as condições de trânsito. 2) Reduzir o tempo de recepção nas unidades hospitalares. Enquanto a ambulância estiver realizando a operação de resgate, o hospital de destino já terá sido informado pela COC, tendo condições de se preparar para receber o paciente.

13

Por resgate entende-se desde o momento da solicitação de socorro via 193, até a entrada do paciente na unidade hospitalar e a liberação da ambulância. 97

3) Garantir que o hospital tenha condição de atender a vítima. Não raro, ocorre de um acidentado ser conduzido a uma UH que não tem leitos disponíveis ou não tem equipamentos/especialistas capazes de socorrê-lo. Com a implementação do MRC, tal cenário provavelmente não ocorreria mais. 4) Distribuir a demanda oriunda do GSE/SAMU de maneira racional entre as UH. Simulações conduzidas no MRC indicam que quanto mais homogênea for a distribuição da demanda entre as UH disponíveis, melhor será a performance do sistema como um todo. Será mostrado que é contraproducente uma UH absorver toda a demanda de pacientes de alta complexidade enquanto as outras estão ociosas.

98

Figura-30: DCA – Modelo Regulado por uma COC

99

6.2 – CALIBRAGEM DO MODELO Para que os resultados obtidos pela Simulação estejam o mais próximo possível da realidade, é necessário inserir um conjunto de parâmetros no software Simul8 antes da realização de qualquer experimento. Neste sentido, calibrar o sistema significa inserir um tempo de pré-aquecimento (warm up) e um número de replicações.

6.2.1 – TEMPO DE SIMULAÇÃO E WARM UP Os experimentos foram realizados com um tempo de simulação (clock) de 1440 minutos, correspondente ao período de 24 horas. O tempo de warm up é aquele a partir do qual os dados começam a ser coletados, ou seja, aguarda-se que o fluxo do modelo saia de um estado transitório e entre num estado relativamente permanente. Empiricamente, aceita-se como tempo de warm up o período correspondente a 10% do tempo de simulação, ou seja, neste caso será de 144 minutos.

6.2.2 – NÚMERO DE REPLICAÇÕES Para a seleção do número de replicações, é imprescindível analisar a variância e optar pelo número que satisfaça tanto o menor valor da variância quanto o menor tempo computacional. Os valores obtidos a partir da variação do número de replicação no sistema são mostrados a seguir, na Tabela-6:

100

Tabela-6: Tempo de simulação x número de replicações

O Gráfico-1 fornece para cada número de replicações o tempo necessário para realizar a simulação. Ao escolher um número replicações muito elevado, o tempo computacional perde a linearidade e passa a aumentar exponencialmente, o que não é desejável.

Gráfico-1: Tempo de simulação x Número de replicações

101

O Gráfico-2 apresenta a variância do atendimento de alta complexidade em função do número de replicações utilizada. Foram avaliados os seguintes parâmetros: taxa de utilização, número de atendimentos, tamanho médio da fila, tempo médio na fila e número de não zeros. É possível identificar que a partir de cinquenta replicações o sistema começa a se estabilizar. Vale lembrar que o tempo computacional para este número não é demasiadamente elevado.

Gráfico-2: Comportamento das variâncias do atendimento a partir das variações do número de replicações

A partir da análise dos gráficos acima, observando-se o comportamento das variâncias do modelo, é possível verificar que a partir de cinquenta replicações há uma estabilização nas variâncias. Por isso, este número foi selecionado para ser utilizado nos experimentos posteriores.

102

6.3 – DISTRIBUIÇÃO DA DEMANDA ENTRE AS UNIDADES HOSPITALARES DISPONÍVEIS

6.3.1 – CENÁRIOS AVALIADOS Foram avaliados quatro cenários do MRC, quais sejam: Cenário-1: MRC com 1 unidade hospitalar; Cenário-2: MRC com 2 unidades hospitalares; Cenário-3: MRC com 3 unidades hospitalares; e Cenário-4: MRC com 4 unidades hospitalares. Como hipótese simplificadora do modelo, foram utilizadas 4 unidades hospitalares idênticas, com a configuração e capacidade de atendimentos e de leitos baseados na configuração do Hospital Municipal Miguel Couto. Uma vez comprovada a viabilidade do modelo, é possível inserir unidades hospitalares com especificidades diferentes, uma vez que se tenha os dados de cada uma. Em princípio, toda a demanda oriunda do SAMU/GSE foi dividida entre o número de unidades hospitalares de cada cenário, já que, teoricamente, estas possuem a mesma capacidade de atendimento. É evidente que se as unidades hospitalares tiverem capacidades diferentes, a demanda oriunda do SAMU/GSE deverá ser divida proporcionalmente entre elas. Dentre inúmeras outras medidas de desempenho, foram analisados três parâmetros considerados críticos, quais sejam:

103

 Tamanho da Fila de Alta Complexidade: é desejável que não haja fila para o atendimento de alta complexidade por sua própria natureza. Caso haja alguma fila, esta deverá ser do menor tamanho possível. Em outras palavras, numa situação ideal, a equipe de alta complexidade deverá estar disponível, pronta para receber o paciente de alta complexidade quando ele der entrada na emergência.  Tempo Total no Sistema: para o paciente de alta complexidade, todas as atividades do MRC devem ocorrer no menor tempo possível, desde a chamada telefônica via 192/193 até a saída da emergência.  Número Total de Atendimentos: a importância desta medida de desempenho está no fato de ela mostrar a capacidade do sistema. É de fundamental importância que o tempo total seja mínimo, respeitando a capacidade do sistema hospitalar. Assim sendo, há um ponto de equilíbrio entre a demanda e a oferta de serviços.

6.3.2 – MRC COM UMA UNIDADE HOSPITALAR Realizou-se a simulação do MRC com apenas uma unidade hospitalar, a fim de avaliar a capacidade da oferta de serviços numa unidade hospitalar padrão, com vistas a medir o tamanho médio da fila de alta complexidade, o número total de atendimentos do sistema e o tempo médio no sistema.

104

6.3.3 – MRC COM DUAS OU MAIS UNIDADES HOSPITALARES Foram realizadas as simulações do MRC com 2, 3 e 4 unidades hospitalares. Nestes cenários, além das funções citadas no item anterior, a demanda será redistribuída entre as UH. Em todos os casos, o paciente oriundo do SAMU/GSE não passa pela recepção do hospital, indo direto para a fila de alta complexidade, uma vez que o mesmo já se encontra referenciado.

6.3.4 – ANÁLISE DOS RESULTADOS DOS QUATRO CENÁRIOS DO MRC Os dados constantes na Tabela-7 mostram o desempenho do sistema em função do número de unidades hospitalares. Tabela-7: Performance do modelo em função do número de UH Tamanho médio da fila de alta complexidade (pior UH)

Número de atendimentos (todas as UH juntas)

Tempo médio no sistema (pior UH)

1UH

35,8

130

650,9

2UH

19,4

254

583,2

3UH

1,59

368

517,6

4UH

0,45

433

498,5

Como a simulação é estocástica, nos cenários com mais de uma unidade hospitalar, obteve-se resultados diferentes para o tamanho médio da fila de alta complexidade, bem como para o tempo médio no sistema. Embora tais parâmetros não tenham variado muito de uma UH para outra, considerou-se a UH com a pior performance para a análise do modelo. 105

O Gráfico-3 indica que o tamanho médio da fila de alta complexidade diminui à medida que aumenta o número de UH disponíveis. A partir de 3 UH, a fila praticamente

Tamanho Médio da Fila

desaparece.

40 20 0 1

2

3

4

Número de unidades hospitalares

Gráfico-3: Fila de Alta Complexidade x Número de UH

O Gráfico-4 indica que o número de atendimentos cresce com o aumento do

Número de Atendimentos

número de UH, embora não seja um aumento absolutamente linear.

500

0 1

2

3

4

Número de unidades hospitalares

Grafico-4: Número de Atendimentos x Número de UH

Por último, observa-se o impacto do número de UH sobre o tempo médio no sistema. O Gráfico-5 indica uma tímida redução no tempo. Tal redução não foi tão 106

pronunciada, porque a distribuição triangular do atendimento de alta complexidade é (10, 180, 360). Este elevado tempo de atendimento impacta diretamente no tempo médio que o paciente permanece no sistema, independentemente do número de UH

Tempo médio no sistema

disponíveis.

800 600 400 200 0

1

2

3

4

Número de unidades hospitalares

Gráfico-5: Tempo médio no sistema x Número de UH

O senso comum sugere e os gráficos acima corroboram que, com o aumento do número de UH disponíveis, há a melhora da performance do sistema. No entanto, para que tal melhora ocorra, é preciso que haja uma distribuição equânime de demanda oriunda do SAMU/GSE. O objetivo agora é mostrar que caso haja um desequilíbrio de demanda entre as UH, isto se refletirá diretamente no sistema como um todo.

107

6.4 – ANÁLISE DO CENÁRIO-4 COM DESEQUILÍBRIO DE DEMANDA ENTRE AS UH 6.4.1 – REDUÇÃO DA DEMANDA DE 5% EM 5% EM UMA UH O objetivo agora é mostrar que, quanto maior for o desequilíbrio da demanda, mais a performance do MRC será penalizada. Inicialmente, conduziu-se uma simulação, com a redução da demanda de 5% em 5% em apenas uma UH. À medida que esta UH foi ficando ociosa, as outras três foram ficando sobrecarregadas. A Tabela-8 ilustra a evolução dos parâmetros. Tabela-8: Redução gradual da demanda em uma UH 25% da demanda

20% da demanda

15% da demanda

10% da demanda

5% da demanda

0% da demanda

Tamanho médio da fila de alta complexidade (pior UH)

0,45

1,19

1,63

2,02

3,74

4,91

Número de atendimentos (todas as UH juntas)

433

430

427

421

410

402

498,5

507,3

524,9

529,5

540,38

548,72

Tempo médio no sistema (pior UH)

À medida que uma UH foi diminuindo a sua participação na demanda oriunda do SAMU/GSE, as outras três UH passaram a ficar mais sobrecarregadas. Observa-se que, enquanto a demanda estava distribuída entre as 4UH, o tamanho médio da fila de alta complexidade na pior UH era de 0,45 paciente. Todavia, reduzindo-se a demanda de 25% para 0%, a fila de alta complexidade nessa unidade hospitalar subaproveitada reduziu-se de 0,45 para 0 paciente; às custas do aumento da fila de alta complexidade das outras três UH, que passaram de 0,45 para 4,91 pacientes, conforme ilustra o 108

Gráfico-6. Como o desequilíbrio ocorreu em apenas uma UH, o consequente aumento na fila de alta complexidade das outras três UH não foi tão pronunciado.

Tamanho médio da fila de alta complexidade (pior UH) tamanho médio da fila de alta complexidade (pior UH)

5

0% da demanda

5% da demanda

10% da demanda

15% da demanda

20% da demanda

25% da demanda

0

Gráfico-6: Tamanho da fila x redução de demanda em uma UH

Analisando-se a evolução número total de atendimentos, Gráfico-7, percebe-se que também houve uma piora na performance do sistema. Observa-se que, quando uma UH deixa de receber a demanda oriunda do SAMU/GSE, ou seja, a participação dela cai de 25% para 0%, o número total de atendimentos no sistema cai de 433 para 402 atendimentos, o que representa uma diminuição de 7,2% no número de atendimentos.

109

Número de atendimentos (todas as UH juntas) 440 420 400 380

Número de atendimentos (todas as UH juntas)

Gráfico-7: Número de atendimentos x redução de demanda em uma UH

O tempo médio no sistema também foi afetado pelo desequilíbrio da demanda oriunda do SAMU/GSE. Observa-se no Gráfico-8, que, na situação inicial, em que há uma distribuição equânime de demanda, o tempo médio no sistema foi de 498,5 minutos. Com a redução da demanda, de 25% para 0%, em uma das quatro UH, o tempo médio no sistema das unidades hospitalares que ficaram sobrecarregadas subiu para 548,72 minutos, havendo um aumento de 10,07% neste tempo.

110

Tempo médio no sistema (pior UH) 560 540 520 500 480 460

Tempo médio no sistema (pior UH)

Gráfico-8: Tempo médio no sistema x redução de demanda em duas UH

6.4.2 – REDUÇÃO DA DEMANDA DE 5% EM 5% EM DUAS UH Foi feita a redução de demanda oriunda do SAMU/GSE para duas UH, de 5% em 5%, até que elas não recebessem mais pacientes do SAMU/GSE, causando a sobrecarga das outras duas UH. A evolução dos parâmetros consta na Tabela-9. Tabela-9: Performance do modelo em função da redução da demanda em duas UH 25% da demanda Tamanho médio da fila de alta complexidade (pior UH) Número de atendimentos (todas as UH juntas) Tempo médio no sistema (pior UH)

20% da demanda

15% da demanda

10% da demanda

5% da demanda

0% da demanda

0,45

1,78

8,9

12,8

16,5

18,6

433

421

394

374

359

347

498,5

530,8

556,7

565,8

586

592,2

À medida que duas UH foram diminuindo as suas participações nas demandas oriundas do SAMU/GSE, as outras duas UH passaram a ficar sobrecarregadas. Observase que, enquanto a demanda estava distribuída entre as 4UH, o tamanho médio da fila 111

de alta complexidade na pior UH era de 0,45 paciente. Todavia, reduzindo-se a demanda de 25% para 0%, as filas de alta complexidade nessas unidades hospitalares subaproveitadas reduziram-se de 0,45 para 0 paciente; às custas do aumento da fila de alta complexidade das outras duas UH, que passaram de 0,45 para 18,6 pacientes, conforme ilustra o Gráfico-9.

Tamanho da fila 20 10 0

Gráfico-9: Tamanho da fila x redução de demanda em duas UH

Analisando-se a evolução do número total de atendimentos, Gráfico-10, observase que houve uma piora significativa na performance do sistema. Observe que, quando duas UH deixam de receber a demanda oriunda do SAMU/GSE, ou seja, a participação delas cai de 25% para 0%, o número total de atendimentos no sistema cai de 433 para 347 atendimentos, o que representa uma diminuição de 20% no número de atendimentos.

112

Atendimentos 600 400 200 0

Gráfico-10: Número de atendimentos x redução de demanda em duas UH O tempo médio no sistema também foi afetado pelo desequilíbrio da demanda oriunda do SAMU/GSE. Observa-se no Gráfico-11, que na situação inicial, em que há uma distribuição equânime de demanda, o tempo médio no sistema foi de 498,5 minutos. Com a redução da demanda, de 25% para 0%, em duas das quatro UH, o tempo médio no sistema das unidades hospitalares que ficaram sobrecarregadas subiu para 592,2 minutos, havendo um aumento de 18,79% neste tempo.

Tempo no Sistema 600 550 500 450

Gráfico-11: Tempo médio no sistema x redução de demanda em duas UH

113

6.4.3 – REDUÇÃO DE 5% EM 5% EM TRÊS UH Foi feita a redução de demanda oriunda do SAMU/GSE para três UH, de 5% em 5%, até que elas não recebessem mais pacientes do SAMU/GSE, causando a sobrecarga da outra UH. A evolução dos parâmetros consta na Tabela-10. Tabela-10: Performance do modelo em função da redução da demanda em três UH 25% da demanda Tamanho médio da fila de alta complexidade (pior UH) Número de atendimentos (todas as UH juntas) Tempo médio no sistema (pior UH)

20% da demanda

15% da demanda

10% da demanda

5% da 0% da demanda demanda

0,45

2,41

12,63

27,72

35,71

40,12

433

402

381

326

290

275

498,5

537,21

583,42

628,34

646,29

661,22

À medida que três UH foram diminuindo as suas participações nas demandas oriundas do SAMU/GSE, a outra UH passou a ficar sobrecarregada. Observe que, enquanto a demanda estava distribuída entre as 4UH, o tamanho médio da fila de alta complexidade na pior UH era de 0,45 paciente. Todavia, reduzindo-se a demanda de 25% para 0%, as filas de alta complexidade nessas unidades hospitalares subaproveitadas reduziram-se de 0,45 para 0 paciente; às custas do aumento da fila de alta complexidade da outra UH, que passou de 0,45 para 40,12 pacientes, conforme ilustra o Gráfico-12.

114

Tamanho médio da fila de alta complexidade (pior UH) 60 40 20 0

Tamanho médio da fila de alta complexidade (pior UH)

Gráfico-12: Tamanho da fila x redução de demanda em três UH

Analisando-se a evolução do número total de atendimentos, Gráfico-13, observase que houve uma piora severa na performance do sistema. Observe que, quando três UH deixam de receber a demanda oriunda do SAMU/GSE, ou seja, a participação delas cai de 25% para 0%, o número total de atendimentos no sistema cai de 433 para 275 atendimentos, o que representa uma diminuição de 36,5% no número de atendimentos.

Número de atendimentos (todas as UH juntas) 600 400 200 0

Número de atendimentos (todas as UH juntas)

Gráfico-13: Número de atendimentos x redução de demanda em três UH 115

O tempo médio no sistema também foi afetado pelo desequilíbrio da demanda oriunda do SAMU/GSE. Observa-se no Gráfico-14, que na situação inicial, em que há uma distribuição equânime de demanda, o tempo médio no sistema foi de 498,5 minutos. Com a redução da demanda, de 25% para 0%, em três das quatro UH, o tempo médio no sistema da unidade hospitalar que ficou sobrecarregada subiu para 661,22minutos, havendo um aumento de 32,64% neste tempo.

Tempo médio no sistema (pior UH) 800 600 400 200 0

Tempo médio no sistema (pior UH)

Gráfico-14: Tempo médio no sistema x redução de demanda em três UH

O que se quis demonstrar com as simulações acima, é que um desequilíbrio de demanda entre as UH, piora a performance do sistema hospitalar como um todo. Nos gráficos acima, pôde-se observar que quanto maior for esse desequilíbrio, menor será o número total de atendimentos, maior será o tamanho médio das filas de alta complexidade e maior será o tempo médio no sistema.

116

6.4.4 – COMPARAÇÃO DAS REDUÇÕES DE DEMANDA PARA 1UH, 2UH E 3UH Nos subitens anteriores, foi feita a análise de cada parâmetro em função da redução da demanda em cada um dos quatro cenários. Agora, será realizada uma comparação de cada parâmetro em relação aos quatro cenários. O propósito é mostrar que, quanto maior for o desequilíbrio da demanda entre as UH disponíveis, pior será o desempenho do sistema. Tabela-11: Tamanho médio da fila de alta complexidade em cada cenário 25% da demanda Tamanho médio da fila de alta complexidade (1UH desequilibrada) Tamanho médio da fila de alta complexidade (2UH desequilibradas) Tamanho médio da fila de alta complexidade (3 UH desequilibradas)

20% da demanda

15% da demanda

10% da demanda

5% da demanda

0% da demanda

0,45

1,19

1,63

2,02

3,74

4,91

0,45

1,78

8,9

12,8

16,5

18,6

0,45

2,41

12,63

27,72

35,71

40,12

O Gráfico-15 condensa os dados da Tabela-11. Observa-se que o tamanho médio da fila de alta complexidade aumenta quase exponencialmente no cenário com 3 UH desequilibradas.

117

50 40

Tamanho médio da fila de alta complexidade (1UH desequilibrada)

30 20

Tamanho médio da fila de alta complexidade (2UH desequilibradas)

10 0

Tamanho médio da fila de alta complexidade (3 UH desequilibradas)

Gráfico-15: Tamanho médio da fila de alta complexidade em função da demanda para cada cenário Tabela-12: Número total de atendimentos em cada cenário 25% da 20% da 15% da 10% da 5% da demanda demanda demanda demanda demanda

0% da demanda

Número de Atendimentos (1UH desequilibrada)

433

430

427

421

410

402

Número de Atendimentos (2UH desequilibradas)

433

421

394

374

359

347

Número de Atendimentos (3UH desequilibradas)

433

402

381

326

290

275

O Gráfico-16 apresenta os dados da Tabela-12. Observa-se que o número total de atendimentos diminui significativamente no cenário com 3 UH desequilibradas. Esta redução certamente deve ser alvo de preocupação para os gestores do sistema.

118

500 450 400 350

Número de Atendimentos (1UH desequilibrada)

300 250 200

Número de Atendimentos (2UH desequilibradas)

150 100

Número de Atendimentos (3UH desequilibradas)

50 0

Gráfico-16: Número total de atendimentos em função da demanda para cada cenário

Tabela-13: Tempo médio no sistema em cada cenário 25% da 20% da 15% da 10% da 5% da demanda demanda demanda demanda demanda Tempo médio no sistema (1UH desequilibrada) Tempo médio no sistema (2UH desequilibradas) Tempo médio no sistema (3UH desequilibradas)

0% da demanda

498,5

507,3

524,9

529,5

540,38

548,72

498,5

530,8

556,7

565,8

586

592,2

498,5

537,21

583,42

628,34

646,29

661,22

O Gráfico-17 sintetiza os dados da Tabela-13. Observa-se que o tempo médio no sistema aumenta significativamente no cenário com 3 UH desequilibradas. Sabe-se que o aumento deste tempo pode custar a vida de um paciente de alta complexidade.

119

700 600 500 400 300 200 100 0

Tempo médio no sistema (1UH desequilibrada) Tempo médio no sistema (2UH desequilibradas) Tempo médio no sistema (3UH desequilibradas)

Gráfico-17: Tempo médio no sistema em função da demanda para cada cenário

6.4.5 – MRC MODIFICADO Nas simulações anteriores, observou-se que há uma melhora significativa no desempenho do sistema se houver um controle da demanda entre as UH. Todavia, se por um lado há o controle da demanda oriunda do GSE/SAMU, por outro lado não há qualquer tipo de controle sobre a demanda espontânea, o que também pode causar um desequilíbrio de demanda considerável entre as UH. Assim sendo, baseado no MRC, será apresentado um novo modelo, denominado MRC MODIFICADO. Nele, serão consideradas as seguintes hipóteses:  Todos os pacientes da demanda espontânea se reportarão à COC (por meio de um número de telefone apropriado).  Serão retirados da demanda espontânea todos os pacientes de baixa complexidade, que representam 75% dos pacientes desta demanda. Os pacientes 120

de média e alta complexidade serão direcionados para uma das UH do sistema pré-hospitalar de emergência. Já os pacientes de baixa complexidade serão direcionados para as UPAs. A partir dessas hipóteses, poderá ser avaliado o desempenho do MRC MODIFICADO, em que não há demanda de pacientes de baixa complexidade e a COC controla todo o fluxo de pacientes de alta complexidade. A Figura-31 ilustra o DCA do MRC modificado.

121

Figura-31: MRC MODIFICADO 122

6.4.6 – COMPARAÇÃO ENTRE O MRC-2 E O MRC-2 MODIFICADO

Tabela-14: Performance do MRC-2 e do MRC-2 modificado Tamanho médio da fila de alta complexidade (pior UH)

Número de Tempo médio Taxa de utilização da atendimentos no sistema equipe de alta (todas as UH juntas) (pior UH) complexidade

MRC-2

19,4

254

583,2

68,45%

MRC-2 MODIFICADO

4,6

377

502,6

67,92%

Em todas as simulações, até o momento, foi pré-estabelecida uma taxa de utilização máxima de 70% para a equipe de alta complexidade. Na Tabela-14, observase que houve uma melhora significativa no sistema, uma vez que o tamanho médio da fila de alta complexidade diminuiu de 19,4 para 4,6 pacientes; o número total de atendimentos aumentou de 254 para 377 pacientes e o tempo médio no sistema diminuiu de 583,2 para 502,6 minutos. A taxa de utilização da equipe de alta complexidade praticamente permaneceu a mesma.

6.4.7 – COMPARAÇÃO ENTRE O MRC-4 E O MRC-4 MODIFICADO Tabela-15: Performance do MRC-4 e do MRC-4 modificado Tamanho médio da fila Número de de alta complexidade atendimentos (pior UH) (todas as UH juntas) MRC-4 MRC-4 MODIFICADO

Tempo médio Taxa de utilização no sistema (pior da equipe de alta UH) complexidade

0,45

433

498,5

67,23%

0

441

491,9

24,05%

123

Na Tabela-15, observa-se que não houve uma melhora significativa no tamanho médio da fila de alta complexidade, no número total de atendimentos e no tempo médio no sistema. Por outro lado, observa-se que a taxa de utilização da equipe de alta complexidade caiu de 67,23% para 24,05%, ou seja, começou a haver ociosidade no sistema.

6.4.8 – AUMENTO DO NÚMERO DE UH Caso haja um aumento súbito de demanda devido a algum desastre natural ou não, certamente será necessário aumentar o número de UH. No entanto, estruturar um hospital emergencial de grande porte não é uma tarefa simples. Atualmente já existem estruturas hospitalares no estado-da-arte, totalmente equipadas e que são rapidamente montadas (em até 12 horas). Essas instalações foram projetadas para serem utilizadas em caso de desastres médicos inesperados. Estrutura semelhante já vem sendo utilizada por muitos países em situações de combate. Agora, esses abrigos hospitalares foram aperfeiçoados visando apoiar os serviços médicos de emergência.

124

Figura-32: Instalações para desastres médicos Fonte: www.opecsystems.com

Com uma estrutura durável (10 anos em uso), contém ambientes de clima controlado e limpo para a prática de cuidados de nível médico avançado. Os hospitais podem ser equipados com: 

Estrutura para atender grandes emergências;



Triagem e isolamento;



Apoio clínico auxiliar - fornecimento de oxigênio, Raio-X, laboratório e farmácia;



Armazenagem frigorífica de cadáveres; e



Suprimento de ar, aquecimento e refrigeração, garantindo o conforto dos usuários.

Através da Simulação é possível prever rapidamente quantas UH similares a da Figura-32 seriam necessárias para fazer frente à determinada demanda. Além da grande 125

flexibilidade, estas UH ainda apresentam a vantagem de poderem ser montadas na cena de ação de onde ocorreu o desastre.

6.4.9 – MODELO COMPUTACIONAL DO MRC-2 A Figura-33 mostra o MRC com duas UH modelado no software Simul8. O fluxo inicia na chamada telefônica (192/193) e termina na alta hospitalar ou óbito do paciente. Os dados introduzidos no modelo abaixo foram apresentados no capítulo anterior. A Figura-33 encontra-se em tamanho A4 no anexo B, a fim de facilitar a visualização do modelo.

Figura-33: Modelo Computacional do MRC no Simul8

126

CAPÍTULO 7 – SISTEMA DE INFORMAÇÕES E COORDENAÇÃO (SIC)

7.1 – CIDADES INTELIGENTES O desenvolvimento do SIC está alinhado com o conceito de “cidades inteligentes” que já foi aplicado com êxito em grandes centros urbanos, tais como Madri e Nova Iorque. O termo cidade inteligente (CI) tem vários significados. Podem ser encontradas na literatura algumas definições do que seja uma cidade inteligente:  Uma CI muitas vezes é definida como uma reconstrução virtual de uma cidade ou como uma cidade virtual (DROEGE, 1997). O termo já foi usado como um equivalente de cidade digital, cidade da informação, “cidade conectada”, telecidade, cidade baseada no conhecimento, comunidade eletrônica, espaço comunitário eletrônico, etc., cobrindo uma ampla gama de aplicações eletrônicas e digitais, relacionadas ao espaço digital de cidades e comunidades.  Uma CI também pode ser definida como um ambiente inteligente, que embute tecnologias da informação e da comunicação (TIC) que criam ambientes interativos, que trazem a comunicação para o mundo físico. A partir desta perspectiva, uma cidade inteligente (ou em termos mais gerais um espaço inteligente) se refere a um ambiente físico no qual as tecnologias de comunicação e de informação, além de sistemas de sensores, desaparecem à medida que se tornam embutidos nos objetos físicos e nos ambientes nos quais vivemos, viajamos ou trabalhamos (STEVENTON e WRIGHT, 2006).  Na mesma linha, cidades (ou comunidades, clusters, ou regiões) inteligentes são aqueles territórios caracterizados pela alta capacidade de aprendizado e 127

inovação, que já é embutida na criatividade de sua população, suas instituições de geração de conhecimento, e sua infra-estrututura digital para comunicação e gestão do conhecimento. A característica distintiva de uma cidade inteligente é o grande desempenho no campo da inovação, pois a inovação e a solução de novos problemas são recursos distintivos da inteligência (KOMNINOS, 2006).

7.1.1 – AS TRÊS DIMENSÕES DAS CIDADES INTELIGENTES As cidades inteligentes evoluem na direção de uma forte integração de todas as dimensões da inteligência disponíveis em uma cidade: humana, coletiva e artificial. Elas são construídas como aglomerados multidimensionais, combinando essas três principais dimensões (KOMNINOS, 2006). A primeira dimensão está ligada às pessoas da cidade. A inteligência, inventividade e criatividade dos indivíduos que vivem e trabalham na cidade. Esta perspectiva foi descrita por FLORIDA (2002), como “cidade criativa”, que agrega os valores e desejos da “nova classe criativa”, constituída pelo talento e conhecimento de cientistas, artistas e empresários, além de outras pessoas criativas, que têm enorme impacto na determinação de como é organizado o espaço de trabalho e, portanto, se as instituições vão prosperar, e se a cidade vai se desenvolver ou não. A segunda dimensão tem a ver com a inteligência coletiva da população de uma cidade. A capacidade de comunidades humanas cooperarem intelectualmente na criação, na inovação e na invenção. O aprendizado e o processo criativo coletivo realizado através de trocas de conhecimento e da criatividade intelectual. A capacidade de um grupo se organizar para decidir a respeito de seu próprio futuro e controlar as 128

formas de atingi-lo em contextos complexos. Esta dimensão é baseada nas instituições da cidade que permitem a cooperação no conhecimento e na inovação. A terceira dimensão está relacionada com a inteligência artificial embutida no ambiente físico da cidade disponível para sua população. A infraestrutura de comunicação, os espaços digitais e as ferramentas públicas para a solução de problemas da população da cidade. Assim, o conceito de "cidade inteligente" integra todas as três dimensões mencionadas. Consequentemente, o termo "cidade inteligente" descreve um território com as seguintes características:  Atividades desenvolvidas tendo por base a informação;  Rotinas embutidas de cooperação social, permitindo que o conhecimento e o know-how sejam adquiridos e adaptados à realidade de determinado espaço;  Um conjunto desenvolvido de infraestrutura de comunicação, espaços digitais e ferramentas de conhecimento e inovação; e  Uma habilidade comprovada de inovar, gerenciar e resolver problemas que apareçam pela primeira vez, uma vez que a capacidade de inovar e gerenciar a incerteza são os fatores críticos para se medir inteligência.

7.1.2 – CIDADES INTELIGENTES - CIDADES DIGITAIS - AMBIENTES INTELIGENTES Um ponto importante para se compreender o que é uma cidade inteligente é como diferenciar esse conceito de outras formas de espaços digitais; a saber: uma cidade digital e um ambiente inteligente. 129

Todas as cidades inteligentes são também cidades digitais, mas nem todas as cidades digitais são inteligentes (KOMNINOS, 2002). A diferença está na capacidade de resolver problemas das cidades inteligentes. Como regra geral, pode-se dizer que, quanto à oferta de serviços, as cidades digitais se colocam entre as autoridades públicas e os cidadãos como recipientes de serviços. Ao passo que as cidades inteligentes se colocam como co-criadoras de serviços. Esta visão explica porque os principais blocos constituintes de uma cidade inteligente se relacionam com a inovação e com os processos de resolução de problemas, tais como a inteligência competitiva, a absorção de tecnologia, o desenvolvimento colaborativo de produtos e as novas estratégias de promoção de produtos. Os ambientes inteligentes são espaços digitais nos quais a interação digital deixa os limites do computador e se torna embutida nos prédios e na infraestrutura da cidade. Os ambientes inteligentes podem ser combinados tanto com as cidades digitais (automatizando a cadeia de entrega de serviços), como com as cidades inteligentes, automatizando a coleta e o processamento de informações no processo de desenvolvimento de um novo produto ou serviço.

7.1.3 – CIDADES INTELIGENTES E A GLOBALIZAÇÃO Publicações recentes sobre cidades inteligentes reforçam a convergência entre sistemas de inovação e ambientes virtuais para a criação de sistemas globais de inovação (BELL et al. 2009; KOMNINOS, 2008). Os espaços virtuais e os sistemas embarcados estão gerando uma onda de novos ambientes híbridos (ecossistemas digitais

130

globais, laboratórios vivos, smart cities, etc.) que amplificam o uso de redes, a experimentação e a inovação em escalas globais.

7.2 – A CONCEPÇÃO DO SISTEMA Para tornar possível a implementação do MRC, é preciso que haja uma plataforma que garanta uma comunicação rápida e confiável entre os atores envolvidos no atendimento pré-hospitalar de emergência, tendo como foco o uso da informação. Todavia, existe uma hierarquia no uso da informação por esses atores. No primeiro nível está a Central de Operações e Controle, que é o órgão de mais alto nível que regulará todo o processo de admissão pré-hospitalar de emergência. Para que haja o resgate, é preciso que se disponha de um leito, de uma ambulância e de condições favoráveis de trânsito até o hospital de destino. Se pelo menos um destes três requisitos não for preenchido o ciclo do resgate não se conclui. Assim, surgem os órgãos de segundo escalão: o NRV (Núcleo de Regulação de Vagas), o COGS (Centro de Operações GSE/SAMU) e a CET-RIO (Companhia de Engenharia de Tráfego do Rio de Janeiro). No terceiro escalão estão os NIR (Núcleo de Regulação Interna) dos hospitais, abaixo do NRV. O NIR de cada hospital irá disponibilizar o número de leitos disponíveis para o NRV, que terá a função de compilar esses dados e disponibilizá-los para a COC.

131

Ainda no terceiro nível está o NRA (Núcleo de Regulação das Ambulâncias), abaixo do COGS. Este núcleo tem a função de disponibilizar para o COGS o número de ambulâncias disponíveis de cada tipo. No quarto e último escalão estão as ambulâncias, abaixo do NRA. São elas que efetivamente realizarão o resgate. Tal estrutura pode ser observada na Figura-34.

COC

NIR1

NRV

CET-RIO

COGS

NIR2

NIR "n"

NRA

AMB1

AMB2

AMB "n"

Figura 34 – Hierarquia das Informações entre os Atores Envolvidos

Ressalta-se que a estrutura ilustrada na Figura-34 não estabelece uma hierarquia administrativa e sim de que maneira a informação será gerida pelo sistema. Atualmente, já existe uma estrutura muito grande no Centro de Operações Rio e no Centro de Operações do GSE/SAMU, em termos de hardware, software e humanware14, todavia os referidos órgãos não trocam informações entre si. Dado o

14

Humanware é o fator humano de uma instituição capaz de lidar (usar e cuidar) com um produto e/ou serviço. Por exemplo: efetuar controles, analisar indicadores, dar e receber instruções. 132

exposto, propõe-se um sistema que operacionalize o MRC, por meio de um fluxo de informações conforme o ilustrado na Figura-35.

Ambulância

NIR-1

NIR-2 Solicitação de Socorro

COC

COGS

(via SIC)

NIR-3

NIR-4

Figura-35: Fluxo de Informações no Atendimento Pré-hospitalar de Emergência

Há de se considerar que o COGS poderia ser mais um órgão dentro da própria COC. Todavia, devido à estrutura física relativamente grande 15 do COGS, possivelmente não seria factível inseri-la na COC. Conforme foi apresentado no capítulo 6, o MRC mostrou-se sensível ao tempo de deslocamento da ambulância, ao tempo de recepção do paciente no hospital e à distribuição da demanda entre as UH. Visando reduzir os referidos tempos e distribuir a demanda de maneira racional entre as UH, desenvolveu-se uma plataforma que visa 15

Em visita realizada ao COGS no dia 14/01/2013, verificou-se que o órgão ocupa todo o 21° andar de um edifício na Av. Presidente Vargas. Assim sendo, se o Centro de Operações Rio desempenhar a função de COC, este não será capaz de absorver a estrutura do outro, em termos de espaço físico. 133

agilizar o fluxo de informações entre os inúmeros agentes envolvidos no atendimento pré-hospitalar de emergência. Nota-se que está subentendido nesta plataforma a possibilidade de gerar formulários, a fim de agregar as informações inerentes aos chamados, às ambulâncias e aos hospitais. Entende-se por formulário uma sequência de perguntas e respostas, onde as respostas podem ser qualitativas e/ou quantitativas, sendo estas últimas pré-definidas e finitas. Simplificadamente, essa estrutura está representada na Figura-36.

Figura 36 – Geração de formulários

7.3 – TECNOLOGIA UTILIZADA

7.3.1 – FRAMEWORK EXT JS 4 Framework JavaScript utilizado para desenvolver a interface do sistema e gerenciar o controle entre as camadas de banco de dados, regra de negócios e visão do mesmo.

134

7.3.2 – PHP HYPERTEXT PREPROCESSOR É uma linguagem de programação capaz de gerar conteúdo dinâmico na World Wide Web. Figura entre as primeiras linguagens passíveis de inserção em documentos HTML, dispensando em muitos casos o uso de arquivos externos para eventuais processamentos de dados. O código é interpretado no lado do servidor pelo módulo PHP, que também gera a página web a ser visualizada no lado do cliente.

7.3.3 - MySQL O MySQL é um sistema de gerenciamento de banco de dados (SGBD), que utiliza a linguagem SQL (Linguagem de Consulta Estruturada16) como interface. É atualmente um dos bancos de dados mais populares, com mais de 10 milhões de instalações pelo mundo. Entre os usuários do banco de dados MySQL estão: NASA, Banco Bradesco, Dataprev, HP, Nokia, Sony, Lufthansa, U.S.Army, U. S. Federal Reserve Bank, Cisco Systems, Google entre outros. Foi escolhido por se tratar de um banco de dados gratuito e por sua confiabilidade.

7.3.4 – XAMPP

O XAMPP é um servidor independente de plataforma, software livre, que consiste principalmente na base de dados MySQL, o servidor web Apache e os interpretadores para linguagens de script: PHP e Perl. O nome provem da abreviação de

16

Tradução livre da expressão em inglês – Structured Query Language 135

X (para qualquer dos diferentes sistemas operativos), Apache, MySQL, PHP, Perl. O programa atua como um servidor web livre, fácil de usar e capaz de interpretar páginas dinâmicas.

7.3.5 – ECLIPSE

O Eclipse é um IDE17 conhecido mais comumente para desenvolvimento em Java. No entanto, por meio de plug-ins, ele pode ser usado para desenvolver aplicações em várias linguagens, como C, C++, Python, PHP e inclusive para a plataforma Android. Ele foi escolhido por sua facilidade de operação e popularidade.

7.4 – FLUXO DE ATIVIDADES Cada agente do SIC tem uma sequência de atividades pré-determinada e logicamente encadeadas, as quais serão descritas sucintamente a seguir.

7.4.1 – HOSPITAIS O fluxo de atividades do hospital se inicia com o cadastramento dos mesmos no sistema. Para isso, na tela de login, o usuário deverá clicar na opção Cadastro de Hospitais. Na tela que se abrirá, o usuário poderá inserir todas as informações do hospital, assim como um login e uma senha, para o acesso em outras ocasiões. Após efetuar o acesso no sistema, o usuário será encaminhado para uma tela contendo os dados do hospital. Nessa tela, ele ainda poderá editar o número de leitos disponíveis. O

17

IDE - Integrated Development Environment 136

hospital também poderá executar a atividade de fechar um chamado quando o paciente efetua a entrada no mesmo.

7.4.2 – BOMBEIROS O fluxo dos bombeiros está dividido em duas etapas de modo a atender a dois personagens distintos: o COGS e a ambulância. O fluxo de atividades do COGS se inicia quando este realiza o acesso no sistema, inserindo o seu login e senha précadastrados. A primeira tela que ele visualiza é a tela da listagem de todas as ocorrências de acidentes que a central dos bombeiros recebeu, através do 192/193. Esses chamados aparecem em uma lista com algumas informações importantes, como o número do chamado, tipo de acidente, quantidade de feridos envolvidos e o status do acidente, ou seja, se o mesmo se encontra em aberto, em andamento, ou fechado. O funcionário do COGS, quando recebe um telefonema reportando a ocorrência de um acidente, aciona a funcionalidade de cadastrar um chamado, preenchendo um formulário com algumas informações que detalham o chamado. O usuário também pode editar os dados do chamado. Na mesma tela, ainda há a possibilidade da escolha da divisão dos chamados por status, funcionando como um filtro, onde só é apresentada uma lista com os chamados com o status “em Aberto”, ou “em Andamento”, ou “Fechado”, ou uma visualização de todos os chamados. O usuário ainda tem a possibilidade de excluir um chamado. Quando isso ocorre, ele deverá colocar uma justificativa da exclusão do chamado. Quando um chamado é excluído, ele não é retirado do sistema, permanecendo na base de dados do sistema para contar como estatística. Somente seu status que muda para "Excluído".

137

O sistema também visa atender a necessidade dos bombeiros das ambulâncias. Como funcionalidade, eles podem detalhar a emergência que estão atendendo, gerando um diagnóstico mais completo do chamado. Esse campo é uma forma de completar as informações do chamado, a fim de preparar melhor a equipe do hospital que atenderá o paciente.

7.4.3 – CENTRO DE OPERAÇÕES RIO O Centro de Operações Rio também deverá realizar o acesso ao sistema mediante login e senha pré-cadastrados. Depois de realizada essa etapa, o sistema mostrará primeiramente, para o usuário, os chamados que se encontram “em Aberto” sob a forma de lista, pois esses são os que precisam de uma maior atenção, pois ainda precisam ser atendidos. Porém, o usuário do COR também poderá visualizar os outros chamados que se encontram em outros status. Para isso, basta utilizar os botões na barra superior. Ele poderá ter opções de visualizar somente os chamados que se encontram “em Andamento“, “Fechado” ou uma lista com todos os chamados cadastrados no sistema. O usuário do COR ainda poderá detalhar o chamado a fim de que tenha acesso a todas as informações relacionadas ao mesmo. O COR também possui uma funcionalidade de associar um chamado a um hospital que atenderá a(s) vítima(s) do chamado. Para isso, o usuário deverá selecionar o chamado que deseja associar e, clicar no botão “Associar Hospital”. Aparecerá uma listagem com todos os hospitais cadastrados no sistema com algumas informações. A principal delas é a quantidade de leitos disponíveis para o atendimento. Após a escolha de um hospital, ele deverá clicar no botão “Associar”. Feito isso, o status do chamado muda automaticamente de “em 138

Aberto” para “em Atendimento”. Um chamado que está “em Andamento” também poderá ser associado a outro hospital. Caso isso seja necessário, o procedimento será o mesmo. A Figura-37 ilustra a lógica do SIC, ou seja, de que maneira as informações e as ações envolvidas no atendimento pré-hospitalar de emergência interagem entre si.

Figura 37 – Lógica do SIC

139

7.5 – INTERFACE DO SIC Quatro tabelas foram utilizadas para representar as entidades envolvidas no domínio do sistema, são elas: TipoUsuario, Usuário, Hospital e Chamado – Figura-38.

Figura-38: Tabelas utilizadas no sistema

Como o sistema é integrado e visa atender a três fluxos de atividades distintos – hospitais, COGS e COR – a tabela TipoUsuario representa esses três papéis. Essa tabela é importante para realizar o controle do acesso às funcionalidades de cada agente. Ela possui apenas um único atributo.  nome - Campo textual. Nome do usuário do sistema. Pode ser de três tipos: Hospitais, COGS e COR.

140

A tabela Usuário identifica e realiza o acesso de cada agente no sistema. Ela possui quatro atributos.  id - Valor inteiro. Identificador único para cada usuário.

 tipoUsuario - Campo textual. Indica o tipo de usuário que está acessando o sistema.

 login - Campo textual. Necessário para a identificação do usuário que está acessando o sistema.

 senha - Campo textual. Necessária para acessar as funcionalidades do sistema pertinentes a cada usuário. A Figura-39 ilustra a tela de login e senha para cada usuário acessar o SIC.

Figura-39: Login e senha do SIC 141

A tabela Hospital representa os dados que identificam as unidades hospitalares de emergência. Os principais campos a serem preenchidos são: o nome da UH, o endereço e o número de leitos disponíveis. Essa última informação é de grande importância para o COR, pois ele irá associar cada solicitação de socorro ao hospital mais próximo da ocorrência com leito disponível. Os atributos dessa entidade são:  idUsuario - Valor inteiro. Campo que identifica o usuário cadastrado no SIC, neste caso, identifica o hospital cadastrado no sistema.

 nome - Campo textual. Campo que representa o nome do hospital.

 endereco - Campo textual. Campo que representa o endereço do hospital.

 referencia - Campo textual. Campo adicional ao endereço do hospital.

 telefone - Campo textual. Representa o número de telefone da unidade hospitalar.

 numLeitos - Valor inteiro. Representa a capacidade máxima de leitos do hospital.

 numLeitosDisponiveis - Valor inteiro. Representa os leitos disponíveis para o atendimento.

142

A Figura-40 indica os campos a serem preenchidos pelo NIR de cada UH. O número total de leitos e o número de leitos disponíveis serão atualizados em tempo real e estarão disponíveis para o COR.

Figura-40: Dados a serem preenchidos pelo NIR das UH

A Figura-41 mostra as informações referentes a cada hospital. As informações básicas do hospital (nome, endereço, referência e telefone) estarão disponíveis para o COR, para o COGS e para as ambulâncias. Já o número total de leitos e o número de leitos disponíveis só poderão ser vistos pelo próprio hospital e pelo COR.

143

Figura-41: Informações de cada UH

A tabela Chamado apresenta os dados do acidente ocorrido e comunicado à COGS através do número 192/193. Essa entidade deve conter uma vasta quantidade de atributos, com o objetivo de registrar as informações referentes ao acidente. A tabela Chamado será a principal entidade do sistema e todos os agentes envolvidos no SIC terão acesso às informações contidas nessa entidade. A seguir, segue uma lista com os atributos que esta entidade possui, o valor que eles devem receber e a sua funcionalidade no sistema.  id - É um valor inteiro que irá identificar cada chamado.

 tipoAcidente - Campo textual. Representa o tipo do acidente que foi reportado ao COGS pelo telefone.

 local - Campo textual. Representa o endereço onde o acidente ocorreu. 144

 referencia - Campo textual. Apenas uma informação adicional ao endereço.

 numFeridos - Valor inteiro. Indica o número de feridos envolvidos no acidente.

 tipoAmbulancia - Campo textual. Três valores são esperados para esse atributo que representa o tipo de ambulância que será enviada para atender o chamado. Os tipos podem ser: Básica, Média e Avançada.

 observacao - Campo textual. Informação adicional relatada pelo autor da ligação como informação complementar para o chamado.

 nomeAutorLigacao - Campo textual. Identifica o autor da ligação.

 telAutorLigacao - Campo textual. Identifica um número de contato do autor da ligação.

 status - Campo textual. Representa a condição que o chamado se encontra. Para o SIC, quatro valores podem ser esperados: Aberto - quando o chamado foi cadastrado no sistema e ainda não possui uma unidade hospitalar associada. Em Andamento - quando o chamado já está associado a uma unidade hospitalar. Fechado - quando o chamado já foi atendido pelos bombeiros e a vítima já se encontra na unidade hospitalar. Excluído – quando por algum motivo, como

145

trote, por exemplo, o chamado pode ser excluído do sistema. Seu status muda para excluído. Mas ainda consta no sistema para efeitos estatísticos.

 hospitalIdUsuario - Valor inteiro. Identificador do hospital associado ao chamado.

 informacoesAdicionais

-

Campo

textual.

Atributo

dedicado

aos

médicos/enfermeiros das ambulâncias que, ao chegarem na cena de ação, irão ampliar as informações referentes ao acidentado.

 motivoExclusão - Campo textual. Identifica o motivo pelo o qual o chamado foi excluído do sistema.

A Figura-42 representa a abertura de um novo chamado. Os dados são preenchidos por um atendente do COGS (via 192/193) e é a partir daí que se inicia o processo de atendimento pré-hospitalar de emergência.

146

Figura-42: Dados a serem preenchidos na tabela Chamado

O COGS visualiza uma lista com todos os chamados. Para cada chamado pode ser visto o número identificador do chamado, o tipo de acidente, o local do acidente, o número de feridos, o status do chamado e o hospital associado ao chamado – Figura-43.

Figura-43: Lista de Chamados do COGS 147

Depois de preenchidos todos os dados referentes ao acidentado, estes serão disponibilizados para o Centro de Operações Rio, que terá a função de atribuir este chamado ao hospital mais próximo com leito disponível (Figura-44).

Figura-44: COR associando o acidente ao hospital mais próximo com leito disponível Depois de realizada a associação do acidente com o hospital de destino, tal informação é disponibilizada para a ambulância que irá efetuar o resgate (Figura-45). Assim, enquanto a ambulância se desloca para efetuar o socorro, ela já saberá o hospital de destino da vítima, que não necessariamente será o hospital mais próximo da ocorrência do sinistro, conforme vem sendo praticado atualmente.

148

Figura-45: Detalhamento de cada chamado para a ambulância

No momento em que a ambulância chega à cena de ação do acidente, a equipe de resgate efetua os primeiros socorros e amplia a situação clínica do acidentado, clicando em “atualizar chamado”. Esta informação será disponibilizada para o hospital pré-selecionado para receber o acidentado, de maneira que possa haver a preparação de material e pessoal necessários para que o atendimento ocorra da maneira mais expedita possível. Quando a ambulância chegar ao hospital de destino, o operador do NIR poderá visualizar a página do hospital, clicar em “leitos reservados” (Figura-46) e nesta nova janela clicar em “fechar chamado”. Esta operação indica que a vítima foi recebida pelo hospital, dando fim a todo o ciclo de atendimento pré-hospitalar de emergência.

149

Figura-46: Fechamento do chamado

150

CAPÍTULO 8 – CONCLUSÃO

A modelagem deste trabalho baseou-se no fluxo dos pacientes desde a solicitação de socorro via 192/193 até a alta hospitalar. O estudo integrou os principais serviços envolvidos na fase pré-hospitalar, no processo de admissão hospitalar e atendimento na área interna, visando unificar o fluxo de informação e coordenar os esforços empenhados por cada agente. Com isso, buscou-se o equilíbrio entre a demanda e a oferta de ambulâncias e de leitos hospitalares, e, por conseguinte, proporcionando um atendimento mais eficiente para toda a sociedade. Foi avaliado um Modelo Regulado por uma Central de Operações e Controle em quatro cenários distintos, quais sejam: com uma, com duas, com três e com quatro unidades hospitalares. O senso comum sugere e os resultados das simulações confirmaram que, quanto maior o número de unidades hospitalares, melhor é a performance do sistema, ou seja, o tamanho médio da fila de alta complexidade diminuiu de 35,8 para 0,45; o número total de atendimentos aumentou de 130 para 433 e o tempo médio no sistema diminuiu de 650,9 minutos para 498,5 minutos. No entanto, as simulações foram realizadas levando em consideração que as UH tinham a mesma capacidade e que a demanda total do sistema seria distribuída de maneira equânime entre as UH disponíveis. Durante a realização da pesquisa de campo, verificou-se que isso não ocorre na realidade, ou seja, enquanto algumas UH estão com as suas capacidades esgotadas, outras estão vazias ou subaproveitadas. Com intuito de analisar o impacto dessa má distribuição de demanda no sistema, foi realizada uma simulação do cenário 4 do MRC, onde, propositalmente, foi sendo inserido um 151

desequilíbrio de demanda crescente em uma UH, em duas UH e em três UH. Chegou-se à conclusão de que, quanto mais desequilibrada estiver a demanda, pior será o desempenho do sistema. Na pior situação, ou seja, com três UH desequilibradas, verificou-se que o tamanho médio da fila de alta complexidade saltou de 0,45 para 40,12 pacientes. Houve uma redução do número total de atendimentos, de 433 para 275. Enquanto o tempo médio no sistema aumentou de 498,5 minutos para 661,2 minutos. Assim sendo, pôde-se concluir que, a melhoria do sistema pré-hospitalar de emergência do município do Rio de Janeiro não perpassa somente no aumento do número de UH. Há de se pensar em uma reengenharia, de maneira que haja uma distribuição racional da demanda entre as UH disponíveis e seus respectivos números de leitos. Posteriormente, foi proposto um modelo denominado Modelo Regulado por uma Central de Operações e Controle “Modificado”. Neste modelo, a demanda espontânea, que causa grande ruído no sistema e que possui apenas 1% de pacientes de alta complexidade, também passou a ser regulada por uma COC. Com essa regulação, retirou-se os pacientes de baixa complexidade, que em princípio, devem ser encaminhados para as UPAs. Verificou-se que este novo modelo apresentou um desempenho bem melhor que o primeiro, pois, no caso do MRC-4 “modificado” a taxa de utilização caiu de 67% para 24% indicando uma ociosidade na equipe de alta complexidade, que é um dos serviços mais críticos do sistema. Daí, conclui-se que, após a implementação das UPAs no município do Rio de Janeiro, não houve uma melhoria expressiva nas grandes emergências dos hospitais municipais porque houve uma distorção na função precípua das UPAs. Além disso, identificou-se que os próprios usuários não sabem discernir quando devem recorrer à UPA ou a uma grande emergência. 152

Na tentativa de dar conta de uma distribuição racional da demanda entre as UH disponíveis e seus respectivos números de leitos, foi desenvolvido o Sistema de Informação e Coordenação. O SIC é uma plataforma multiusuário baseada em um banco de dados dinâmico que foi desenvolvida especificamente para a integração entre os principais agentes. Conceitualmente, o SIC estabeleceu uma simbiose entre as inúmeras informações disponíveis no Centro de Operações Rio, no Centro de Operações GSE/SAMU e dos Núcleos de Regulação de Leitos dos hospitais públicos, com o objetivo de melhorar o tempo de resposta das solicitações de resgate. Assim, conclui-se que o SIC possibilitará a perfeita coordenação entre os agentes envolvidos nas operações de resgate e tratamento de pacientes emergenciais. Em caso de resgate, o protocolo inicial das ambulâncias é prestar o socorro inicial e conduzir o acidentado ao hospital municipal de emergência mais próximo. Todavia, tendo em vista o estudo aqui realizado, conclui-se que tal procedimento deve ser reavaliado, pois de que adianta a ambulância chegar rápido ao hospital se não houver leito disponível para o paciente? Ou de que adianta se dirigir ao hospital mais próximo se o trânsito estiver congestionado/interditado em alguma via de acesso? Isso tudo indica que a chave para melhorar o desempenho das emergências dos hospitais municipais do Rio de Janeiro está no uso apropriado da informação. Em outras palavras, o Sistema de Informações e Coordenação aqui apresentado permite o uso da informação existente pelos agentes diretamente envolvidos com o processo decisório em cada uma das instituições, possibilitando que haja uma alocação

153

adequada de recursos materiais e humanos, de acordo com as necessidades envolvidas em diversos cenários. Conclui-se que, o sistema aqui apresentado é extremamente funcional e possibilita a inserção de novos agentes e/ou novas variáveis, à medida que for se lançando luz sobre novas necessidades. Caso haja o interesse futuro na implementação do referido sistema pelos órgãos competentes, certamente haverá a necessidade de uma equipe multidisciplinar no desenvolvimento, operação, validação, correção, capacitação e manutenção do mesmo, que, com certeza será um sistema muito mais robusto e multifacetado. Sugestões para trabalhos futuros:  Desenvolver um algoritmo que apresente os hospitais em ordem de prioridade, levando em consideração a proximidade do hospital em relação ao local onde ocorreu o acidente, a disponibilidade de leitos disponíveis e as condições de trânsito na cidade.  Criar um algoritmo, que, integrado ao SIC, dimensione toda a equipe necessária, desde a solicitação de socorro via 192/193 até a alta hospitalar ou óbito, de acordo com a demanda instantânea.  Desenvolver aplicativos para smartphones e/ou tablets a serem guarnecidos pelas viaturas de resgate.  Incorporar o conceito de acessibilidade e usabilidade na interface do SIC, a fim de facilitar a inserção dos dados pelos agentes envolvidos.  Pôde-se observar que o “start” do SIC é a ligação telefônica via 192/193 solicitando socorro. No entanto, caso os serviços sejam intermediados por uma 154

Central de Operações e Controle, o SIC deve prever outras maneiras de se iniciar o atendimento pré-hospitalar de emergência, haja vista que um acidente pode ser observado pelo próprio operador da CET-Rio que está dando plantão no COR. Assim sendo, há o “uso da informação” dentro de um espectro bem maior que o contato telefônico exclusivamente.  Disponibilizar no SIC a informação dos médicos especialistas presentes em cada unidade hospitalar, por meio do ponto eletrônico com leitor biométrico.  Criar algum mecanismo ou campanha educativa que interrompa a demanda espontânea de pacientes de baixa complexidade para a emergência dos hospitais municipais.

Com a implantação do Centro de Operações Rio (Município) e do Centro Integrado de Comando e Controle (Estado), percebe-se que o Rio de Janeiro tem se alinhado, desde 2010, com o conceito de “cidade inteligente”. Conforme exposto neste trabalho, as cidades inteligentes são comunidades que lançam mão do que há de mais moderno em recursos tecnológicos e arquitetônicos como resposta aos desafios impostos pelo adensamento populacional. A ideia é criar ambientes sustentáveis, eficientes, com alto grau de conectividade e, consequentemente, com excelentes níveis de qualidade de vida. A coleção de problemas enfrentados nos grandes centros urbanos - que vão do tráfego caótico ao deficiente atendimento ao cidadão em áreas como saúde, educação e segurança, além de questões estratégicas ligadas ao fornecimento de água e energia mobiliza o setor público e dá impulso a novos negócios. O atendimento de demandas

155

crescentes, de forma eficiente e sustentável, uma tarefa de alta complexidade estimula a busca de soluções tecnológicas integradas e economicamente viáveis. A proximidade dos eventos esportivos que o Brasil irá sediar aumenta a urgência de se encontrar soluções e coloca o país no radar de grandes corporações. A Copa de 2014 e a Olimpíada de 2016 são preciosas oportunidades para o desenvolvimento de produtos customizados, tal como o SIC, que atendam as necessidades locais com soluções de curto/médio prazo. Dez dos quinze municípios brasileiros que têm mais de 1 milhão de habitantes irão sediar partidas da Copa 2014. Assim sendo, o Rio de Janeiro é hoje um excelente laboratório para aplicações voltadas para cidades inteligentes.

156

REFERÊNCIA BIBLIOGRÁFICA

ANDRADE, S. F. Simulação baseada em agentes para alocação de pessoal em procedimento de classificação de risco na emergência de um hospital. Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2010.

ANGELIS, V. et al., Planning the Emergency Ambulance Service in the City of Rome by a Mixed Integer Linear Programming Model. 28th Meeting of the European Working Group on Operational Research Applied to Health Services (ORAHS), p. 35-45, Proceeding, Rio de Janeiro, Brasil, 2001. ANSELIN, L., 2003, GeoDa 0.9 User’s Guide. Urbana, IL: University of Illinois.

AGUILAR, R.M., MORENO, L., Using KADS Methodology in a Simulation Assited Knowledge Based System: Application to Hospital Management, Science@Direct v.20, n.3, pp.235-249, April.2001.

ARENALES, M., ARMENTANO, V., MORABITO, R., YANASSE, H., Pesquisa Operacional para cursos de engenharia. Rio de Janeiro: Elsevier, 2007.

AUBIN, J. (1992). Scheduling ambulances. Interfaces, 22(2), 1-10.

BAESLER, F.F., JAHNSEN, H.E. e DA COSTA, M., The Use of Simulation and Design of Experiments for Estimating Maximum Capacity in a Emergency Room, Winter Simulation Conference, 2003.

BANKS, J. e CARSON, J.S., 1984, Discrete-Event System Simulation, Prentice-Hall, Englewood Ciffs N.J.

BANKS, J.; CARSON, J.; NELSON, B. Discrete-event system simulation. New Jersey: Prentice Hall, 1996.

157

BANKS, J. and GIBSON, R. R. Don´t Simulate When: 10 rules for determining when simulation is not appropriate.IEE Solutions, Setembro, 1997.

BARROS, G. H. B. et al. Dimensionamento da frota de ambulâncias do Grupamento Operacional do Comando Geral do Corpo de Bombeiros para o atendimento de emergências na região central do Rio de Janeiro. Simpósio de Pesquisa Operacional e Logística da Marinha, 2012, pág. 52.

BECK, E. Resource management and process change in a simplified model of the emergency department. Simulation Conference, 13-16 december 2009, pp 1887-1895.

BELAIDI, A., BESOMBES, B., MARCON, E. e GUINET, A., Identifying and Modeling Decision Problems for Emergency Network in France: A Literature Analysis, Operational Research Applied to Health Services, 2007.

BEUL, S. et al. What Happens After Calling the Ambulance: Information, Communication, and Acceptance Issues in a Telemedical Workflow. International Conference, 28-30 june 2010. Aechen, Germany.

BLANCHARD, B. S. and FABRYCKY, W. F. Systems Engineering and Analysis. Fourth edition, Prentice-Hall, 1981.

BOND, W. F. et al. The Use of Simulation in Emergency Medicine: A Research Agenda, Academic Emergency Medicine, 2007.

BRASIL. Constituição (1988). Constituição da República Federativa do Brasil. Brasília, DF.

BROTCORNE, L.; LAPORTE, G. & SEMET, F. (2003). Ambulance location and relocation models. European Journal of Operational research, 147, 451-63.

158

CARDOEN, B., ERIK, D. e JEROEN,B., Operating Room Planning and Scheduling: A Literature Review, European Journal of Operational Research, 2010.

CHAVES, W. B. Simulação de admissão de pacientes em um serviço de emergência referenciada. Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2012.

CHWIF, L. e MEDINA, A.C., Introdução ao Software de Simulação Simul8, (Editor), 2006.

CONCANNON, K. et al. Simulation Modeling with Simul8. Visual Thinking International, 2004.

COSTA, L.R.T.A, PENNA R.A.C and HOEFLISH (2002), Towards an Integrated Approach to Improve de Emergency Admission System. In: De Oliveira M.J.F (Eds). Accessibility and Quality of Health Services. World Scientific publishing Co. Pte. Ltd., Frankfurt am Main/ Berlin/ Bern/Brielle’s/New York/ Oxford/ Wien, 59-70.

DE OLIVEIRA, M. J. F., The Use of Information in Planning Hospital Admissions With Special Reference to Glasgow Western Infirmary, Ph.D. dissertation. University of Strathclyde Department of Operation Research, Glasgow, Scotland, 1982. DE OLIVEIRA, M. J. F., 1999, “3D Visual Simulation Platform for the project of a new hospital facility”, In: Monitoring, Evaluating, Planning Health Services, v. 24, pp. 3952, Roma. DE OLIVEIRA, M. J. F., 2001, “3D Visual Simulation of Hospital Admissions”, In: Planning for the Future: Health, Service Quality and Emergency Accessibility, pp. 7796, Glasgow.

159

DE OLIVEIRA, M.J.F. e TOSCANO, L.N.P., Emergency Information Support System for Brazilian Public Hospitals, In: Quantitative approaches in health care management. 27th Meeting of the European Working Group on Operational Research Applied to Health Services (ORAHS), p. 235-251, Proceeding, Viena, Austria, jul 20- Aug 4, 2001.

DE OLIVEIRA, M. J. F., Notas de Aula da Disciplina de Simulação, COPPE/UFRJ, Rio de Janeiro, Brasil, 2001. DE OLIVEIRA, M. J. F., TOSCANO, L. N. P., 2003 “Emergency information support system for Brazilian public hospital”, In: Rauner, M.S., Heidenberger, K. (Eds), “Quantitative Approaches in Health Care Management”, Peter Lang. DE OLIVEIRA, M. J. F. e FILHO, N. A., 2003, ”A Simulação como Método de Avaliação da Qualidade de Atendimento na Emergência de um Hospital Municipal”.

DE OLIVEIRA, M. J. F. et al. An Integrated Operations and Information System for rescue and treatment of emergency patients in a large scale events. 38th Meeting of the European Working Group on Operational Research Applied to Health Services (ORAHS), Enschede, The Netherlands, 15-20 july 2012.

DROEGE, P. Intelligent Environments: Spatial Aspect of the Information Revolution. Oxford, Elsevier, 1997. EHRLICH, P.J., Pesquisa Operacional: Curso Introdutório, 5a edição, São Paulo, Atlas, 1985.

ELDABI, T., PAUL, R.J. e YOUNG, T., Simulation Modelling in Healthcare: Reviewing legacies and Investigating Futures, Journal of the Operational Research Society, 2007.

160

EL-DARZY, E. et al. A simulation modelling approach to evaluating length of stay, occupancy, emptiness and bed blocking in a hospital geriatric department. Hlth Care Mngt Sci 1: 143–149.

FILHO, A.N., A Simulação Como Método de Avaliação da Qualidade de Atendimento Hospitalar: o caso da emergência em um hospital municipal, Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2002.

FILHO, E.R.L., PEREIRA, R. C., DE CASTRO, V.F. e DE ALMEIDA, M.A.R., Simulação de Eventos Discretos Aplicado em Manutenção de Tomógrafos Hospitalares, SPOLM, 2008.

FLORIDA, R. The rise of the creative class: and how its transforming work, leisure, community and everyday life. New York: Basic Books, 2002.

FORRESTER, J.W. Princípios de sistemas. Waltham, MA: Pegasus Communications, 1968.

FREDERICO, V. K. S., Modelo Integrado de um Sistema de Admissão de Emergência para a Rede Pública de Hospitais no Estado do Rio de Janeiro, Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2009.

GABA, D.M., The Future Vision of Simulation in Health Care, Qual Saf Health Care 2004; 13:i2-i10 doi:10.1136/qshc.2004.009878.

GALDINO, D., Simulação do fluxo operacional do serviço de atendimento préhospitalar realizado pelo GSE/SAMU no município do Rio de Janeiro. Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2012.

GARCIA, L.C., Dimensionamento de Recursos de Atendimento Móvel de Urgência da Região Metropolitana II do Estado do Rio de Janeiro, Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2006. 161

GONÇALVES, Antônio Augusto., Gestão da Capacidade de Atendimento em Hospital de Câncer, Tese de D.Sc. COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 2004.

GUNAL, M.M. e PIDD, M., Understanding Accident and Emergency Department Performance Using Simulation, Winter Simulation Conference, 2006.

HAUGE, J.W. e PAIGE, K.N. Learning Simul8: The Complete Guide, PlainVu Publihsers, Bellingham, 2 ed., 2004.

HOEFLICH, S. L., 2002, "Towards an integrated Approach to Improve the Emergency Health System". In: Emergency information support system for Brazilian public hospital, pp. 46-69, Praga.

HOSPITAL MUNICIPAL MIGUEL COUTO. Site do Hospital Municipal Miguel Couto. Disponível em . Acessado em 15 de agosto de 2011.

JAIN, R. The Art of Computer Syustems Performance Analysis, John Wiley & Sons, NY, 1991.

KELTON, W. D; SADOWSKY, R. P; STURROCK, D. T. Simulation with Arena, 4 ed., McGraw-Hill, NY, 2007.

KOMASHIE, A.; MOUSAVI, A. Modeling emergency departments using discrete event simulation techniques. Winter Simulation Conference, 2005.

KOMNINOS, N. The Architecture of Intelligent Cities. Institution of Engineering and Technology, pp. 53-61, 2006.

KOMNINOS, N. Inteligent cities and globalization of innovation networks. Routledge, Londres, 2008.

162

LAGERGREN M., What is the role and contribution of models to management and research in the health services?, European Journal of Operational Research, 105(2), 257-266, 1998. LANE ,D.C. et al. (2000) ‘Looking in the wrong place for healthcare improvements: a system dynamic study of accident and emergency department’. Journal of Operational research Society 51: 518-531.

LAW, A. M; KELTON, W. D. Simulation Modeling and Analysis, 2 ed., McGraw-Hill, NY, 1991.

LITTLEJOHNS, P., WYATT, J. e GARVICAN, L. Evaluating computerized health information systems: hard lessons still to be learnt. Information in Practice, vol. 326, 19 april 2003.

MABRY, S., RORIGUEZ, S. e HEFFERNAN, J., Integrated Medical Analysis System, Winter Simulation Conference, 1997.

MAGALHÃES, M.S., Simulação do Sistema de Admissão de Emergência do Hospital Universitário Antônio Pedro, Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2006.

MARTIN, E.; GRONHAUG ,R.; HAUGENE, K.,2003, Proposals to Reduce OverCrowding, Lengthy Stays and Improve Patient Care: Study of the Geriatric Department in Norway’s Largest Hospital. Winter Simulation Conference.

MARTINS, E.N, 2009, Simulação em setor de urgência hospitalar com aplicação da arquitetura orientada a serviços. Dissertação de Msc. COPPE/UFRJ, Rio de Janeiro, RJ, Brasil.

MONTGOMERY, D. C., RUNGER, G. C. Estatística Aplicada e Probabilidade para Engenheiros. 4ª. Edição. Rio de Janeiro: LTC, 2009. 163

MORAES, Adriana., DE OLIVEIRA, M.J.F., ESPOSITO, S.M e BORDALO, S.M., A Multi User Simulation of a Hospital Queue, In: Proceedings of the 28th Meeting the European Working Group on Operational Research Applied to Health Services, pp 207 a 221, Frankfurtan, jul.2002.

OLIVEIRA, F. B., A simulação de uma central de operações e controle para emergências hospitalares em eventos de grande porte. Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2012.

POULYMENOPOULOU, M. et al. Emergency Healthcare Process Automation Using Mobile Computing and Cloud Services. Springer Science Business Media, pp 32333241, 2011. PIDD, M. Computer Simulation in Management Science, 3 ed., John Willey & Sons. 1984.

PIDD, M., Modelling and Simulation, A Tutorial paper Presented to the Euro XV Conference, Barcelona, Catalunya, July 14-17, pág.202, 1997.

PRADO, D.,Usando o Arena em Simulação, 3ª edição, Belo Horizonte, INDG Tecnologia e Serviço Ltda, 2004.

REDDY, M. C. et al. Challenges to effective crisis management: Using information and communication technologies to coordinate emergency medical services and emergency department teams. International Journal of Medical Informatics 78 (2009), pp 259-269.

SABBADINI, F. S., Gerenciamento de restrições em hospital de emergência: um estudo de caso no Hospital Municipal Henrique Sergio Gregori, Dissertação de Mestrado em Administração e Desenvolvimento Empresarial., UNESA, Rio de Janeiro, RJ, Brasil, 2005.

164

SABBADINI, F. S. et al. Uma plataforma de simulação visual em 3D orientada para o ciclo de vida das entidades. Revista Produção On Line, 2009.

SALUSTRI, L., SBANDI, P., BRAILSFORD, S., BROCATO, R., DE ANGELIS,V., HARPER, P. e LASINIO, G. J., Simulation Modelling of a Major Accident and Emergency Department Rome. Operational Research Applied to Health Services, 2007.

SAMAHA, S., ARMEL, W.S. e STARKS, D.W., The Use of Simulation to Reduce the Length of Stay in a Emergency Department. Winter Simulation Conference, 2003.

SCHRIBER, T. J. Simulation Using GPSS, Wiley, NY, 1974.

SECRETARIA MUNICIPAL DE SAÚDE E DEFESA CIVIL DO MUNICÍPIO DE RIO DE JANEIRO. Saúde Presente. Disponível em . Acessado em 22 de junho de 2012.

SEPÚLVEDA, J.A., THOMPSON, J.W., BAESLER, F.F., ALVAREZ, M.I. e CAHOON, L.E.,The Use of Simulation for Process Improvement in a Cancer Treatment Center, Winter Simulation Conference, 1999. SIBBEL, R., URBAN, C., 2001, “Agent-Based Modelling and Simulation for Hospital Management”. in: Saam, N., Schmidt, B. (eds.): Cooperative Agents. Kluwer academic publishers, Boston.

SINAY, M. C. F. Teoria de Filas. Apostila do Curso de Especialização em Transporte Ferroviário de Cargas do Instituto Militar de Engenharia. Rio de Janeiro, 2005.

SLACK, N. et al. Administração da Produção. 3ª. Edição. São Paulo: Atlas, 2009.

SMITH, W. G. A language for teaching discrete-event simulation. J. Operat. Res. Soc., 40(9):761-770, 1989.

165

SOUZA, P. R. J. , Simulação do Fluxo de Pacientes nos Setores de Emergência do Hospital Universitário Antônio Pedro, Dissertação de M.Sc., COPPE/UFRJ, Rio de Janeiro, Brasil, 2007.

STEVENTON, A. and WRIGHT, S. Intelligent spaces: The application of pervasive ICT”. London, Springer, 2006.

TOSCANO, L.N.P., Uma Ferramenta Integrada de Suporte a Decisões em Casos de Emergência, Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 2001.

WENG, M.L. e HOUSHMAND, A.A. (1999). Healthcare Simulation: A case Study at a Local Clinic. Winter Simulation Conference, Phoenix, AZ.Ouvir

WU, S., SHUMAN, L., BIDANDA, B., KELLEY, M., SOCHATS, K. e BALABAN, C. Agent-Based Discrete Event Simulation Modeling for Disaster Responses, Proceedings of the Industrial Engineering Research Conference, 2008.

ZAKI, A.S., CHENG, H.K., PARKER, B.R., A Simulation Model for the Analysis and Management of an Emergency Service System, Socio-Econ.Plann. Sc. V.31, n.3, pp. 173-189, 1997.

166

ANEXO A ENTREVISTA

ESTRUTURADA

REALIZADA

EM

06/01/2013

COM

O

ASSISTENTE SOCIAL DA UNIDADE DE PRONTO ATENDIMENTO (UPA) DA PENHA, SR JONATHAN REZENDE BUENO.

1) Descreva sucintamente as suas atribuições na UPA R: Entre as atribuições do Serviço Social na UPA destaco: orientação e informação à população usuária quanto aos direitos sociais; acolhida, escuta e encaminhamento para os demais serviços da rede de serviços socioaassistenciais e de saúde (Conselho Tutelar, Centro de Referência de Assistência Social, Centro de Referência Especializado de Assistência Social, Centro de Atenção Psicossocial, Promotoria do Idoso), acompanhamento social aos pacientes em observação nas salas amarela e vermelha. Temos que realizar o atendimento individual e familiar e confeccionar o relatório de Atendimento Social do paciente. Além disso, cabe-nos compreender os aspectos sociais, econômicos e culturais que interferem no processo saúde-doença e as estratégias para o enfrentamento destas questões.

2) O Sr. poderia dizer sucintamente qual é a função precípua das UPAs? R: O Objetivo das Unidades de Pronto Atendimento é diminuir as filas nos prontos-socorros dos hospitais, evitando que casos que possam ser resolvidos nas UPAs, ou unidades básicas de saúde, sejam encaminhados para as unidades hospitalares. As

1

UPAs funcionam 24 horas por dia, 7 dias por semana, e podem resolver um montante considerável de emergências.

3) Quantos são os profissionais de cada especialidade lotados na unidade que o Sr. trabalha? R: Assistentes Sociais: 07; enfermeiros: 29; técnicos de Enfermagem: 51; médicos: 23; farmacêuticos: 03; dentistas: 08; ACD*: 07; administrativos: 17; técnico de raio X: 07; técnico de laboratório: 04; auxiliar de serviços gerais: 12; segurança: 12; auxiliar de farmácia: 04; maqueiros: 12; e copeira: 04. *ACD – auxiliar de consultório dentário.

4) Quantos leitos de cada tipo (pediatria, hipodermia, box, geriatria, etc.) há na sua unidade? R: 3 leitos na pediatria; 10 leitos na sala amarela e 02 leitos na sala vermelha.

5) A quantidade de recursos disponível (pessoal e material) é suficiente para atender toda a demanda da sua unidade? R: Não. Infelizmente a quantidade de recurso não é suficiente, sobretudo a de pessoal. É recorrente a defasagem no quadro de funcionários, sobretudo de técnicos de enfermagem, enfermeiros e médicos.

É importante destacar que devido às

condições de trabalho, vínculos empregatícios precários e terceirização dos serviços, 2

verifica-se alta rotatividade de profissionais. Muitos profissionais assumem mais de um vínculo empregatício, acarretando sobrecarga de trabalho, estresse, depressão, desmotivação, baixa qualidade de vida. Estes fatores interferem de forma significativa na qualidade dos atendimentos prestados.

6) Qual é o número médio diário de atendimentos (se possível, por especialidade) da unidade em que o Sr. trabalha? R: Dentistas: 20; assistente social: 15; médicos: 350; raio-x: 50; técnico de laboratório: 140; enfermeiros: 400 e farmacêuticos: 200.

7) As emergências podem ser classificadas em baixa, média e alta complexidade. A UPA tem condições de atender estes três tipos de emergência? Explique. R: Não tem. E é exatamente esta falta de clareza deste fluxo estabelecido pelo SUS que gera a sobrecarga muitas vezes desnecessária nas Unidades de Saúde. No entanto, identificamos uma relação conflituosa entre a unidade intermediária de média e alta complexidade: os pacientes se queixam que procuram a grande emergência, porém se não tiverem um quadro aparente de gravidade (acidentado, esfaqueado, queimado, baleado) tem grande dificuldade de obter atendimento. Então são encaminhados às UPAs.

3

8) Qual é o perfil sócio-econômico dos pacientes que recorrem aos serviços da UPA? R: Não existe este indicador (renda) no sistema* de cadastro de atendimento na Unidade, o que pode trazer uma leitura não fidedigna da realidade. Há UPAs, que, por exemplo, ficam localizadas estrategicamente dentro de comunidades de baixa renda tais como a UPA Rocinha, a UPA Alemão e a UPA Maré. No caso da UPA Penha até atendemos população das comunidades, porém não é a maioria significativa. *O sistema utilizado na UPA é o KLINIKUS (intranet).

9) Com que frequência, o Sr. observa que os pacientes que chegam até a UPA vieram do Hospital Estadual Getúlio Vargas (ou de outro hospital de grande porte)? R: Como nem todo atendimento médico é necessariamente encaminhado ao Serviço Social, não tenho como responder de forma precisa ou estimada a frequência que estes pacientes vieram do HEGV. Como trabalhamos em equipe, ficamos cientes através das equipes médicas e de enfermagem. Também já ocorreu de o próprio Hospital contatar a equipe de Serviço Social para saber porque as pessoas estavam se reportando ao HEGV encaminhado por nós.

4

10) O Sr. observa se há casos em que o paciente, ao não receber atendimento na UPA se dirige ao Hospital Estadual Getúlio Vargas (ou outro hospital de grande porte)? R: Neste caso, não sabemos ao certo qual destino do paciente, pois não necessariamente ele procura o HEGV ou relata para onde vai.

11) Com que frequência o Sr. observa casos em que o paciente não necessita de nenhum tipo de atendimento (Ex: conseguir dispensa médica para não ir trabalhar)? R: Muitas pessoas, segundo relato da equipe médica, solicita ora pela declaração de comparecimento, ora pelo atestado. Pode-se dizer que é um quantitativo significativo, sobretudo aos domingos ou às segundas-feiras. Muitos médicos verbalizam que já tiveram seus carimbos falsificados. Devido a esta problemática, muitos fornecem a declaração de comparecimento, porém o atestado médico em último caso.

12) Existe algum tipo de mecanismo ou campanha educativa visando informar à população, em que situação deve procurar o atendimento das UPA ou o atendimento dos hospitais emergenciais de grande porte? R: Infelizmente não há campanha educativa com este intuito. Acredito que muito possivelmente esta seria uma estratégia interessante de reduzir estes equívocos e dúvidas da população bem como melhorar de forma eficaz a qualidade dos atendimentos e encaminhamentos.

5

13) Quais são as maiores dificuldades que o Sr. verifica no funcionamento das UPAs em geral e na sua unidade em particular? R: Observa-se uma alta rotatividade de profissionais, trabalhadores com diversos vínculos de trabalho, baixos salários, falta de reconhecimento, contratações temporárias e frágeis vínculos empregatícios. Como resultado, verificamos profissionais estressados, desanimados e sobrecarregados, pois para manterem seus compromissos financeiros é necessário que trabalhem em mais de um emprego, o que afeta, sobretudo sua satisfação e acima de tudo sua qualidade de vida. Outro ponto é a demora nos atendimentos, superlotação, equívoco no fluxo e falta de opção de porta de saída. Encontra-se muita dificuldade em transferir os pacientes tanto para os leitos de enfermaria, quanto para os de CTI. Cabe ressaltar a pressão da população usuária, dos familiares em cobrar respostas imediatas, quando na realidade a questão da saúde depende de vários atores e instâncias. Por exemplo: não adianta atender o paciente se não tem remédio na farmácia e o usuário não tem dinheiro para comprar. Ou atender o paciente, realizar o diagnóstico preciso, porém não conseguir realizar uma hemotransfusão por falta de sangue. Vemos claramente o Projeto Privatista desmantelando importantes conquistas dos trabalhadores no campo da saúde pública em detrimento de uma saúde pública como direito de todos e de qualidade. Assim, resta aos usuários recorrerem aos planos privados de saúde, estes sendo tratados como mercadoria. Como resultado, sobra aos pobres um SUS pobre. Os profissionais da saúde se reportam aos pacientes pela doença: “o infartado” do leito 1, ou “o trombolisado do leito 7”, “já trouxemos aquele HIV”. Além disso, os médicos conversam no intervalo sobre o quantitativo de pacientes atendidos e as doenças trazidas e medicadas.

A saúde abordada pelos profissionais não é pensada dentro das

determinações sociais, econômicas, políticas e culturais, mas tão somente por 6

abordagem “curativista” da doença ou dos doentes. Não é feita uma correlação entre os motivos trazidos pelos pacientes e a qualidade de vida populacional. Não poderíamos esquecer de tratar dos rebatimentos deste quadro dentro da atuação do Serviço Social nas UPAs: não existe um projeto de intervenção do Serviço Social dentro da referida Unidade. Assim, pela indefinição de papéis, ainda com todas as conquistas históricas, bem como o Código de Ética Profissional, e outros documentos como os Parâmetros de Atuação dos Assistentes Sociais na Área da Saúde, verificamos um Serviço Social burocratizado e realizando funções meramente administrativas.

7

ANEXO B

1