Análise da influência do número de candidatos a doação de sangue no lead time de um doador em um Hemocentro

Autores

DOI:

https://doi.org/10.20397/2177-6652/2021.v21i1.2022

Palavras-chave:

Hemocentro, Lead time, Simulação, Doação de sangue, Flexsim.

Resumo

Objetivo: Determinar o lead time do processo de doação de sangue em um hemocentro e avaliar como ele varia com o aumento do número de doadores candidatos.

Metodologia: Os processos de doação de sangue foram mapeados utilizando técnicas de mapeamento de processos. Tais processos foram, então, convertidos em modelos de simulação de eventos discretos. As funções que descrevem cada processo foram calculadas via software Expertfit. Para identificação da correlação entre o lead time e o número de candidatos a doação, utilizou-se o método do coeficiente de correlação linear.

Originalidade/relevância: O estudo avança na literatura de gestão de operações demonstrando a eficácia do método de modelagem e simulação de processos para avaliação e predição de impactos em processos no contexto de doação de sangue.

Principais resultados: Foi possível determinar o lead time médio do processo de doação de sangue, com 95% de nível de confiança e 5% de erro. Em relação à correlação linear entre as variáveis, o coeficiente calculado resultou em 0,3, indicando não haver correlação.

Contribuições teóricas/metodológicas: A pesquisa pode melhor evidenciar o uso de técnicas de modelagem e simulação de sistemas para gerenciamento de processos altamente estocásticos.

Biografia do Autor

Mateus Santana, Universidade Federal de São Carlos

Mestrado em andamento em Engenharia de Produção pela Universidade Federal de São Carlos (UFSCar). Possui graduação em Engenharia de Produção com ênfase em Agroindústria pela Universidade Estadual de Maringá (UEM). Participou ativamente de diversas atividades extra-curriculares na UEM, como integrante do Centro Acadêmico de Engenharia de Produção e da AIESEC em Maringá. Realizou pesquisas por 2 anos na área de Logística Verde e por 1 ano na área de Modelagem, Simulaçao e Otimização, ambas no Departamento de Engenharia de Produção da UEM. 

Beatriz Miwa Murase, Universidade Estadual de Maringá

Graduação em andamento em Engenharia de Produção, com ênfase em Software, pela Universidade Estadual de Maringá.

Manoel Francisco Carreira, Universidade Estadual de Maringá

Possui graduação em Engenharia Química pela Universidade Estadual de Maringá (1984), mestrado em Engenharia Civil - Área Hidráulica e Saneamento pela Universidade de São Paulo (1995), doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina (2006) e doutorado em Estágio de Doutoramento Sandwich pela Universidade do Minho (2003). Atualmente é professor adjunto nivel A da Universidade Estadual de Maringá. Tem experiência na área de Engenharia Química, Engenharia Têxtil e Engenharia de Produção, atuando com ênfase em Simulação Dinâmica de Processos Produtivos, utilidades industriais, projetos de efluentes, projetos industriais têxteis e de vestuário. Focos principais: Simulação Dinâmica, gestão ambiental e custos industriais.

Gilberto Clóvis Antonelli, Universidade Estadual de Maringá

Possui graduação em Engenharia Química pela Universidade Estadual de Maringá (1984), mestrado em Engenharia Química pela Universidade Estadual de Maringá (1998) e doutorado em Engenharia Química pela Universidade Estadual de Maringá (2007). Atualmente é professor associado da Universidade Estadual de Maringá do Departamento de Engenharia de Produção. Tem experiência na área de Simulação Dinâmica, Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: modelagem, simulação e otimização, inteligência computacional e engenharia econômica.

Referências

ABPM. Association of Business Process Management. (2013). Guia para o Gerenciamento de Processos de Negócio – Corpo Comum de Conhecimento, v. 3.

Alfonso, E., Xie, X., Augusto, V., & Garraud, O. (2012). Modeling and simulation of blood collection systems. Health care management science, 15(1), 63-78. https://doi.org/10.1007/s10729-011-9181-8

Alfonso, E., Xie, X., Augusto, V., & Garraud, O. (2013). Modelling and simulation of blood collection systems: improvement of human resources allocation for better cost‐effectiveness and reduction of candidate donor abandonment. Vox Sanguinis, 104(3), 225-233. https://doi.org/10.1111/vox.12001

Alfonso, E., Xie, X., & Augusto, V. (2015). A simulation-optimization approach for capacity planning and appointment scheduling of blood donors based on mathematical programming representation of event dynamics. In 2015 IEEE International Conference on Automation Science and Engineering (CASE) (pp. 728-733). IEEE. Disponível em: <https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7294167 >. Acesso em: 19 abr. 2018.

Banks, J., & Carson, J. S. (1984). Discrete-Event System Simulation. Englewood Cliffs: Prendice-Hall.

Barnes, R. M. (1977). Estudo de movimentos e de tempos: projeto e medida do trabalho. Editora Edgard Blucher.

Barrios, M. A. O., & Jiménez, H. F. (2016). Use of six sigma methodology to reduce appointment lead-time in obstetrics outpatient department. Journal of medical systems, 40(10), 220.

Baş, S., Carello, G., Lanzarone, E., & Yalçındağ, S. (2018). An appointment scheduling framework to balance the production of blood units from donation. European Journal of Operational Research, 265(3), 1124-1143. https://doi.org/10.1016/j.ejor.2017.08.054

Bateman, R., Bowden, R., Gogg, T., Harrel, C., Mott, J., & Montevechi, J. (2013). Simulação de Sistemas – Aprimorando Processos de Logística, Serviços e Manufatura. Rio de Janeiro: Elsevier.

Beliën, J., & Forcé, H. (2012). Supply chain management of blood products: A literature review. European Journal of Operational Research, 217(1), 1-16. https://doi.org/10.1016/j.ejor.2011.05.026

Bertrand, J. W. M., & Fransoo, J. C. (2016). Modelling and simulation. In Research methods for operations management (pp. 306-346). Routledge.

Bittar, O. J. N. V. (1999). Gestão de processos e certificação para qualidade em saúde. Revista da Associação Médica Brasileira, 45(4), 357-363.

Brasil. ANVISA. Agência Nacional de Vigilância Sanitária. Resolução - RDC nº 153, de 14 de junho de 2004. (2004). Regulamento Técnico para os procedimentos hemoterápicos, incluindo a coleta, o processamento, a testagem, o armazenamento, o transporte, o controle de qualidade e o uso humano de sangue, e seus componentes, obtidos do sangue venoso, do cordão umbilical, da placenta e da medula óssea. Alterada por Portaria Nº 2.712 de 12 de novembro de 2013. Diário Oficial da União nº 221 – Ministério da Saúde. Brasília, DF, 13 Novembro 2013. Disponível em: <http://www.saude.mg.gov.br/images/documentos/RES_153.pdf.>. Acesso em: 19 abr. 2018.

Brasil. Portal Brasil. (2017). Apenas 1,8% dos brasileiros doam sangue, saiba como se tornar um doador. Disponível em: <http://www.brasil.gov.br/saude/2017/06/apenas-1-8-dos-brasileiros-sao-doadores-de-sangue>. Acesso em: 18 abr. 2018.

_____. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Atenção Especializada. (2010). Guia para o uso de hemocomponentes. Brasília: Editora do Ministério da Saúde.

Buhaug, H. (2002). Long waiting lists in Hospital. British Medical Journal, Macmillan Health Administration Press HSR.

Bussab, W. O., & Morettin, P. A. (2017). Estatística básica. São Paulo: Saraiva.

Chung, R. D., Hunter-Smith, D. J., Spychal, R. T., Ramakrishnan, V. V., & Rozen, W. M. (2017). A systematic review of intraoperative process mapping in surgery. Gland surgery, 6(6), 715. http://dx.doi.org/10.21037/gs.2017.11.02

Flexsim. (2018). Healthcare Simulation Software - Experience The Power Of Flexsim HC. Disponível em: <https://healthcare.flexsim.com/healthcare-simulation-software/>. Acesso em: 28 abr. 2018.

de Freitas Filho, P. J. (2001). Introdução à modelagem e simulação de sistemas: com aplicações em Arena. Visual Books.

Geronimo, B., & Antonelli, G. (2017). Modelagem e Simulação Dinâmica do Banco de Sangue Maringá - Um Estudo de Caso. Ed. Novas Edições Acadêmicas.

Graeml, A., & Peinado, J. (2007). Administração da Produção: operações industriais e serviços. Curitiba: UnicenP.

Gurupur, V. P., Suh, S. C., Selvaggi, R. R., Karla, P. R., Nair, J. S., & Ajit, S. (2012). An approach for building a personal health information system using conceptual domain knowledge. Journal of medical systems, 36(6), 3685-3693. https://doi.org/10.1007/s10916-012-9842-2

Hemonorte. Hemocentro do Rio Grande do Norte Dalton Cunha. (2013). Tipos de Doação de Sangue. Disponível em: <http://www.hemonorte.rn.gov.br/Conteudo.asp?TRAN=ITEM&TARG=1836&ACT=null&PAGE=0&PARM=null&LBL=Institui%C3%A7%C3%A3o>. Acesso em: 26 jun. 2018.

Hunt, V. D. (1996). Process mapping: how to reengeneer your business process.

INCA. Instituto Nacional de Câncer José Alencar Gomes da Silva. (2015). Como Se Tornar Um Doador. Disponível em: <http://redome.inca.gov.br/doador/como-se-tornar-um-doador/>. Acesso em: 27 jun. 2018.

Joukes, E., Abu-Hanna, A., Cornet, R., & de Keizer, N. F. (2018). Time Spent on Dedicated Patient Care and Documentation Tasks Before and After the Introduction of a Structured and Standardized Electronic Health Record. Applied clinical informatics, 9(01), 046-053. https://doi.org/10.1055/s-0037-1615747

Kalman, H. K. (2002). Process mapping: Tools, techniques, & critical success factors. Performance Improvement Quarterly, 15(4), 57-73. http://doi.wiley.com/10.1111/j.1937-8327.2002.tb00265.x

Katsaliaki, K., & Brailsford, S. C. (2007). Using simulation to improve the blood supply chain. Journal of the Operational Research Society, 58(2), 219-227. https://doi.org/10.1057/palgrave.jors.2602195

Lowalekar, H., & Ravichandran, N. (2010). Model for blood collections management. Transfusion, 50(12pt2), 2778-2784. https://doi.org/10.1111/j.1537-2995.2010.02944.x

Martins, P., & Laugeni, F. (2005). Administração da Produção (2a ed.). São Paulo: Saraiva.

Morabito, R., Pureza, V. (2018). Modelagem e Simulação. In Cauchick-Miguel, P. Metodologia de pesquisa em engenharia de produção e gestão de operações. (3ª Ed., Cap. 8, pp. 167-193). Rio de Janeiro: Elsevier.

Nguyen, T. B. T., Sivakumar, A. I., & Graves, S. C. (2015). A network flow approach for tactical resource planning in outpatient clinics. Health care management science, 18(2), 124-136.

de Oliveira, M. L., Neto, J. M. R., & Cybis, H. B. B. (2003). A Influencia do tamanho das filas na capacidade de Atendimento das praças de pedágio. In XVII Congresso de Pesquisa e Ensino em Transportes (pp. 1264-1275).

Ortiz, M. A., McClean, S., Nugent, C. D., & Castillo, A. (2016, November). Reducing appointment lead-time in an outpatient department of gynecology and obstetrics through discrete-event simulation: a case study. In International Conference on Ubiquitous Computing and Ambient Intelligence (pp. 274-285). Springer, Cham.

Osorio, A. F., Brailsford, S. C., Smith, H. K., Forero-Matiz, S. P., & Camacho-Rodríguez, B. A. (2017). Simulation-optimization model for production planning in the blood supply chain. Health care management science, 20(4), 548-564. https://doi.org/10.1007/s10729-016-9370-6

Paraná. Secretaria da Saúde. (2013). Doação por Aférese. Disponível em: <http://www.saude.pr.gov.br/modules/conteudo/conteudo.php?conteudo=2986>. Acesso em: 24 jun. 2018.

Shannon, R. E. (1975). Systems Simulation: The Art and Science. Englewood Cliffs: Prendice-Hall.

Silva Júnior, J. B., Costa, C. D. S., & Baccara, J. P. D. A. (2015). Regulação de sangue no Brasil: contextualização para o aperfeiçoamento. Revista Panamericana de Salud Pública, 38, 333-338.

Singh, S., Upadhyaya, S., Deshmukh, P., Dongre, A., Dwivedi, N., Dey, D., & Kumar, V. (2018). Time motion study using mixed methods to assess service delivery by frontline health workers from South India: methods. Human resources for health, 16(1), 17. https://doi.org/10.1186/s12960-018-0279-7

Takagi, H., Kanai, Y., & Misue, K. (2017). Queueing network model for obstetric patient flow in a hospital. Health care management science, 20(3), 433-451. https://doi.org/10.1007/s10729-016-9363-5

Testik, M. C., Ozkaya, B. Y., Aksu, S., & Ozcebe, O. I. (2012). Discovering blood donor arrival patterns using data mining: A method to investigate service quality at blood centers. Journal of medical systems, 36(2), 579-594. https://doi.org/10.1007/s10916-010-9519-7

Tubino, D. F. (2007). Planejamento e Controle da Produção. São Paulo: Atlas.

Vaccari, M., Montasser, W., Tudor, T., & Leone, L. (2017). Environmental audits and process flow mapping to assess management of solid waste and wastewater from a healthcare facility: an Italian case study. Environmental monitoring and assessment, 189(5), 239. https://dx.doi.org/10.1007/s10661-017-5940-4

Downloads

Publicado

2021-03-15

Como Citar

Santana, M., Murase, B. M., Carreira, M. F., & Antonelli, G. C. (2021). Análise da influência do número de candidatos a doação de sangue no lead time de um doador em um Hemocentro. Revista Gestão & Tecnologia, 21(1), 213–244. https://doi.org/10.20397/2177-6652/2021.v21i1.2022

Edição

Seção

ARTIGO