Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
Texto Completo: | http://www.repositorio.jesuita.org.br/handle/UNISINOS/9497 |
Resumo: | Neste trabalho foi abordado o tema da previsão de demanda do serviço de urgência em departamento de emergência. O objetivo de pesquisa foi propor um modelo de previsão de demanda para consultas de urgência. Composto por dois artigos acadêmicos, o primeiro artigo é uma revisão sistemática da literatura dos métodos de previsão de demanda com o propósito de reunir os métodos e modelos disponíveis acerca dos conceitos utilizados atualmente na administração de empresas relacionados ao consumo e produção de produtos e serviços. A metodologia utilizada é a revisão sistemática da literatura com abordagem qualitativa com o propósito de dar uma visão geral dos métodos dominantes utilizados em previsão de demanda. Foi realizado o mapeamento da literatura para identificar o estado da ciência por meio da produção científica disponível. Os métodos qualitativos e causais demonstram adaptar-se melhor às previsões de médio e longo prazos, enquanto a análise de séries temporais indica se adequar mais a previsões de curto prazo. O segundo artigo propõe um modelo para prever o número de atendimentos diários em um hospital de pronto atendimento. Foram utilizados os dados de um período de 66 meses de um Pronto Atendimento e Hospital Dia privado localizado no Rio Grande do Sul, Brasil. É uma pesquisa de modelagem quantitativa, caracterizada como empírica normativa quantitativa, com o propósito de fornecer a identificação do estágio atual do conhecimento referente a previsão de demanda de consultas de urgência em departamento de emergência e por meio de um modelo probabilísticos propor uma metodologia para assertividade e ganhos de eficiência no ambiente estudado. A modelagem dos dados foi realizada com o uso do software Microsoft Excel para a coleta e organização dos dados e do software livre R Versão 3.6.2 para construção do modelo de previsão demanda e análises estatísticas. Os resultados sugerem o modelo ARIMA (1,1,4) para clínico geral adulto e ARIMA (4,1,1) para pediatra, considerando o melhor ajuste possível para as predições. Recomenda-se previsões de 1 dia a frente até 14 dias de previsão, com erros próximos a 10%. Além disso, como modelo alternativo de previsão demanda foi proposta a utilização do modelo caótico pelo método do mapa logístico para previsão de curto prazo em consultas de urgência, incorrendo em baixo erro associado as previsões. O estudo demonstra a importância do uso de modelos matemáticos de previsão em serviços de atendimento em departamento de emergência e como ferramenta de gestão. |
id |
USIN_d21f01c0612d782d7db8e5ea860c87bd |
---|---|
oai_identifier_str |
oai:www.repositorio.jesuita.org.br:UNISINOS/9497 |
network_acronym_str |
USIN |
network_name_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
repository_id_str |
|
spelling |
2021-01-20T14:00:20Z2021-01-20T14:00:20Z2020-11-11Submitted by Jeferson Carlos da Veiga Rodrigues (jveigar@unisinos.br) on 2021-01-20T14:00:20Z No. of bitstreams: 1 Andres Eberhard Friedl Ackermann_.pdf: 1174015 bytes, checksum: 70d39b3d1c56bb040202b323aeb7099f (MD5)Made available in DSpace on 2021-01-20T14:00:20Z (GMT). No. of bitstreams: 1 Andres Eberhard Friedl Ackermann_.pdf: 1174015 bytes, checksum: 70d39b3d1c56bb040202b323aeb7099f (MD5) Previous issue date: 2020-11-11Neste trabalho foi abordado o tema da previsão de demanda do serviço de urgência em departamento de emergência. O objetivo de pesquisa foi propor um modelo de previsão de demanda para consultas de urgência. Composto por dois artigos acadêmicos, o primeiro artigo é uma revisão sistemática da literatura dos métodos de previsão de demanda com o propósito de reunir os métodos e modelos disponíveis acerca dos conceitos utilizados atualmente na administração de empresas relacionados ao consumo e produção de produtos e serviços. A metodologia utilizada é a revisão sistemática da literatura com abordagem qualitativa com o propósito de dar uma visão geral dos métodos dominantes utilizados em previsão de demanda. Foi realizado o mapeamento da literatura para identificar o estado da ciência por meio da produção científica disponível. Os métodos qualitativos e causais demonstram adaptar-se melhor às previsões de médio e longo prazos, enquanto a análise de séries temporais indica se adequar mais a previsões de curto prazo. O segundo artigo propõe um modelo para prever o número de atendimentos diários em um hospital de pronto atendimento. Foram utilizados os dados de um período de 66 meses de um Pronto Atendimento e Hospital Dia privado localizado no Rio Grande do Sul, Brasil. É uma pesquisa de modelagem quantitativa, caracterizada como empírica normativa quantitativa, com o propósito de fornecer a identificação do estágio atual do conhecimento referente a previsão de demanda de consultas de urgência em departamento de emergência e por meio de um modelo probabilísticos propor uma metodologia para assertividade e ganhos de eficiência no ambiente estudado. A modelagem dos dados foi realizada com o uso do software Microsoft Excel para a coleta e organização dos dados e do software livre R Versão 3.6.2 para construção do modelo de previsão demanda e análises estatísticas. Os resultados sugerem o modelo ARIMA (1,1,4) para clínico geral adulto e ARIMA (4,1,1) para pediatra, considerando o melhor ajuste possível para as predições. Recomenda-se previsões de 1 dia a frente até 14 dias de previsão, com erros próximos a 10%. Além disso, como modelo alternativo de previsão demanda foi proposta a utilização do modelo caótico pelo método do mapa logístico para previsão de curto prazo em consultas de urgência, incorrendo em baixo erro associado as previsões. O estudo demonstra a importância do uso de modelos matemáticos de previsão em serviços de atendimento em departamento de emergência e como ferramenta de gestão.In this work, the topic of forecasting demand for emergency services in the emergency department was addressed. The research objective was to propose a demand forecasting model for emergency consultations. Consisting of two academic articles, the first article is a systematic review of the literature on demand forecasting methods with the purpose of bringing together the methods and models available about the concepts currently used in the management of companies related to the consumption and production of products and services. The methodology used is the systematic review of the literature with a qualitative approach in order to give an overview of the dominant methods used in demand forecasting. The literature was mapped to identify the state of science through the available scientific production. Qualitative and causal methods show better adaptation to medium and long-term forecasts, while the analysis of time series indicates that it is more suitable for shortterm forecasts. The second article proposes a model to predict the number of daily visits to an emergency hospital. Data from a 66-month period from a private Emergency Care and Day Hospital located in Rio Grande do Sul, Brazil were used. It is a quantitative modeling research, characterized as empirical normative quantitative, with the purpose of providing the identification of the current stage of knowledge regarding the forecast of demand for emergency consultations in the emergency department and through a probabilistic model to propose a methodology for assertiveness and efficiency gains in the studied environment. Data modeling was performed using Microsoft Excel software for data collection and organization and free software R Version 3.6.2 to build the demand forecast model and statistical analysis. The results suggest the ARIMA model (1,1,4) for adult general practitioners and ARIMA (4,1,1) for pediatricians, considering the best possible adjustment for predictions. Forecasts from 1 day ahead to 14 days of forecast are recommended, with errors close to 10%. In addition, as an alternative demand forecast model, it was proposed to use the chaotic model by the logistic map method for short-term forecasting in emergency consultations, incurring a low error associated with the forecasts. The study demonstrates the importance of using mathematical forecasting models in emergency department care services and as a management tool.NenhumaAckermann, Andres Eberhard Friedlhttp://lattes.cnpq.br/4280458380701642http://lattes.cnpq.br/0203545749226007Sellitto, Miguel AfonsoUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em Engenharia de Produção e SistemasUnisinosBrasilEscola PolitécnicaModelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimentoACCNPQ::Engenharias::Engenharia de ProduçãoPrevisão de demandaMétodos de previsão de demandaARIMAMapa logísticoDepartamento de emergênciaServiço de saúdeQualidade em serviço de saúdeDemand forecastingDemand forecasting methodsLogistic mapEmergency departmentHealth care serviceQuality in health care serviceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/9497info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSORIGINALAndres Eberhard Friedl Ackermann_.pdfAndres Eberhard Friedl Ackermann_.pdfapplication/pdf1174015http://repositorio.jesuita.org.br/bitstream/UNISINOS/9497/1/Andres+Eberhard+Friedl+Ackermann_.pdf70d39b3d1c56bb040202b323aeb7099fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82175http://repositorio.jesuita.org.br/bitstream/UNISINOS/9497/2/license.txt320e21f23402402ac4988605e1edd177MD52UNISINOS/94972021-01-20 11:01:28.91oai:www.repositorio.jesuita.org.br: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 Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2021-01-20T14:01:28Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false |
dc.title.pt_BR.fl_str_mv |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
title |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
spellingShingle |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento Ackermann, Andres Eberhard Friedl ACCNPQ::Engenharias::Engenharia de Produção Previsão de demanda Métodos de previsão de demanda ARIMA Mapa logístico Departamento de emergência Serviço de saúde Qualidade em serviço de saúde Demand forecasting Demand forecasting methods Logistic map Emergency department Health care service Quality in health care service |
title_short |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
title_full |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
title_fullStr |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
title_full_unstemmed |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
title_sort |
Modelo de previsão de demanda do serviço de urgência em um hospital de pronto atendimento |
author |
Ackermann, Andres Eberhard Friedl |
author_facet |
Ackermann, Andres Eberhard Friedl |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4280458380701642 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0203545749226007 |
dc.contributor.author.fl_str_mv |
Ackermann, Andres Eberhard Friedl |
dc.contributor.advisor1.fl_str_mv |
Sellitto, Miguel Afonso |
contributor_str_mv |
Sellitto, Miguel Afonso |
dc.subject.cnpq.fl_str_mv |
ACCNPQ::Engenharias::Engenharia de Produção |
topic |
ACCNPQ::Engenharias::Engenharia de Produção Previsão de demanda Métodos de previsão de demanda ARIMA Mapa logístico Departamento de emergência Serviço de saúde Qualidade em serviço de saúde Demand forecasting Demand forecasting methods Logistic map Emergency department Health care service Quality in health care service |
dc.subject.por.fl_str_mv |
Previsão de demanda Métodos de previsão de demanda ARIMA Mapa logístico Departamento de emergência Serviço de saúde Qualidade em serviço de saúde |
dc.subject.eng.fl_str_mv |
Demand forecasting Demand forecasting methods Logistic map Emergency department Health care service Quality in health care service |
description |
Neste trabalho foi abordado o tema da previsão de demanda do serviço de urgência em departamento de emergência. O objetivo de pesquisa foi propor um modelo de previsão de demanda para consultas de urgência. Composto por dois artigos acadêmicos, o primeiro artigo é uma revisão sistemática da literatura dos métodos de previsão de demanda com o propósito de reunir os métodos e modelos disponíveis acerca dos conceitos utilizados atualmente na administração de empresas relacionados ao consumo e produção de produtos e serviços. A metodologia utilizada é a revisão sistemática da literatura com abordagem qualitativa com o propósito de dar uma visão geral dos métodos dominantes utilizados em previsão de demanda. Foi realizado o mapeamento da literatura para identificar o estado da ciência por meio da produção científica disponível. Os métodos qualitativos e causais demonstram adaptar-se melhor às previsões de médio e longo prazos, enquanto a análise de séries temporais indica se adequar mais a previsões de curto prazo. O segundo artigo propõe um modelo para prever o número de atendimentos diários em um hospital de pronto atendimento. Foram utilizados os dados de um período de 66 meses de um Pronto Atendimento e Hospital Dia privado localizado no Rio Grande do Sul, Brasil. É uma pesquisa de modelagem quantitativa, caracterizada como empírica normativa quantitativa, com o propósito de fornecer a identificação do estágio atual do conhecimento referente a previsão de demanda de consultas de urgência em departamento de emergência e por meio de um modelo probabilísticos propor uma metodologia para assertividade e ganhos de eficiência no ambiente estudado. A modelagem dos dados foi realizada com o uso do software Microsoft Excel para a coleta e organização dos dados e do software livre R Versão 3.6.2 para construção do modelo de previsão demanda e análises estatísticas. Os resultados sugerem o modelo ARIMA (1,1,4) para clínico geral adulto e ARIMA (4,1,1) para pediatra, considerando o melhor ajuste possível para as predições. Recomenda-se previsões de 1 dia a frente até 14 dias de previsão, com erros próximos a 10%. Além disso, como modelo alternativo de previsão demanda foi proposta a utilização do modelo caótico pelo método do mapa logístico para previsão de curto prazo em consultas de urgência, incorrendo em baixo erro associado as previsões. O estudo demonstra a importância do uso de modelos matemáticos de previsão em serviços de atendimento em departamento de emergência e como ferramenta de gestão. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-11-11 |
dc.date.accessioned.fl_str_mv |
2021-01-20T14:00:20Z |
dc.date.available.fl_str_mv |
2021-01-20T14:00:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/9497 |
url |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/9497 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia de Produção e Sistemas |
dc.publisher.initials.fl_str_mv |
Unisinos |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola Politécnica |
publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) instname:Universidade do Vale do Rio dos Sinos (UNISINOS) instacron:UNISINOS |
instname_str |
Universidade do Vale do Rio dos Sinos (UNISINOS) |
instacron_str |
UNISINOS |
institution |
UNISINOS |
reponame_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
collection |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
bitstream.url.fl_str_mv |
http://repositorio.jesuita.org.br/bitstream/UNISINOS/9497/1/Andres+Eberhard+Friedl+Ackermann_.pdf http://repositorio.jesuita.org.br/bitstream/UNISINOS/9497/2/license.txt |
bitstream.checksum.fl_str_mv |
70d39b3d1c56bb040202b323aeb7099f 320e21f23402402ac4988605e1edd177 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS) |
repository.mail.fl_str_mv |
|
_version_ |
1801845045172633600 |