Modelação estatística da afluência ao Serviço de Urgência do HESE

Abstract

Os hospitais públicos apresentam-se como sistemas complexos nos quais as suas áreas de intervenção se dividem de acordo com as especialidades médicas. Estas contam com o apoio de equipamentos tecnológicos para a resolução de problemas de saúde identificados nos pacientes que diariamente se apresentam neste serviço. O serviço de urgência garante a oferta contínua e diferenciada de cuidados de saúde a toda a população, durante todos os dias do ano. Pelo seu caráter de fácil acesso, a população opta frequentemente por resolver os seus problemas de saúde, independentemente da sua urgência, nos serviços de urgência resultando num excesso de procura para o qual, por vezes, o serviço de urgência não foi inicialmente dimensionado. A grande afluência de utentes ao serviço de urgência dos hospitais constitui um problema que afeta não apenas responsáveis pelo serviço como os próprios utentes, pelos problemas de gestão, escassez dos recursos disponíveis, humanos e materiais, mas principalmente no aumento dos tempos de espera dos pacientes podendo comprometer a qualidade do atendimento e segurança do utente. Este projeto visa o estudo desta problemática que abrange as chegadas totais de utentes ao serviço de urgência, modelação da afluência ao serviço de urgência e/ou comparação de modelos que possam auxiliar a equipa de gestão do serviço a otimizar o serviço. Pretende-se com este estudo criar/conhecer o perfil do utilizador, no que diz respeito à procura do serviço de urgência do HESE fazendo uma caraterização do serviço, relacionando chegada de utentes e o fluxo dentro do serviço com o perfil do paciente e as suas caraterísticas. Serão utilizadas ferramentas estatísticas adequadas para analisar os dados fornecidos pelo HESE de forma a responder aos objetivos do estudo. Aplicamos a carta de controlo u para a monitorização do número de casos por cor, tendo em conta as unidades de tempo, dia do ano e dia da semana. Utilizamos os modelos lineares generalizados (GLM’s), em particular o modelo de regressão logística, considerando a variável resposta o tipo de utilizador (utilizador normal e hiperutilizador) - ABSTRACT: - Statistical Modeling of Affluence to the HESE Emergency Service Public hospitals and present themselves as complex systems in which their areas of intervention are divided according to medical specialties. These have the support of technological equipment for the resolution of health problems identified in patients who present themselves to this service. The emergency service guaranteed a continuous and differentiated offer of healthcare for the entire population, every day of the year. Due to its easy access character, a population often chooses to solve their health problems, regardless of their urgency, in the emergency services available in an excess of demand for which, sometimes, the emergency service was not dimensioned. The large influx of users to the institutions' emergency services is a problem that affects not only those responsible for the service, but also the users themselves, due to management problems, scarcity of available human and material resources, but mainly due to the increase in waiting times of patients, which could compromise the quality of care and user safety. This project aims to study this issue that covers the possibilities of users to the emergency room, modeling the inflow to the emergency room and / or comparison of models that can help the service management team to optimize the service. The aim of this study is to create / know the user profile, with regard to the demand for the HESE emergency service, characterizing the service, relating the arrival of users and the flow within the service with the patient's profile and their features. Tools will be studied to analyze the data provided by HESE in order to respond to the study objectives. We apply the u control chart to monitor the number of cases by color, taking into account the time units, day of the year and day of the week. We use generalized linear models (GLM's), in particular the logistic regression model, considering the response variable as the type of user (normal user and hyperuser).