UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO E

SISTEMAS

MARCOS COLLA

TEMPO DE RESPOSTA EM SERVIÇO MÉDICO DE EMERGÊNCIA

NO CONTEXTO DE CIDADES INTELIGENTES E SUSTENTÁVEIS:
O CASO DO SAMU SUDOESTE DO PARANÁ

DISSERTAÇÃO

PATO BRANCO
2020
 MARCOS COLLA

TEMPO DE RESPOSTA EM SERVIÇO MÉDICO DE EMERGÊNCIA

NO CONTEXTO DE CIDADES INTELIGENTES E SUSTENTÁVEIS:
O CASO DO SAMU SUDOESTE DO PARANÁ

Dissertação apresentada ao Programa de Pós-

Graduação em Engenharia de Produção e
Sistemas – PPGEPS, da Universidade
Tecnológica Federal do Paraná – UTFPR,
Câmpus Pato Branco, como requisito parcial
para obtenção do título de Mestre em
Engenharia de Produção e Sistemas – Área de
Concentração: Modelos e Métodos de Suporte
à Tomada de Decisão

Orientador: Prof. Dr. Gilson Ditzel Santos.

PATO BRANCO
2020
C697t Colla, Marcos.
Tempo de resposta em serviço médico de emergência no contexto de
cidades inteligentes sustentáveis: o caso do SAMU sudoeste do Paraná /
Marcos Colla. – 2020.
119 f. : il.

Orientador: Prof. Dr. Gilson Ditzel dos Santos

Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná.
Programa de Pós-Graduação em Engenharia de Produção e Sistemas.
Pato Branco, PR, 2020.
Inclui bibliografia.

1. Cidades - Inovações tecnológicas. 2. Segurança pública. 3.

Desenvolvimento sustentável. 4. Variáveis (Matemática). I. Santos, Gilson
Ditzel dos, orient. II. Universidade Tecnológica Federal do Paraná.
Programa de Pós-Graduação em Engenharia de Produção e Sistemas. III.
Título.

CDD 22. ed. 670.42

Ficha Catalográfica elaborada por
Suélem Belmudes Cardoso CRB9/1630
Biblioteca da UTFPR Campus Pato Branco
 Ministério da Educação
Universidade Tecnológica Federal do Paraná
Câmpus Pato Branco
Programa de Pós-Graduação em Engenharia de
Produção e Sistemas

TERMO DE APROVAÇÃO DE DISSERTAÇÃO Nº 64

A Dissertação de Mestrado intitulada “Tempo de resposta em serviço médico de

emergência no contexto de cidades inteligentes e sustentáveis: o caso do SAMU
Sudoeste do Paraná”, defendida em sessão pública pelo candidato Marcos Colla, no dia
16 de abril de 2020, foi julgada para a obtenção do título de Mestre em Engenharia de
Produção e Sistemas, área de concentração Gestão dos Sistemas Produtivos, e aprovada
em sua forma final, pelo Programa de Pós-Graduação em Engenharia de Produção e
Sistemas.

BANCA EXAMINADORA:
Prof. Dr. Gilson Ditzel Santos - Presidente - UTFPR

Prof. Dr. Dalmarino Setti - UTFPR

Prof. Dr. Edson Pinheiro de Lima – UTFPR

Prof. Dr. Eduardo de Freitas Rocha Loures – PUC-PR

A via original deste documento encontra-se arquivada na Secretaria do Programa,

contendo a assinatura da Coordenação após a entrega da versão corrigida do trabalho.

Pato Branco, 15 de junho de 2020.

Fernando José Avancini Schenatto

Coordenador do PPGEPS
 DEDICATÓRIA

Para Anna Letícia e Sophia Milena, a quem devo servir de exemplo.

 AGRADECIMENTOS

À minha esposa Ethel Cristina e às minhas filhas Anna Letícia e Sophia Milena, pelo
apoio incondicional, paciência, compreensão e aceitação de uma rotina que impôs desafios e
restrições, mas, fortaleceu ainda mais nossas crenças, nossos valores, nossos laços e nossos
propósitos enquanto família.
Ao meu Orientador, Prof. Dr. Gilson Ditzel Santos, por acreditar no propósito desta
pesquisa, pela placidez e tolerância, pelo constante auxílio no processo de construção do
conhecimento e pela proposição de desafios que me fizeram, literalmente, ir muito mais longe
do que eu imaginava.
Aos Professores Doutores Dalmarino Setti, Fernando José Avancini Schenatto, Gilson
Adamczuk Oliveira e José Donizetti de Lima (PPGEPS) e ao Prof. Dr. Marcos Júnior Marini
(PPGDR) pelo profissionalismo e solicitude nos muitos momentos de dúvidas e, ainda, ao Prof.
Dr. Sergio Luiz Ribas Pessa (PPGEPS), pelo incentivo antes e durante o período de estudos,
mesmo que eu não cursado sua disciplina.
Aos professores integrantes das bancas de qualificação e de defesa, Prof. Dr. Edson
Pinheiro de Lima e Prof. Dr. Eduardo de Freitas Rocha Loures, que sinalizaram importantes
ajustes na condução final deste trabalho de pesquisa.
Ao SAMU Sudoeste do Paraná, na pessoa de sua Coordenadora Regional, Sra. Kelly
Cristine Custódio dos Santos, por tornar possível o acesso à sua estrutura, ao seu quadro
profissional e, especialmente, aos dados que permitiram a operacionalização desta pesquisa.
Aos amigos Libório de Oliveira Júnior e Gilcindo de Castro Corrêa Neto.
Aos colegas de curso Vanessa Alves Tonete, Alex Restelli, Raiana Ralita Ruaro
Tavares e Rudimar Caricimi, sempre dispostos a auxiliar nos momentos de dúvidas.
A Adriani Edith Michelon, Assistente em Administração do PPGEPS, sempre solícita
e prestativa em relação às questões documentais, também relevantes neste processo.
A Renata Braga Berenguer Vasconcelos, professora e pesquisadora, pela disposição
em compartilhar seus conhecimentos estatísticos em regressão quantílica, os quais foram
imprescindíveis para a consecução do objetivo deste trabalho.
Ao mestre, amigo e irmão Naido Vedana, por um dia ter acreditado no meu potencial,
por jamais ter se furtado a enriquecer meu conhecimento com suas experiências e ensinamentos
e por confiar que posso contribuir para fortalecer sua imensa obra profissional.
 EPÍGRAFE

“O homem não é nada além daquilo que a educação faz dele.”

Immanuel Kant
 RESUMO

COLLA, Marcos. Tempo de resposta em serviço médico de emergência no contexto de

cidades inteligentes e sustentáveis: o caso do SAMU Sudoeste do Paraná. Dissertação –
Mestrado em Engenharia de Produção e Sistemas, Universidade Tecnológica Federal do
Paraná. Pato Branco, 2020.

O crescimento da população impele cada vez mais pessoas à vida em espaços urbanos e impõe
aos gestores das cidades o desafio de administrar interesses econômicos, sociais e ambientais
com uso da tecnologia da informação e comunicação para otimizar os processos de tomada de
decisão com o propósito de ofertar serviços capazes de proporcionar segurança e qualidade de
vida aos cidadãos. A partir desse contexto e tendo como pano de fundo o gerenciamento de
operações de serviços, desenvolveu-se este trabalho com o propósito de identificar o tempo de
resposta, definido como o intervalo entre o recebimento de um chamado de emergência até a
chegada de um veículo com uma equipe na cena de ocorrência, de um Serviço de Atendimento
Móvel de Urgência – SAMU responsável pelo atendimento pré-hospitalar a uma população de
aproximadamente 635.000 habitantes de 42 pequenas cidades na região Sudoeste do Estado do
Paraná. Com o uso de regressão quantílica buscou-se identificar fatores associados ao tempo de
reposta para contextualizá-los sob a ótica das dimensões das cidades inteligentes e sustentáveis
com o objetivo de contribuir para a melhoria do indicador de desempenho estudado. Foram
selecionados 12.050 registros de despachos de ambulâncias ocorridos no período de 01 de
janeiro a 31 de dezembro de 2018 que atenderam a casos de afogamentos, clínicos, obstétricos,
pediátricos, psiquiátricos e de trauma classificados como prioridade alta moderada e baixa. A
média do tempo de resposta foi de 14min25seg, enquanto a mediana foi de 11 minutos e a moda
de 9 minutos, tempos considerados intermediários quando comparados aos casos da literatura.
O modelo de regressão dos mínimos quadrados ordinários não se mostrou adequado e o uso do
modelo de regressão quantílica conseguiu explicar o comportamento das variáveis
independentes sobre a variável dependente ao longo dos quantis, mesmo com discreta perda de
capacidade a partir do quantil 50%, evidenciando que outras variáveis não incluídas no modelo
podem exercer influência sobre o tempo de resposta. Variáveis em nível de sistema exerceram
maior impacto sobre o tempo de resposta, sendo possível associar essas variáveis às dimensões
governança inteligente e mobilidade inteligente relativas aos conceitos de cidades inteligentes
e sustentáveis. As possíveis soluções para otimizar os processos e melhorar o tempo de reposta
do serviço médico de emergência envolvem a interoperabilidade dos serviços com os demais
serviços de segurança pública por meio de um centro de operações e, acima de tudo, a realização
de investimentos em tecnologia da comunicação e informação além da aquisição de tecnologias
contemporâneas para monitoramento via satélite da frota de veículos. Futuras pesquisas
poderão explorar estudos de simulação para avaliar redistribuição de bases de operações e
veículos do serviço médico de emergência.

Palavras-chave: cidades inteligentes e sustentáveis; gerenciamento de operações;

gerenciamento de operações de serviços; segurança pública; tempo de resposta; regressão
quantílica.
 ABSTRACT

COLLA, Marcos. Response time in emergency medical service in the context of smart and
sustainable cities: the case of SAMU Southwest of Paraná. Dissertation (Master in
Production Engineering and Systems) – Graduate Program in Production Engineering and
Systems, Federal Technological University of Paraná. Pato Branco, 2020.

Population growth takes more and more people to urban spaces, bringing the challenge to city
managers to manage economic, social and environmental interests with the use of new
information and communication technologies to optimize decision-making processes and offer
better services that provide security and quality of life for citizens. From this context and with
the background of service operations management, this work was done with the objective of
identifying the response time - defined as the time interval between the receipt of an emergency
call until the arrival of an emergency call. ambulance at the scene – of an emergency medical
service responsible for pre-hospital care for a population of approximately 635,000 inhabitants
in 42 small towns. Using quantile regression this work tried to identify factors associated with
the response time of the emergency medical service to contextualize it to the dimensions of
smart and sustainable cities in order to improve the processes that affect response time. 12,050
ambulance dispatch records were used to treat drowning, clinical, obstetric, pediatric,
psychiatric and trauma cases, classified as high priority, moderate priority and low priority,
from January 1 to December 31, 2018. The average response time is 14min25sec, while the
median is 11 minutes and the mode 9 minutes, times considered intermediate when compared
to cases in the literature. The regression model of ordinary least squares was not adequate and
the use of the quantile regression model was able to explain the behavior of the independent
variables over the dependent variable over the quantiles, even with a slight loss of capacity from
the 50% quantile, showing that other variables not included in the model can influence the
response time. System-level variables had a greater impact on response time, making it possible
to associate these variables with the dimensions of smart governance and smart mobility in the
concepts of smart and sustainable cities. The possible solutions to improve the response time
of the emergency medical service require interoperability of services with other public security
services, preferably in an integrated operations center and, above all, investments in
communication and information technology in addition to current technologies for updating
and GPS monitoring of the vehicle fleet. Future work may involve simulation studies to
redistribute bases and vehicles of the emergency medical service.

Keywords: smart and sustainable cities; operations management; service operations

management; public safety; ambulance; response time; quantile regression.
 LISTA DE FIGURAS

Figura 1 – SME e seu contexto com os propósitos do trabalho de pesquisa ........................... 27

Figura 2 – Conceitos clássicos de uma cidade inteligente ....................................................... 32
Figura 3 – Processos na governança de cidades inteligentes e sustentáveis ............................ 34
Figura 4 – Dimensões da qualidade em serviços de SME ....................................................... 46
Figura 5 – Principais processos de um SME............................................................................ 47
Figura 6 – Classificação das urgências em níveis .................................................................... 54
Figura 7 – Fluxo do processo decisório até o despacho de ambulância .................................. 56
Figura 8 – Síntese das etapas do trabalho de pesquisa ............................................................. 78
Figura 9 – Localização e abrangência do SAMU Sudoeste do Paraná .................................... 85
Figura 10 – CRM e bases descentralizadas do SAMU Sudoeste do Paraná ............................ 86
Figura 11 – Layout e fluxo de comunicação na CRM do SAMU Sudoeste do Paraná ........... 87
Figura 12 – Sistema de regulação médica e-SUS-SAMU ....................................................... 88
Figura 13 – Fluxo do atendimento a um chamado ao SAMU Sudoeste do Paraná ................. 91
Figura 14 – Formulário RAS do SAMU Sudoeste do Paraná ................................................. 94
Figura 15 – Dados extraídos do RAS em formato eletrônico .................................................. 96
Figura 16 – TR médios de 2018 nas cidades abrangidas pela SAMU Sudoeste ................... 108
Figura 17 – Impacto das variáveis independentes sobre a variável dependente .................... 124
 LISTA DE TABELAS

Tabela 1 – Abrangência do SAMU em nível nacional ............................................................. 55

Tabela 2 – Evolução da estrutura e atendimentos do SAMU nos últimos cinco anos ............. 60
Tabela 3 – Etapas da seleção de dados para tratamento estatístico .......................................... 82
Tabela 4 – Orçamento SAMU Sudoeste do Paraná.................................................................. 83
Tabela 5 – Gestão da saúde na área do SAMU Sudoeste do Paraná ........................................ 84
Tabela 6 – Teste de normalidade para variável dependente e variáveis independentes ........... 98
Tabela 7 – Teste de normalidade para os resíduos da regressão múltipla ................................ 98
Tabela 8 – Distribuição da amostra por característica da emergência ................................... 102
Tabela 9 – Média do TR e demais tempos do SAMU Sudoeste do Paraná ........................... 103
Tabela 10 – Frequência dos atendimentos quanto ao horário do dia...................................... 104
Tabela 11 – Frequência dos atendimentos quanto turno de trabalho ..................................... 104
Tabela 12 – Frequência dos atendimentos quanto a faixa-etária ............................................ 104
Tabela 13 – Frequência dos atendimentos quanto ao gênero ................................................. 105
Tabela 14 – Frequência dos atendimentos por mês ................................................................ 105
Tabela 15 – Despachos de ambulâncias por dia da semana ................................................... 105
Tabela 16 – Características dos casos por faixa-etária ........................................................... 106
Tabela 17 – Frequência dos casos de acordo com a gravidade presumida............................. 106
Tabela 18 – Carga de trabalho dos veículos de emergência ................................................... 106
Tabela 19 – Atendimentos e características das emergências por município......................... 107
Tabela 20 – TR médio para cidades atendidas pelo SAMU Sudoeste do Paraná .................. 108
Tabela 21 – Frequências das variáveis utilizadas na regressão quantílica ............................. 109
Tabela 22 – Frequências de casos no Quantil 10% ................................................................ 109
Tabela 23 – Comportamento das variáveis independentes no Quantil 10% .......................... 110
Tabela 24 – Frequências de casos no Quantil 30% ................................................................ 111
Tabela 25 – Comportamento das variáveis independentes no Quantil 30% .......................... 111
Tabela 26 – Frequências de casos no Quantil 50% ................................................................ 112
Tabela 27 – Comportamento das variáveis independentes no Quantil 50% .......................... 112
Tabela 28 – Frequências de casos no Quantil 70% ................................................................ 113
Tabela 29 – Comportamento das variáveis independentes no Quantil 70% .......................... 114
Tabela 30 – Frequências de casos no Quantil 90% ................................................................ 115
Tabela 31 – Comportamento das variáveis independentes no Quantil 90% .......................... 115
Tabela 32 – Síntese do comportamento das variáveis independentes ao longo dos quantis .. 116
Tabela 33 – Teste de Estatística F das variáveis do modelo de regressão.............................. 117
 LISTA DE QUADROS

Quadro 1 – Publicações sobre modelos de simulação no SAMU no Brasil ............................ 23

Quadro 2 – Eixos e palavras-chave da RSL ............................................................................. 28
Quadro 3 – Portfólio bibliográfico resultante da RSL ............................................................. 29
Quadro 4 – Conceitos de cidades inteligentes e sustentáveis .................................................. 31
Quadro 5 – Conceitos de sustentabilidade associados a cidades inteligentes .......................... 33
Quadro 6 – Serviços de segurança em cidades inteligentes e sustentáveis .............................. 37
Quadro 7 – Cidades em relação aos conceitos de cidades inteligentes e sustentáveis............. 38
Quadro 8 – Iniciativas em cidades inteligentes e sustentáveis do projeto ACIMER ............... 39
Quadro 9 – Objetivos de desempenho das operações .............................................................. 40
Quadro 10 – Evolução das pesquisas em gerenciamento de operações de serviços ................ 42
Quadro 11 – Gerenciamento de operações em cidades inteligentes e sustentáveis ................. 43
Quadro 12 – Capacidade de uso de serviços em cidades inteligentes e sustentáveis .............. 43
Quadro 13 – Elementos do gerenciamento de operações alinhados aos serviços de saúde ..... 44
Quadro 14 – Dimensões da qualidade para SME .................................................................... 45
Quadro 15 – Potencial estrutura de desempenho para serviços de ambulâncias ..................... 45
Quadro 16 – Métricas para tempos em SME ........................................................................... 49
Quadro 17 – TR identificados na RSL ..................................................................................... 49
Quadro 18 – Avaliação multifatorial do grau de urgência ....................................................... 53
Quadro 19 – Características das equipes operacionais do SAMU ........................................... 57
Quadro 20 – Ferramentas de apoio para operacionalização da CRM ...................................... 58
Quadro 21 – Exemplos de códigos utilizados pelos RO do SAMU ........................................ 58
Quadro 22 – SAMU Regionais em nível nacional................................................................... 61
Quadro 23 – Padrões e capacidade de cobertura dos SAMU no Brasil ................................... 62
Quadro 24 – Inovação em cidades inteligentes e sustentáveis................................................. 63
Quadro 25 – Potencial das tecnologias da informação e comunicação ................................... 64
Quadro 26 – Governança no contexto de cidades inteligentes e sustentáveis ......................... 69
Quadro 27 - Síntese das variáveis independentes .................................................................... 70
Quadro 28 – Fundamentação para seleção das variáveis ......................................................... 71
Quadro 29 – Variáveis independentes consideradas na regressão quantílica .......................... 71
Quadro 30 – Hipóteses de pesquisa para variáveis associadas ao TR ..................................... 72
Quadro 31 – Equipe do SAMU Sudoeste do Paraná ............................................................... 84
Quadro 32 – Diagnóstico de heterocedasticidade dos resíduos ............................................... 99
Quadro 33 – Variáveis não métricas convertidas em dummies ............................................. 100
Quadro 34 – Variáveis utilizadas na regressão quantílica ..................................................... 101
Quadro 35 – Capacidades para a obtenção da interoperabilidade ......................................... 131
 LISTA DE ABREVIATURAS

APH Atendimento Pré-Hospitalar

CRM Central de Regulação Médica
GPS Sistema de Posicionamento Global
MR Médico Regulador
RAS Relatório de Atendimento do Socorrista
RO Rádio Operador
SAMU Serviço de Atendimento Móvel de Urgência
SME Serviços Médicos de Emergência
TARM Telefonista Auxiliar de Regulação Médica
USA Unidades de Suporte Avançado
USB Unidades de Suporte Básico
 SUMÁRIO

1 INTRODUÇÃO ................................................................................................................. 16
1.1 CONTEXTUALIZAÇÃO................................................................................................. 16
1.2 PROBLEMA DE PESQUISA .......................................................................................... 20
1.3 OBJETIVOS ..................................................................................................................... 21
1.3.1 Objetivo Geral .............................................................................................................. 21
1.3.2 Objetivos Específicos .................................................................................................... 21
1.4 JUSTIFICATIVA ............................................................................................................. 22
1.5 DELIMITAÇÃO DA PESQUISA .................................................................................... 24
1.6 ESTRUTURA DA DISSERTAÇÃO................................................................................ 25
2 FUNDAMENTAÇÃO TEÓRICA ................................................................................... 26
2.1 REVISÃO SISTEMÁTICA DA LITERATURA ............................................................. 26
2.2 CIDADES INTELIGENTES E SUSTENTÁVEIS .......................................................... 30
2.3 GERENCIAMENTO DE OPERAÇÕES DE SERVIÇOS ............................................... 39
2.4 SERVIÇOS MÉDICOS DE EMERGÊNCIA E TEMPO DE RESPOSTA ..................... 46
2.4.1 SAMU, o SME brasileiro ............................................................................................. 52
2.5 CIDADES INTELIGENTES E SUSTENTÁVEIS, SME, CONSÓRCIOS DE SAÚDE 62
2.6 VARIÁVEIS E HIPÓTESES ........................................................................................... 70
2.6.1 Variável dependente ..................................................................................................... 70
2.6.2 Variáveis independentes .............................................................................................. 70
3 METODOLOGIA DA PESQUISA.................................................................................. 73
3.1 ESTATÍSTICA APLICADA À AVALIAÇÃO DE SME ................................................ 73
3.1.1 Aplicações da regressão quantílica na avaliação de SME. ....................................... 75
3.2 CLASSIFICAÇÃO DA PESQUISA ................................................................................ 77
3.3 OBJETO DE ESTUDO..................................................................................................... 79
3.4 UNIVERSO, POPULAÇÃO E AMOSTRA .................................................................... 79
3.5 COLETA E TRATAMENTO DE DADOS...................................................................... 80
4 ANÁLISE E DISCUSSÃO DOS RESULTADOS .......................................................... 83
4.1 SAMU SUDOESTE DO PARANÁ ................................................................................. 83
4.2 TEMPO DE RESPOSTA DO SAMU SUDOESTE DO PARANÁ................................. 97
4.2.1 Tratamento das variáveis............................................................................................. 98
4.2.2 Estatística descritiva ................................................................................................... 102
4.2.3 Regressão quantílica ................................................................................................... 109
4.2.3.1 Quantil 10% ............................................................................................................... 109
4.2.3.2 Quantil 30% ............................................................................................................... 110
4.2.3.3 Quantil 50% ................................................................................................................ 112
4.2.3.4 Quantil 70% ................................................................................................................ 113
4.2.3.5 Quantil 90% ................................................................................................................ 114
4.2.4 Hipóteses suportadas e não suportadas .................................................................... 118
4.2.4.1 H1: O tempo de despacho influencia positivamente o TR .......................................... 118
4.2.4.2 H2: O tempo de deslocamento afeta positivamente o TR ........................................... 119
4.2.4.3 H3: O horário do dia afeta positivamente o TR .......................................................... 120
4.2.4.4 H4: A idade do paciente influencia positivamente o TR............................................. 121
4.2.4.5 H5: Atendimentos a pacientes do gênero masculino influenciam mais o TR ............. 121
4.2.4.6 H6: Atendimentos a casos clínicos influenciam mais o TR ........................................ 122
4.2.4.7 H7: Atendimentos a casos críticos influenciam mais o TR......................................... 122
4.2.4.8 H8: Atendimentos aos domingos influenciam mais o TR ........................................... 123
4.2.5 SAMU Sudoeste do Paraná no contexto de cidades inteligentes e sustentáveis .... 125
5 CONCLUSÃO .................................................................................................................. 129
REFERÊNCIAS ................................................................................................................... 136
 16

1 INTRODUÇÃO

Este capítulo contextualiza e apresenta o problema da pesquisa, seu objetivo geral e os

objetivos específicos, justificando-a e delimitando-a, além de apresentar a estrutura da
dissertação.

1.1 CONTEXTUALIZAÇÃO

A Organização das Nações Unidas estima em 7,5 bilhões o número de habitantes no

planeta e projeta uma população de 9,7 bilhões de pessoas em 2050, sendo que 54% da
população mundial atual vive em espaços urbanos podendo chegar a 66% nos próximos trinta
anos (UN, 2015; UN, 2017). O Fórum Econômico Mundial alerta sobre o crescente processo
de urbanização e seus impactos sobre as pessoas, colapsos dos sistemas de planejamento urbano
e das governanças nacionais, aumento da desigualdade de renda e riqueza e instabilidade social
(COMPANIES, 2019). No Brasil o fenômeno não é diferente: entre 1940 e 2010 a urbanização
cresceu de 31,24% para 81,23% (IBGE, 2020).
O aumento da população em espaços urbanos gera novos desafios no campo da gestão
e as cidades precisam repensar as formas como administram seus problemas frente as restrições
legais e institucionais para aplicação de recursos públicos (NAM; PARDO, 2011a; ALBINO;
BERARDI; DANGELICO, 2015). Não é exagero afirmar que os atuais grandes aglomerados
urbanos, reflexos da sociedade contemporânea, se caracterizam como complexos ecossistemas
que buscam desenvolvimento sustentável ao mesmo tempo que tentam atender demandas cada
vez maiores em qualidade de vida em áreas como saúde, segurança e outros serviços públicos,
incluindo serviços de emergência como ambulâncias, brigadas de combate a incêndio, forças
policiais e defesa civil, entre outros (SCHAFFERS et al., 2013).
Sustentabilidade urbana é fortemente impactada pela necessidade de adequação
econômica e preservação ambiental para garantir e melhorar a qualidade de vida das pessoas
(BĂTĂGAN, 2011). Uma cidade inteligente é aquela na qual a governança pública é capaz de
enfrentar desafios decorrentes da urbanização por meio da criação, combinação,
desenvolvimento e alavancagem de recursos para tornar o espaço urbano atrativo, sustentável
e habitável (SCHOLL; ALAWADHI, 2015). Já a inteligência urbana requer utilização de
recursos tecnológicos capazes de ajudar no processo de tomada de decisão que afeta as
dimensões física, ambiental, econômica e social de uma cidade (HALL et al., 2000;
HARRISON et al., 2010; BIBRI; KROGSTIE, 2017a).
 17

Giffinger et al. (2007) sugerem seis dimensões para caracterizar uma cidade inteligente
– economia, pessoas, governança, mobilidade, meio ambiente e vida – dimensões que se
conectam a teorias de desenvolvimento urbano relacionadas à competitividade regional,
economia de transporte, tecnologias da informação e comunicação, recursos naturais,
envolvimento social dos cidadãos e qualidade de vida propostas por Caragliu, Del Bo e Nijkamp
(2011). Se caracterizam por multidimensionalidades, sempre permeadas pelas tecnologias da
informação e comunicação que podem suportar a implementação e o aprimoramento da
inteligência na gestão urbana, por exemplo, por meio da integração de bancos de dados e
geração de modelos de apoio à decisão, melhorando a eficiência, a equidade, a sustentabilidade
e qualidade de vida nas cidades (TOPPETA, 2010; KOMNINOS, 2011; NAM; PARDO, 2011b;
BATTY et al., 2012).
Bélissent (2010) propõe que as iniciativas relacionadas à segurança no contexto de
cidades inteligentes podem servir para otimizar a capacidade e o tempo de resposta de serviços
de emergência, numa abordagem muito semelhante a Toppeta (2010). Harrison et al. (2010) e
Asimakopoulou e Bessis (2011) numa abordagem mais técnica sobre o potencial da exploração
do universo de dados gerados numa cidade inteligente entendem que os tomadores de decisões
podem melhorar as operações a situações envolvendo emergências que afetam os cidadãos.
Ahvenniemi et al. (2017) analisaram diversos frameworks para avaliação de cidades
inteligentes e sustentáveis, deparando-se com 958 indicadores de desempenho, dos quais 298
indicadores, aproximadamente 31% do total, dizendo respeito à segurança, à saúde e à
qualidade de vida. Giffinger et al. (2007) foram precursores ao apropriar aspectos da segurança
pública no contexto de cidades inteligentes à dimensão denominada qualidade de vida, tratando,
da satisfação dos cidadãos em relação a sua segurança individual bem como sua satisfação com
os serviços de saúde, dentre outros indicadores.Uma cidade segura é aquela capaz de integrar
tecnologia ao ambiente natural aumentando a eficácia da segurança que permeia processos
relacionados com saúde, tráfego de veículos, vigilância, gestão de crises, centralização de
operações policiais e de resgate, fornecendo resposta efetiva ou proteção aos cidadãos e
organizações (LACINÁK; RISTVEJ, 2017).
Serviços médicos de emergência (SME) são responsáveis pelo atendimento pré-
hospitalar (APH) e têm como propósito prestar primeiros socorros por meio de processos que
são afetados por variáveis como infraestrutura adequada, pessoal capacitado, disponibilidade
de equipamentos, entre outras (ABOUELJINANE; SAHIN; JEMAI, 2013).
 18

Complexidade e imprevisibilidade são características comuns aos SME que devem

administrar seus processos para responder chamados de emergência, estabilizar as condições e
transportar o paciente para local de atendimento adequado no menor tempo possível
(ABOUELJINANE; SAHIN; JEMAI, 2014). O tempo decorrido entre o atendimento de um
chamado de emergência até a chegada da equipe ao local da ocorrência é denominado tempo
resposta e além de ser um dos fatores que influenciam no desempenho do SME é um indicador
confiável para avaliar sua efetividade (HAREWOOD, 2002; TAKEDA; WIDMER;
MORABITO, 2007).
O APH envolve assistência direta ou indireta fora de ambiente hospitalar com uso de
meios e métodos disponíveis, podendo variar de uma simples orientação médica ao despacho
de uma ambulância e no Brasil é operacionalizado em parte pelo Corpo de Bombeiros e em
parte pelo Serviço de Atendimento Móvel de Urgência (SAMU), este último um serviço público
responsável por intervenções básicas ou avançadas nos locais das emergências com o propósito
de garantir acesso das vítimas à rede de serviços de saúde (DE SOUZA MINAYO;
DESLANDES, 2008; O'DWYER et al., 2013). O APH deve trabalhar no menor tempo de
resposta (TR) possível para chegar à cena da emergência o mais cedo possível e, dessa maneira,
mitigar efeitos de possíveis sequelas e evitar óbitos, potencializando a sobrevida do paciente e
garantindo, se necessário, transporte para serviço de saúde adequado (BRASIL, 2006a).
De um modo geral, a medicina de emergência é um campo em desenvolvimento no
Brasil, com características singulares, mesclando influências dos modelos franco-alemão e
anglo-americano de atendimento de emergência e em especial do SME francês em que médicos
fazem parte das equipes das ambulâncias enviadas para as cenas de emergências
(TANNEBAUM et al., 2001). Além disso, as poucas pesquisas sobre TR em SME brasileiros
tratam da realidade de cidades com mais de um milhão de habitantes (CABRAL et al., 2018).
Nos Estados Unidos o US EMS Act determina padrões para o TR em áreas urbanas
(95% dos chamados de emergência devem ser atendidos dentro de 10 minutos) e rurais (95%
dos chamados de emergência devem ser atendidos dentro de 30 minutos), enquanto o National
Health Service do Reino Unido estabelece metas de 75% em 8 minutos e 95% em 19 minutos
para chamados urgentes urbanos (INGOLFSSON, 2013; CABRAL et al., 2018). No Brasil não
existem regras que determinam limites para o TR dos serviços de emergência, tampouco que
as bases dos SME devam estar próximas de hospitais (TAKEDA; WIDMER; MORABITO,
2007).
 19

A literatura evidencia pesquisas sobre o TR ao longo dos últimos anos (CABRAL et

al., 2018). O uso de informações dos SME, tais como dados dos pacientes atendidos e dados
específicos sobre as características dos atendimentos prestados, e de técnicas estatísticas básicas
e modelos de regressão para mensurar e melhorar o TR em SME para previsão da demanda tem
sido constante desde a década de 1970 (ARINGHIERI et al., 2017). Usualmente os modelos
tradicionais de regressão tendem a avaliar o comportamento da média de uma distribuição
afetada por mudanças nas características dos pacientes ou do SME, impondo certa limitação
para pesquisas envolvendo APH (AUSTIN; SCHULL, 2003).
Organizações de serviços públicos precisam compreender que o gerenciamento de suas
operações é uma tarefa complexa e somente a integração de infraestruturas críticas possibilita
a uma cidade a manutenção preventiva de suas atividades e a maximização dos serviços aos
cidadãos, inclusive segurança (HALL et al., 2000; RADNOR; BATEMAN, 2016). Desse
modo, é apropriado repensar o modelo tradicional de gestão de operações baseado em recursos,
processos e pessoas porque o conceito de cidades inteligentes e sustentáveis oferece grandes
oportunidades para organizações públicas e privadas redesenharem seus processos, uma vez
que, do ponto de vista do gerenciamento de operações, mudanças estão acontecendo com as
pessoas e impactando na forma como produtos e serviços são projetados, exigindo
escalabilidade, saída analítica e conectividade (LI et al., 2016).
A exigência de aperfeiçoamento dos processos de governança em cidades consideradas
inteligentes obriga grandes empresas de tecnologia a ofertar novas soluções como, por exemplo,
o serviço de gerenciamento de vigilância para centros de comando desenvolvido pela
multinacional Cisco, ou o aprimoramento dos serviços de telefonia móvel da empresa
Telefónica para melhorar tempos de respostas de serviços de emergência, exemplos de
experiências reais proporcionadas aos cidadãos (BÉLISSENT, 2010; VISVIZI; LYTRAS,
2018a).
A integração de infraestruturas urbanas com as tecnologias da informação e
comunicação pode contribuir com novos modelos de operações, pois, infraestruturas
digitalizadas se caracterizam como oportunidades para organizações públicas e privadas (LI et
al., 2016). Como exemplo, Vitalij, Robnik e Alexey (2012) desenvolveram solução de apoio à
decisão, em ambiente web, integrando informações de serviços públicos de segurança e
proteção, englobando dados de vigilância por vídeo, comunicação de emergência,
monitoramento ambiental e sistemas de controle de incêndios, entre outros.
 20

Permeando diversos domínios do ambiente urbano, as tecnologias da informação e

comunicação englobam equipamentos como Sistema de Posicionamento Global (GPS),
sensores inteligentes e sistemas habilitados para, entre outras tarefas, realizar análises
estatísticas, integrar bancos de dados, realizar modelagem e simulação e dar suporte a decisões
por meio de protocolos de comunicação e rede (BIBRI; KROGSTIE, 2017a). Em SME,
ambulâncias inteligentes já fazem uso de receptores de GPS com link seguro de comunicação
com suas centrais de operações, o que permite identificar as rotas mais relevantes para resgates
mais efetivos (ARINGHIERI; CARELLO; MORALE, 2007; ABOUELJINANE; JEMAI;
SAHIN, 2012).
O usuário de serviços públicos tem cada vez mais consciência sobre ferramentas de
tecnologia da informação e comunicação consideradas inteligentes, porém, até mesmo as
pessoas mais instruídas no uso dos serviços das cidades inteligentes e sustentáveis em
determinados momentos têm dúvidas quanto à utilidade, à segurança, a acessibilidade e a
eficiência desses serviços (VISVIZI; LYTRAS, 2018b). Por essa razão optou-se por realizar
este estudo junto ao serviço de segurança pública, denominado SAMU, responsável pelo APH
a uma população estimada de 635 mil habitantes distribuídos entre 42 pequenas cidades que
compõem a região Sudoeste do Paraná.

1.2 PROBLEMA DE PESQUISA

No contexto dos serviços em cidades inteligentes e sustentáveis vislumbram-se

oportunidades consideráveis para gerentes de operações em relação a processos, pessoas,
ferramentas e estruturas de apoio à tomada de decisão estratégica e operacional, não apenas
para melhoria da eficiência e eficácia de operações atuais, mas, para a transformação dos
modelos convencionais de operação e até mesmo oportunidades de inovação por ruptura com
o desenvolvimento de modelos radicalmente diferentes de gerenciamento de operações (LI et
al., 2016).
Ainda que serviços públicos se caracterizem essencialmente como operações, o
gerenciamento de operações de serviços públicos difere do gerenciamento de operações de
empresas privadas e se observa interesse crescente no campo do gerenciamento de operações
de serviços públicos para que sejam mais eficientes (RADNOR; NOKE, 2013).
 21

Considerando o exposto acredita-se pertinente identificar claramente um indicador

válido para mensurar o desempenho de um serviço crítico para a segurança pública como o
SME e tentar compreender quais conceitos de cidades inteligentes e sustentáveis podem ser
associados à gestão de sua operação para melhoria desse indicador. Isto leva à questão de
pesquisa: a partir das informações oriundas da tecnologia da informação e comunicação do
SME é possível identificar fatores associados ao TR dos chamados de emergência para otimizar
futuros atendimento aos cidadãos?

1.3 OBJETIVOS

A seguir são apresentadas as principais entregas intencionadas por este trabalho,

dividindo-se entre o objetivo geral e os objetivos específicos.

1.3.1 Objetivo Geral

Identificar, com base nos registros dos chamados de emergência demandados à Central
de Regulação Médica (CRM) de um SME que resultaram em despacho de ambulâncias, o
indicador TR e os fatores que o afetam.

1.3.2 Objetivos Específicos

Além do objetivo principal, este trabalho norteou-se pelos seguintes objetivos

específicos:
1) Contextualizar os resultados da pesquisa sob a ótica das dimensões de cidades
inteligentes e sustentáveis potencialmente associadas ao indicador de desempenho
estudado;
2) Compreender a relevância das informações oriundas da tecnologia da informação
e comunicação de um SME na estimação de fatores associados ao indicador de
desempenho estudado;
3) Realizar análise diagnóstica e contribuir com sugestões alinhadas aos conceitos
de cidades inteligentes e sustentáveis aplicáveis ao contexto do SME para eventual
melhoria dos seus processos.
 22

1.4 JUSTIFICATIVA

Desde 1960 cientistas de pesquisa operacional, planejadores de SME e profissionais

de saúde investigam a importância e sensibilidade do processo de tomada de decisão no SME
(ARINGHIERI et al., 2017). Johnston (2005a; 2005b) explora a crescente importância dos
serviços no contexto das operações e não se furta a afirmar categoricamente que o grande
potencial para pesquisa em gerenciamento de operações está descolado do consumidor,
elencando os setores público e sem fins lucrativos como campos mais promissores para
pesquisas.
O contexto das operações de serviços geralmente envolve ambiente muito dinâmico
no qual os objetivos da organização estão em constante mudança para atender às necessidades
dos usuários, aumentando o desafio de comandar as pessoas que devem entregar os serviços
(FITZSIMMONS; FITZSIMMONS, 2005). Transformações demográficas, sociais e
epidemiológicas têm exercido cada vez mais pressão sobre serviços de emergência, geralmente
de modos distintos, em alguns casos preconizando atendimento terapêutico com consequente
retardo no transporte das vítimas, em outros casos priorizando remoção rápida das vítimas
(MACHADO; SALVADOR; O'DWYER, 2011).
SME são responsáveis pelo APH, prestando primeiros-socorros por meio de processos
afetados por variáveis como infraestrutura, pessoas, equipamentos, entre outras
(ABOUELJINANE; SAHIN; JEMAI, 2013). No Brasil o APH integra os serviços de
emergência com ações executadas por equipes de suporte básico à vida que realizam medidas
não invasivas e por equipes de suporte avançado à vida habilitadas a realizar medidas invasivas
também responsáveis por transportar vítimas a serviços hospitalares apropriados quando
exigido (MARQUES; CICONET; DA SILVA LIMA, 2011).
Gerenciamento e resposta em emergências exigem compreensão dos processos de
resgate e suas interações, e o despacho de um veículo de emergência e a consequente decisão
sobre a característica da equipe de resgate a ser alocada são fatores críticos para o sucesso de
um EMS porque isso tudo afeta o TR, também referenciado na literatura como período de espera
(MORIN; JENVALD; THORSTENSSON, 2000; GOLDBERG, 2004; ANDERSSON;
VÄRBRAND, 2007). Pesquisas operacionais sobre o desempenho de veículos de emergência
geralmente usam modelos de simulação por computador e modelos analíticos para
planejamento da capacidade do SME (GOLDBERG, 2004).
 23

Há grande potencial para pesquisas voltadas ao TR e seu impacto na melhoria das taxas
de sobrevivência dos pacientes porque o TR é um indicador confiável para avaliar a efetividade
do SME, geralmente com a utilização de estatística descritiva (TAKEDA; WIDMER;
MORABITO, 2007; ABOUELJINANE; SAHIN; JEMAI, 2013; CABRAL et al., 2018).
No Brasil há significativa produção científica voltada à avaliação de serviços de saúde
de atenção primária e serviços de média e alta complexidade, com escassos estudos sobre APH
(CICONET, 2015). Em relação ao APH, bom volume de produção científica aborda o potencial
dos modelos de simulação, explorando elementos quantitativos para identificar indicadores de
desempenho que possam ser convertidos em ferramenta de apoio à decisão no SME, conforme
evidencia o Quadro 1.

Quadro 1 – Publicações sobre modelos de simulação no SAMU no Brasil

Título
Aplicando a teoria de
simulação a eventos discretos Mario Jorge Ferreira de
no Serviço de Atendimento
Móvel de Urgência (SAMU-
192)
Analysis of ambulance
decentralization in an urban
emergency medical service
using the hypercube queueing Morabito (2007)
model
Emergency medical systems
analysis by simulation and
optimization
Análise da configuração de
SAMU utilizando múltiplas
alternativas de localização de
ambulâncias
Posicionamento de
ambulâncias do SAMU por
meio de programação inteira
e teoria de filas
Autor(es)/Ano
Oliveira; Leonardo Claro
Garcia (2005)
Renata Algisi Takeda,
João A.Widmer, Reinaldo
Pedro Marinho Sizenando
Silva, Luiz Ricardo Pinto
(2010)
Regiane Máximo de
Souza, Reinaldo Morabito, espacialmente distribuídas para analisar
Fernando Yassuo
Chiyoshi, Ana Paula
Iannoni (2013)
Bruno Barreto;
Fernando Alexandrino;
Ormeu Coelho (2016)
Fonte: Autoria própria (2020)
Abordagem
Modelo de simulação a eventos discretos é
proposto para a avaliação de cenários
alternativos e para o dimensionamento de
recursos humanos e materiais na implantação
de um SAMU numa região metropolitana no
estado do Rio de Janeiro
Aplicação do modelo de fila de hipercubo
avalia efeitos da descentralização de
ambulâncias e da inclusão de novas
ambulâncias no sistema, comparando os
resultados com os da situação original no
SAMU em Campinas/SP
Metodologia que integra técnicas de simulação
de eventos discretos e procedimentos de análise
de sistemas de emergência médica para avaliar
o SAMU de Belo Horizonte/MG
Aplicação do modelo hipercubo de filas
medidas de desempenho para múltiplas
alternativas de localização das ambulâncias do
SAMU de Ribeirão Preto/SP
Dois modelos de programação inteira são
aplicados para propor novas alternativas de
posicionamento para ambulâncias do SAMU
em Duque de Caxias/RJ

Ainda que o TR seja considerado um dos mais importantes indicadores de desempenho

de um SME, poucas pesquisas procuraram identificar seus componentes específicos ou fatores
associados (NEHME; ANDREW; SMITH, 2016). Análise quantitativa de informações em
nível de pacientes e de informações em nível de sistema para o desenvolvimento de modelos
de previsão se caracteriza como uma nova área de pesquisa (GOLMOHAMMADI, 2016).
 24

A literatura evidencia o impacto de fatores em nível de sistema e em nível de paciente,

tais como atrasos no atendimento aos chamados de emergência, disponibilidade de recursos,
prioridade atribuída ao caso, além da idade e do gênero do paciente sobre o TR (NEHME;
ANDREW; SMITH, 2016). Modelos de regressão quantílica, uma extensão do modelo de
regressão linear, podem estimar como os quantis de uma variável de resultado sofrem variações
de acordo com características do paciente do SME (AUSTIN; SCHULL, 2003).
Roth e Menor (2003) salientam que há um campo promissor para pesquisas voltadas
aos serviços, especialmente pela possibilidade de se estabelecer sinergias com outras áreas, uma
vez que o gerenciamento de operações de serviços é receptivo à investigação multidisciplinar
com tendência a concentrar-se em problemas diferentes daqueles usualmente investigamos pelo
gerenciamento de operações de produção.
Do ponto de vista teórico este trabalho se justifica pela intenção de contribuir para
aprofundar a compreensão dos conceitos de cidades inteligentes e sustentáveis no contexto de
gerenciamento de operações de serviços e identificar as possibilidades de sinergias com outras
áreas de conhecimento.
Do ponto de vista prático, os resultados deste trabalho podem contribuir para a
otimização das práticas do gerenciamento de operações do serviço público de segurança SAMU
na busca pela redução do TR aos chamados de emergência, ocasiões em que segundos podem
significar a diferença entre a vida e a morte de um paciente.
Considerando o objetivo geral do Programa de Pós-Graduação em Engenharia de
Produção e Sistemas (PPGEPS), este trabalho vincula-se à área de concentração de modelos e
métodos de suporte à tomada de decisão.

1.5 DELIMITAÇÃO DA PESQUISA

Este trabalho apresenta delimitação geográfica e temporal. Por se tratar de um estudo

de caso envolvendo um serviço público de segurança, o SME SAMU, sua delimitação
geográfica circunscreve toda a região Sudoeste do Estado do Paraná, constituída por 42
municípios dispersos por uma área de aproximadamente 17.100 km2. Especificamente quanto
ao SME, o trabalho de pesquisa limitou-se aos processos ocorridos dentro de sua CRM.
 25

A delimitação temporal relaciona-se à análise de dados retrospectivos referentes aos

atendimentos prestados pelo SME no período compreendido entre zero hora de 1º de janeiro de
2018 e 23h59min de 31 de dezembro de 2018. A delimitação temporal também pode ser
associada à Revisão Sistemática da Literatura (RSL) que se restringiu a uma base indexada e a
artigos sobre o tema de pesquisa publicados nos últimos cinco anos impondo, ainda, critérios
de elegibilidade para seleção de artigos em língua inglesa para composição do referencial
teórico.

1.6 ESTRUTURA DA DISSERTAÇÃO

Esta dissertação estrutura-se em cinco capítulos, incluindo a introdução. O capítulo 2

apresenta a fundamentação teórica, o capítulo 3 aborda a metodologia, enquanto o capítulo 4 é
dedicado à apresentação e discussão dos resultados, e o capítulo 5 apresenta a conclusão, as
limitações e sugestões para pesquisas futuras.
 26

2 FUNDAMENTAÇÃO TEÓRICA

O propósito deste capítulo é contextualizar como o gerenciamento das operações de

um SME pode fazer uso dos conceitos de cidades inteligentes e sustentáveis para otimizar seus
processos e melhorar o nível dos serviços prestados aos cidadãos e, para tanto, se faz necessário
transitar pelos elementos conceituais e dimensões de cidades inteligentes e sustentáveis, do
gerenciamento de operações, de gerenciamento de operações de serviços, dos modelos de SME
e seus processos, além de apresentar as características do SAMU, o SME brasileiro.

2.1 REVISÃO SISTEMÁTICA DA LITERATURA

Este trabalho foi idealizado a partir dos conceitos que caracterizam as grandes
dimensões de cidades inteligentes e sustentáveis, especificamente as dimensões associadas aos
serviços prestados aos cidadãos para lhes garantir segurança e, consequentemente, qualidade
de vida (GIFFINGER et al., 2007). Serviços, por sua vez, resultam de processos, tema comum
ao gerenciamento de operações e ao gerenciamento de operações de serviços, haja vista as
similaridades das dimensões conceituais dessas áreas (JOHNSTON; CLARK, 2005; SLACK
et al., 2009).
Conceitos do gerenciamento de operações e do gerenciamento de operações de
serviços subsidiaram a formulação de conceitos específicos sobre qualidade nos serviços de
saúde (JAH; SAHAY; CHARAN, 2016). Como consequência de pesquisas mais aprofundadas,
conceitos como eficácia, adequação, segurança, capacidade, continuidade, acessibilidade e
equidade, aceitabilidade e eficiência foram adequados para viabilizar a avaliação do APH e dos
serviços de ambulâncias (O’MEARA, 2005; HAUGLAND et al., 2017).
Todo chamado de emergência gera expectativa pelo rápido atendimento médico e não
raro pelo transporte adequado e o atendimento às demandas do paciente está sujeito a obstáculos
que envolvem disponibilidade de recursos do SME, além do conhecimento necessário por parte
dos profissionais responsáveis por prestar o atendimento (JAH; SAHAY; CHARAN, 2016).
Além disso, o atendimento a um chamado de emergência envolve preceitos como velocidade,
qualidade, confiabilidade e limitações orçamentárias do SME (JOHNSTON; CLARK, 2005;
SLACK et al., 2009). O atendimento ao chamado de emergência deve resultar em serviço
pontual, seguro, eficiente e eficaz (O’MEARA, 2005; HAUGLAND et al., 2017). Tudo isso
permeia a fundamentação teórica deste trabalho e é apresentado de forma concisa na Figura 1.
 27

Figura 1 – SME e seu contexto com os propósitos do trabalho de pesquisa

Fonte: Autoria própria (2020)

Processos de RSL em gerenciamento de operações carecem de diretrizes detalhadas,

pois, o recente interesse percebido em RSL em gerenciamento de operações não foi
acompanhado pelo mesmo rigor científico observado em outras disciplinas, inexistindo
protocolos específicos, métodos de passo a passo e procedimentos de relatórios (THOMÉ;
SCAVARDA; SCAVARDA, 2016). Portanto, em relação aos mecanismos de investigação a
metodologia compreende pesquisa bibliográfica, pois, “não é mera repetição do que já foi dito
ou escrito sobre certo assunto, visto que propicia o exame de um tema sob novo enfoque ou
abordagem, chegando a conclusões inovadoras” (MARKONI; LAKATOS, 2017, p.200).
Para a realização da RSL optou-se pela utilização da base indexada Scopus, pois,
mesmo sendo mais recente que a base indexada Web of Science, oferece 20% a mais de
cobertura e sua capacidade de analisar citações é mais rápida (AGHAEI CHADEGANI et al.,
2013). A RSL foi estruturada para manter o foco no tema da investigação buscando-se por eixos
e palavras-chave que foram organizados em estruturas matriciais de modo a obter
organizadamente explicações teóricas, resultados empíricos e eventuais exemplos práticos
(WEBSTER; WATSON, 2002). O Quadro 2 ilustra os eixos e as palavras-chave que
sustentaram a RSL.
 28

Quadro 2 – Eixos e palavras-chave da RSL

Eixos
Cidades inteligentes e sustentáveis
Gestão de operações e serviços
Serviços médicos de emergência
Método de avaliação
Fonte: Autoria própria (2020)
Palavras-chave
"smart cit*"
"sustainable cit*"
"smart sustainable cit*"
“governance”
“operat* management”
“operat* reserach”
“service operat* management”
“public service operat* management”
“emergenc* medical services”
“emergenc* response capacity”
“ambulance dispat*”
“ambulance response time”
“prehospital care”
“prehospital emergency care”
“smart ambulance”
“computer simulation”
“discrete event simulation”
“heuristics”
“mathematical mod*”
“metaheuristics”
“optimization”
“simulation model”
“statistical analysis”
“quantile regression”

A partir de eixos principais e palavras-chave (fez-se uso de aspas no início e fim de

cada palavra-chave para estreitar o objetivo de busca) e com a utilização dos operadores
booleanos OR a AND foram estruturadas strings de buscas aplicadas aos títulos, resumos e
palavras-chave para identificar publicação científica de interesse. Na base indexada optou-se
pela busca de artigos e revisões publicados em língua inglesa nos últimos cinco anos, aplicando-
se como primeiro critério para seleção a análise dos títulos, das palavras-chave e dos resumos,
selecionando-se para elegibilidade
Considerando o objetivo da pesquisa os artigos selecionados foram submetidos à
leitura para análise de elegibilidade: (i) conceitualizar governança em cidades inteligentes e
sustentáveis e tratar de serviços de segurança, (ii) abordar gerenciamento de operações de
serviços permitindo contextualização aos SME; (iii) conceitualizar SME abordando tempo de
resposta de ambulâncias; (iv) apresentar definição dos limites do problema contendo
identificação das variáveis dependentes e variáveis independentes requeridas para as análises e
aplicação de método de avaliação com base no problema abordado.
O Quadro 3 evidencia os artigos que atenderam os critérios de elegibilidade.
 29

Quadro 3 – Portfólio bibliográfico resultante da RSL

Autor(es)/Ano Título Critério(s) atendido(s)
Simulation Modelling Practice and Theory A simulation study to improve the performance of an emergency
Aboueljinane; Sahin; Jemai, 2014 ii, iii
medical service: Application to the French Val-de-Marne department.
Austin; Schull, 2003 Quantile regression: A statistical tool for out-of-hospital research. iii, iv
Do et al., 2013 A quantile regression analysis of ambulance response time. iii, iv
Giffinger et al., 2007 Smart cities Ranking of European medium-sized cities. i
Haugland et al., 2017 Developing quality indicators for physician-staffed emergency medical services: A consensus process. ii
Jha; Sahay; Charan, 2016 Healthcare operations management: a structured literature review. ii
Johnston, 2005 Service operations management: Return to roots. ii
Johnston, 2005 Service operations management: From the roots up. ii
How smart cities transform operations models: A new research agenda for operations management in the
Li et al., 2016 i,ii
digital economy.
Nam; Pardo, 2011 Conceptualizing smart city with dimensions of technology, people, and institutions. i
Nam; Pardo, 2011 Smart city as urban innovation: Focusing on management, policy, and context. i
Nehme; Andrew; Smith, 2016 Factors Influencing the Timeliness of Emergency Medical Service Response to Time Critical Emergencies. iii, iv
Implementation of the Mobile Emergency Medical Service in Brazil: action strategies and structural
O’Dwyer et al., 2017 iii
dimension.
O’Dwyer et al., 2013 The current scenario of emergency care policies in Brazil. iii
O’Meara, 2005 A generic performance framework for ambulance services: an Australian health services perspective. ii, iii
Pardo; Nam; Burke, 2012 E-Government Interoperability: Interaction of Policy, Management, and Technology Dimensions. i
Pons; Markovchick, 2002 Eight minutes or less: Does the ambulance response time guideline impact trauma patient outcome? iii
Radnor; Bateman, 2016 The development of a new discipline— public service operations management. ii
Ruhlandt, 2018 The governance of smart cities: A systematic literature review. i
Scholl; Alawadhi, 2016 Creating Smart Governance: The key to radical ICT overhaul at the City of Munich. i
Scholl; Alawadhi, 2015 Pooling and leveraging scarce resources: The smart eCity gov alliance. i
Scholl; Patin; Chatfield, 2012 ICT-enabled city government field operations: Resiliency during extreme events. i
Schull et al., 2003 Emergency department overcrowding and ambulance transport delays for patients with chest pain. iii, iv
Silva; Pinto, 2010 Emergency medical systems analysis by simulation and optimization. iii
Analysis of ambulance decentralization in an urban emergency medical service using the hypercube
Takeda; Widmer; Morabito, 2007 iii, iv
queueing model.
Tannebaum et al., 2001 Emergency medicine in southern Brazil. iii
Helping CIOs Understand "Smart City" Initiatives Defining The Smart City, Its Drivers, And The Role Of
Washburn; Sindhu, 2010 i
The CIO.
Fonte: Autoria própria (2020)
 30

A RSL amparou a exposição dos pilares conceituais e trabalhos relacionados e

permitiu identificar estudos compatíveis com o tema proposto gerando um portfólio de 27
artigos. Alguns dos artigos do portfólio contemplavam apenas um dos critérios de elegibilidade,
enquanto outros artigos contemplavam mais de um critério, a saber:
a) 10 artigos abordam a conceitualização de governança em cidades inteligentes e
sustentáveis com foco em algum serviço de segurança;
b) Oito artigos abordam gerenciamento de operações de serviços e permitem
contextualizar seus conteúdos aos SME;
c) 12 artigos conceitualizam SME em níveis internacional e nacional abordando
tempo de resposta de ambulâncias;
d) Cinco artigos apresentam definição dos limites do problema contendo identificação
das variáveis dependentes e variáveis independentes requeridas para as análises e
aplicação de método de avaliação com base no problema abordado.
A consulta das referências constantes nos artigos selecionados levou a processo
complementar de seleção de alguns novos artigos que passaram a compor a base bibliográfica
necessária para suportar a fundamentação teórica (WEBSTER; WATSON, 2002).

2.2 CIDADES INTELIGENTES E SUSTENTÁVEIS

Toppeta (2010, p.1) define cidade como “um paradigma central para a humanidade,
onde o comércio, a tecnologia, a arte e a cultura convergem para projetar e construir as soluções
para os riscos da civilização”. Áreas urbanizadas se caracterizam como sistemas heterogêneos,
com grande número de pessoas, muitas vezes desprovidas de habilidades necessárias para se
adaptar a um modo de vida competitivo (SAATY; DE PAOLA, 2017).
Tal característica do desenvolvimento urbano, usualmente denominada entropia ou
grau de incerteza percebido num sistema, acaba influenciando negativamente os processos do
sistema urbano como um todo (ZHOU; LUO, 2018). Vulnerabilidades podem produzir efeitos
adversos dentro do sistema urbano, exigindo das autoridades públicas utilização de muito mais
recursos para mitigar essa entropia (FISTOLA; LA ROCCA, 2014). Mesmo com o crescente
interesse pelo tema das cidades inteligentes e sustentáveis há grande confusão em relação ao
assunto, e termos semelhantes são usados para definir aspectos diferentes (ALBINO;
BERARDI; DANGELICO, 2015).
 31

O grupo de foco ITU-T, ligado a uma agência especializada da ONU no campo das
tecnologias da informação e comunicação, utilizou mais de 100 conceitos extraídos de ampla
literatura técnica e científica para tentar estabelecer uma definição para cidades inteligentes e
sustentáveis que pudesse ser usada globalmente, sem lograr êxito nesse objetivo (ITU-T FG-
SSC, 2014). Para Ramaprasad, Sánchez-Ortiz e Syn (2017), uma definição única de cidades
inteligentes e sustentáveis deveria sintetizar um conjunto de cerca de 25.200 componentes
associados aos conceitos de cidades inteligentes e sustentáveis, sendo possível presumir a
dificuldade de se obter essa definição ao mesmo tempo que se pode concluir que cidades podem
ser inteligentes e sustentáveis de maneiras diferentes e em graus diferentes.
O Quadro 4 apresenta alguns conceitos de cidades inteligentes extraídos da RSL.

Quadro 4 – Conceitos de cidades inteligentes e sustentáveis

Autor/Ano Conceito
A cidade do futuro se baseia na integração da ciência e tecnologia por meio de
HALL et al. (2000) sistemas de informação exigindo repensar relações entre governo, gestores municipais,
empresas, academia e comunidade de pesquisa
Cidade ou região inteligente é aquela que consegue capitalizar as oportunidades
ODENDAAL
apresentadas pelas tecnologias da informação e comunicação na promoção de sua
(2003)
prosperidade e influência
GIFFINGER et al. A cidade inteligente tem bom desempenho de forma prospectiva em seis dimensões
(2007) principais (economia, pessoas, governança, mobilidade, meio ambiente e vida)
Cidades inteligentes fazem uso de tecnologias de computação para tornar os
WASHBURN; componentes e serviços de infraestrutura crítica – administração municipal, educação,
SINDHU (2010) saúde, segurança pública, imóveis, transporte e serviços públicos – mais inteligentes,
interconectados e eficientes
Uma cidade inteligente não é apenas um conceito tecnológico monossetorial, mas
desenvolvimento socioeconômico multissetorial, orientada para o serviço, não se
NAM; PARDO
caracterizando apenas como um fenômeno municipal, mas, um movimento nacional
(2011b)
ou global, não é revolução, mas, evolução que busca harmonia entre o mundo material
e virtual
CARAGLIU; DEL Uma cidade inteligente é uma síntese de infraestrutura pesada (capital físico) com a
BO; NIJKAMP disponibilidade e qualidade de comunicação de conhecimento e infraestrutura social
(2011) (capital humano e social)
Território com alta capacidade de aprendizado e inovação, que é embutida na
KOMNINOS (2011) criatividade de sua população, suas instituições de criação de conhecimento e sua
infraestrutura digital para comunicação e gestão do conhecimento
LAZAROIU; Uma comunidade com razoável tecnologia, interconectada e sustentável, confortável,
ROSCIA (2012) atraente e segura
Fonte: Autoria própria (2020)

Giffinger et al. (2007) sugerem seis dimensões para caracterizar uma cidade inteligente
(economia, pessoas, governança, mobilidade, meio ambiente e vida), enquanto Caragliu, Del
Bo e Nijkamp (2011) levam esses conceitos para além dos limites da cidade ao proporem teorias
de desenvolvimento urbano relacionadas à competitividade regional, economia de transporte,
tecnologias da informação e comunicação, recursos naturais, envolvimento social dos cidadãos
e qualidade de vida.
 32

A Figura 2 representa a proposta clássica de dimensões que caracterizam uma cidade

inteligente.

Figura 2 – Conceitos clássicos de uma cidade inteligente

Fonte: Adaptado de Giffinger et al. (2007)

Lombardi (2011) enfatiza governança inteligente (participação social), capital humano

inteligente (pessoas), ambiente inteligente (recursos naturais), vida inteligente (qualidade de
vida) e economia inteligente (competitividade), enquanto Chourabi et al. (2012) tratam de
economia inteligente, pessoas inteligentes, governança inteligente, mobilidade inteligente,
ambiente inteligente, vida inteligente. Em muitos casos, determinadas cidades adotam o
conceito de cidades inteligentes e sustentáveis como estratégia de marketing promocional para
atrair pessoas, empresas e investimentos (ODENDAAL, 2003; SCHOLL; ALAWADHI, 2015).
A diversidade de conceitos e a falta de uma definição se reflete na quantidade crescente
de pesquisas, algumas discutindo estudos de casos e outras tratando detalhes específicos dos
conceitos, o que permite concluir sobre a inexistência de definições universalmente aceitas
tanto para sustentabilidade quanto para inteligência no contexto das cidades (ALKANDARI;
MESHAL; ALSHEKHLY, 2012; BIBRI; KROGSTIE, 2017a).
Alternativamente algumas pesquisas tratam de cidades inteligentes e sustentáveis
como uma cidades com características inovadoras, capazes de fazer uso de tecnologias da
informação e comunicação e outros meios para melhorar a qualidade de vida, gerando eficiência
dos processos e serviços urbanos, proporcionando competitividade e garantindo atendimento à
necessidades das gerações presentes e futuras em relação aos aspectos econômicos, sociais e
ambientais (ITU-T FG-SSC, 2014). Para Bibri e Krosgtie (2017b, p.450), “as mais influentes
dessas tecnologias são a análise de big data e a computação sensível ao contexto”.
 33

Contudo, tecnologias da informação e comunicação, por si só, não produzem cidades

mais inteligentes e muito da inteligência de uma cidade está na capacidade de fazer uso de
sistemas e dos dados neles armazenados para geração de informação que devem sustentar o
processo de tomada de decisão para tornar os serviços mais efetivos (BATTY et al., 2012;
MARSAL-LLACUNA; COLOMER-LLINÀS; MELÉNDEZ-FRIGOLA, 2015).
Os conceitos de sustentabilidade, quando associados aos conceitos de cidades
inteligentes, evidenciam preocupações com a busca por processos mais produtivos e eficientes
(direcionamento de caráter econômico) bem como pelo desenvolvimento de instrumentos e
políticas capazes de suportar processos de tomada de decisão que reflitam em melhores serviços
ao cidadão (direcionamento de caráter social) além da preocupação ambiental (BIBRI;
KROGSTIE, 2017a). Ainda para Bibri e Krogstie (2017b, p.463) “cidades inteligentes e
sustentáveis como um novo fenômeno tecno-urbano surgiram em meados de 2010”.
O Quadro 5 expõe alguns conceitos de sustentabilidade associados a cidades
inteligentes.

Quadro 5 – Conceitos de sustentabilidade associados a cidades inteligentes

Autor/Ano Conceito
Desenvolvimento sustentável compreende aspectos econômicos, sociais e ambientais, e
TANGUAY et al.
para que o desenvolvimento de um determinado território seja considerado sustentável,
(2010)
deve integrar as qualidades associadas às interações e à sobreposição dessas dimensões
Desenvolvimento que satisfaz necessidades atuais sem colocar em risco as gerações
BĂTĂGAN futuras para satisfazer suas próprias necessidades, objetivando melhorar a qualidade de
(2011) vida (desenvolvimento), respeitar os limites do meio ambiente (sustentabilidade) e
investir no progresso tecnológico
FISTOLA; A principal referência na avaliação da sustentabilidade refere-se aos aspectos
ROCCA (2014) ambientais, sociais e econômicos
Embora a sustentabilidade seja tipicamente caracterizada pela consideração simultânea
AHVENNIEMI et
de impactos econômicos, ambientais e sociais, as ferramentas de avaliação existentes
al. (2017)
geralmente têm um forte foco ambiental
Fonte: Autoria própria (2020)

Não se pode negligenciar, no contexto de cidades inteligentes e sustentáveis, os

diversos papeis, ou partes interessadas, interdependentes, muitas vezes competitivas entre si e
sempre suscetíveis à resistência à mudança (NAM; PARDO, 2011b; BATTY et al., 2012;
SCHOLL; ALAWADHI, 2016). Um dos maiores desafios no contexto de cidades inteligentes
e sustentáveis diz respeito à sua governança, haja vista a multiplicidade de atores envolvidos,
cada qual com seu interesse, impondo esforço para conectar todos os interessados, transferir
conhecimentos para melhorar e facilitar a tomada de decisão maximizando o desempenho em
vários sentidos, pois, identificar claramente cada um dos atores, seus papeis, responsabilidades
e processos é uma forma de inovar incrementalmente o amplo processo do gerenciamento
público (RUHLANDT, 2018).
 34

Seis elementos principais definem o quão a governança de uma cidade inteligente é

efetiva: (i) uso das tecnologias da informação e comunicação, (ii) colaboração e participação
externa entre departamentos e comunidade tornando processos e serviços centrados no cidadão,
(iii) coordenação interna para alcançar objetivos coletivos, (iv) processo de tomada de decisão
sustentado em diagnóstico das situações, (v) desenvolvimento de planos estratégicos e (vi)
consequente ação, administração eletrônica, resultados (BOLÍVAR; MEIJER, 2016).
A Figura 3 exemplifica o desdobramento dos processos de governança no contexto de
cidades inteligentes e sustentáveis.

Figura 3 – Processos na governança de cidades inteligentes e sustentáveis

Fonte: Adaptado de Ruhlandt (2018)

Naphade et al. (2011) contextualizam o papel das tecnologias da informação e

comunicação na governança das cidades inteligentes e sustentáveis na redução de custos sem
impactos comprometedores da eficiência e da qualidade de vida para os cidadãos, sustentando
suas argumentações nos exemplos de cidades como Rio de Janeiro (Brasil), Dubuque (Estados
Unidos), Bornholm (Dinamarca) e Songdo IBD (Coréia do Sul).
Dixon (2012) entende que, mesmo diante de restrições orçamentárias, cidades devem
investir em infraestrutura de tecnologia da informação e comunicação uma vez que os
governantes podem acompanhar em tempo real situações em áreas críticas como a segurança,
ilustrando casos das cidades de Mesa (Estados Unidos) e Rio de Janeiro (Brasil).
Bolívar e Meijer (2016) salientam, contudo, que a governança de cidades inteligentes
e sustentáveis não pode ser interpretada como uma questão tecnológica, propondo quatro níveis
conceituais de governança em cidades inteligentes e sustentáveis: (i) quando não há necessidade
de transformar processos ou estruturas de governança, mas, fazer escolhas certas para
implementação eficiente e eficaz, (ii) quando há necessidade de reestruturar processos de
tomada de decisão e implementar a decisão tomada, (iii) quando há necessidade de transformar
a estrutura da governança e incorporar inovação incremental e (iv) quando envolve a
colaboração urbana inteligente entre os vários atores da cidade.
 35

Governanças municipais podem utilizar as tecnologias da informação e comunicação

para construir, aprimorar e operacionalizar o conceito de inteligência das cidades e, assim,
identificar oportunidades específicas de melhorias, incluindo, dentre outras áreas, a segurança
pública. (NEIROTTI et al. 2014). Segurança é um serviço público, que pode ser prestado ao
cidadão por meio de um órgão público ou por meio de instituições privadas ou do terceiro setor
financiadas com recursos públicos e a dinâmica dos processos no contexto de cidades
inteligentes e sustentáveis traz novas possibilidades para transformar modelos de operações em
diferentes setores, especialmente serviços (RADNOR; BATEMAN, 2016; LI et al., 2016).
A urbanização põe pressão sobre processos e serviços ofertados aos cidadãos e
impulsiona o desenvolvendo de soluções que otimizem a eficiência desses sistemas, para
eliminar redundâncias nesses processos e serviços e identificar quais domínios, estruturas e
redes urbanas devem ser agrupados, coordenados e integrados (BIBRI; KROGSTIE, 2017a).
Nesse aspecto a interoperabilidade é preponderante para a inovação uma vez que permite a
conectividade necessária para transformar os processos que resultam em serviços (NAM;
PARDO, 2011b).
Avanzi et al. (2017, p.27) definem interoperabilidade como “um conceito amplo que
abrange a capacidade das entidades (por exemplo, organizações ou sistemas) de trabalharem
juntas na busca de objetivos comuns e mutuamente benéficos”. Isso implica na necessidade de
desenvolvimento de infraestrutura de tecnologia da informação e comunicação capaz de lidar
com volumes de dados, ou big data, que excedem à capacidade de processamento e análise de
bancos de dados convencionais, fornecendo controle sobre processos para apoiar a tomada de
decisão por meio de sistemas sensíveis ao contexto (BIBRI; KROGSTIE, 2017b).
Vitalij, Robnik e Alexey (2012) desenvolveram solução aberta denominada “Cidade
Segura” que integra sistemas heterogêneos para o gerenciamento de informações e tarefas
complexas e multifuncionais permitindo estimar parâmetros e responder eficientemente a
mudanças no ambiente operacional em emergências. Djahel et al. (2013) exploraramm os
impactos dos congestionamentos de trânsito sobre os veículos de SME somado à falta de
orientação quanto a melhor opção de trajeto pelas vias públicas e as consequências dos atrasos
que colocam em risco vidas humanas, propondo sistema de gerenciamento de tráfego capaz de
ajustar semáforos de forma dinâmica, alterando políticas de direção, recomendando mudanças
de comportamento aos motoristas e aplicando controles de segurança essenciais.
 36

Gupta et al. (2016) apresentam aplicativo para coleta de informações geradas pelo GPS
mesclado à tecnologia do Google Maps para mostrar detalhes da localização de uma ambulância
em smartphones e enviar ao hospital detalhes da saúde do paciente que está sendo transportado
para agilizar o atendimento. De forma semelhante Mishra et al. (2017) utilizaram tecnologia do
Google para desenvolver equipamento acoplado à ambulância capaz de fornecer informações
sobre localização do veículo e calcular o tempo necessário para alcançar o sinal de trânsito à
frente e ajudar a encontrar o hospital próximo por meio de mapas.
Lacinák e Ristvej (2017) abordaramm tópicos sobre segurança e proteção no contexto
de cidades inteligentes e sustentáveis, incluindo serviços de saúde, tráfego, vigilância,
gerenciamento de crises e tomada de decisão, centralização de operações policiais e centros de
processamento de dados, usando sistema para simular situações para simplificar o fluxo de
tráfego em diferentes tipos de emergências. Udawant et al. (2018), Sumia e Ranga (2018) e
Prakash et al. (2018) trataram de ambulâncias inteligentes com sensores capazes de avaliar
sinais vitais do paciente e enviá-los ao banco de dados do hospital ao mesmo tempo em que
podem operar sinais de tráfego para criar um caminho livre para os veículos de emergência
minimizando o tempo de atendimento aos pacientes.
Logvinov (2019) propos infraestrutura de tecnologia da informação e comunicação
baseada em mensagens instantâneas para alertar e orientar ações conjuntas de serviços médicos
para o atendimento de vítimas. Isso é possível quando objetos do cotidiano e do mundo da
tecnologia da informação e comunicação são integrados à internet por meio de sensores de
dados inteligentes naquilo comumente conhecido como internet das coisas (BIBRI;
KROGSTIE, 2017b).
A conversão do conceito de cidades inteligentes e sustentáveis em resultados efetivos
ao cidadão depende da capacidade de articulação da governança para estabelecer redes de
colaboração dessa governança com outras adjacentes e em esferas superiores, bem como com
instituições das mais diversas, desde que com interesses convergentes (ODENDAAL, 2003).
Essa interatividade potencializada e facilitada pelas tecnologias da informação e comunicação
deve ter como propósito a obtenção de resultados substanciais (RUHLANDT, 2018). Bibri e
Krogstie (2017b, p.450) sugerem que “as tecnologias da informação e comunicação se tornaram
profundamente incorporadas ao próprio tecido das cidades contemporâneas, ou seja, operações,
funções, serviços e projetos urbanos são permeados por computação e inteligência”.
O Quadro 6 apresenta síntese de abordagens relativas aos serviços de segurança no
contexto de cidades inteligentes e sustentáveis.
 37

Quadro 6 – Serviços de segurança em cidades inteligentes e sustentáveis

Autor/Ano
BÉLISSENT (2010)
HARRISON et al. (2010)
TOPPETA (2010)
WASHBURN; SINDHU
(2010)
ASIMAKOPOULOU; BESSIS Acessar continuamente várias fontes de dados distribuídos para planejar,
(2011)
NAPHADE et al. (2011)
ALKANDARI; MESHAL;
ALSHEKHLY (2012)
Abordagem
Iniciativas de segurança pública para otimizar a capacidade e o tempo de
resposta dos serviços de emergência, proteger e controlar eventos de massa
e fornecer vigilância de locais públicos
Explorar dados operacionais como os decorrentes de congestionamentos de
tráfego e eventos de segurança pública para otimizar a operação dos
serviços da cidade
Melhorar a segurança da cidade, reduzindo o tempo de resposta ao crime e
emergências
Criar rede de segurança pública incluindo rede de resposta inicial, despacho
e coordenação de emergência, e informações de geolocalização em tempo
real
tomar decisões apropriadas e alocar recursos para tarefas específicas
Utilizar dados de telefones celulares para estimar os locais dos usuários por
meio dos dados gerados nas torres de telefonia móvel para gerenciar tráfego
e resposta a emergências
Prover departamentos de emergência com a infraestrutura de tecnologias da
informação e comunicação para ajudar em emergências médicas,
transmitindo informações vitais
Fonte: Autoria própria (2020)

Apesar do entusiasmo para se desenvolver projetos práticos de cidades inteligentes e

sustentáveis, a implementação real de projetos nesse sentido ainda depende de metodologias
específicas, isto porque não se constrói uma cidade inteligente da estaca zero, sendo necessárias
diretrizes estratégicas e a inserção gradual de execução de projetos contextualizados a cidades
inteligentes e sustentáveis (FERNANDEZ-ANEZ et al., 2018).
Neirotti et al. (2014) cristalizam uma contextualização mais efetiva sobre a relevância
das ações de governança ao abordar a importância da segurança em cidades inteligentes e
sustentáveis sob a ótica da ação preventiva, por parte das instituições públicas e das forças
policiais, por meio da coleta e monitoramento de informações a fim de proteger o cidadão e seu
patrimônio. Ainda nesse contexto, a capacidade de resposta da área de segurança pública
envolve organizações segmentadas e distribuídas geograficamente que necessitam de
informações precisas para proporcionar a melhor decisão (ASIMAKOPOULOU; BESSIS,
2011). Isso permite concluir que serviços públicos já não se concentram apenas em processos
administrativos ou na gestão interna, mas na governança dos relacionamentos inter
organizacionais dos vários atores envolvidos (RADNOR; BATEMAN, 2015).
A literatura evidencia a existência de número limitado de ferramentas para avaliar o
efeito de implementações de projetos específicos sobre cidades inteligentes e sustentáveis em
cidades ou regiões específicas, usualmente utilizando-se dois métodos, o primeiro de
classificação (ranking) porque possibilita classificar cidades de acordo com seu nível de
desempenho e o segundo correlacionando aos conceitos de cidades inteligentes e sustentáveis
ao que existe numa cidade ou região (FERNANDEZ-ANEZ et al. 2018).
 38

Para a consecução dos objetivos deste trabalho de pesquisa optou-se pelo segundo
método, conforme exemplos de trabalhos nessa mesma linha evidenciados no Quadro 7.

Quadro 7 – Cidades em relação aos conceitos de cidades inteligentes e sustentáveis

Autor Trabalho Proposta
Estabelecer relações entre as diferentes áreas e
Smart Cities Ranking of
GIFFINGER et al. componentes de uma cidade, fornecendo avaliação
European Medium-Sized
(2007) integrada com a tentativa de incluir as opiniões dos
Cities
tomadores de decisão
Usar modelo ANP (Analytic Network Process) e
LOMBARDI et al. Modelling the Smart City
cruzamento de dados de indicadores às áreas definidas
(2012) Performance
por Giffinger
Utilizar as dimensões propostas por Giffinger para
LAZAROIU; Definition Methodology for
projetar metodologia com base na lógica fuzzy
ROSCIA (2012) the Smart Cities Model
incluindo opiniões de especialistas
Smart Cities in Perspective: A Reduzir número de indicadores usados na análise de
KOURTIT;
Comparative European Study componentes de cidades inteligentes e sustentáveis
NIJKAMP;
by Means of Self-Organizing com foco em indicadores econômicos para gerar uma
ARRIBAS (2012)
Maps análise com foco na evolução temporal das cidades
Fonte: Autoria própria (2020)

Um exemplo da correlação dos conceitos de cidades inteligentes e sustentáveis a uma

cidade ou região é dado pelo projeto de pesquisa denominado Assessing Smart Cities in the
Mediterranean Region (ASCIMER) baseado na experiência europeia de cidades inteligentes e
sustentáveis e aplicado em cidades de países da União Europeia, do norte da África e do Oriente
Médio circunscritos a uma região do Mediterrâneo e que pode ser contextualizado num
framework capaz de ajudar os diversos atores de uma cidade ou região a tomar decisões
estratégicas com base nos conceitos de cidades inteligentes e sustentáveis (MONZON, 2015).
Desafios das cidades abrangidas pelo projeto ACIMER foram identificados por meio
de pesquisas online, visitas presenciais e reuniões com especialistas, posteriormente
classificados de acordo com as dimensões propostas por Giffinger et al. (2007) e constituíram
a matriz de avaliação do projeto sumarizando diferentes iniciativas de acordo com as
características de cada cidade, de cada país e das diversas partes interessadas envolvidas
(MONZON, 2015).
A partir do framework de avaliação que engloba todas as dimensões dos conceitos e
indicadores convencionados na literatura sobre cidades inteligentes e sustentáveis é possível
identificar áreas de interesse em projetos específicos para uma ou várias cidades, estabelecer
correlações entre o que preconiza cada conceito dentro de cada dimensão de cidades inteligentes
e sustentáveis em relação ao evidenciado na cidade ou nas cidades e, assim, obter um resumo
da situação, sugerir ações para a efetiva implementação de melhorias e monitorar resultados
parciais e globais (FERNANDEZ-ANEZ et al. 2018). O Quadro 8 exemplifica o framework.
 39

Quadro 8 – Iniciativas em cidades inteligentes e sustentáveis do projeto ACIMER

Dimensão Iniciativa Dimensão Iniciativa
Participação Monitoramento ambiental
Governança

Transparência e acesso à informação Eficiência energética

Inteligente

Inteligente
Ambiente
Serviços públicos e sociais Planejamento e reformulação urbana

Meio
Edifícios inteligentes
Governança multinível Gerenciamento de recursos
Proteção ambiental
Inovação Educação digital
Empreendedorismo Criatividade

Inteligentes
Inteligente
Economia

Tecnologias da informação e

Pessoas
Interconectividade local e global comunicação habilitando para o
trabalho
Produtividade Gestão da vida urbana
Flexibilidade do mercado de trabalho Inclusão social
Gerenciamento de tráfego Turismo
Transporte público Cultura e lazer

Vida Inteligente
Infraestrutura de tecnologias da
Mobilidade
Inteligente

Saúde
informação e comunicação
Logística Segurança
Acessibilidade Acessibilidade a tecnologia
Transporte limpo, não motorizado Bem-estar e inclusão social
Multimodalidade de transporte Gerenciamento de espaços urbanos
Fonte: Adaptado de Monzon (2015)

Percebe-se, assim, que os conceitos de cidades inteligentes e sustentáveis não se

restringem mais aos limites geográficos de uma cidade, de uma região ou estado, sendo
incorporados em projetos cada vez mais amplos.

2.3 GERENCIAMENTO DE OPERAÇÕES DE SERVIÇOS

O gerenciamento de operações tradicional pode ser definido como uma função central
e crítica nas empresas por se ocupar da administração de recursos humanos e materiais e
informações necessárias para a produção de bens e serviços (JOHNSTON, 1994). No campo
das operações a estratégia adotada, ou padrão geral de decisões que determina as competências
necessárias no longo prazo que contribuem para a operação conciliando requisitos de mercado
com os recursos disponíveis, tende a estar mais relacionada com o processo de transformação
como um todo e menos relacionada aos processos individuais (SLACK et al. 2009).
Assim, o gerenciamento de operações tem seu foco em projetos e no aperfeiçoamento
e implantação de sistemas que integrem pessoas, materiais, informações e equipamentos
caracterizando-se como uma ciência dinâmica, oferecendo conhecimentos, ferramentas e
técnicas acumuladas ao longo de séculos para subsidiar a conquista da eficiência e eficácia
(JOHNSTON, 1994; VOSS; TSIKRIKTSIS; FROHLICH, 2002).
 40

Durante décadas o gerenciamento de operações foi associado essencialmente à

produção industrial, gradativamente evoluiu e a partir de 1960 passou a incluir os sistemas de
serviços uma vez que operações permeiam todas as áreas de uma empresa, iniciando movimento
de interesse pelo gerenciamento de operações nesse novo campo (JOHNSTON, 2005a;
BAYRAKTAR et al., 2007).
O gerenciamento de operações fornece os objetivos de desempenho que potencializam
a vantagem competitiva de uma organização – qualidade, confiabilidade, flexibilidade,
velocidade, custo – que têm efeitos dentro e fora dessa organização (SLACK et al., 2009). Para
Johnston e Clark (2005, p.117), “os fatores de qualidade do serviço são os atributos de serviço
sobre os quais os clientes podem ter expectativas e que precisam ser entregues em algum nível
especificado”.
O TR pode ser considerado um indicador crucial no contexto do gerenciamento de
operações quando associado ao supply chain management, integrando processos relacionados
ao projeto do produto e sua consequente entrega (KOUVELIS; CHAMBERS; WANG, 2006).
O Quadro 9 contextualiza como objetivos de desempenho se aplicam ao gerenciamento de
produção e ao gerenciamento de operações de serviços.

Quadro 9 – Objetivos de desempenho das operações

Operações de serviços Desempenho Operações industriais
 Profissionalismo e simpatia da  Porcentagem de produtos em
equipe conformidade com suas
 Precisão das informações Qualidade especificações
 Capacidade de ajustar detalhes no  Especificações dos produtos
futuro  Utilidade das informações técnicas
 Tempo para central de atendimento
 Prazo para responder cotações
responder
 Prazo para entrega do pedido
 Resposta imediata ao chamado Velocidade
 Prazo para entrega de resposta
 Decisões rápidas de cotação
técnica
 Resposta rápida a reclamações
 Porcentagem de entregas completas
 Confiabilidade para a data original
dentro do prazo
do compromisso Confiabilidade
 Clientes sempre informados sobre
 Clientes sempre informados
prazos de entrega
 Capacidade de lidar com mudanças
 Taxa de introdução de novos
circunstanciais, como nível de
produtos
demanda Flexibilidade
 Capacidade de alterar quantidade,
 Capacidade de lidar com grande
composição e prazo de um pedido
variedade de riscos
 Prêmios  Preço dos produtos
 Encargos  Preço da assistência técnica
Custo
 Ofertas  Descontos disponíveis
 Cobranças  Condições de pagamento
Fonte: Adaptado Slack et al., (2009, p.41)
 41

A primeira impressão ao pensar em supply chain management como parte do

gerenciamento de operações remete à logística, uma vez que a eficácia em supply chain
management requer engajamento de pessoas pertencentes a diferentes agrupamentos
ocupacionais em organizações distintas e geograficamente dispersas e cuja eficácia pode ser
comprometida por fatores tais como incerteza de demanda, custos, velocidade e capacidade de
resposta às mudanças das condições do ambiente e, ainda, a processos e sistemas de apoio à
decisão inadequados (MUCKSTADT et al., 2001; BURGESS; SINGH; KOROGLU, 2006).
Johnston e Clark (2005, p.10) definem serviços como “a combinação de resultados e
experiências entregues e recebidas por um cliente”. No contexto do gerenciamento de operações
os serviços auxiliam a evidenciar, por exemplo, a sensível interdependência de produção e
logística (JOHNSTON, 2005a). No gerenciamento de operações de serviços os processos de
back office ocorrem à distância do cliente que pouco ou nada interfere, de modo que seus
resultados tendem a ser mais eficientes, enquanto os processos de front office ocorrem em
interação e são visíveis ao cliente e tanto processos de back office quanto de front office têm em
comum a imprevisibilidade do cliente (JOHNSTON; CLARK, 2005; PARRY et al., 2011).
Gerentes de operações de serviços desempenham papel significativo no suporte à
estratégia, não podendo limitar-se a ela e tal qual no gerenciamento de operações,
gerenciamento de operações de serviços propõe vincular medidas de desempenho à estratégia,
com ênfase em critérios semelhantes aos usados no gerenciamento de operações, como custo,
qualidade, velocidade, flexibilidade, confiabilidade, segurança e acessibilidade (JOHNSTON;
CLARK, 2005). Organizações não podem confundir o conceito de operações, relacionado com
estratégias, com o conceito do que é operacional, que se opõe ao estratégico, uma vez que é
voltado às coisas do dia a dia e ao curto prazo (SLACK et al., 2009).
Pesquisas de gerenciamento de operações voltadas ao campo dos serviços são
desafiadoras e únicas, uma vez que a criação de um serviço exige o envolvimento direto do
cliente, diferentemente do produto que pode ser fabricado para depois ser consumido, por isso
o gerenciamento de operações começa a fazer uso de conceitos para melhor entender as
características dos serviços (JOHNSTON; CLARK, 2005; O’NEILL; MCGINLEY, 2014).
Não se pode negar a significativa importância do setor de serviços para a economia e
fica cada vez mais evidente a evolução das pesquisas em gerenciamento de operações de
serviços com enfoque em aspectos estratégicos (MACHUCA; GONZÁLEZ-ZAMORA;
AGUILAR-ESCOBAR, 2007). Radnor e Bateman (2016), revisando a literatura dos principais
periódicos de gerenciamento de operações entre 1980 e 2014 evidenciam que o papel dos
serviços, especialmente serviços públicos, é pouco explorado.
 42

As etapas da evolução das pesquisas em gerenciamento de operações de serviços são

sintetizadas no Quadro 10.

Quadro 10 – Evolução das pesquisas em gerenciamento de operações de serviços

Etapa Natureza Foco da pesquisa Resultados Problemas
Aumento da conscientização
sobre a importância do serviço,
Um Descritiva Bens versus serviços Serviços são diferentes
operações voltadas ao cliente e
contato com o cliente
Características de Desafio aos paradigmas de
serviços e operações existentes e ao
Dois Conceitual Estruturas conceituais
gerenciamento de desenvolvimento de operações
serviços com os clientes
Grande quantidade de Desenvolvimento de processos
Estruturas de material de serviço com de serviços, qualidade, falhas,
Três Empírica desenvolvimento e base em novos modelos design e tecnologia com a visão
teste derivados de de que o serviço poderia
funcionalidade cruzada’ contribuir para a fabricação
O retorno às raízes, necessidade
de reorientar as operações de
Vinculando operações aos
Quatro Aplicada Prescrição serviço para as questões e
resultados
abordagens operacionais
tradicionais
Fonte: Adaptado de Johnston (2005b, p.1286)

Serviços públicos são prestados por um governo central ou local para várias partes
interessadas, as quais tem pouco poder de influência, e geralmente são financiados por meio de
tributação e enfrentam desafios específicos, tais como a avaliação permanente por parte dos
usuários e a impossibilidade de precificação para regulação da demanda (JOHNSTON;
CLARK, 2005). Para Radnor e Bateman (2016) o gerenciamento de operações de serviços
públicos encampa organizações heterogêneas, com governanças, fontes de financiamento e
entregas diferentes mesmo dentro de um segmento específico do serviço público, como a
segurança púbica, podendo haver variação no nível de serviço final entregue.
Ao contrário do modelo convencional do gerenciamento de operações que persegue o
lucro, setores públicos caracterizam-se por um modelo operacional que pode incluir a
mensuração de indicadores de desempenho, o controle financeiro, o emprego de sistemas e
tecnologias, os processos, as responsabilidades e as interações, entre outros elementos do
gerenciamento de operações (SLACK et al., 2009). Li et al. (2016) destacam características de
novos modelos operacionais onde são redefinidos no contexto de cidades inteligentes e
sustentáveis, conforme evidencia o Quadro 11.
 43

Quadro 11 – Gerenciamento de operações em cidades inteligentes e sustentáveis

Característica Descrição
O impacto das cidades inteligentes e sustentáveis nas operações pode ser descrito em
Escalabilidade relação à escalabilidade dos processos e ao crescimento da capacidade que eles podem
possibilitar
O processamento preciso e a análise de dados podem ajudar uma operação a entender
Saída analítica melhor os padrões de demanda e, assim, prever com mais precisão, ao mesmo tempo em
que proporciona transparência nas cadeias de suprimentos
Conectividade refere-se ao grau em que as operações estão conectadas a outras
Conectividade
infraestruturas, provedores de serviços e fontes de informação
Fonte: Adaptado de LI et al. (2016)

Visvizi e Lytras (2018b) argumentam que mesmo entre cidadãos com alto nível de
conscientização sobre a nova dinâmica dos serviços em cidades inteligentes e sustentáveis há
preocupações sobre a utilidade, a segurança, a acessibilidade e a eficiência desses serviços. O
Quadro 12 sintetiza as variáveis relacionadas à consciência e capacidade de uso de serviços em
cidades inteligentes e sustentáveis.

Quadro 12 – Capacidade de uso de serviços em cidades inteligentes e sustentáveis

Variável
Perfil do usuário
Intenção de uso
Infraestrutura de tecnologia da
informação e comunicação
Qualidade e confiabilidade da
infraestrutura da cidade
Eficiência da cidade inteligente
Sustentabilidade e implicações na
formulação de políticas
Fonte: Adaptado de Visvizi e Lytras (2018b)
Descrição
Nível de educação e a propensão a conhecer e usar serviços e
aplicativos de cidades inteligentes e sustentáveis
Limitações e preocupações dos cidadãos impactam na disposição de
usar os serviços de cidades inteligentes e sustentáveis
Tecnologias emergentes e otimizadas que servem como facilitadoras de
serviços sofisticados em cidades inteligentes e sustentáveis
Congrega recursos qualitativos das percepções do usuário para
fornecimento e adoção de serviços em cidades inteligentes e
sustentáveis
Eficiência geral dos fatores humanos e tecnológicos da infraestrutura de
cidades inteligentes e sustentáveis
Implicações necessárias para a sustentabilidade e a formulação de
políticas, por meio de modelos de maturidade de desenvolvimento

Jha, Sahay e Charan (2016) abordam o estreitamento do foco da pesquisa em

gerenciamento de operações voltado aos serviços de saúde mostrando, por meio de revisão da
literatura concentrada em periódicos de gerenciamento de operações, que entre os anos de 2000
e 2016 publicaram-se 417 artigos, dois quais 177 apresentaram elementos efetivamente
alinhados aos serviços de saúde. A síntese dos elementos primários e secundários e seus
respectivo componentes no gerenciamento de operações voltado aos serviços de saúde é
apresentada no Quadro 13.

Quadro 13 – Elementos do gerenciamento de operações alinhados aos serviços de saúde
Elemento Componentes
Avaliação da satisfação do
Qualidade do cliente, controle estatístico Condutores da
serviço da qualidade, equipes de
qualidade e benchmarking
Tomada de decisões
Estratégia de
operacionais abre caminho
operação de
para melhores capacidades
serviços
operacionais
É necessário alto nível de
coordenação na troca de
Tecnologia da
informações para fornecer o
informação
nível desejado de qualidade
de serviço aos pacientes
Sistemas de agendamento
devem alinhar demanda e
capacidade para que os
Agendamento
recursos sejam utilizados
de serviços
com eficiência e minimizar
o tempo de espera do
paciente.
Mensuração de resultados
Desempenho
para melhorar o
do serviço
desempenho
Fonte: Adaptado de Jha, Sahay e Charan (2016)
Haugland et al. (2017) utilizaram técnica de grupo nominal modificado com
especialistas para chegar a 26 indicadores sobre qualidade em SME, 15 sobre qualidade das
respostas dadas pelos médicos e 11 sobre estrutura do SME. O Quadro 14 apresenta as
dimensões da qualidade de APH propostas por Haugland et al. (2017).
44
Elemento
Componentes
secundário
Efeito da qualidade
Maior qualidade do serviço para
do serviço no
melhorar a lucratividade e
desempenho
competitividade
organizacional
Volume moderado de pacientes
permite manter e elevar a qualidade
qualidade em saúde
dos processos de atendimento
Operacionalizar iniciativas de
Segurança do segurança do paciente reflete na
paciente disposição da liderança em levar a
cultura da segurança para a empresa
A localização é uma estratégia de
Local do serviço longo prazo que afeta muito o
desempenho
A customização em massa pode
Gerenciamento de
ajudar a lidar com a demanda por
custos
variedade de serviços a custo baixo
Minimizar as horas da equipe para
Gestão de recursos
atingir um determinado nível de
humanos
desempenho do serviço
Velocidade com a qual a tecnologia
da informação é absorvida e
Riscos ao sucesso
incorporada, a adequação dos
da implementação
atributos tecnológicos, ambientais e
da tecnologia da
organizacionais gerais das
informação
organizações de saúde e o tamanho
das organizações de saúde
Efeitos da
Incerteza com os resultados bloqueia
implementação da
maiores investimentos em tecnologia
tecnologia da
da informação
informação
Permitir que os cirurgiões façam as
Programação de cirurgias nos horários que definiram
cirurgias e ao mesmo tempo maximizar o uso
do centro cirúrgico
Administrar preventivamente os não
Agendamento de comparecimentos que afetam
compromissos negativamente a produtividade e o
custo geral
Escassez de mão de obra restringe
Agendamento de
capacidade de atendimento a pessoas
cuidados pessoais
idosas que requerem cuidados
ou domésticos
pessoais
Qualidade do serviço, adoção e uso de práticas de avaliação
de desempenho, recursos e processos de afetam a entrega
do serviço
 45

Quadro 14 – Dimensões da qualidade para SME

Dimensão Conceito
Reduzir atrasos desnecessários e potencialmente prejudiciais antes que o paciente receba
Pontualidade
atendimento especializado, geralmente relacionado a dados sobre variáveis de tempo
Segurança Estar relacionada a problemas médicos, técnicos ou operacionais
Eficiência Evitar desperdícios, incluindo uso de pessoal, equipamento e energia
Garantir que a qualidade do atendimento seja fornecida igualmente, independentemente do
Equidade
sexo, etnia, localização geográfica e status socioeconômico do paciente
Eficácia Garantir que o tratamento fornecido seja baseado em evidências
Paciente Garantir que o atendimento responda às necessidades individuais do paciente
Fonte: Adaptado de Haugland et al. (2017)

O’Meara (2005) explora diversos métodos para avaliar a qualidade do serviço de

ambulância e, a partir de estruturas de desempenho conhecidas e em uso em SME, sugere
estrutura contemplando diversos indicadores, conforme evidenciando no Quadro 15.

Quadro 15 – Potencial estrutura de desempenho para serviços de ambulâncias

Dimensão Estruturas Processos Resultados
 Equipamentos  Tempos de resposta
 Mortalidade
Eficácia  Competências da  Reanimações
 Sobrevivência
equipe  Intervenções
 Configuração da
 Novos
equipe  Atividades de pesquisa
Adequação conhecimentos
 Nível de pessoal  Tempo na cena
 Eventos adversos
 Base de evidências
 Procedimentos de
 Sistema de  Credenciamento
Segurança segurança
monitoramento  Complicações
 Qualidade do cuidado
 Diretrizes e normas para  Fisiologia
 Pessoal adequado prática clínica prejudicada
Capacidade
 Equipamento  Preparação para o  Alívio do
desastre desconforto
 Limitação de
 Sustentabilidade  Coordenação
Continuidade incapacidade
 Trabalho em equipe  Colaboração
 Informação precisa
 Taxas de utilização
Acessibilidade e  Tempo para casos  Processos de alocação de  Disponibilidade
Equidade  Distância para casos recursos  Demanda por
serviços
 Respeito pela autonomia
 Participação pública  Satisfação
Aceitabilidade do paciente
 Padrões éticos  Reclamações
 Prestação de contas
 Acessibilidade
 Proporção
Eficiência  Sistemas de escala  Relação custo-
pessoal/caso
benefício
Fonte: O’Meara (2005, p.8)

Em relação aos serviços de APH, não há consenso em nível internacional quanto a

indicadores de qualidade apropriados e a literatura existente é escassa (Haugland et al., 2017).
A Figura 4 exemplifica as dimensões da qualidade aplicadas a um processo de atendimento de
um SME.
 46

Figura 4 – Dimensões da qualidade em serviços de SME

Fonte: Autoria própria (2020)

Fica evidente que a pesquisa em gerenciamento de operações voltada aos serviços de

saúde pode proporcionar a integração de conhecimento especializados para o desenvolvimento
de processos inovadores necessários para enfrentar desafios de caráter social como o
gerenciamento da saúde da população (FIELD et al., 2018).
Diante da pressão cada vez maior para que os serviços públicos em todo o mundo se
esforcem na procura pela eficiência sugere-se que esses serviços adotem práticas do
gerenciamento de operações, tais como projetos, planejamento, controle e gerenciamento, para
melhorar seus processos (OSBORNE; RADNOR; NASI, 2013).

2.4 SERVIÇOS MÉDICOS DE EMERGÊNCIA E TEMPO DE RESPOSTA

SME têm papel de destaque na saúde e segurança pública, respondendo a diversos

tipos de situações que em muitos casos exigem a interação com outros atores e a utilização de
veículos motorizados, componentes fundamentais nesse trabalho (MUIR et al., 2020). SME
administram ambulâncias que prestam APH e seus processos englobam uma sequência de
eventos que iniciam com o recebimento de um chamado de emergência e terminam com o
transporte do paciente para um centro médico tendo o TR como indicador do tempo decorrido
desde o recebimento do chamado até a chegada da ambulância ao local onde se encontra o
paciente que necessita de atendimento (FITZSIMMONS, 1973; ABOUELJINANE; SAHIN;
JEMAI, 2012).
 47

Ainda que não exista um padrão capaz de descrever todos os serviços de emergência,
em nível internacional esses serviços possuem características comuns como o distanciamento
da sociedade, estrutura hierárquica de comando, tradições mantidas ao longo do tempo, elevada
e permanente exposição ao perigo e horários de trabalho incomuns (MUIR et al., 2020).
Há relativa facilidade para coletar e entender dados sobre TR, porém, o
estabelecimento de uma relação entre o TR e os resultados das intervenções nos pacientes
atendidos pelos SME não é clara (INGOLFSSON, 2013). Portanto, apesar da capacidade de
gerar e coletar grandes volumes de dados que podem ajudar a melhorar sua capacidade de
resposta, persiste a necessidade de questionar e explorar o gerenciamento desses dados para
modelar e otimizar o desempenho e a qualidade do serviço prestado pelo SME (ROSS et al.,
2019).
Todo chamado de emergência gera interação entre o atendente do chamado que deve
facilitar o envio rápido de um veículo e uma equipe de resgate obtendo, confirmando e
registrando detalhes de contato do chamador, principalmente sobre sua localização geográfica
e suas condições médicas (PENN; KOOLE; NATTRASS, 2017). A tentativa de manutenção
do equilíbrio entre a demanda dos serviços de SME e recursos disponíveis para atendimento
aos chamados de emergência é feita com ajuda de sistemas de despacho controlados por
protocolos que permitem atribuir para cada chamado um grau de prioridade de ambulância
(PALUMBO et al., 1996). A Figura 5 contextualiza os principais processos de um SME.

Figura 5 – Principais processos de um SME

Fonte: Adaptado de Aboueljinane; Sahin; Jemai (2013)

Os primeiros trabalhos em gerenciamento de operações de SME, especialmente sobre

processo de tomada de decisão, surgiram na década de 1960 com a abordagem aos serviços,
planejamento de requisitos de materiais e operações em saúde (GOLDBERG, 2004;
ABOUELJINANE; SAHIN; JEMAI, 2013; ARINGHIERI et al., 2017).
 48

Ao longo dos anos pesquisas em gerenciamento de operações de serviços se

consolidaram e especialmente os serviços de emergência foram estudados com o uso de
diferentes ferramentas, desde programação matemática e teoria das filas (ABOUELJINANE;
SAHIN; JEMAI, 2012). A maioria dos estudos sobre SME se concentra na avaliação de
cenários de implantação, com foco na determinação de número de equipes em cada base para
atender aos chamados com determinado nível de serviço (ABOUELJINANE; SAHIN; JEMAI,
2013).
No gerenciamento de SME a tomada de decisão de despachar uma ambulância deve
considerar que muitos problemas estão conectados entre si (ARINGHIERI et al., 2017).
Triagem, palavra derivada do francês trier, refere-se ao método rápido de avaliação e
categorização clínica que determina o tempo e a sequência em que os pacientes devem ser
atendidos (VAN DER VAART; VASTAG; WIJNGAARD, 2011).
A decisão de despachar uma ambulância para APH costuma obedecer ao processo
padrão que envolve o recebimento do chamado telefônico pelo SME e coleta de dados do
paciente, a análise da gravidade da situação informada, avaliação do status do sistema e
determinação de veículo apropriado para atendimento por parte de um despachante, chegada de
veículo e equipe à cena para atendimento ao paciente, dúvida se o veículo despachado pode ou
não transportar o paciente para hospital, retorno do veículo para local predeterminado após o
serviço ser concluído (SEOW; LIM, 1993; GOLDBERG, 2004; ANDERSSON; VÄRBRAND,
2007). Sempre que um chamado telefônico é recebido, deve ser registrado no sistema e
submetido a um processo prévio de triagem feita por pessoas qualificadas que atribuem um
status ao chamado e na sequência o repassam para um despachante que atribui uma determinada
prioridade a esse chamado com auxílio de um sistema de despacho de ambulâncias e decide
pela característica da ambulância que será despachada. (PALUMBO et al., 1996; GOLDBERG,
2004; ANDERSSON; VÄRBRAND, 2007).
As diretrizes para TR de ambulâncias são fortemente afetadas por estudo sobre
melhores resultados de ressuscitação em pacientes de parada cardíaca não traumática atendidas
dentro de até 8 minutos, ou seja, usando uma única doença como referência, convencionou-se
o critério de TR igual a 8 minutos ou menos em pelo menos 90% dos atendimentos de SME
(PONS; MARKOVCHICK, 2002). Além do TR, o tempo na cena da emergência, o tempo para
transportar o paciente ao hospital e o tempo de permanência do veículo de emergência e da
equipe no hospital afetam a carga de trabalho geral (VANDEVENTER et al., 2011).
O Quadro 16 apresenta exemplos das principais métricas para tempos em SME.
Portanto, o foco da revisão da literatura foi o TR de ambulâncias em SME.
 49

Quadro 16 – Métricas para tempos em SME

Métrica Descrição
Tempo de Intervalo entre o recebimento do chamado até a decisão de atribuir um veículo com uma
despacho equipe
Tempo de Intervalo entre o recebimento do chamado e a saída do veículo com uma equipe após a
preparação decisão do despacho
Intervalo entre o recebimento do chamado e a chegada do veículo com uma equipe ao
Tempo de resposta
local da emergência
Intervalo entre horário de chegada e horário de saída do veículo com uma equipe no
Tempo no local
local da emergência
Intervalo entre horário de chegada e horário de saída do veículo com uma equipe a um
Tempo de entrega
hospital de destino
Tempo de ida e Intervalo entre o recebimento do chamado e a chegada da equipe de resgate com o
volta paciente no hospital de destino
Tempo de serviço Tempo que uma equipe gasta no atendimento a uma emergência
Tempo gasto na fila quando nenhuma equipe está disponível para atender ao chamado
Tempo de espera
de emergência
Fonte: adaptado de Aboueljinane; Sahin; Jemai, 2012 e Aboueljinane; Sahin; Jemai, 2013

Consideráveis esforços de pesquisas em modelos de simulação têm sido feitos para

auxiliar nas decisões de longo prazo (objetivos de desempenho, localização de bases,
dimensionamento de recursos), médio prazo (implantação, agendamento de turnos) e curto
prazo (despacho de veículos e equipes, seleção de hospitais de destino, redistribuição de
veículos e equipes) que afetam as operações do SME, geralmente sustentando-se em três
principais indicadores de desempenho: tempo-distância, sobrevivência e custo, cada qual com
seus indicadores secundários (ABOUELJINANE; SAHIN; JEMAI, 2013). O Quadro 17
evidencia alguns TR encontrados na literatura.

Quadro 17 – TR identificados na RSL

Autor Local População Padrão Observado
REPEDE; BERNARDO
Louisville (EUA) 713.877 95% < 10' 84% < 10'
(1994)
HENDERSON; MASON 80% < 10'
Auckland (Nova Zelândia) 1.290.000 -
(2004) 95% < 20'
HOLLOWAY; FRANCIS; 50% < 8'
Warwickshire (Reino Unido) 500.000 75% < 8'
HINTON (1999) 95% < 14'
50% < 8' 36% < 8'
MCGRATH (2002) London (Reino Unido) 3.000.000
95% < 14' 91% < 14'
PONS; MARKOVCHICK
Denver (EUA) 600.000 90% < 8' 70% < 8'
(2002)
INGOLFSSON; ERKUT;
Edmonton (Canadá) 600.000 90% < 9' -
BUDGE (2003)
ARINGHIERI; CARELLO;
Milão (Itália) 1.300.000 100% <8' 60% < 8'
MORALE (2007)
INGOLFSSON; BUDGE;
Calgary (Canadá) 1.140.000 90% < 9' -
ERKUT (2008)
Fonte: Autoria própria (2020)
 50

Savas (1969) explorou as possibilidades dos modelos de simulação para avaliar o

impacto da adição ou remoção de equipes e bases sobre o TR de um SME em Nova York
(Estados Unidos) enquanto o modelo de simulação de Green e Kolesar (2004) influenciou a
política de localização de veículos de emergência nos distritos dessa mesma cidade.
Modelos de simulação de eventos discretos foram explorados por Inakawa, Furuta e
Suzuki (2010) e Aboueljinane, Sahin e Jemai (2012) para estimar o efeito positivo no TR
causado pela substituição de equipes de resgate por novas bases em SME nas cidades de Seto
(Japão) e Val-de-Marne (França), respectivamente.
A decisão da implantação de bases de SME afeta o TR, uma vez que quanto mais
próxima da cena da emergência estiver a base da qual a equipe for despachada, menor será o
TR, e as estratégias de implantação de bases envolvem abordagens heurísticas e modelos
analíticos matemáticos determinísticos e probabilísticos (ABOUELJINANE; SAHIN; JEMAI,
2013).
Henderson e Mason (2004) usaram modelo de simulação de eventos discretos para
reconsiderar a alocação de veículos e bases num SME em Auckland (Nova Zelândia). Billhardt
et al. (2014) testaram diferentes configurações de algoritmos para simular alocações e
realocações de ambulâncias para melhorar o TR conseguindo reduções significativas nos
tempos médios de resposta de um SME na região de Madri (Espanha).
Fitzsimmons (1973) foi um dos primeiros a desenvolver modelo de simulação para
avaliar estratégias de implantação de bases de SME a partir de modelos de fila com a
preocupação de reduzir o TR estimando o TR médio para cada estado de um SME em Los
Angeles (Estados Unidos) e a probabilidade desse estado ocorrer para amplo conjunto de
possibilidades de localizações dos veículos.
Com o objetivo de determinar a cobertura para todos os pontos de demanda dentro de
um TR desejado Berlin e Liebman (1974) usaram modelo matemático determinístico e
posteriormente Uyeno e Seeberg (1984) utilizaram modelo p-mediano para atribuir um número
fixo de veículos a bases potenciais para reduzir o tempo de serviço – que inclui o TR – de um
SME em Victoria (Canadá).
Fujiwara, Makjamroen e Gupta (1987) desenvolveram e aplicaram, num SME em
Bangkok (Tailândia), um dos primeiros modelos matemáticos probabilísticos para avaliar o
impacto no TR quando veículos de emergência estão ocupados e posteriormente Harewood
(2002) desenvolveu modelo semelhantes para avaliar o TR, o tempo ocioso e a capacidade de
cobertura de um SME em Barbados (Caribe).
 51

Aringhieri, Carello e Morale (2007) realizaram análise estatística dos dados de um

SME em Milão (Itália), com o objetivo de estimar algumas variáveis básicas para simular o
número mínimo de ambulâncias para atendimento aos chamados de emergência, numa das
primeiras referências às ambulâncias inteligentes, veículos equipados com receptores GPS
conectados a um centro de operações por meio de um link seguro.
Van Buuren et al. (2018) desenvolveram ferramenta de simulação que utiliza interface
gráfica do usuário, sistema de planejamento de rotas e abordagem de simulação de eventos
discretos para avaliar o TR de diferentes realocações dinâmica para tentar manter veículos
disponíveis bem distribuídos em áreas de serviço de SME em toda a Holanda. Repede e
Bernardo (1994) utilizaram simulação que resultou em um esquema de localização que reduziu
o TR em 36% dos chamados atendidos em 10 minutos num SME do estado do Kentucky
(Estados Unidos).
Bélanger et al. (2016) utilizaram o TR em seus modelos de simulação e apresentaram
quatro estratégias, com variações simples e sofisticadas, de locação e realocação para
gerenciamento de frotas de ambulâncias de SME nas cidades de Montreal e Laval (Canadá).
Usando simulação de eventos discretos Stein, Wallis e Adetunji (2015) avaliaram os efeitos da
localização dos veículos de emergência e do desenho do sistema de resposta sobre o TR de um
grande SME da África do Sul, concluindo que a localização mais descentralizada dos veículos
teve efeito significativo no desempenho desse indicador.
Finalmente, a análise de sensibilidade em certos fatores de entrada de SME foi usada
por Lubicz e Mielczarek (1987) que, a partir de dados empíricos extraídos dos sistemas de SME
responsável pelo atendimento a duas cidades na Polônia, conduziram pesquisa para verificar a
compatibilidade da distribuição do TR real aos resultados de simulação, obtendo distribuições
sem significativa diferença.
Iskander (1989) aplicou a análise de cenários (redução no número de chamados que
poderia ser alcançado com regulamentos de segurança e programas de conscientização) em um
SME de uma área rural no estado da Virgínia (Estados Unidos) obtendo significativas melhorias
no tempo de espera, no TR e no tempo de serviço.
De modo similar, Su e Shih (2002) utilizaram análise de sensibilidade no TR para
sugerir treinamentos às equipes e educação pública para um SME de Taiwan para situações de
entrada em nível de sistema como descrições de localizações dos chamados, chamados
fraudulentos que geram despachos desnecessários ou chamados que não resultam em despacho
de ambulância.
 52

A partir de abordagem baseada na meta-heurística que permite selecionar e testar

estratégias de implantação com uso de otimização para simulação com o uso de módulos
específicos de sistema de simulação Silva e Pinto (2010) encontraram a melhor estratégia de
implantação para que o TR não excedesse determinado tempo em um SME em Belo Horizonte
(Brasil), sendo um dos poucos trabalhos encontrados na revisão de literatura específico sobre
um SME brasileiro.

2.4.1 SAMU, o SME brasileiro

O Brasil é um país com extensão territorial de mais de 8.500.000 km2, organizado em

sistema federativo de três níveis – governo central, 27 estados incluindo o Distrito Federal e
5.570 cidades – com população estimada de mais de 211 milhões de habitantes no ano de 2020
(IBGE, 2020). Essa organização administrativa tem reflexo na estrutura do SME brasileiro,
pois,5 em 16 estados o gerenciamento desse serviço é feito por departamentos estaduais de
saúde, em outros oito estados o gerenciamento é regionalizado e em três estados parte do
gerenciamento é feito pelos próprios estados e parte pelas prefeituras de algumas cidades
(CUNHA, 2019).
Até 2003 o APH móvel de emergência no Brasil era realizado pelo Corpo de
Bombeiros nas cidades que dispunham desse serviço, porém, sem regulação médica (DE
SOUZA MINAYO; DESLANDES, 2008). No Brasil o Corpo de Bombeiros tem seu próprio
número telefônico de emergência e suas próprias ambulâncias, porém, eventualmente SAMU e
Corpo de Bombeiros podem atuar conjuntamente enviando equipes para atender a mesma
emergência, situação em que a cooperação geralmente leva a erros de gerenciamento e
desperdício de recursos (TANNEBAUM et al., 2001; HOOGENDOORN et al., 2009;
O’DWYER et al., 2017).
O SME brasileiro, relativamente bem desenvolvido nos grandes centros urbanos do
país, começou a ser implantado em 2003 sob forte influência do modelo franco-alemão de
medicina de emergência, prevalecendo a presença de médicos nas ambulâncias e a inexistência
de paramédicos uma vez que a lei brasileira proíbe não médicos de realizar procedimentos como
intubação, desfibrilação e procedimentos avançados de suporte à vida (TANNEBAUM et al.,
2001; O'DWYER et al. 2013).
 53

No modelo franco-alemão de medicina de emergência, que pode ser encontrado em

países como Áustria, Finlândia, França, Alemanha, Letônia, Noruega, Polônia, Portugal,
Rússia, Eslovênia, Suécia e Suíça, os médicos devem possuir determinadas habilidades clínicas
ou experiência para se tornarem elegíveis para ingressar no SME depois de concluírem curso
de atendimento de emergência (VAN DER VAART; VASTAG; WIJNGAARD, 2011).
Devido ao grande número de julgamentos e dúvidas sobre o que seja um caso de
emergência e o que seja um caso de urgência, utiliza-se apenas o termo urgência para todos os
casos que necessitem de cuidados agudos, devendo-se definir o grau da urgência, que é
diretamente proporcional à gravidade, à quantidade de recursos necessários para atender o caso
e à pressão social presente na cena do atendimento e inversamente proporcional ao tempo
necessário para iniciar o tratamento (BRASIL, 2006a). A definição do grau de urgência de um
atendimento do SAMU é dada pela Equação 1:

𝐺∗𝐴∗𝑉∗
𝑈
𝑇∗ (1)

O Quadro 18 evidencia os múltiplos fatores que, conjugados, definem o grau de

urgência para um atendimento do SAMU.

Quadro 18 – Avaliação multifatorial do grau de urgência

Elementos Definição
(U) Urgência Resultado da conjugação dos fatores (U) = (G) x (A) x (V) / (T)
A quantificação da gravidade do caso é feita por meio de perguntas objetivas dirigidas
(G) Gravidade diretamente ao paciente ou à pessoa que ligou solicitando ajuda, utilizando uma
semiologia definida e abordada nos protocolos específicos do SAMU
Intervalos de tempo aceitáveis entre o início dos sintomas e o início do tratamento, sendo
(T) Tempo
que quanto menor o tempo exigido, maior será a urgência
Quanto maior a necessidade de recursos para o atendimento inicial e tratamento
(A) Atenção
definitivo, maior será a urgência
Valor A pressão social que envolve o atendimento inicial pode muitas vezes justificar o
(V)
Social aumento do grau de urgência de um caso simples
Fonte: Adaptado de Brasil (2006a, p.48-49)

O SAMU integra a rede de atenção às urgências e emergências às vítimas acometidas

por agravos à saúde de natureza clínica, cirúrgica, gineco-obstétrica, traumática e psiquiátricas
(BRASIL, 2013). Para facilitar o estabelecimento de prioridades entre diferentes tipos de
emergências, as mesmas podem ser classificadas didaticamente conforme evidencia a Figura 6.
 54

Figura 6 – Classificação das urgências em níveis

Fonte: Adaptado de Brasil (2006a, p.49)

Depois de ter experimentado expansão progressiva, especialmente nas grandes

cidades, desde 2008 as CRM regionais passaram a ser maioria uma vez que o Ministério da
Saúde brasileiro decidiu regionalizar o SAMU como estratégia para levar o APH às pequenas
cidades (MACHADO; SALVADOR; O'DWYER, 2011; O'DWYER et al. 2013). A proposta
original era levar a cobertura do SAMU a 100% das cidades brasileiras até 2018, porém, em
2019 o SAMU contava com 2.219 bases operacionais distribuídas por 1.753 cidades, sendo as
cidades sem bases descentralizadas do SAMU atendidas pelas bases descentralizadas mais
próximas, fazendo a cobertura do SAMU chegar a 3.608 cidades, ou 65% de todas as cidades
brasileiras (O'DWYER et al. 2013; CUNHA, 2019).
A maioria dos SME brasileiros se assemelha especificamente ao SME francês Service
d’Aide Médicale d’Urgence (SAMU) podendo atender uma cidade ou uma região formada por
várias cidades e a partir de uma CRM que recebe chamados pelo número telefônico público
gratuito nacional 192, equipes de médicos, enfermeiros e motoristas utilizam veículos
equipados para suporte básico de vida e suporte de vida avançado para atender as ocorrências
de emergência (TAKEDA; WIDMER; MORABITO, 2007). Não existem diretrizes que
estabeleçam a quantidade de postos de trabalho necessários para o funcionamento da CRM,
apenas sugestões de números mínimos (BRASIL, 2006a).
Outro modelo de APH muito difundido é o anglo-americano cuja atuação é fortemente
baseada na figura do paramédico, profissional que passa por processo de capacitação para o
atendimento no local da ocorrência, existindo diferentes categorias de atuação e respectiva
necessidade de carga horária de treinamento, sendo que os profissionais de maior qualificação
tem autorização para realizar procedimentos como intubação, punção de tórax e administração
de medicamentos, em geral, sem supervisão médica e sem regulação (BRASIL, 2006a).
A Tabela 1 detalha a cobertura do SAMU em nível nacional no ano 2018.
 55

Tabela 1 – Abrangência do SAMU em nível nacional

Estado Nº Municípios Municípios Abrangidos Cobertura Nº CRM Nº Bases
Acre 22 22 100,00% 2 17
Alagoas 102 102 100,00% 2 37
Amazonas 62 5 8,06% 2 16
Amapá 16 2 12,50% 1 4
Bahia 417 274 65,71% 19 240
Ceará 184 136 73,91% 2 64
Distrito Federal 1 1 100,00% 1 20
Espírito Santo 78 18 23,08% 1 24
Goiás 246 246 100,00% 12 93
Maranhão 217 95 43,78% 10 46
Minas Gerais 853 549 64,36% 7 188
Mato Grosso 141 27 19,15% 3 19
Mato Grosso do Sul 79 16 20,25% 3 26
Pará 144 92 63,89% 7 87
Paraíba 223 197 88,34% 7 105
Pernambuco 185 126 68,11% 3 112
Piauí 224 85 37,95% 3 91
Paraná 399 341 85,46% 10 134
Rio de Janeiro 92 52 56,52% 7 91
Rio Grande do Norte 167 165 98,80% 1 21
Rio Grande do Sul 497 285 57,34% 5 172
Rondônia 52 10 19,23% 2 5
Roraima 15 15 100,00% 1 16
Santa Catarina 295 295 100,00% 8 104
São Paulo 645 364 56,43% 52 373
Sergipe 75 75 100,00% 8 104
Tocantins 139 13 9,35% 3 10
Total 5.570 3.608 - 182 2.219
Fonte: Adaptado de Cunha (2019)

Apesar de se espelhar em modelos internacionais, o SAMU adquiriu características

próprias em face da necessidade de adaptação às contingências locais (MACHADO;
SALVADOR; O'DWYER, 2011). Uma CRM do SAMU, além da incumbência de realizar a
regulação médica, deve realizar a cobertura de eventos de riscos, tais como atividades
esportivas e/ou sociais, bem como a cobertura de a acidentes com múltiplas vítimas e capacitar
seus recursos humanos para promover ações educativas para a comunidade por meio de
palestras sobre primeiro atendimento a urgências (BRASIL, 2006a).
As CRM podem ser regionalizadas para ampliar o acesso da população ao SME. O
SAMU conta ainda com bases descentralizadas, espaços com configuração mínima necessária
para abrigo, alimentação, conforto das equipes e estacionamento das ambulâncias, que
oferecem infraestrutura necessária para garantia de TR de qualidade a partir do princípio de
racionalidade na utilização dos recursos de um SAMU regional ou um SAMU sediado em
município de grande extensão territorial e/ou baixa densidade demográfica (BRASIL, 2013).
 56

Na CRM atuam os telefonistas auxiliares de regulação médica (TARM), os médicos

reguladores (MR) e os rádio operadores (RO), todos capacitados em processos de regulação
dos chamados telefônicos de emergência, regulação essa normatizada pela Portaria GM/MS Nº
2.657/04 (BRASIL, 2006a). A Figura 7 resume o fluxo do processo de atendimento a um
chamado, passando pela triagem até a decisão de despacho de ambulância.

Figura 7 – Fluxo do processo decisório até o despacho de ambulância

Fonte: Adaptado de Brasil (2006a, p.72-81)

 57

A CRM é um espaço físico de acesso restrito que abriga sistema de gravação digital
contínua para registro de toda a comunicação efetuada por telefone e rádio, oferece condições
de integridade da conduta profissional, imparcialidade no manejo dos casos, sigilo ético-
profissional das informações além de prover sistema de comunicação direta do RO com as bases
descentralizadas, as ambulâncias, com outras CRM, com a rede de apoio hospitalar bem como
com outros atores diretamente relacionados aos atendimentos móveis, como o Corpo de
Bombeiros, Defesa Civil, Polícia Militar, operadoras privadas de serviços móveis de urgência
(BRASIL, 2006b). Profissionais que atuam no SAMU podem ser oriundos ou não da área da
saúde, conforme evidenciado no Quadro 19.

Quadro 19 – Características das equipes operacionais do SAMU

Profissionais oriundos da área da saúde Profissionais não oriundos da área da saúde
 Médico Regulador  Telefonista Auxiliar de Regulação Médica
 Médico  Rádio Operador
 Enfermeiro  Condutor de Veículos
 Técnico de Enfermagem  Policiais Militares e Rodoviários e Bombeiros Militares
 Auxiliar de Enfermagem
Fonte: Adaptado de Brasil (2006a)

Todos os diálogos dentro de uma CRM são gravados para respaldar todos os
envolvidos, desde o chamador, o TARM, o MR, o RO e a equipe, para o registro correto e claro
das informações e a manutenção e observância de pactos e posturas éticas no trato de vítimas
de urgências que, dependendo gravidade do caso, perdem o direito à escolha e são submetidos
a tratamentos cuja autorização a sociedade delegou ao MR (BRASIL, 2006a).
Importante característica do SME brasileiro é a regulação médica dos chamados de
emergência, feita pelo MR, reconhecido como autoridade de saúde pública, que pode apenas
fornecer orientações ao chamador ou determinar o despacho de ambulância de suporte básico
ou de suporte avançado à vida, de modo que nem todos os chamados recebidos pelos SME
brasileiros resultam em um despacho de ambulância (TANNEBAUM et al., 2001; O'DWYER
et al. 2013). A regulação parte do princípio de acolhimento, devendo avaliar e priorizar casos
existentes e garantir atendimento por ordem de necessidade e não por ordem de chegada do
chamado na CRM (BRASIL, 2006a).
A decisão do MR de despachar uma ambulância é embasada na disponibilidade do
veículo e no reconhecimento da necessidade de sua utilização na emergência (O’DWYER et
al., 2017). Em situações envolvendo vítimas ou doentes, as decisões tomadas pelo MR orientam
todos os serviços de segurança e salvamento, por isso existem diretrizes específicas sobre
ferramentas essenciais para a operacionalização das CRM (BRASIL, 2006a). O Quadro 20
apresenta essas ferramentas.
 58

Quadro 20 – Ferramentas de apoio para operacionalização da CRM

Item Descrição
Município e região de cobertura da CRM, com localização dos serviços de saúde, bases
Mapa descentralizadas do SAMU, outras ambulâncias ou serviços de transporte (inclusive privados),
Corpo de Bombeiros, Polícia Rodoviária e outros
Município e região de cobertura da CRM com as estradas e principais vias de acesso, registro de
Mapa
barreiras físicas e outros fatores que dificultem o acesso a cada local
Telefones de todos os serviços de saúde da região, além de outros setores envolvidos na assistência
Lista
à comunidade
Informações efetivas sobre a composição e a capacidade operativa diária e horária da estrutura dos
serviços, organizados em redes e linhas de atenção, hierarquizados por complexidade de resposta
Grades
técnica, atualizadas diariamente, indicando e justificando se há impedimento de uso do potencial
dos recursos
Manejo de situações complexas, envolvendo muitas pessoas afetadas, com perda ou não da
Planos capacidade de resposta por setores públicos e privados encarregados (planos de desastre com
protocolos integrados entre todos os agentes públicos e privados responsáveis)
Manuais Normas e rotinas do serviço
Fonte: Adaptado de Brasil (2006a)

As operações internas e externas envolvem seis estágios: internamente a (i) análise

prévia e a (ii) regulação médica dos chamados de emergência e, externamente, (iii) a preparação
do resgate, (iv) o atendimento na cena, (v) o diagnóstico na cena para decisão de transporte ou
não do paciente e, sendo necessário, (vi) o transporte do paciente para hospital
(ABOUELJINANE; SAHIN; JEMAI, 2013). As unidades de suporte básico (USB) incluem
motorista, técnico de enfermagem e material básico para primeiros socorros em casos sem risco
de morte e as unidades de suporte avançado (USA) incluem motorista, médico e enfermeiro e
equipamentos de terapia intensiva para situações de risco de morte (MACHADO;
SALVADOR; O'DWYER, 2011; O'DWYER et al. 2013).
Para acionamento e posterior acompanhamento das operações das equipes os RO
utilizam códigos internacionais de comunicação compreendendo coleção padronizada de três
letras, todas começando com a letra Q, usando comunicação mínima para transmitir informação
em poucas palavras, e outro conjunto fonético que se destina a dar precisão necessária no caso
de transmissão de letras e de nomes pouco comuns (FUNESA, 2011). O Quadro 21 apresenta
alguns dos códigos Q e fonéticos usados pelos RO do SAMU.

Quadro 21 – Exemplos de códigos utilizados pelos RO do SAMU

Código Significado
QAP Está na escuta?
QRA Qual o nome do operador?
QTA Cancelamento do atendimento.
Alfa A
Bravo B
Charlie C
Primeiro 1
Segundo 2
Terceiro 3
Fonte: Adaptado de FUNESA (2011)
 59

Mesmo com a forte influência do SME franco-alemão, em especial do modelo francês,

o SME brasileiro incorporou características do SME anglo-americano, e de forma similar às
ambulâncias norte-americanas as ambulâncias do SAMU estão equipadas com oxigênio,
equipamento de vias aéreas, equipamento intravenoso, monitores/desfibriladores cardíacos,
medicações e respiradores (TANNEBAUM et al., 2001). Em sua essência o SME brasileiro se
diferencia de países como Estados Unidos, Canadá, Austrália, Nova Zelândia e Reino Unido
nos quais os SME seguem o modelo anglo-americano de atendimento com ênfase de levar o
paciente ao hospital para receber tratamento adequado (VAN DER VAART; VASTAG;
WIJNGAARD, 2011).
Estudos sobre o SAMU apontam limitações das condições estruturais, de integração
de redes, de capacitação de profissionais entre outros, indicando a necessidade de maior
investimento público (MACHADO; SALVADOR; O'DWYER, 2011). Em relação aos recursos
humanos o SAMU não oferece a possibilidade da construção de uma carreira profissional, pois,
no modelo franco-alemão a medicina de emergência é considerada atividade interdisciplinar
sem status de especialidade (VAN DER VAART; VASTAG; WIJNGAARD, 2011).
A capacidade de planejamento de melhoria no atendimento do SAMU é diretamente
afetada pela tecnologia da informação e comunicação utilizada, pois, mesmo com a existência
de uma ferramenta de regulação sancionada pelo Conselho Federal de Medicina do Brasil e
aprovada pelo Ministério da Saúde brasileiro, muitos SME utilizam diferentes sistemas de
informação, inexistindo dados consolidados sobre perfil dos pacientes tampouco dos resultados
da assistência prestado pelo SAMU (TANNEBAUM et al., 2001; MACHADO; SALVADOR;
O'DWYER, 2011). Falta de integração de sua infraestrutura de tecnologia da informação e
comunicação, inexistência de indicadores de desempenho quanto à sua capacidade de resposta,
fragmentação do modelo de gerenciamento e ausência de perspectivas de desenvolvimento de
carreira profissional não impediram o incremento de cerca de 73% no número total de
atendimentos prestados no período de 2014 a 2018.
A redução, no mesmo período, de aproximadamente 7% no número de CRM e
aproximadamente 4% no número total de veículos aparentemente foi compensada pelo aumento
de cerca de 5% no número de bases operacionais descentralizadas e pelo aumento aproximado
de 19% no número de profissionais que ingressaram no SME, o que permite pressupor melhoria
no gerenciamento dos processos internos do SME brasileiro. Dados compilados a partir de
publicação especializada permitem elaborar panorama geral do SME brasileiro no período de
2014 a 2018, conforme a Tabela 2.
 60

Tabela 2 – Evolução da estrutura e atendimentos do SAMU nos últimos cinco anos

Fator de comparação 2014 2016 2018
Habitantes (Brasil) 202.799.518 206.114.067 210.156.444
Cidades brasileiras 5.570 5.570 5.570
Cidades brasileiras com centrais de operações do SAMU 1.612 1.715 1.753
Bases operacionais do SAMU 2.055 2.146 2.153
Centrais de regulação médica 188 187 175
Cidades brasileiras com cobertura do SAMU 3.204 3.408 3.608
Profissionais 37.082 41.276 44.043
Profissionais operacionais 32.678 36.766 39.705
Profissionais administrativos 4.404 4.510 4.338
Habitantes por profissionais 5.469 4.944 4.772
Veículos 3.905 3.666 3.737
Ambulâncias 3.254 3.253 3.175
Suporte básico 2.653 2.561 2.576
Suporte avançado 601 597 599
Aeronaves 18 23 28
Motocicletas 318 294 274
Outros veículos 315 96 260
Habitantes por veículo 51.933 56.223 56.237
Total de atendimentos 3.234.472 5.194.127 5.591.371
Atendimentos pediátricos 1.189.039 1.751.756 1.712.830
Atendimentos a trauma 666.068 969.446 901.977
Atendimentos psiquiátricos 154.825 233.262 224.488
Atendimentos ginecológicos e obstétricos 118.035 145.862 149.162
Outros atendimentos 584.067 970.262 1.534.879
Atendimentos não classificados - 1.123.539 1.068.035
Atendimentos por 1.000 habitantes 15,95 25,20 26,61
Fonte: Adaptado de Cunha (2017, 2018, 2019).

Outra característica do SAMU em nível nacional diz respeito à manutenção de suas

atividades por meio de consórcios públicos intermunicipais. Consórcios públicos são regidos
pela Lei 11.107/2005 que prevê a associação sem finalidade lucrativa de entes federados para
solução de problemas comuns, numa estratégia de regionalização e hierarquização dos serviços
de saúde objetivando o ganho de escala na prestação do serviço e a racionalização de processos
e despesas (FLEXA; BARBASTEFANO, 2020).
Por exemplo, o Consórcio Intermunicipal de Urgência e Emergência do Noroeste do
Paraná, criado em 2011, abrangendo 101 municípios com população estimada de 1.200.000
habitantes, tem sua CRM na cidade de Umuarama/PR, conta com equipe de aproximadamente
400 pessoas, 23 bases descentralizadas e tem orçamento de aproximadamente R$ 35.000.000,00
para o ano 2020 (CIUENP, 2020).
Já o Consórcio Intermunicipal SAMU Oeste do Paraná, criado em 2012, englobando
43 municípios com população estimada de 950.000 habitantes, tem sua CRM na cidade de
Cascavel/PR, equipe de 135 pessoas, 16 bases descentralizadas e seu orçamento para o ano
2020 é e aproximadamente R$ 71.000.000,00 (CONSAMU, 2020).
 61

O Consórcio Público Intermunicipal de Saúde da Rede de Urgência e Emergência da

Macrorregião do Triângulo do Norte, criado em 2013, abrangendo 27 municípios com
população estimada de 1.250.000 habitantes no Estado de Minas Gerais, tem CRM na cidade
de Uberlândia/MG, equipe de aproximadamente 250 pessoas, 17 bases descentralizadas e
orçamento de R$ 23.500.000,00 para o ano de 2020 (CISTRI, 2020).
Para Flexa e Barbastefano (2020, p.326) “existem ainda desafios para efetivar a
regionalização, tais como as dificuldades para integrar e coordenar as ações e serviços, em
diferentes espaços geográficos, com distintas gestões”. Em 2017 havia Brasil 188 SAMU em
operação, 111 deles regionalizados (O’DWYER et al. 2017). Desses 111 SAMU
regionalizados, 85 (45%) eram mantidos por consórcios intermunicipais conforme evidencia o
Quadro 22.

Quadro 22 – SAMU Regionais em nível nacional

SAMU
UF Sedes dos SAMU Regionais
Regionais
AL 1 Maceió
AM 2 Alto Solimões, Manaus
Bacabal, Caxias, Codó, Coroatá, Imperatriz, Pinheiros, Porto Franco, São Luís, Timon,
MA 10
Tuntum
MG 4 Centro Sul, Nordeste Jequitinhonha, Norte, Sudeste, Sul
MS 3 Campo Grande, Dourados, Três Lagoas
MT 3 Cuiabá, Rondonópolis, Tangará da Serra
PB 7 Cajazeiras, Campina Grande, João Pessoa, Monteiro, Patos, Piancó, Sousa
Apucarana, Ciruspar, Consamu, Cornélio Procópio, Curitiba, Fronteira, Litoral,
PR 10
Londrina, Maringá, Umuarana
Baía de Ilha Grande, Baixada Fluminense, Centro Sul Fluminense, Paraíba,
RJ 7
Metropolitana I, Metropolitana II, Serrana
RO 2 Ariquemes, Porto Velho
Araraquara, Araras, Avaré, Assis, Barretos, Bauru, Botucatu, Bragança Paulista,
Catanduva, Embu das Artes, Fernandópolis, Franca, Guaratinguetá, Hortolândia,
Itanhaém, Itapetininga, Itapeva, Itapevi, Jales, Jaú, Limeira, Mauá, Mogi das Cruzes,
SP 36
Mogi Guaçu, Ourinhos, Piracicaba, Ribeirão Preto, Rio Claro, Santos, São João da Boa
Vista, São José dos Campos, São José do Rio Preto, São Sebastião, Sorocaba, Suzano,
Votuporanga
Fonte: Adaptado de Cunha (2019)

O’Dwyer et al. (2017) enfatizam o sucesso da regionalização das operações do SAMU

em nível nacional, identificando seis padrões de implantação tendo como referência a cobertura
populacional e a capacidade de regionalizar dos estados, sendo que estados com padrões 1, 2 e
3 obtiveram cobertura entre 80% e 100%. O Quadro 23 sintetiza esse panorama.
 62

Quadro 23 – Padrões e capacidade de cobertura dos SAMU no Brasil

Padrão Característica Abrangência
SAMU estaduais que incluem a capital com cobertura 4 estados (Acre, Roraima, Alagoas e
1
pelo SAMU de 100% da população Sergipe) e o Distrito Federal
SAMU das capitais regionalizados, com cobertura 6 estados (Paraná, Santa Catarina, Goiás,
2
maior que 80% (sendo 2 com 100%) Bahia, Paraíba e Pernambuco)
SAMU cuja capital persiste com SAMU municipal,
3 estados (Rio de Janeiro, São Paulo e
3 mas regionalizados no interior alcançando cobertura
Rio Grande do Sul)
de SAMU acima de 80%
SAMU regionalizados na capital, porém com 5 estados (Amapá, Pará, Maranhão, Piauí
4
coberturas no estado inferiores a 80% e Minas Gerais)
SAMU estaduais na capital, porém com coberturas
5 2 estados (Espírito Santo e Mato Grosso)
baixas por dificuldade de regionalizar no interior
6 estados (Amazonas, Rondônia,
SAMU municipais na capital, porém com coberturas
6 Tocantins, Ceará, Rio Grande do Norte e
baixas por dificuldade de regionalizar no interior
Mato Grosso do Sul)
Fonte: Adaptado de O’Dwyer et al. (2017)

A realidade do SME objeto deste trabalho de pesquisa pode ser generalizada tanto pela
sua condição de manutenção por meio de consórcio intermunicipal de saúde quanto pelas
particularidades da sua infraestrutura de tecnologia da informação e comunicação, pois,
segundo Machado, Salvador e O'Dwyer (2011, p.8) “atualmente, existem diferentes sistemas
de informação nos estados e municípios, mas não existem dados consolidados sobre o perfil e
os resultados da assistência prestada pelo SAMU”.
A CRM do SME objeto deste trabalho de pesquisa está na cidade de Pato Branco, que
em 2016 foi citada pela revista The Economist, especializada na análise internacional de
negócios, por sua diretriz de investimentos na tecnologia e inovação e por ser uma referência
nacional em qualidade de vida (THE ECONOMIST, 2016). Em 2017 a cidade foi reconhecida
como a quinta cidade mais inteligente do Brasil segundo a Revista Exame, a partir de critérios
como mobilidade, urbanismo, meio ambiente, energia, tecnologia e inovação, economia,
educação, saúde, segurança, empreendedorismo e governança (EXAME, 2017).

2.5 CIDADES INTELIGENTES E SUSTENTÁVEIS, SME, CONSÓRCIOS DE SAÚDE

Dadas as características do SME objeto deste trabalho de pesquisa, cujos recursos para
manutenção das atividades provêm de prefeituras e dos governos estadual e federal, além de a
gestão institucional ser exercida obrigatoriamente por um dentre os 42 prefeitos da região de
abrangência do SME, entende-se que o trabalho de Nam e Pardo (2011b) fornece estrutura de
análise diagnóstica englobando tecnologia, gerenciamento e interoperabilidade entre as partes
interessadas sob a ótica dos conceitos de cidades inteligentes e sustentáveis. O Quadro 24
resume os elementos da estrutura.
 63

Quadro 24 – Inovação em cidades inteligentes e sustentáveis

Inovação Riscos Caminho
Como lidar com os riscos
Dimensão Como o governo pode mudar a Riscos inerentes à
enquanto se implementa a
maneira de ofertar serviços inovação
inovação
• Falta de
Tecnologia • Aproveitar o potencial conhecimento • Interoperabilidade do
(servindo como transformador das tecnologias • Incompatibilidade sistema
ferramenta para a da informação e comunicação • Expectativas • Integração entre sistemas
inovação) avançadas exageradas e infraestruturas
• Segurança
• Interoperabilidade
• Conflito corporativa e modelagem
• Melhorar a eficiência e
organizacional de negócios
Organização eficácia (front office e back
• Resistência à • Gerenciamento inter
(gerenciando a office)
mudança organizacional e
inovação) • Melhorar a interoperabilidade
• Desalinhamento entre interoperabilidade
dentro ou fora da organização
metas e projetos gerencial
• Liderança
• Desconsideração de
• Integração política
Política múltiplos
• Redesenhar relacionamentos • Marketing
(criando interessados
entre governo e atores • Governança
ambiente • Pressão política
• Experimentação política • Colaboração
propício) • Conflito com outras
• Parcerias
políticas
• Dimensão física
Contexto • Meio ambiente • Consideração do contexto
• Nível de interações
Fonte: Adaptado de Nam e Pardo (2011b, p.187)

De modo similar, Lee, Hancock e Hu (2014) consideram, em sua estrutura para

analisar iniciativas em cidades inteligentes e sustentáveis, os aspectos da inovação nos serviços
prestados ao cidadão por meio da análise do grau de interoperabilidade ou conectividade de
diferentes serviços, infraestrutura de tecnologias da informação e comunicação para criar
efeitos de rede para aumentar a interoperabilidade entre os serviços públicos e práticas
inovadoras de governança para congregar partes interessadas por meio de estratégias formais
para promover serviços inteligentes, gerenciamento de processos e mensuração de resultados.
Para Nam e Pardo (2011b) a inovação tecnologia é um mecanismo que altera, atualiza
e otimiza ferramentas já existentes, a inovação organizacional refere-se a um conjunto de
capacidades necessárias para usar as ferramentas tecnológicas e a inovação política consiste na
abordagem de problemas institucionais e não técnicos como vetores da inteligência capaz de
promover o incremento da eficiência e a eficácia dos processos por meio da interoperabilidade
interna e externa da organização. O Quadro 25 apresenta exemplos de aproveitamento do
potencial das tecnologias da informação e comunicação no contexto de cidades inteligentes e
sustentáveis.
 64

Quadro 25 – Potencial das tecnologias da informação e comunicação

Local Potencial das tecnologias da informação e comunicação Autor
Câmeras de vigilâncias posicionadas na cidade e conectadas ao
SME, informações das câmeras combinadas com análises de
Ceuta (Espanha) BÉLISSENT (2010)
vídeo em um centro de comando para aprimorar os tempos de
respostas do SME
Integração de sistemas para tomada da melhor decisão
Singapura orçamentária com base no uso de dados oriundos de todos os BÉLISSENT (2010)
departamentos da administração
Sistema de saúde inteligente de armazenamento de
informações e plataforma de comunicação por meio do qual os WASHBURN;
Espanha
registros dos pacientes armazenados eletronicamente são SINDHU (2010)
compartilhados remotamente para resposta rápida aos SME
Nova York (Estados Centralização e uso das informações em tempo real para WASHBURN;
Unidos) responder rapidamente a emergências reduziu o crime em 27% SINDHU (2010)
Sistema de gerenciamento de infraestrutura integrando
ALAWADHI et al.
Quebec (Canadá) diferentes sistemas de informação para coordenar atividades
(2012)
relacionadas ao gerenciamento de infraestrutura da cidade
O departamento de polícia conseguiu reduzir o crime em 25%,
Mesa (Estados
por meio do policiamento mais inteligente, compartilhando DIXON (2012)
Unidos)
informações com cerca de outras 50 cidades
Implantação de centro analítico que reúne dados de diversos
Nova York (Estados
departamento da cidade para gerenciar, regular e planejar a KITCHIN (2014)
Unidos)
cidade de forma mais eficiente
ALBINO;
Friedrichshafen Utilização, pelos usuários de smartphones, de sinal de socorro BERARDI;
(Alemanha) GPS em caso de emergência DANGELICO
(2015)
Tecnologia de análise de dados estatísticos que permite aos ARIKUMA;
Memphis (Estados
policiais avaliar rapidamente informações das patrulhas e MOCHIZUKI
Unidos)
compará-las às tendências históricas (2016)
Vigilância por vídeo com sistemas de reconhecimento facial ARIKUMA;
Surat (Índia) alerta em tempo real sobre atividades suspeitas, com queda de MOCHIZUKI
27% na taxa de criminalidade% (2016)
Fonte: Autoria própria (2020)

Nam e Pardo (2011b) ponderam que as questões de infraestrutura são fundamentais

nos conceitos de cidades inteligentes e sustentáveis, porém, não colocam a tecnologia da
informação e comunicação como o fator mais crítico, mas, como um elemento facilitador para
a conquista da inteligência. Bolívar e Meijer (2016) qualificam como ingênua grande parte da
literatura que enfatiza as tecnologias da informação e comunicação como produtoras de maior
colaboração entre as partes interessadas nas cidades inteligentes e sustentáveis, pois, o desafio
é gerar colaboração humana por meio do uso das tecnologias da informação e comunicação
para se obter melhores processos e, consequentemente, melhores resultados.
Para Chourabi et al. (2012) não se desenvolve inteligência no contexto de cidades
inteligentes e sustentáveis sem a implementação das tecnologias da informação e comunicação,
que dependem de infraestrutura, segurança e operacionalidade.
 65

Para Albino, Berardi e Dangelico (2015), as tecnologias da informação e comunicação

podem ser usadas no contexto de cidades inteligentes e sustentáveis para melhorar o tráfego
urbano. Toppeta (2010) entende que o potencial das tecnologias da informação e comunicação
está em gerenciar a quantidade cada vez maior de dados oriundos de sensores que podem ajudar
na análise de tráfego e gerenciamento inteligente da sinalização para priorizar o transporte de
emergência.
Naphade et al. (2011), Batty et al. (2012) e Kourtit, Nijkamp e Steenbruggen (2017)
apontam como as governanças podem explorar o potencial dos dados associados ao perfil dos
usuários de serviços de redes sociais ou aplicativos que coletam informações sobre o
posicionamento geográfico do dispositivo eletrônico usado pelo cidadão, especialmente dados
relacionados ao comportamento quanto à preferência por rotas e horários em relação ao tráfego,
e que podem explicar as significativas variações que afetam a mobilidade urbana e enfatizam o
papel fundamental das tecnologias da informação e comunicação na previsão confiável de
fluxos de tráfego e consequente melhoria de acessibilidade para os SME.
Visvizi e Lytras (2018b) sugerem a elaboração de políticas para tornar os serviços de
transporte mais inteligentes para viabilizar melhorias na mobilidade urbana e políticas voltadas
ao desenvolvimento de competências pessoais e investimentos em tecnologias da informação e
comunicação com capacidade de análise avançada para melhoria do gerenciamento de tráfego,
sendo esse um caminho para a interoperabilidade dos serviços em tempo real no contexto de
cidades inteligentes e sustentáveis.
A mobilidade urbana interfere diretamente nos serviços, em especial no desempenho
das ambulâncias dos SME (DJAHEL et al., 2013; GUPTA et al., 2016; GUPTA; RAJAN, 2017;
UDAWANT et al., 2018; MISHRA et al., 2017; PRAKASH et al., 2018; SUMIA; RANGA,
2018). O’Meara (2005) aborda a importância do conhecimento do perfil de pacientes de SME
por meio de indicadores de desempenho clínicos e não clínicos validados, pois, somente
acessando uma grande quantidade de dados que permitam compreender as variações em nível
de perfil de paciente e da população de uma comunidade atendida por um SME é possível
melhorar o desempenho organizacional.
Para Neirotti et al. (2014) as tecnologias da informação e comunicação são ferramentas
que ajudam organizações públicas a proteger a integridade dos cidadãos fornecendo
informações em tempo real aos departamentos de polícia e bombeiros.
 66

Bélissent (2010) relata exemplos de aproveitamento do potencial das tecnologias da

informação e comunicação para SME em cidades inteligentes e sustentáveis por meio de
sistemas que identificam automaticamente a localização de um chamador a partir do seu
telefone fixo ou via triangulação de celular ou GPS no caso de chamados móveis.
Djahel et al. (2013), ao tratar de SME no contexto de cidades inteligentes e
sustentáveis, especificamente de ambulâncias inteligentes, enfatizam a necessidade de coleta
sistemática dos dados sobre o perfil dos pacientes, para que o sistema do SME, combinando
esses dados com dados de localização dos veículos, possa auxiliar os decisores para encurtar o
tempo de atendimento.
Para Caragliu, Del Bo e Nijkamp (2011) os eventos reais acontecem em tempo real e
exigem resposta em tempo real por meio de conexões em tempo real e as tecnologias da
informação e comunicação viabilizam, por exemplo, a integração de radiotransmissores e
sensores de tráfego e trânsito. Bibri e Krogstie (2017b) consideram que as tecnologias da
informação e comunicação sensíveis ao contexto incrementam analisam, interpretam e reagem
de forma inteligente a situações capazes de comprometer o tráfego, a mobilidade, a assistência
médica e a segurança.
Abu-Elkheir, Hassanein e Oteafy (2016) enfatizam que o atual modelo de
gerenciamento de emergências em espaços urbanos se baseia em protocolos pré-determinados
para situações compreendidas, ao mesmo tempo que ressaltam sobre a incerteza quanto à
natureza e à escala de uma emergência e propõem infraestrutura para gerenciamento inteligente
capaz de lidar com informação qualificada em larga escala e realizar avaliação
multidimensional integrando e analisando dados heterogêneos para geração de alternativas e
recomendações para tomada de decisão por parte dos responsáveis por SME por meio de um
fluxo de reação à emergência, processamento, ação e análise.
Scholl, Patin e Chatfield (2012) abordam detalhadamente, especialmente no contexto
de cidades inteligentes e sustentáveis, os procedimentos, a estrutura organizacional, a rotina
diária, os planos de ação, as necessidades de informações, os fluxos de trabalho, os
procedimentos e o uso de tecnologias da informação e comunicação no contexto de resposta a
emergências e concluem sobre a necessidade de repensar radicalmente os cenários de resposta
em SME por meio da integração de dados, treinamento e uso efetivo das tecnologias da
informação e comunicação, planejamento e preparação.
 67

A capacidade do sistema em processar grande quantidade de chamados pode afetar o

tempo de despacho (DO et al., 2013). Processos de despacho de ambulâncias (que afetam o TR)
requerem sistemas computadorizados para coletar dados não apenas sobre tempos para todos
os eventos associados a um chamado de emergência, por exemplo, a gravidade ou severidade
presumida, mas, dados para as coordenadas geográficas da ambulância no momento do
despacho e para o endereço do chamado (INGOLFSSON, 2013).
O’Dwyer et al. (2017) entendem que esses sistemas e o videomonitoramento da frota
do SME potencializam o a eficiência do despacho das ambulâncias, pois, a visualização permite
o melhor gerenciamento e melhor decisão sobre o despacho. Corman (2019) aborda os impactos
da tecnologia contemporânea sobre o desempenho dos SME e enfatiza a necessidade de, em
primeiro lugar, haver protocolos claros para atendimentos que devem ser feitos com uso de
sistemas de despacho computadorizados integrados a dispositivos móveis para as equipes que
devem fazer uso de veículos equipados com computadores de bordo, dispositivos GPS e
aparelhos capazes de coletar e registrar dados dos pacientes, tecnologias fundamentais para
garantir qualidade de atendimento em SME.
Scholl, Patin e Chatfield (2012) apontam, ainda, a necessidade de planejamento prévio,
preparação e simulação prática de resposta, incluindo colaboração e coordenação inter-
organizacional, tratamento e o compartilhamento da informação como um recurso crítico na
gestão da resposta à emergência e, finalmente, a interoperabilidade e um conjunto de
tecnologias da informação e comunicação interligadas e geocodificadas, fáceis de operar,
flexíveis, adaptáveis para coleta de informações abrangentes. No contexto de cidades
inteligentes e sustentáveis Visvizi e Lytras (2018b) enfatizam a importância da
interoperabilidade de dados e sistemas como fator positivo para a melhoria dos serviços, desde
que os componentes tecnológicos ofereçam interfaces amigáveis e com qualidade aos usuários
desses serviços. Avanzi et al. (2017) entendem que uma organização precisa ser avaliada para
que se identifique seus recursos e sua capacidade e interoperar.
O desenvolvimento da inteligência exige combinação dos elementos das tecnologias
da informação e comunicação com elementos políticos internos da organização – quem está no
comando – com elementos externos, tais como planos, estratégias, agendas, tudo alinhado às
questões legais envolvidas no contexto (NAM; PARDO, 2011a). Para Pardo, Nam e Burke
(2012) a interoperabilidade envolve a gestão de recursos multidimensionais dinâmicos que se
complementam num conjunto definido de entidades estabelecidas num ambiente comum e com
os mesmos objetivos específicos.
 68

Constatando que as tecnologias da informação e comunicação desempenham papel

crucial em todas as fases de uma emergência, desde a preparação, a resposta, a recuperação do
controle e a posterior mitigação, Gil-Garcia, Zhang e Puron-Cid (2016) entendem que a
interoperabilidade gerencial entre organizações só é possível a partir do uso de ferramentas de
tecnologia da informação e comunicação facilitadoras, viabilizadoras e integradoras de
informações e conhecimentos.
A realidade descrita no parágrafo imediatamente anterior já é experimentada, em parte,
pelo Consórcio Intermunicipal de Saúde do Alto Vale do Paraíba, criado em 2014, que abrange
oito municípios no Estado de São Paulo com população estimada de 1.050.000 habitantes, e
tem sua CRM integrada ao Copom (Centro de Operações da Polícia Militar) e ao Cobom
(Centro de Operações do Corpo de Bombeiros) na cidade de São José dos Campos/SP, contando
com equipe de aproximadamente 300 pessoas, cinco bases descentralizadas e seu orçamento
foi de aproximadamente R$ 21.000.000,00 para o ano de 2019 (CONSAVAP, 2020).
Outro exemplo de sucesso numa ação de interoperabilidade que reuniu vários serviços
públicos em um único local é o Centro de Operações da Prefeitura do Rio, no Rio de Janeiro,
um ambicioso sistema de abrangência municipal, financiado com recursos públicos e em
parceria com a empresa IBM, que reúne fluxos de dados de trinta agências, incluindo tráfego e
transporte público, serviços de emergência, informações meteorológicas e informações
enviadas por pessoas via telefone, internet e rádio que são processadas com auxílio de
algoritmos para investigar aspectos da vida da cidade e mudanças ao longo do tempo e, assim,
construir modelos preditivos para situações do cotidiano, em especial situações de emergência
permitindo, por exemplo, que uma equipe policial numa cena de acidente acesse o sistema para
saber quantas ambulâncias foram despachadas, resultando em decisões coordenadas e
inteligentes com base em dados dinâmicos (BÉLISSENT, 2010; NAPHADE et al., 2011;
DIXON, 2012; KITCHIN, 2014).
A infraestrutura de tecnologia da informação e comunicação pode impor desafios à
viabilização da interoperabilidade pela disponibilidade, compatibilidade, falta de integração e
restrições quanto aos sistemas utilizados pelas partes envolvidas (CHOURABI et al., 2012).
Para superar a perspectiva intraorganizacional a interoperabilidade eficaz exige
interconectividade para além da troca de informações, devendo ser um meio e não um fim em
si mesma e resultar em prestação e serviço ao cidadão, caracterizando-se como um desafio em
face das políticas e das práticas requeridas ao seu gerenciamento (PARDO; NAM; BURKE,
2012).
 69

Além disso, a construção e viabilização da inteligência desejada exige da governança

o compromisso real e a predisposição para a colaboração e cooperação entre as partes,
desconstruindo estruturas antigas e departamentais (NAM; PARDO, 2011a; SCHOLL;
ALAWADHI, 2016). Para Bolívar e Meijer (2016, p.392) a governança inteligente “consiste
em novas formas de colaboração humana por meio do uso de tecnologias da informação e
comunicação para obter melhores resultados e processos de governança mais abertos”.
As tecnologias da informação e comunicação auxiliam a governança a ser mais
inteligente agregando informações de vários incidentes, desencadeiam ações de investigação e
reparação e relatam riscos (ASIMAKOPOULOU; BESSIS, 2011). O Quadro 26 sintetiza os
compostos da governança no contexto de cidades inteligentes e sustentáveis.

Quadro 26 – Governança no contexto de cidades inteligentes e sustentáveis

Elemento Efeito Descrição
Existem diferentes tipos de partes interessadas, públicas, privadas,
Partes interessadas
acadêmicas ou cívicas
Organizações que facilitam a interação entre as partes interessadas
Estruturas e
ou permitem determinados processos cuja atuação permite a
organizações
colaboração entre múltiplos atores
Diferentes formas de disseminação e troca de informações entre as
Processos partes interessadas para a tomada de decisão e a consequente
implementação da decisão tomada
Importância das competências individuais dos representantes das
Papéis e
Componentes partes interessadas especialmente na distribuição do poder e da
responsabilidades
motivação dos envolvidos na governança
Tecnologias da informação e comunicação conduzem a uma
governança efetiva, favorecem vínculos diretos com o usuário para
Tecnologia e dados
otimização dos processos enquanto novas fontes de dados ou novas
maneiras de entender os dados apontam novas oportunidades
Legislação e
Desafios legais e políticos relacionados ao acesso a dados
políticas
Desempenham um papel crucial porque constituem as relações entre
Acordos de trocas
o setor público e o setor privado
Pouca conformidade sobre técnicas de medição, geralmente pela
Conceito agregado
Medidas falta de foco na variável a ser medida e por divergências quanto à
ou componentes
unidade de análise da medição
Limitação imposta à governança pelo grau de autonomia, por
Grau de autonomia exemplo, nível local, regional etc., sendo um fator-chave
Fatores relacionado à capacidade da governança
contextuais Elementos menos previsíveis que, no entanto, não podem ser
Condições locais ignorados pela governança, tais como pressões internas, resistências
à mudança, entre outros
Saídas substanciais Resultado econômico, ambiental ou social
Resultados Mudanças
Mudanças comportamentais ou processuais
processuais
Fonte: Adaptado de Ruhlandt (2018)
 70

Assim, a fundamentação teórica permitiu construir um pano de fundo com os conceitos

sobre cidades inteligentes e sustentáveis alinhando-os aos fundamentos do gerenciamento de
operações e do gerenciamento de operações de serviços, especialmente dos serviços de saúde e
dos serviços médicos de emergência.

2.6 VARIÁVEIS E HIPÓTESES

A fundamentação teórica contribuiu, ainda, para a definição conceitual das variáveis

de interesse deste trabalho de pesquisa.

2.6.1 Variável dependente

Para as análises estatísticas a variável dependente, de acordo com o objetivo deste

trabalho de pesquisa, estabeleceu-se o TR, definido como o tempo em minutos entre o
atendimento ao chamado de emergência e a chegada da primeira equipe do SME em cena (DO
et al., 2013; NEHME; ANDREW; SMITH, 2016).

2.6.2 Variáveis independentes

As variáveis independentes foram categorizas conforme apresentado no Quadro 27:

Quadro 27 - Síntese das variáveis independentes

Variáveis em nível de sistema Variáveis em nível de paciente Variáveis específicas
1) Gravidade presumida pelo MR 1) Idade 1) Dia da semana
a) Crítico 2) Gênero 2) Hora do dia
b) Não crítico 3) Tipo da emergência
c) Leve a) Afogamento
2) Tempo de despacho b) Clínico
3) Tempo de deslocamento até a c) Obstétrico
cena da emergência d) Pediátrico
e) Psiquiátrico
f) Traumático
g) Ignorado
Fonte: Autoria própria (2020)

O Quadro 28, apresenta a fundamentação teórica que sustentou a seleção das variáveis.
 71

Quadro 28 – Fundamentação para seleção das variáveis

Autores
Variável Austin e Schull Schull et al. Do et al. Nehme, Andrew e Smith
(2003) (2003) (2013) (2016)
Gravidade Presumida X X X X
Tempo de Despacho X X
Tempo de Deslocamento X X
Idades em Anos X X X X
Gênero X X X X
Característica da
X X
Emergência
Dia da Semana X X X X
Horário do Dia X X X X
Fonte: Autoria própria (2020)

Schull et al. (2003) utilizaram o tempo de deslocamento como variável independente,

enquanto Nehme, Andrew e Smith (2016) utilizaram tempo de despacho e tempo de
deslocamento como variáveis independentes em seus estudos. O Quadro 29 explica o conjunto
de variáveis independentes utilizadas na regressão quantílica.

Quadro 29 – Variáveis independentes consideradas na regressão quantílica

Rótulo da
Nível Variável Tipo Categorias Estudos empíricos
variável
Austin e Schull, 2003; Schull et
Não Gravidade
Status_I 3 al., 2003; DO et al., 2013;
métrica Presumida
Nehme, Andrew e Smith, 2016
Austin e Schull, 2003; Schull et
Tempo de
Sistema Dispatch_Min Métrica - al., 2003; Nehme, Andrew e
Despacho (Min)
Smith, 2016; Seim et al., 2018
Tempo de
ToScene_Min Métrica - Deslocamento Nehme, Andrew e Smith, 2016
(Min)
Austin e Schull, 2003; Schull et
Age_Numb Métrica - Idades em Anos al., 2003; al., 2013; Nehme,
Andrew e Smith, 2016
Austin e Schull, 2003; Schull et
Não
Gender_Cat 3 Gênero al., 2003; DO et al., 2013;
Paciente métrica
Nehme, Andrew e Smith, 2016
Austin e Schull, 2003; Schull et
Não Característica da al., 2003; DO et al., 2013;
Call_Type 7
métrica Emergência Nehme, Andrew e Smith, 2016;
Seim et al., 2018
Austin e Schull, 2003; Schull et
Não
Day 8 Dia da Semana al., 2003; DO et al., 2013;
métrica
Nehme, Andrew e Smith, 2016
Específicos
Austin e Schull, 2003; Schull et
Hour_Numb Métrica - Horário do Dia al., 2003; DO et al., 2013;
Nehme, Andrew e Smith, 2016
Fonte: Autoria própria (2020)

Definidas as varáveis, na sequência formularam-se as hipóteses, conforme apresentado

no Quadro 30.
 72

Quadro 30 – Hipóteses de pesquisa para variáveis associadas ao TR

Hipótese Descrição
H1 O tempo de despacho influencia positivamente o TR
H2 O tempo de deslocamento afeta positivamente o TR
H3 O horário do dia afeta positivamente o TR
H4 A idade do paciente influencia positivamente o TR
H5 Atendimentos a pacientes do gênero masculino influenciam mais o TR
H6 Atendimentos a casos clínicos influenciam mais o TR
H7 Atendimentos a casos críticos influenciam mais o TR
H8 Atendimentos aos domingos influenciam mais o TR
Fonte: Autoria própria (2020)

Assim, a partir do arcabouço proporcionado pela fundamentação teórica, considerando

a heterogeneidade dos sistemas médicos de emergência de acordo com os modelos tradicionais
que mais exercem influência em níveis internacional e nacional, evidenciou-se o tempo de
resposta como um indicador de desempenho perseguido em nível internacional e praticamente
inexplorado no SME brasileiro.
 73

3 METODOLOGIA DA PESQUISA

Este capítulo descreve a metodologia utilizada para a definição do TR no SAMU

Sudoeste do Paraná. As subdivisões deste capítulo consideram a justificativa e a classificação
metodológica da pesquisa, a construção da base de dados, as etapas de desenvolvimento do
modelo de regressão quantílica e as informações sobre o estudo de caso em que o modelo é
aplicado.

3.1 ESTATÍSTICA APLICADA À AVALIAÇÃO DE SME

Pesquisadores têm utilizado significativamente estatística descritiva, inferência

estatística, regressão, correlação e análise multivariada de dados com o objetivo de gerar
modelos capazes de simular cenários de redução do TR para ofertar suporte ao processo de
tomada de decisão nos SME (CABRAL et al., 2018).
Utilizando informações em nível de sistema e em nível de paciente, Aldrich, Hisserich
e Lave (1971) utilizaram regressão dos mínimos quadrados para estimar a natureza da demanda
pelos serviços de um SME de Los Angeles (Estados Unidos) e desenvolveram modelo capaz
de explicar variações e prever com precisão o resultado e os tipos de emergências a serem
tratadas por esse SME, mesmo com a indisponibilidade, em nível de sistema, da informação
sobre o TR para os atendimentos prestados.
A pesquisa desenvolvida por Uyeno e Seeberg (1984) utilizando modelo p-mediano
para atribuir um número fixo de veículos a bases potenciais para reduzir o tempo total de viagem
de um SME em Victoria (Canadá) utilizou informações em nível de sistema capazes de fornecer
informações estatísticas detalhadas de desempenho dos veículos e seus respectivos TR além de
estatísticas detalhadas relativas a cada categoria de chamado de emergência incluindo
distribuições de TR e estatísticas de tempo de espera para casos em que nenhuma ambulância
estava disponível no momento em que o chamado foi recebido.
Seow e Lim (1993) trataram estatisticamente os dados do SME de Singapura para
determinar o TR para atendimentos básicos e avançados de suporte à vida, concluindo que esse
indicador estava muito distante das médias de outros países, sendo afetado principalmente por
congestionamentos e pela falta de informações detalhadas sobre localização dos pacientes.
 74

Pons e Markovchick (2002) utilizaram informações em nível de paciente de vítimas

de trauma atendidas por um SME em Denver (Estados Unidos) e por meio de regressão logística
para avaliar as consequências de exceder a diretriz de TR de 8 minutos na sobrevida do paciente,
concluíram que esse critério não afetou a sobrevida do paciente após lesão traumática.
Vandeventer et al. (2011) utilizaram estatística descritiva para determinar que os TR
das ambulâncias de um SME urbano nos Estados Unidos responsável pelo atendimento a
aproximadamente 867.000 pessoas estavam associados à gravidade presumida para a
emergência no momento do despacho da ambulância, ao hospital de destino e a hora do dia.
Ai, Deng e Ai (2018) utilizaram regressão logística para analisar fatores que
influenciam o TR das ambulâncias de APH em Guangzhou (China), concluindo que
informações em nível de paciente e informações específicas tiveram impacto no TR. Weiss et
al. (2013), a partir de informações em nível de paciente e sistema utilizaram técnicas estatísticas
para determinar se o TR das ambulâncias de um SME no Novo México (Estados Unidos),
responsável pelo atendimento a aproximadamente 800.000 pessoas, interferia nos resultados de
atendimentos a emergências traumáticas e emergências médicas específicas, concluindo que os
TR mais longos não foram associados a piores resultados.
Considerando TR como variável dependente e informações em nível de paciente e
informações especificas como variáveis independentes Omar et al. (2018) utilizaram análise de
regressão múltipla para identificar fatores significativos relacionados ao TR das ambulâncias
de um SME em Sabah (Malásia) durante o horário de pico em dias úteis da semana para
determinar a eficácia de uma estratégia de pré-implantação capaz de reduzir TR, identificando
relação significativa entre TR e distância devido à dependência do tempo de viagem.
Usando informações em nível de sistema e de paciente de um SME em Guangzhou
(China), Chen et al. (2019) utilizaram regressão logística para identificar fatores que afetam o
TR nos atendimentos a pacientes com doenças cardiovasculares e tentar reduzir o TR,
concluindo que para esses casos o fator mais significante foi a distância em razão do modelo de
distribuição dos atendimentos na rede de hospitais da cidade.
Cabral et al. (2018) mostram que os métodos estatísticos tradicionais utilizados em
pesquisas realizadas nos últimos anos sobre a importância do TR nos SME evidenciam TR
médio de 7,2 minutos em países da Ásia, 11,1 minutos em países da Europa, 9 minutos em
países da América do Norte, 8 minutos em países da Oceania e 19,5 minutos em países da
África e, especialmente, confirmam a existência de poucos estudos sobre TR em SME
brasileiros, todos relacionados a cidades com mais de um milhão de habitantes, como Belo
Horizonte/MG (21 minutos), São Paulo/SP (27 minutos) e Campinas/SP (13 minutos).
 75

O TR do SME da cidade de Porto Alegre, também com mais de um milhão de

habitantes, é de 19 minutos (CICONET, 2015).

3.1.1 Aplicações da regressão quantílica na avaliação de SME.

Nos últimos anos pesquisas sobre TR em SME passaram a adotar abordagem da

regressão quantílica, quando análises estatísticas multivariadas podem ser usadas para modelar
intervalos de respostas em percentis ou quantis. Para Austin e Schull (2003, p.790) o modelo
convencional de regressão é limitado porque “a média fornece uma imagem incompleta de uma
única distribuição e a curva de regressão fornece uma imagem correspondentemente incompleta
para um conjunto de distribuições”.
A regressão quantílica possibilita o ajuste do modelo para funções de quantis
condicionais por meio de uma ponderação na minimização dos erros e um mapeamento mais
consistente das varáveis independentes que impactam na variável dependente e, ao invés de se
obter uma reta de regressão para o caso da média, é possível analisar o comportamento de
respostas de cada quantil (KOENKER; BASSETT, 1978). Ao mostrar como a variável
dependente em um quatil específico muda com uma alteração de uma variável independente
mantendo outras covariáveis constantes pode-se identificar heterogeneidades na influência das
variáveis independentes (DO et al., 2013).
Ainda que haja alguma similaridade entre modelos de regressão quantílica e modelos
de estimação por mínimos quadrados ordinários a regressão quantílica minimiza a soma dos
resíduos absolutos enquanto a regressão por mínimos quadrados ordinários minimiza a soma
dos quadrados dos resíduos, além do fato de a regressão quantílica não ter como pressuposto a
normalidade dos resíduos (FÁVERO; BELFIORE, 2017). Além disso, segundo Nehme,
Andrew e Smith (2016, p.3) “a regressão quantílica minimiza o viés associado a observações
extremas ou outliers e, portanto, é mais robusta para valores extremos”.
Proposta por Koenker e Basset (1978) esta técnica tinha o objetivo de estimar
parâmetros modelo de regressão apresentado na Equação 2:

𝑌 𝑎 𝑏 .𝑋 𝑏 .𝑋 ⋯ 𝑏 .𝑋 𝑢 𝑋 .𝑏 𝑢 (2)

Sendo:
𝑃𝑒𝑟𝑐 𝑌 |𝑋 𝑋 .𝑏 (3)
 76

em que 𝑃𝑒𝑟𝑐 𝑌 |𝑋 representa o percentil 𝜃 0 𝜃 1 da variável dependente Y,

condicional ao vetor de variáveis explicativas X’. De acordo com Fávero e Belfiore (2017), é
possível estimar os parâmetros da Equação 4 solucionando-se um problema de programação
linear dado pela expressão:

𝜃. |𝑌 𝑋 . 𝑏| 1 𝜃 . |𝑌 𝑋 . 𝑏| 𝑚í𝑛
∶ . : . (4)

Austin e Schull (2003) avaliaram a associação entre o intervalo de transporte hospitalar

e informações em nível de paciente de um SME de Toronto (Canadá) e demonstram que
inferências mais ricas podem ser obtidas dos dados usando regressão quantílica, utilizando
dados extraídos de um estudo de desvio de trajeto de ambulância e atraso fora do hospital, pois
a distribuição dos intervalos de transporte, condicional a um determinado conjunto de variáveis,
é positivamente distorcida e não distribuída de maneira uniforme ou simétrica.
Schull et al. (2003) utilizaram regressão quantílica para determinar se maior desvio de
trajeto de ambulância estava associado a maiores atrasos pré-hospitalares em pacientes com dor
no peito em um SME de Toronto (Canadá), concluindo que a superlotação nos departamentos
de emergência foi associada a um aumento no intervalo de resposta do SME e no intervalo de
transporte de ambulância para pacientes com dor no peito.
David e Brachet (2009) utilizaram regressão linear e regressão quantílica para
identificar os efeitos do aprendizado individual no desempenho da equipe de um SME no estado
do Mississipi (Estados Unidos), concluindo que maior volume individual de aprendizado está
fortemente relacionado a desempenho aprimorado que o aprendizado opera por meio de
experiências recentes e passadas implicando nas políticas de gerenciamento do SME.
A partir de informações em nível de sistema e de pacientes, Do et al., (2013)
compararam o uso da regressão quantílica com o modelo dos mínimos quadrados ordinários
para identificar fatores associados ao TR das ambulâncias de Singapura e determinar a
importância relativa das informações em nível de paciente em relação às informações em nível
de sistema no TR, concluindo que esse indicador é influenciado significativamente pelo volume
de chamados na última hora, enquanto informações em nível de paciente não se mostraram
importantes.
 77

Nehme, Andrew e Smith (2016) utilizaram regressão quantílica para identificar

informações em nível de sistema e de paciente associadas a intervalos de 10% do TR num SME
de Melbourne (Austrália) como preditores úteis do TR e para confirmar se a magnitude da
influência desses preditores no TR variaria na distribuição do mesmo, conseguindo identificar
informações em nível de sistema independentemente associadas ao TR do 90º percentil e
informações em nível do paciente significativamente associadas à TR.
Seim et al. (2018) utilizaram regressão quantílica para avaliar o eventual atraso de
ambulâncias despachadas para bairros mais pobres em um SME da Califórnia (Estados Unidos)
e os resultados obtidos não suportaram a suposição de que a condição de pobreza de um bairro
estivesse positivamente associada ao TR das ambulâncias, num contraponto ao trabalho de
Govindarajan e Schull (2003) que, a partir de informações em nível de sistema e de pacientes,
realizaram pesquisa similar num SME em Toronto (Canadá) e utilizaram regressão quantílica
para avaliar se o status socioeconômico estava associado a atrasos no APH, especificamente o
intervalo de resposta do sistema do 90º percentil para pacientes com dor no peito, concluindo
que bairros de alto nível socioeconômico puderam ser associados a TR mais curtos.
A disponibilidade de ambulâncias num SME depende da dinâmica dos chamados de
emergência, da hora do dia, do local de origem do chamado entre outros fatores, por isso o
método de regressão quantílica é adequado para a pesquisa em APH uma vez que os intervalos
de tempos são distorcidos e a análise deve ser feita para refletir o desempenho do sistema para
a maioria dos pacientes, por isso a utilização do percentil 90 como medida de resultado
(SCHULL et al., 2003; VANDEVENTER et al., 2011; DO et al., 2013). A tarefa de planejar o
gerenciamento do SME imputa desafios devido a variabilidade de previsão de volume,
localização e gravidade dos chamados, e a maior quantidade e qualidade dos dados provenientes
dos sistemas utilizados pelos SME podem facilitar essa tarefa (INGOLFSSON, 2013).

3.2 CLASSIFICAÇÃO DA PESQUISA

Quanto à área de conhecimento esta pesquisa vincula-se à grande área de Engenharias

e quanto à sua finalidade trata-se de uma pesquisa aplicada uma vez que objetiva a “aquisição
de conhecimentos para aplicação numa situação específica” (GIL, 2017, p.26). Trata-se de
estudo descritivo por buscar possíveis relações entre variáveis de um fenômeno, com
abordagem quantitativa obedecendo processo estruturado com o propósito previamente
determinado de conhecer mais a fundo o assunto da pesquisa e obter evidências relativas aos
conceitos investigados (FORZA, 2002; GIL, 2017).
 78

A Figura 8 sintetiza as principais etapas deste trabalho de pesquisa.

Figura 8 – Síntese das etapas do trabalho de pesquisa

Fonte: Autoria própria (2020)

Investiga de forma empírica um fenômeno contemporâneo e seu contexto com a

realidade, portanto, quanto aos procedimentos pode ser classificada como um estudo de caso,
pois, manteve inalterado o propósito de explorar uma situação da vida real preservando o caráter
unitário do objeto estudado e descrevendo claramente o contexto da investigação, sem
interferência no objeto de estudo (CAUCHICK MIGUEL, 2012; YIN, 2018; GIL, 2017).
Tratando de tema relevante, o conceito investigado foi obtido por meio da revisão de
literatura (WEBSTER; WATSON, 2002). Adota abordagem qualitativa-quantitativa
requerendo identificar produção científica sobre o assunto da pesquisa e a utilização de
ferramentas estatísticas para organizar, processar e gerar resultados sobre parte das informações
necessárias ao seu propósito, ou seja, uma abordagem combinada, pois se a abordagem
quantitativa pode se apresentar limitada para compreender o contexto do fenômeno, a
abordagem qualitativa supre essa limitação (CAUCHICK MIGUEL, 2012).
 79

3.3 OBJETO DE ESTUDO

A definição do objeto de estudo levou em consideração o crescente interesse pelo tema

das cidades inteligentes e sustentáveis e o impacto que os conceitos atrelados a esse tema podem
causar sobre o gerenciamento de operações, especialmente o gerenciamento de operações de
serviços (LI et al., 2016). Optou-se por investigar um indicador de desempenho de um serviço
de segurança pública, pois, junto com prevenção à criminalidade a infraestrutura de saúde
pública constituiu um dos pilares para tornar-se uma cidade mais inteligente (HARRISON et
al., 2010; NEIROTTI et al., 2014).
Considerando a articulação regional do SME objeto deste trabalho de pesquisa, a
forma de financiamento de suas atividades e sua gestão estratégica colegiada por meio de
Conselho Deliberativo presidido obrigatoriamente por um dentre os prefeitos de 42 cidades, a
visão ampliada do conceito de cidades inteligentes e sustentáveis para o âmbito regional
considera que as partes interessadas que caracterizam uma cidade inteligente estão, na verdade,
presentes em todas as cidades (O’DWYER et al., 2017; RUHLANDT, 2018).

3.4 UNIVERSO, POPULAÇÃO E AMOSTRA

O universo da pesquisa considera o SME denominado SAMU Sudoeste do Paraná,

responsável pelo APH em casos de emergência nas 42 cidades que formam a região Sudoeste
do Estado do Paraná. A população do estudo constitui-se dos chamados de emergência
recebidos e registrados pelo SAMU Sudoeste do Paraná no sistema e-SUS-SAMU e das
transcrições dos dados do Relatório de Atendimento do Socorrista (RAS), complementares aos
dados do sistema e-SUS-SAMU.
A amostra refere-se aos chamados de emergência para atendimentos a casos de
afogamentos, clínicos, obstétricos, pediátricos, psiquiátricos ou traumáticos que demandaram
despacho de ambulâncias e equipes do SAMU 192 Sudoeste do Paraná em relação ao período
compreendido entre zero hora de 01 de janeiro de 2018 às 23h59min de 31 de dezembro de
2018.
 80

3.5 COLETA E TRATAMENTO DE DADOS

Fez-se uso de dados secundários extraídos do sistema utilizado para regulação médica
do SME. Dados secundários geralmente são obtidos sem tratamento analítico não se
caracterizando como fonte documental (CAUCHICK MIGUEL, 2012).
A extração dos dados referentes ao ano de 2018 ocorreu entre os meses de fevereiro e
março de 2019, na Coordenação Regional do SAMU Sudoeste do Paraná na cidade de Pato
Branco/PR, sempre sob supervisão de profissional de tecnologia da informação do quadro do
SME e foi fortemente prejudicada pela limitação da infraestrutura de tecnologia da informação
e comunicação do SAMU Sudoeste do Paraná que utiliza diferentes sistemas para controle das
suas operações, os quais não são integrados nem integráveis. Os dados extraídos do sistema e-
SUS-SAMU, utilizado para regulação médica, geraram um conjunto de 51.120 registros.
Considerando o objetivo principal deste trabalho, de identificar o indicador TR e os
fatores que o afetam, foram extraídas informações sobre local da ocorrência, idade, gênero,
horário em que os chamados foram encaminhados para regulação médica, horário de
mobilização da equipe para casos de despacho de ambulância, horário do despacho da
ambulância e equipe, tipo de ambulância despachada, horário da saída da ambulância e da
equipe da base, horário de chegada da ambulância e da equipe no local da ocorrência, situação
que permitiu a criação da Base de Dados 1.
Entretanto, o SME adota um complexo processo paralelo para controle dos
atendimentos às emergências que geram despachos de ambulâncias exigindo o preenchimento
de formulário em papel denominado RAS no qual devem ser registradas informações sobre o
atendimento a partir da saída do veículo de emergência da base descentralizada (exemplo:
registros de datas e horários), informações na cena da emergência (exemplo: presença de
equipes policiais ou do corpo de bombeiros, sintomas do paciente, sinais vitais, escala de trauma
entre outros, transporte para unidade de saúde da grade de referência), registros esses não
alimentados no sistema e-SUS-SAMU uma vez que as ambulâncias não possuem qualquer
sistema computadorizado que permita conexão com o sistema de regulação médica.
Cada despacho de ambulância gera a obrigatoriedade do preenchimento do RAS que
deve conter informações preliminares registradas no sistema e-SUS-SAMU, especialmente o
número de identificação e o horário de abertura do chamado de emergência para nortear o
trabalho das equipes nas ambulâncias e, consequentemente, ser complementado com registros
manuscritos sobre detalhes observados na cena da emergência e entre a cena da emergência até
o hospital de destino quando o atendimento assim exigir.
 81

Quando as ambulâncias retornam às bases descentralizadas, as equipes retrabalham os

formulários em papel, realimentando as informações originais manuscritas em um sistema
alternativo baseado na solução Google Docs, um amplo formulário eletrônico idêntico ao RAS
que possibilita armazenar eletronicamente os dados coletados para posteriores consultas e
eventuais tratamentos estatísticos.Consequentemente, houve necessidade de extrair da solução
Google Docs os registros de todos os formulários RAS referentes ao período entre zero hora de
01 de janeiro de 2018 às 23h59min de 31 de dezembro de 2018, os quais geraram a Base de
Dados 2.
Os registros da Base de Dados 1 foram vinculados aos os registros da Base de Dados
2 buscando-se os elementos comuns entre as duas bases de dados com a utilização de planilhas
eletrônicas. Durante esta etapa, quando a Base de Dados 1 encontrava-se em fase de finalização,
constatou-se ausência dos registros provenientes dos RAS referentes aos meses de novembro e
dezembro de 2018, levando à necessidade da nova busca por esses dados junto ao SME,
acarretando significativo atraso no trabalho de pesquisa. A partir do número sequencial
atribuído a cada chamado telefônico registrado no sistema e-SUS-SAMU e da informação sobre
dia, mês, ano e horário foi possível vincular, inicialmente, 96% dos registros da Base de Dados
2 aos registros da Base de Dados 1, o que permitiu a criação da Base de Dados 3 com 49.075
registros.
Todos os registros da Base de Dados 3 foram analisados individualmente constatando-
se que registros feitos no sistema e-SUS-SAMU estavam vazios ou, em alguns casos, não
continham todas as informações necessárias, evidenciando falhas ou negligências na
alimentação dos dados no momento de abertura chamado de emergência na CRM e desse modo,
ao final da verificação restaram 46.756 registros brutos na Base de Dados 3.
Foram excluídos 34.249 registros que depois de vinculados referiam-se a dados de
atendimentos secundários prestados pelo MR (quando não há despacho de ambulância) e ainda
dados de chamados fraudulentos ou enganos, dados de solicitações de informações, dados de
despachos de ambulâncias para transferências ou transporte de pacientes entre hospitais, dados
omissos, dados problemáticos em quaisquer campos necessários para o correto cálculo do TR
(SCHULL et al., 2003; DO et al., 2013; NEHME; ANDREW; SMITH, 2016).
Assim, foram selecionados para tratamento estatístico, a partir da Base de Dados 3, os
registros de despachos de ambulâncias para atendimentos a afogamentos, casos clínicos,
obstétricos, pediátricos, psiquiátricos ou traumáticos classificados pelos MR em prioridade alta,
moderada e baixa, resultando em 12.510 registros (AUSTIN; SCHULL, 2003; SCHULL et al.,
2003; VANDEVENTER et al., 2011; DO et al., 2013; NEHME; ANDREW; SMITH, 2016).
 82

De acordo com Nehme; Andrew e Smith (2016, p.2) “valores extremos ou negativos,
definidos como TR < 0 minutos ou > 120 minutos, foram excluídos da análise”. Assim, casos
com TR < 0 minutos ou > 120 minutos foram excluídos, totalizando 12.050 registros na Base
de Dados 3, conforme evidenciado na Tabela 3.

Tabela 3 – Etapas da seleção de dados para tratamento estatístico

Etapa Nº de Casos
Dados brutos e-SUS-SAMU (Base de Dados 1) 51.120
(-) Perdas na concatenação dados e-SUS-SAMU aos dados RAS (Base de Dados 2) 4.364
(=) Dados vinculados (Base de Dados 3) 46.756
(-) Atendimentos secundários, enganos, fraudes, informações, dados perdidos etc. 32.097
(-) Transferências e transporte de pacientes, gravidade presumida = 4 ou ignorada 2.149
(=) Dados qualificados 12.510
(-) Casos com TR < 0 minutos ou > 120 minutos 460
TOTAL 12.050
Fonte: Autoria própria (2020)

O’Dwyer et al. (2017) esclarecem que a procura por tratamento de situações de baixa
gravidade não relacionadas aos propósitos do SME é observada em nível internacional, com
40% dos chamados representando fraudes, 50% tratando-se de atendimentos secundários que
requerem orientação e somente 10% dos chamados exigindo despacho de ambulância.
Os intervalos de tempo foram registrados em minutos em razão das limitações da
tecnologia da informação e comunicação do SME. Apesar de atenderem chamados relacionados
a diversos tipos de emergências, SME usam o TR de 8 minutos originalmente idealizado para
otimizar a sobrevida de pacientes com parada cardíaca não traumática (PONS et al., 2005).
Para organização e análise dos dados foram utilizadas planilha eletrônica do Microsoft
Excel® 365 e os sistemas Statistical Package for the Social Sciences (SPSS®) na versão 26 e
o STATA® na versão 12.
 83

4 ANÁLISE E DISCUSSÃO DOS RESULTADOS

Este capítulo destina-se à apresentação, análise e discussão do estudo de caso do SME,

dos resultados quanto ao indicador de desempenho TR e da contextualização do serviço público
de segurança em relação às dimensões das cidades inteligentes e sustentáveis, conforme
descrito no objetivo geral e nos objetivos específicos.

4.1 SAMU SUDOESTE DO PARANÁ

O SAMU Sudoeste do Paraná, criado em dezembro de 2011, se caracteriza como um

consórcio intermunicipal – Consórcio Intermunicipal da Rede de Urgências do Sudoeste do
Paraná (CIRUSPAR) – constituído por 42 pequenas cidades que formam região Sudoeste do
estado do Paraná na região sul do Brasil (COLLA; OLIVEIRA; SANTOS, 2019). Os aspectos
operacionais do SME são diretamente afetados pelas decisões tomadas por seu Conselho
Deliberativo composto por 8 pessoas, dentre elas o presidente que obrigatoriamente deve ser
escolhido entre os prefeitos das 42 cidades que compõem o consórcio. Isso evidencia a
existência de um acordo político multilateral consistente e com objetivos de longo prazo
(FLEXA; BARBASTEFANO, 2020).
O orçamento previsto para a manutenção das atividades do SAMU Sudoeste do Paraná
no ano 2020 é de aproximadamente R$ 24.000.00,00 (média de R$ 2.000.000,00/mês). Os
recursos para manutenção da sua estrutura provêm dos entes federados proporcionalmente
conforme apresentado na Tabela 4.

Tabela 4 – Orçamento SAMU Sudoeste do Paraná

Ente Participação Mensal Anual
Municípios 47% R$ 940.000,00 R$ 11.280.000,00
Estado 22% R$ 440.000,00 R$ 5.280.000,00
União 31% R$ 620.000,00 R$ 7.440.000,00
Total R$ 2.000.000,00 R$ 24.000.000,00
Fonte: Autoria própria (2020)

Subordinadas, em última instância, à Secretaria da Saúde do Paraná – SESA, todas as

operações do SAMU Sudoeste do Paraná causam impactos nas áreas de abrangência da 7ª e da
8ª Regionais de Saúde cujas chefias estão nas cidades de Pato Branco e Francisco Beltrão,
respectivamente. A Tabela 5 apresenta detalhes das características dessa subdivisão regional na
gestão das operações do SAMU Sudoeste.
 84

Tabela 5 – Gestão da saúde na área do SAMU Sudoeste do Paraná

Característica 7ª RS 8ª RS
Número de municípios de abrangência 15 27
% dos municípios atendidos pelo SAMU Sudoeste do Paraná 35,71% 64,29%
População abrangida (aproximadamente) 267.243 367.054
% da população atendida pelo SAMU Sudoeste do Paraná 42,13% 57,87%
Área de abrangência aproximada em km² 9.300 km² 7.800 km²
% da área de abrangência em km² do SAMU Sudoeste do Paraná 54,39% 45,61%
Nº de bases descentralizadas do SAMU Sudoeste do Paraná 7 4
% dos municípios circunscritos à Regional de Saúde com bases descentralizadas 46,67% 14,81%
% do total de bases descentralizadas do SAMU Sudoeste do Paraná 64,00% 36,00%
Nº total de USA do SAMU Sudoeste do Paraná 2 2
% do total de USA do SAMU Sudoeste do Paraná 50,00% 50,00%
Proporção da população circunscrita à RS por USA 133.621 183.527
Nº total de USB do SAMU Sudoeste do Paraná 8 5
% do total de USB do SAMU Sudoeste do Paraná 62,00% 38,00%
Proporção da população circunscrita à RS por USB 33.405 73.410
Estradas rurais (em quilômetros) 4.148 6.852
Fonte: Autoria própria (2020)

A CRM trabalha 24 horas durante os 365 dias do ano e gerencia o despacho de quatro
USA e 13 USB em 11 bases descentralizadas para atender aproximadamente 635.000 habitantes
numa área de 17.100 km2 (COLLA; OLIVEIRA; SANTOS, 2019). A CRM pode ser
caracterizada com uma grande base centralizada responsável pelas operações de comunicação
e despacho de ambulâncias (SILVA; PINTO, 2010; NEHME; ANDREW; SMITH, 2016). A
equipe é composta por 343 pessoas entre pessoal operacional e pessoal administrativo,
conforme evidencia o Quadro 31.

Quadro 31 – Equipe do SAMU Sudoeste do Paraná

Pessoal operacional Nº Pessoal administrativo Nº
Médico Intervencionista 24h 34 Coord. Geral 1
Médico Intervencionista 12h 14 Coord. de Enfermagem 1
Técnico Auxiliar de Regulação Médica 20 Coord. de Controle Interno 1
Rádio Operador 13 Contador 2
Enfermeiro 29 Auxiliar de Serviços Gerais 12
Farmacêutico 1 Auxiliar Administrativo 14
Condutor Socorrista 107 Advogado 1
Técnico de Enfermagem Socorrista 85 Coord. de Almoxarifado e Frota 1
Recepcionista 1
Técnico de Segurança do Trabalho 1
Enc. de Setor Financeiro 1
Enc. de Setor de Recursos Humanos 1
Enc. de Setor de Compras 1
Psicólogo 1
Fonte: Autoria própria (2020)

O SAMU Sudoeste do Paraná conta com departamento de assessoria técnico-

científica, de caráter educacional, responsável pela qualificação de profissionais do SME por
meio da educação permanente, da padronização das atividades e da pesquisa.
 85

Também oferece canal de comunicação por meio de um departamento que recebe,

registra, encaminha e acompanha reclamações, denúncias, solicitações e sugestões do público
externo e interno para aperfeiçoar os processos do SME. Atualmente o SME aguarda a
aprovação do governo federal para implantar duas novas bases operacionais descentralizadas.
A Figura 9 descreve a área de abrangência do SAMU Sudoeste do Paraná.

Figura 9 – Localização e abrangência do SAMU Sudoeste do Paraná

Fonte: Autoria própria (2020)

Operações internas acontecem na CRM que recebe chamados de emergência e fornece

resposta de acordo com o grau de urgência identificado. Operações externas ocorrem em cada
uma das 11 bases descentralizadas e envolvem a mobilização de ambulâncias e equipes de APH
para atendimentos a afogamentos e casos clínicos, obstétricos, pediátricos, psiquiátricos ou
traumáticos. Ambulâncias e equipes podem ser despachadas para transferências de pacientes de
um hospital para outro por meio de rede de apoio de 21 hospitais privados e outros 21 órgãos
públicos de saúde para os quais são encaminhados pacientes que exigem cuidados médicos de
maior complexidade como trauma, cirurgia geral, cardiovascular, neurologia, clínica médica,
obstetrícia e pediatria.
A Figura 10 apresenta detalhes sobre a disposição das bases descentralizadas do
SAMU Sudoeste do Paraná e características dos veículos de emergência nelas alocados.
 86

Figura 10 – CRM e bases descentralizadas do SAMU Sudoeste do Paraná

Fonte: Autoria própria (2020)

A infraestrutura rodoviária na região de abrangência do SAMU Sudoeste do Paraná

engloba aproximadamente 1.755 quilômetros de rodovias pavimentadas, dos quais cerca de 323
quilômetros de rodovias federais e cerca de 1.432 quilômetros de rodovias estaduais, e de um
extremo (Capanema/PR) ao outro (Palmas/PR) tem-se uma distância de aproximadamente 240
quilômetros. As ambulâncias do SME usualmente são despachadas para atendimentos em áreas
rurais nas quais as estradas somam aproximadamente 12.500 quilômetros dos quais somente
11% são pavimentados. Os perímetros urbanos das 42 cidades são, em sua maioria,
pavimentados. Condições das estradas que levam à cena da emergência podem impor restrições
ao resgate (MORIN; JENVALD; THORSTENSSON, 2000).
Na CRM os TARM atendem chamados telefônicos, coletam informações preliminares,
fazem a identificação e registro do perfil do paciente, local da ocorrência e pontos de referência.
O registro dos chamados telefônicos é feito no sistema e-SUS-SAMU utilizado para regulação
médica (TANNEBAUM et al., 2001). O e-SUS-SAMU pode ser caracterizado como um
sistema de despacho assistido por computador, um recurso-chave para um SME por registrar
automaticamente detalhes dos chamados telefônicos à medida que são recebidos e,
posteriormente, fornecer dados valiosos para o gerenciamento do SME (HENDERSON;
MASON, 2004; COCHRAN et al., 2010; NEHME; ANDREW; SMITH, 2016).
 87

A CRM do SAMU Sudoeste do Paraná abriga equipes de três TARM, dois MR e dois
RO que se revezam em escalas de horários de acordo com cronograma previamente definido.
O layout da CRM é favorecido pela inexistência de barreiras físicas, permitindo o contato direto
e permanente entre TARM, MR e RO. Assim, desde o momento do recebimento do chamado
de emergência pelos TARM, tanto os MR quanto os RO podem acompanhar e auxiliar os
TARM para agilizar ao máximo o atendimento aos pacientes e, consequentemente diminuir o
TR final. A Figura 11 apresenta o layout da CRM do SAMU Sudoeste do Paraná.

Figura 11 – Layout e fluxo de comunicação na CRM do SAMU Sudoeste do Paraná

Fonte: Autoria própria (2020)

Ao contrário dos demais SME do Estado do Paraná que utilizam o sistema estadual de
regulação desenvolvido pela Secretaria de Saúde do Estado do Paraná, o SAMU Sudoeste do
Paraná utiliza, para captura de dados, o sistema e-SUS-SAMU, sistema livre desenvolvido pelo
Departamento de Informática do SUS (DATAUS) para funcionar de forma autônoma e ser
capaz de registrar procedimentos realizados em atendimentos de urgência e que devem
incorporar os boletins gerenciados pelas CRM de modo a proporcionar a articulação necessária
entre os vários processos inerentes à regulação, incorporando dados de maneira sucinta e
automatizando ao máximo as tarefas (DATASUS, 2019). A Figura 12 ilustra a tela do sistema
e-SUS-SAMU acessada pelos TARM.
 88

Figura 12 – Sistema de regulação médica e-SUS-SAMU

Fonte: DATASUS (2019)

As ocasiões de observação dos trabalhos dentro da CRM permitiram visualizar

detalhadamente as tarefas executadas e as ferramentas utilizadas pelos TARM e pelos MR no
processo de regulação. Dados sobre o horário em que um chamado de emergência é recebido
num SME devem compor a avaliação do TR pois quanto maior for a demora para obter
informações sobre o local da ocorrência e estabelecer a gravidade da situação, maior será o
tempo para decidir sobre o despacho da ambulância, a organização da equipe e a consequente
chegada ao local da ocorrência (INGOLFSSON; BUDGE; ERKT,2008).
TARM são responsáveis pelo atendimento a todos os chamados telefônicos na CRM,
não tendo autorização para despachar ambulâncias, cabendo-lhes apresentarem-se como
operadores do SAMU aos solicitantes, devendo ser objetivos no diálogo para sintetizar os casos
que registram, sempre que possível repetindo as palavras do solicitante, pois, essas podem servir
de indícios do tipo de caso para o MR (BRASIL, 2006a). Incerteza é uma característica dos
SME (TAKEDA; WIDMER; MORABITO, 2007; ODWYER et al., 2013).
Para mitigar a incerteza, os TARM efetuam triagem dos chamados telefônicos para
encaminhar somente aqueles que realmente necessitam da atenção dos MR e segregar aqueles
classificados como fraude, engano, pedidos de informação, desistências de pedido de
atendimento, solicitações de ambulância para transporte ou transferência entre as bases do
SAMU Sudoeste do Paraná ou, ainda, chamados de responsabilidade do Corpo de Bombeiros
ou do serviço social.
 89

Em que pese existir documentação técnica do Ministério da Saúde descrevendo formal

e detalhadamente os rígidos processos que devem ser seguidos pelas equipes nas operações
externas, denominados Protocolos Nacionais de Intervenção para o SAMU 192 (BRASIL,
2016a; BRASIL, 2016b), não se encontra documentação semelhante do Ministério da Saúde
para normatização do trabalho dos TARM.
Em nível internacional a maioria dos SME utiliza protocolos de triagem determinados
pelo Medical Priority Dispatch System, um protocolo padrão idealizado para obter detalhes
sobre a natureza da emergência reportada ao SME para que esse providencie o recurso adequado
mediante a classificação de menor gravidade – alfa – até a mais crítica – eco – que influencia
no uso de luzes e sirenes das ambulâncias (BLANCHARD et al., 2012; NEHME; ANDREW;
SMITH, 2016). No SAMU Sudoeste do Paraná os TARM devem seguir protocolo interno
elaborado pelo departamento de assessoria técnico-científica do SME que orienta quanto ao
atendimento estruturado e sistematizado aos chamados de emergência e apresenta nove passos
principais para registro do chamado de emergência no sistema e-SUS-SAMU, desde a abertura,
passando pela sugestão de questionamentos-chave e busca de referências para a maior precisão
na localização da cena da emergência até a confirmação de envio do chamado para o MR.
Esse protocolo orienta, inclusive, que nos atendimentos a chamados que reportem
inconsciência, dificuldade ou parada respiratória, sangramento volumoso, queda de grande
altura, acidente com múltiplas vítimas ou acidentes de trânsito, o TARM pode fazer uso de
dispositivo de emergência que aciona sinal luminoso na CRM para que os MR e os RO passem
a priorizar o caso ainda em fase de triagem.
Caso a triagem confirme se tratar de uma emergência, o chamado é encaminhado para
o MR, que questiona o chamador sobre a situação do paciente, realiza avaliação e estabelece a
gravidade presumida para determinar a melhor solução para o chamado de emergência. Assim
como no caso dos TARM, não existem protocolos padronizados do Ministério da Saúde para o
trabalho dos MR. A ausência de procedimentos formais aumenta a importância da experiência
do MR no processo de regulação e conhecimento da grade de referências hospitalares do SME,
instrumento que evidencia as portas de entrada hospitalares de urgência e dos leitos disponíveis,
incluindo os de terapia intensiva (O’DWYER et al., 2017).
O MR deve associar o chamado de emergência a uma categoria previamente definida
no sistema atribuindo-lhe a gravidade e decidindo ou não pelo despacho de ambulância
(NEHME; ANDREW; SMITH, 2016). A primeira avaliação que o MR faz é a de “tipo e
motivo”, devendo selecionar uma das opções oferecidas pelo sistema e-SUS-SAMU de acordo
com o que o paciente reportar para identificar o tipo da ocorrência.
 90

Em relação ao motivo, o MR deve proceder da mesma maneira, escolhendo o motivo

mais adequado ao caso a partir das opções dadas pelo sistema, sendo que as opções de motivos
das ocorrências estão relacionadas às opções dos tipos dessas, ou seja, dependendo do tipo
selecionado, o sistema apresenta diferentes opções para os motivos. Para que o MR possa fazer
uma avaliação estruturada do estado do paciente o sistema e-SUS-SAMU disponibiliza algumas
perguntas, desde que o MR tenha definido tipo e motivo da ocorrência, caso contrário o sistema
não permite que sejam registradas informações. Na etapa de avaliação, o MR deve:
a) Registrar o momento na ocorrência em que está sendo feita a avaliação, se à
distância, se no local da ocorrência ou em se em transporte;
b) Registrar, a partir das informações do enfermeiro ou médico destacado para atender
a ocorrência no local, o estado de consciência da vítima, sua pulsação, o grau de
coloração da sua pele e o seu estado de respiração, definindo o risco comprovado
do paciente.
O sistema e-SUS-SAMU apresenta limitações que, direta e indiretamente,
comprometem o trabalho do MR e, consequentemente, afetam o TR. Foi possível observar, por
exemplo, que a interface do sistema não permite ao MR acessar informações registradas nas
diferentes telas específicas para o MR, ou seja, ao iniciar um atendimento, o MR registra dados
do chamador num determinado campo de uma determinada tela do sistema e ao mover-se para
uma segunda tela necessária à conclusão do atendimento, as informações inicialmente coletadas
não são movidas para essa segunda tela, exigindo retrabalho, que representa segundos
preciosos, comprometendo a integridade do atendimento, uma vez que um MR pode atuar
simultaneamente em mais de uma regulação.
De acordo com as diretrizes do SAMU o MR pode classificar um chamado de
emergência como “crítico” quando entender que há risco imediato de vida, “não crítico” quando
compreender a necessidade de atendimento médico não imediato, “leve” quando concluir sobre
a necessidade de avaliação médica em casos sem risco de vida (BRASIL, 2006a). A Figura 13
resume o processo de atendimento a um chamado de emergência feito ao SAMU Sudoeste do
Paraná.
 91
Figura 13 – Fluxo do atendimento a um chamado ao SAMU Sudoeste do Paraná

Fonte: Autoria própria (2020)

 92

Quando necessário, a escolha do hospital para encaminhamento do paciente é feita

pelo MR com base no quadro clínico do paciente e das condições da rede hospitalar (capacidade
de atendimento, presença ou não de profissional e equipamentos especializados etc.). O poder
de autoridade de saúde pública conferido ao MR lhe permite comunicar a emergência aos
hospitais na área de abrangência do SME para reservar leitos para que o atendimento tenha
continuidade assim que a ambulância e a equipe chegarem a esse hospital com o paciente
(O’DWYER et al., 2017). Por outro lado, o MR pode decidir não encaminhar o paciente a um
hospital quando entender que esse não requer atendimento médico imediato, seja por melhora
clínica, informação insuficiente ou de má intenção do paciente (SILVA; PINTO, 2010).
As operações externas do SAMU Sudoeste do Paraná têm início com a organização do
despacho de uma USB ou uma USA, trabalho executado pelo RO que recebe a solicitação de
ambulância quando o MR decide pelo despacho, aciona a equipe e informa ao motorista-
socorrista o endereço e a gravidade presumida da emergência. Assim como na maioria dos SME
brasileiros, o RO coordena ações contando com bases descentralizadas com ambulâncias em
cada uma delas reportando-se à CRM (REPEDE; BERNARDO, 1994; SILVA; PINTO, 2010).
Cabe ao RO, a partir das informações coletadas pelo TARM que foram submetidas à
avaliação do MR e após a decisão desse último por despachar equipe e ambulância, coordenar
a montagem da equipe. Sequencialmente o RO deve:
a) Selecionar no sistema e-SUS-SAMU a ocorrência que será atendida;
b) Selecionar o tipo de veículo a ser mobilizado, se USA ou USB;
c) Selecionar a equipe que realizará o atendimento.
Essas operações externas são fundamentais e afetam o TR porque envolvem a
disponibilidade ou não das ambulâncias quando, por exemplo, a mais próxima estiver ocupada
exigindo que outra deva ser acionada (FITZSIMMONS, 1973; INGOLFSSON; BUDGE;
ERKUT, 2008; SILVA; PINTO, 2010). O RO tem papel-chave nas operações do SME a partir
desta etapa (MARQUES; CICONET; DA SILVA LIMA, 2011).
O SAMU Sudoeste do Paraná conta com quatro USA e 13 USB distribuídas em 11
bases descentralizadas. Considerando a população estimada de 635.000 habitantes em sua área
de abrangência, tem-se a proporção de 158.750 habitantes por USA e 48.846 habitantes por
USB, respectivamente. Considerados esses números, pode-se dizer que excedem ao
preconizado, haja vista que à luz das diretrizes do Ministério da Saúde o SME deve alocar uma
USA para cada 400.000 habitantes e uma USB para cada 150.000 habitantes (O'DWYER et al.,
2013).
 93

De modo geral esta situação se repete em nível nacional, havendo quantidade de USB
três ou quatro vezes superior à quantidade de USA, uma vez que as USB são veículos mais
baratos que as USA (O'DWYER et al., 2017).
O RO consegue monitorar remotamente, por meio de câmaras conectadas à internet,
todas as bases descentralizadas e, assim, atualizar permanentemente a posição sobre o número
de veículos disponíveis. As ambulâncias do SAMU Sudoeste do Paraná não são equipadas com
laptops, tablets, computadores de bordo nem tecnologia GPS e quando despachadas a escolha
da rota no trânsito urbano, nas rodovias ou nas estradas rurais depende da experiência do RO e
dos motoristas-socorristas.
O GPS é uma das mais importantes fontes de informação para gerenciamento e
resposta a emergências e sua utilização, particularmente em operações que envolvem
ambulâncias, favorece a tomada de decisão eficaz de roteamento, melhorando a previsibilidade
e encurtando tempos de atendimentos e minimizando o sofrimento dos pacientes (MORIN;
JENVALD; THORSTENSSON, 2000; WILSON et al., 2014). Utilizando dados registrados a
cada 10 segundos nos equipamentos de GPS das ambulâncias do SAMU de Val-de-Marne
(França), Aboueljinane, Jemai e Sahin (2012) conseguiram identificar rotas para tornar os
resgates mais efetivos de acordo com a tipologia da via de circulação das ambulâncias.
Apesar de haver 11 bases descentralizadas as ambulâncias nelas alocadas não
condicionam os atendimentos aos municípios circunvizinhos às mesmas, ou seja, uma
ambulância alocada no município de um extremo geográfico pode ser mobilizada para prestar
atendimento no município do extremo geográfico oposto a aproximadamente 240 quilômetros
de distância considerando a melhor alternativa de roteirização dada pelo RO.
Depois de despachar a ambulância o RO, fazendo uso do rádio e/ou do telefone, deve
informar a equipe sobre o local do evento e durante o deslocamento repassar informações
complementares que se façam necessárias (SILVA; PINTO, 2010). Motoristas de veículos de
emergência devem possuir conhecimentos sobre leis e segurança no trânsito e saber gerenciar
informações para mitigar riscos de desatenção durante a condução (MUIR et al., 2020). Muitas
dessas informações devem ser registradas no RAS. A Figura 14 mostra o formulário RAS.
 94

Figura 14 – Formulário RAS do SAMU Sudoeste do Paraná

Fonte: SAMU Sudoeste do Paraná

No SAMU Sudoeste do Paraná a comunicação das ambulâncias com as bases

descentralizadas ou com a CRM é feita por rádio comunicador e/ou smartphones. As equipes
das ambulâncias são equipadas com smartphones com capacidade de conexão à internet e em
áreas urbanas ou próximas às cidades podem usar a tecnologia 3G ou 4G para acessar
aplicativos de mapas ou orientação no trânsito, o que não acontece em rodovias ou áreas rurais.
 95

A condução de veículos de emergência difere da condução geral de outros veículos,

impondo riscos que envolvem fadiga decorrente de altas cargas de trabalho e até mesmo
distração por uso de telefones celulares durante a condução, e os motoristas desses veículos
experimentam esse nível mais elevado de risco pela pressão para atender tempos de resposta
padrão e pela exigência de conduzir os veículos de emergência com uso de luzes e sirenes
(MUIR et al., 2020).
Durante observações presenciais das operações na CRM em várias ocasiões constatou-
se repetidas quedas nas conexões telefônicas devido a áreas de sombreamento, cujo reflexo se
dá no TR, uma vez que tanto o RO quanto o MR necessitam repassar orientações
complementares para a equipe durante o deslocamento até a cena, muitas vezes até mesmo
confirmar uma referência para a localização dessa cena ou, não raro, alterar o status da
gravidade presumida da emergência em decorrência de informações complementares
repassadas pelo chamador ao MR.
Em SME contemporâneos, equipes utilizam tablets ou computadores para registrar
informações sobre o paciente que são sincronizadas com o sistema de despacho alimentando
automaticamente dados de data e horários de cada etapa do atendimento, com os intervalos
sendo gravados em minutos e segundos (NEHME; ANDREW; SMITH, 2016).
A partir do momento que uma ambulância deixa uma das bases descentralizadas os
controles e registros do atendimento passam a ser manuscritos e muitas informações relevantes
às operações externas do SAMU Sudoeste do Paraná, incluindo horários e tempos de
atendimentos, são registradas em formulário impresso elaborado para suprir limitações do
sistema de despacho informatizado, sendo que após o retorno da ambulância à base os dados
manuscritos no formulário impresso devem ser alimentados em outro formulário idêntico em
formato eletrônico desenvolvido com auxílio do pacote de aplicativos Google Docs para
posterior exportação de dados em formato que permite tratamento estatístico em ferramentas
apropriadas (COLLA; OLIVEIRA; SANTOS, 2019). Somente dessa forma é possível
estabelecer o histórico completo com eventos de cada resgate e mitigar o risco de gerar
informações incompletas, contraditórias ou não confiáveis (MORIN; JENVALD;
THORSTENSSON, 2000; HOOGENDOORN et al., 2009).
Posteriormente, os dados do RAS devem ser realimentados num formulário idêntico,
porém em formato eletrônico, desenvolvido internamente pelo SAMU Sudoeste do Paraná com
auxílio do pacote de aplicativos Google Docs, que permite armazenar as informações
registradas no formulário RAS para futura exportação desses dados em formato adequado e
consequente tratamento estatístico em outras ferramentas apropriadas.
 96

A Figura 15 exemplifica informações originalmente manuscritas no formulário em

papel do RAS e convertidas em informações eletrônicas após retrabalho.

Figura 15 – Dados extraídos do RAS em formato eletrônico

Fonte: Autoria própria (2020)

Ao retornar à base descentralizada, ambulância e equipe passam à prontidão para novo

atendimento e a partir deste momento o ciclo operacional do SAMU Sudoeste se reinicia.
Durante todo esse processo o sistema e-SUS-SAMU permanece com o registro do chamado de
emergência em aberto, tendo sido possível constatar, durante as observações presenciais na
CRM, que esse sistema apresenta falhas com sérias implicações sobre o TR, como, por
exemplo, um atendimento finalizado que, por alguma falha operacional do sistema permaneceu
em aberto e contava mais de 2.000 minutos para aquele chamado.
As informações registradas no RAS são utilizadas em processos internos de auditoria
que se realizam a cada duas semanas, com a escolha aleatória de atendimentos para avaliação
por equipe multidisciplinar. A auditoria envolve a análise de todos os registros eletrônicos e
manuscritos relativos ao atendimento, bem como audição de todas as gravações do sistema de
rádio e dos smartphones para identificar eventuais falhas e incrementar melhorias nos
processos, dentro das condições e limitações do SME.
A observação presencial, com o objetivo de conhecer o processo de auditoria interna,
permitiu constatar o caso de um atendimento a um chamado envolvendo colisão entre uma
motocicleta e um veículo de passeio, em rodovia, a cerca de 12 quilômetros de distância da base
descentralizada mais próxima, com vítima do sexo masculino e 56 anos de idade.
 97

O chamado foi recebido às 06:56 na CRM, sendo regulado em dois minutos (06:58)
com despacho de USB da base descentralizada mais próxima às 06:59. O deslocamento da USB
da base descentralizada até a cena levou 7 minutos, porém, ao prestar os primeiros socorros a
equipe constatou vítima em parada respiratória e requisitou à CRM o despacho de uma USA,
distante 30 quilômetros da cena, a qual foi despachada pelo MR às 07:10, chegando à cena às
07:33.
Nesse interim, a comunicação da equipe da USB sofreu interrupções, especificamente
queda da ligação telefônica, inicialmente porque o smartphone usado na base descentralizada
estava com pouca bateria, ocasionando a primeira queda e requerendo novo chamado.
Posteriormente, com a equipe da USA já em deslocamento para a cena, a CRM perdeu contato
essa equipe da USB na cena da emergência por ser local sem cobertura de sinal de telefonia
móvel. A equipe da USB, preocupada com o atraso da equipe da USA, sem comunicar ao MR,
decidiu, às 07:20, remover a vítima da cena para o hospital mais próximo distante
aproximadamente 12 quilômetros, entregando a vítima ao hospital às 07:33 e encerrando esse
atendimento às 07:35.
A auditoria revelou que as falhas nas tecnologias da informação e comunicação além
de implicarem no uso inadequado dos recursos (acionamento de uma USA deixando a
descoberto uma das bases descentralizadas e exigindo a interação com o Corpo de Bombeiros
para informar da indisponibilidade desse veículo em caso de necessidade local), levaram ao
comprometimento do processo de regulação do MR, uma vez que o paciente em parada
respiratória necessitava de atendimento especializado com máxima urgência. Por fim, a audição
das gravações durante a auditoria permitiu identificar omissões de preenchimentos de campos
do RAS, levando à necessidade de posteriores contatos telefônicos entre a CRM e a base
descentralizada para a obtenção e registro dos dados necessários, reforçando a impressão de
processos que geram constantes desperdícios de esforços e recursos preciosos no SME.

4.2 TEMPO DE RESPOSTA DO SAMU SUDOESTE DO PARANÁ

A seguir são apresentados os resultados obtidos com o tratamento estatístico dos dados
coletados no SME.
 98

4.2.1 Tratamento das variáveis

Submetidas ao teste de normalidade Kolmogorov-Smirnov a variável métrica

dependente e as variáveis métricas independentes não apresentaram distribuição normal,
conforme a Tabela 6.

Tabela 6 – Teste de normalidade para variável dependente e variáveis independentes

Response_Min Dispatch_min ToScene_Min Hour_Numb Age_Numb
N 12050 12050 12050 12050 11975
Média 14,43 4,85 9,16 12,50 46,05
Normal
Desvio
Parametersa,b 11,575 6,566 8,641 5,887 23,552
padrão
Most Absoluto ,212 ,322 ,204 ,076 ,074
Extreme Positive ,212 ,322 ,204 ,049 ,074
Differences Negative -,186 -,309 -,175 -,076 -,050
Kolmogorov-Smirnov Z 23,255 35,321 22,360 8,328 8,057
Sig. Assint. (2 caudas) ,000 ,000 ,000 ,000 ,000
a. A distribuição do teste é Normal.
b. Calculado dos dados.
Fonte: Autoria própria (2020)

Executou-se regressão múltipla constatando-se que os resíduos também não

apresentaram distribuição normal, conforme Tabela 7.

Tabela 7 – Teste de normalidade para os resíduos da regressão múltipla

Standardized Residual
N 11975
Média ,0000000
Normal Parametersa,b
Desvio padrão ,99945701
Absoluto ,225
Most Extreme Differences Positive ,217
Negative -,225
Kolmogorov-Smirnov Z 24,606
Sig. Assint. (2 caudas) ,000
a. A distribuição do teste é Normal.
b. Calculado dos dados.
Fonte: Autoria própria (2020)

Ao se proceder o teste de normalidade percebeu-se que a variável dependente e as

variáveis independentes não apresentaram distribuição normal, violando as suposições de
normalidade e variância constante, duas de três suposições em análise de regressão múltipla
(HAIR et al. 2009). Verificada a suposição de normalidade dos resíduos realizou-se análise
multivariada de heteroscedasticidade utilizando-se todas as variáveis métricas em relação a
todas as varíáveis não métricas aplicando-se, conforme adotado por SEIM et al. (2018), o teste
Breusch-Pagan/Cook-Wisberg. Segundo Fávero e Belfiore (2017, p.558) esse teste “apresenta
como hipótese nula o fato de a variância dos termos de erro ser constante e como hipótese
alternativa o fato de a variância dos termos de erro não ser constante”.
 99

O resultado do teste Breusch-Pagan/Cook-Weisberg com p-value = 0,000 indicou erro

heterocedástico, de tal modo não ser possível executar uma regressão pelo método dos mínimos
quadrados. O Quadro 32 apresenta as variáveis e os resultados do diagnóstico de
heterocedasticidade.

Quadro 32 – Diagnóstico de heterocedasticidade dos resíduos

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: logdisp logtoscenc loghour logage Call2 Call3 Call4 Call5 Call6 Call7 Gender2 Status2
Status3 Day2 Day3 Day4 Day5 Day6 Day7
chi2(19) = 1987.81
Prob > chi2 = 0.0000
Fonte: Autoria própria (2020)

Verificou-se também que a variável dependente e as variáveis independentes

apresentavam diferentes escalas de grandeza. Para preservar a característica da técnica
multivariada de dependência para especificar um modelo capaz de explicar e prever o
comportamento da variável dependente TR por meio das demais variáveis independentes,
algumas delas não métricas, houve necessidade de transformar essas variáveis não métricas em
binárias para preservar as categorias das variáveis não métricas originais (FÁVERO;
BELFIORE, 2017).
Nos casos de heterocedasticidade foi possível aplicar a transformação logarítmica, que
tanto auxilia na solução do problema da não-normalidade como elimina os problemas de
heteroscedasticidade (HAIR et al., 2009).
Assim, optou-se por calcular o logaritmo das variáveis, de modo que a regressão segue
um modelo log-log, dado pela Equação 5.

Logresponse α βlogdisp βlogtoscenc βloghour βlogage

DGender DCall DStatus Dday ε (5)

Em que:
α = constante
Logresponse = Logaritmo da variável métrica tempo de resposta em minutos
Logdisp = Logaritmo da variável métrica tempo de despacho em minutos
Logtoscenc = Logaritmo da variável métrica tempo de deslocamento em minutos
Loghour = Logaritmo da variável métrica horário do dia
Logage = Logaritmo da variável métrica idade em anos
DGender = Dummy para a variável não métrica gênero
 100

DCall = Dummy para a variável não métrica característica da emergência

DStatus = Dummy para a variável não métrica gravidade presumida
Dday = Dummy para a variável não métrica dia da semana
ε = Erro

A codificação dummy representa variáveis com zeros e uns, criando diversas variáveis
para representar as categorias de uma variável, com uma categoria a menos que o número
original de categorias da variável categórica convertida (FIELD, 2009). Variáveis dummies são
utilizadas quando se deseja investigar uma relação entre o comportamento de variáveis
explicativas não métricas e um fenômeno representado por uma variável dependente,
desaconselhando-se atribuir valores arbitrários às categorias das variáveis não métricas por
implicar em erro grave de suposição de que as diferenças na variável dependente sejam
previamente conhecidas e supor que essas diferenças sejam de iguais magnitudes às diferenças
dos valores atribuídos a cada uma das categorias de cada uma das variáveis independentes não
métricas (FÁVERO; BELFIORE, 2017).
Conforme Fávero e Belfiore (2017, p.544) “para uma variável qualitativa com n
categorias serão necessárias (n-1) dummies, uma vez que determinada categoria deverá ser
escolhida como referência e seu parâmetro será capturado pelo parâmetro estimado 𝛼”. O
Quadro 33 relaciona as variáveis independentes não métricas utilizadas na regressão quantílica.

Quadro 33 – Variáveis não métricas convertidas em dummies

Variável Original Rótulo Categorias Variável Dummy Rótulo Dummy
1 = Masculino -
Gender_Cat Gênero 2 = Feminino DGender Gender2
3 = Ignorado -
1 = Afogamento -
2 = Clínico Call2
3 = Obstétrico Call3
Type_Call Característica da Emergência 4 = Pediátrico DCall Call4
5 = Psiquiátrico Call5
6 = Trauma Call6
7 = Ignorado Call7
1 = Crítico -
Status_I Gravidade Presumida 2 = Não Crítico DStatus Status2
3 = Leve Status3
1 = Domingo -
2= Segunda Day2
3 = Terça Day3
Day Dia da Semana 4 = Quarta DDay Day4
5 = Quinta Day5
6 =Sexta Day6
7 = Sábado Day7
Fonte: Autoria própria (2020)
 101

Variáveis métricas foram logaritimizadas e variáveis não métricas foram convertidas

em dummies. Exemplo: variável dummie Gender2 representa o gênero feminino, foi
confrontada com o gênero masculino (categoria base a ser confrontada).
A regressão quantílica não busca identificar se o gênero (variável independente) afeta
a variável resposta, mas, qual dos gêneros mais afeta a variável resposta (FIELD, 2009). O
Quadro 34 apresenta as variáveis dummies.

Quadro 34 – Variáveis utilizadas na regressão quantílica

Variável Original Categorias Rótulo Dummy
1 = Masculino Categoria-base
Gender_Cat
2 = Feminino Gender2
1 = Afogamento Categoria base
2 = Clínico Call2
3 = Obstétrico Call3
Type_Call 4 = Pediátrico Call4
5 = Psiquiátrico Call5
6 = Trauma Call6
7 = Ignorado Call7
1 = Crítico Categoria-base -
Status_I 2 = Não Crítico Status2
3 = Leve Status3
1 = Domingo Categoria-base
2= Segunda Day2
3 = Terça Day3
Day 4 = Quarta Day4
5 = Quinta Day5
6 =Sexta Day6
7 = Sábado Day7
Fonte: Autoria própria (2020)

A maioria dos indicadores de desempenho de SME como TR, tempo em cena ou tempo
de transporte até hospitais não obedecem a uma distribuição normal e apresentam altas
distorções e a maioria dos modelos de regressão usados para associar variáveis a um resultado
avaliam como a média da distribuição condicional varia com as alterações nas características
do sistema ou do paciente, porém, a média de uma distribuição pode ser indicador de tendência
central limitado sobre o desempenho do sistema para a maioria dos pacientes (AUSTIN;
SCHULL, 2003).
Dessa forma, adotou-se a análise de regressão quantílica para explicar a potencial
heterogeneidade na influência das variáveis independentes sobre a variável dependente TR nos
intervalos dos percentis 10%, 30%, 50%, 70% e 90% do TR (AUSTIN; SCHULL, 2003; DO
et al., 2013). Os resultados das análises estatísticas são apresentados na sequência.
 102

4.2.2 Estatística descritiva

Os resultados da estatística descritiva referem-se ao indicador TR associado a 12.050

atendimentos envolvendo despachos de ambulâncias do SAMU Sudoeste do Paraná para
atendimento a afogamentos, casos clínicos, obstétricos, pediátricos, psiquiátricos de trauma
classificados pelos MR em prioridade alta (crítico), prioridade moderada (não crítico) e
prioridade baixa (leve) no período entre zero hora de 01 de janeiro de 2018 às 23h59min de 31
de dezembro de 2018. A Tabela 8 sintetiza a distribuição da amostra pela característica da
emergência.

Tabela 8 – Distribuição da amostra por característica da emergência

Caso Frequência Porcentagem
Afogamento 4 ,0
Clínico 7554 62,7
Obstétrico 276 2,3
Pediátrico 115 1,0
Psiquiátrico 285 2,4
Trauma 3814 31,7
Ignorado 2 ,0
Total 12050 100,0
Fonte: Autoria própria (2020)

Casos clínicos foram responsáveis por 62,7% dos despachos de ambulâncias, seguidos
por casos de trauma (31,7%), ou seja, esses dois tipos de atendimento demandaram
aproximadamente 94% dos esforços das operações externas do SAMU Sudoeste do Paraná no
ano de 2018.
O TR médio para os atendimentos do SAMU Sudoeste do Paraná no ano de 2018 foi
de 14,43 minutos (14min25seg) com mediana de 11 minutos, observando-se ainda a moda de 9
minutos no conjunto de dados. O TR médio de 14min25seg do SAMU Sudoeste do Paraná se
aproxima mais ao TR médio dos SME de países africanos, enquanto a mediana de 11 minutos
se aproxima do TR médio dos SME de países e europeus e a moda de 9 minutos se aproxima
do TR médio dos SME norte-americanos, ou, em nível nacional, aproxima-se do TR médio
registrado na cidade de Campinas/SP com população superior a um milhão de habitantes
(CABRAL et al., 2018).
Em qualquer das situações, média, mediana ou moda, o TR do SAMU Sudoeste do
Paraná pode ser classificado como um TR intermediário, na faixa entre 9 e 15 minutos, para os
SME (CHEN et al., 2019). Estatisticamente, em 95% dos casos o TR foi de até 33 minutos.
 103

A média do tempo de despacho das ambulâncias foi inferior a cinco minutos, sendo
três minutos o escore mais frequente. O tempo de despacho compreende o intervalo desde o
atendimento do chamado pelo TARM, a regulação e a tomada de decisão pelo MR de enviar a
ambulância com equipe para atendimento em cena (ABOUELJINANE; SAHIN; JEMAI,
2013). Em 94,9% dos casos o tempo de despacho foi de até 12 minutos.
A média do tempo de preparação das ambulâncias e equipes ficou abaixo de um
minuto. A preparação compreende o intervalo de tempo entre a comunicação para despacho de
ambulância e o tempo necessário para acionar o controle de frota, identificar e mobilizar equipe
e autorizar a saída do veículo da base (ABOUELJINANE; SAHIN; JEMAI, 2013). Em 96,8%
o tempo de preparação das ambulâncias e equipes foi de no máximo um minuto.
A média do tempo de deslocamento foi de pouco mais de nove minutos sendo o tempo
de cinco minutos o mais frequente. O tempo de deslocamento compreende o intervalo de tempo
desde a saída do veículo da base até a chegada na cena da ocorrência da emergência
(ABOUELJINANE; SAHIN; JEMAI, 2013). Essas informações podem ser úteis para o
planejamento de ações que visem ampliar e qualificar o acesso aos SME (MACHADO,
SALVADOR E O'DWYER, 2011). Em 94,9% dos casos, o tempo de deslocamento das
ambulâncias até a cena de ocorrência da emergência foi de até 22 minutos. A Tabela 9 evidencia
o TR e os demais tempos que o compõe.

Tabela 9 – Média do TR e demais tempos do SAMU Sudoeste do Paraná

Tempo
Tempo de Tempo de Tempo de
Resposta
Despacho (Min) Preparação (Min) Deslocamento (Min)
(Min)
Válido 12050 12050 12050 12050
N
Omisso 0 0 0 0
Média 14,43 4,85 ,39 9,16
Mediana 11,00 3,00 ,00 7,00
Moda 9 3 0 5
Erro Desvio 11,575 6,566 1,105 8,641
Assimetria 3,919 7,018 20,442 4,393
Erro de
assimetria ,022 ,022 ,022 ,022
padrão
Curtose 21,988 68,737 728,844 30,612
Erro de Curtose
,045 ,045 ,045 ,045
padrão
Mínimo 2 0 0 0
Máximo 120 107 49 115
Fonte: Autoria própria (2020)

O horário entre 11:00 e 11:59 (n=771) concentrou o maior número de chamados por
hora, enquanto a maioria dos atendimentos ocorreu no turno da tarde, das 12:00 às 17:59
(n=4.182), conforme evidenciam as Tabelas 10 e 11, respectivamente.
 104

Tabela 10 – Frequência dos atendimentos quanto ao horário do dia

Horário Frequência Porcentagem Porcentagem acumulativa
00:00 às 00:59 376 3,1 3,1
01:00 às 01:59 290 2,4 2,4
02:00 às 02:59 305 2,5 2,5
03:00 às 03:59 261 2,2 2,2
04:00 às 04:59 241 2,0 2,0
05:00 às 05:59 215 1,8 1,8
06:00 às 06:59 221 1,8 1,8
07:00 às 07:59 436 3,6 3,6
08:00 às 08:59 547 4,5 4,5
09:00 às 09:59 671 5,6 5,6
10:00 às 10:59 707 5,9 5,9
11:00 às 11:59 771 6,4 6,4
12:00 às 12:59 756 6,3 6,3
13:00 às 13:59 676 5,6 5,6
14:00 às 14:59 685 5,7 5,7
15:00 às 15:59 651 5,4 5,4
16:00 às 16:59 692 5,7 5,7
17:00 às 17:59 722 6,0 6,0
18:00 às 18:59 636 5,3 5,3
19:00 às 19:59 710 5,9 5,9
20:00 às 20:59 556 4,6 4,6
21:00 às 21:59 490 4,1 4,1
22:00 às 22:59 355 2,9 2,9
23:00 às 23:59 80 ,7 ,7
Total 12050 100,0 100,0
Fonte: Autoria própria (2020)

Tabela 11 – Frequência dos atendimentos quanto turno de trabalho

Horário Frequência Porcentagem Porcentagem acumulativa
00:00 às 05:59 1688 14,0 14,0
06:00 às 11:59 3353 27,8 41,8
12:00 às 17:59 4182 34,7 76,5
18:00 às 23:59 2827 23,5 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)

Predominaram atendimentos para pacientes da faixa-etária entre 21 e 40 anos

(n=3.461). O número de atendimentos a pessoas com idade igual ou superior a 80 anos
(n=1.205) foi maior, por exemplo, que atendimentos a pessoas na faixa-etária de 15 a 20 anos
(n=1.182). A Tabela 12 apresenta a frequência dos atendimentos por faixa-etária.

Tabela 12 – Frequência dos atendimentos quanto a faixa-etária

Faixa-etária Frequência Porcentagem Porcentagem acumulativa
≤ 6 anos 302 2,5 2,5
7 a 14 anos 454 3,8 6,3
15 a 20 anos 1182 9,8 16,1
21 a 40 anos 3461 28,7 44,8
41 a 60 anos 2918 24,2 69,0
61 a 79 anos 2453 20,4 89,4
≥ 80 anos 1205 10,0 99,4
Ignorado 75 ,6 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)
 105

O gênero masculino demandou mais atendimentos (n=6.701) em relação ao gênero

feminino (n=5.349). A Tabela 13 apresenta a frequência dos atendimentos por gênero.

Tabela 13 – Frequência dos atendimentos quanto ao gênero

Gênero Frequência Porcentagem Porcentagem acumulativa
Masculino 6701 55,6 55,6
Feminino 5349 44,4 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)

O mês de março de 2018 concentrou o maior número de despachos de ambulâncias

(n=1.108), enquanto o mês de novembro registrou o menor número de despachos (n=904),
média de 1.004 despachos de ambulâncias por mês. A Tabela 14 apresenta a frequência dos
atendimentos por mês.

Tabela 14 – Frequência dos atendimentos por mês

Mês Frequência Porcentagem Porcentagem acumulativa
Janeiro 936 7,8 7,8
Fevereiro 906 7,5 15,3
Março 1108 9,2 24,5
Abril 1060 8,8 33,3
Maio 1033 8,6 41,9
Junho 998 8,3 50,1
Julho 1088 9,0 59,2
Agosto 1047 8,7 67,9
Setembro 975 8,1 75,9
Outubro 957 7,9 83,9
Novembro 904 7,5 91,4
Dezembro 1038 8,6 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)

Percebe-se mínima diferença nos dias da semana que demandaram maiores volumes
de atendimentos, com concentração nas segundas-feiras (n=1.866) e domingos (n=1.860),
enquanto quartas-feiras demandaram menores volumes de despachos de ambulâncias
(n=1.482). A Tabela 15 apresenta as distribuições dos despachos de ambulâncias por dia da
semana.

Tabela 15 – Despachos de ambulâncias por dia da semana

Faixa-etária Frequência Porcentagem Porcentagem acumulativa
Domingo 1860 15,4 15,4
Segunda 1866 15,5 30,9
Terça 1674 13,9 44,8
Quarta 1482 12,3 57,1
Quinta 1679 13,9 71,0
Sexta 1630 13,5 84,6
Sábado 1859 15,4 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)
 106

Atendimentos a casos clínicos e de trauma são praticamente equivalentes nas faixas-

etárias desde sete até 40 anos, quando há redução no número de atendimentos a casos de trauma
e incremento no número de atendimentos a casos clínicos, conforme Tabela 16.

Tabela 16 – Características dos casos por faixa-etária

≤6 7 a 14 15 a 20 21 a 40 41 a 60 61 a 79 ≥ 80
Casos Ignorado Total
anos anos anos anos anos anos anos
Afogamento 2 1 1 0 0 0 0 0 4
Clínico 112 205 551 1653 1953 2000 1038 42 7554
Obstétrico 0 10 90 170 6 0 0 0 276
Pediátrico 90 20 1 2 1 1 0 0 115
Psiquiátrico 2 9 37 147 76 11 2 1 285
Trauma 96 209 502 1489 880 441 165 32 3814
Ignorado 0 0 0 0 2 0 0 0 2
Total 302 454 1182 3461 2918 2453 1205 75 12050
Fonte: Autoria própria (2020)

O maior número de atendimentos (n=7.789) envolveu casos classificados pelos MR

como prioridade baixa, sem risco de vida ou de perda de funções, conforme Tabela 17.

Tabela 17 – Frequência dos casos de acordo com a gravidade presumida

Gravidade Presumida Frequência Porcentagem Porcentagem acumulativa
Crítico 890 7,4 7,4
Não Crítico 3371 28,0 35,4
Leve 7789 64,6 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)

Consequentemente, houve uso intensivo de recursos humanos e materiais para as USB,

acionadas para 10.930 atendimentos. A Tabela 18 apresenta em detalhes a carga de trabalho de
cada veículo de emergência do SAMU Sudoeste do Paraná no ano 2018.

Tabela 18 – Carga de trabalho dos veículos de emergência

Veículos Frequência Porcentagem Porcentagem acumulativa
Alfa 01 416 3,5 3,5
Alfa 02 390 3,2 6,7
Alfa 03 163 1,4 8,0
Alfa 04 151 1,3 9,3
Bravo 01 1418 11,8 21,1
Bravo 02 1335 11,1 32,1
Bravo 03 515 4,3 36,4
Bravo 04 1375 11,4 47,8
Bravo 05 1235 10,2 58,1
Bravo 06 1208 10,0 68,1
Bravo 07 1057 8,8 76,9
Bravo 08 545 4,5 81,4
Bravo 09 659 5,5 86,9
Bravo 10 504 4,2 91,0
Bravo 11 483 4,0 95,1
Bravo 12 596 4,9 100,0
Total 12050 100,0
Fonte: Autoria própria (2020)
 107

A Tabela 19 apresenta a distribuição dos atendimentos do SAMU Sudoeste do Paraná

nos municípios de sua abrangência em 2018, e as características das emergências por município.

Tabela 19 – Atendimentos e características das emergências por município

Afogamento

Psiquiátrico
Frequência

Obstétrico

Pediátrico

Ignorado
Trauma
Cidade

Clínico

Total
Ampére 33 0 6 3 0 0 24 0 33
B. Jesus Sul 4 0 2 0 0 1 1 0 4
B. Sucesso Sul 7 0 3 0 0 0 4 0 7
Capanema 8 0 5 1 1 0 1 0 8
Chopinzinho 670 0 413 16 5 41 195 0 670
Clevelândia 529 0 413 16 5 41 195 0 670
Cel. Dom. Soares 1 0 1 0 0 0 0 0 1
Cel. Vivida 669 1 404 28 5 33 198 0 669
Cruzeiro Iguaçu 12 0 0 0 0 0 12 0 12
Dois Vizinhos 1050 0 684 22 8 37 299 0 1050
Enéas Marques 7 0 3 0 0 0 4 0 7
Flor Serra Sul 5 0 1 0 0 0 4 0 5
Fco. Beltrão 2563 2 1507 39 24 43 948 0 2563
Itap. d'Oeste 15 0 1 0 1 0 13 0 15
Manfrinópolis 12 0 3 0 0 0 9 0 12
Mangueirinha 509 0 340 13 5 24 127 0 509
Mariópolis 16 0 7 0 0 0 9 0 16
Marmeleiro 174 0 72 2 1 1 98 0 174
N. Esp. Sudoeste 1 1 0 0 0 0 0 1 1
N. Prata Iguaçu 4 3 0 1 0 0 0 4 3
Palmas 1378 974 62 4 26 312 0 1378 974
Pato Branco 3075 2083 63 43 45 840 0 3075 2083
Pérola D'Oeste 4 0 0 1 0 3 0 4 0
Pinhal S. Bento 3 0 0 0 0 3 0 3 0
Planalto 14 8 0 0 0 6 0 14 8
Pranchita 35 12 0 2 1 20 0 35 12
Realeza 408 202 5 1 9 191 0 408 202
Renascença 40 15 0 0 0 25 0 40 15
Salgado Filho 1 0 0 0 0 1 0 1 0
Salto Lontra 11 4 0 0 1 6 0 11 4
Sta. Izabel d'Oeste 156 71 0 0 2 83 0 156 71
Sto. Ant. Sudoeste 563 344 12 2 14 191 0 563 344
S. João 8 4 0 0 1 3 0 8 4
S. Jorge d'Oeste 7 2 0 0 0 5 0 7 2
Saudade Iguaçu 4 2 0 0 0 2 0 4 2
Sulina 3 0 0 0 0 3 0 3 0
Verê 3 1 0 0 0 2 0 3 1
Vitorino 34 5 1 0 0 28 0 34 5
Ignorado 14 7 1 0 0 6 0 14 7
Total 12050 4 7554 276 115 285 3814 2 12050
Fonte: Autoria própria (2020)

Alguns municípios abrangidos pelo SME apresentaram baixíssimas demandas pelos

serviços das ambulâncias em razão da política de gestão do SME junto às prefeituras municipais
para que em determinadas situações as secretarias de saúde respondam primeiramente às
emergências, incluindo pacientes para estabelecimentos da grade de referência.
 108

A abrangência regional do SAMU Sudoeste do Paraná impõe necessidade de cobertura

de longas distâncias para o APH. Assim, estimou-se TR médio para as cidades para as quais
ocorreram despachos de ambulâncias em 2018. A Tabela 20 apresenta os resultados.

Tabela 20 – TR médio para cidades atendidas pelo SAMU Sudoeste do Paraná

Município TR médio (minutos) Município TR médio (minutos)
Ampére 27 Marmeleiro 22
Barracão - N. Esp. Sudoeste 79
Bela Vista Caroba - N. Prata Iguaçu 78
Boa Esperança Iguaçu - Palmas 14
B. Jesus Sul 35 Pato Branco 14
B. Sucesso Sul 35 Pérola D'Oeste 31
Capanema 53 Pinhal S. Bento 46
Chopinzinho 14 Planalto 38
Clevelândia 12 Pranchita 30
Cel. Dom. Soares 12 Realeza 14
Cel. Vivida 13 Renascença 35
Cruzeiro Iguaçu 26 Salgado Filho 53
Dois Vizinhos 12 Salto Lontra 51
Enéas Marques 33 Sta. Izabel d'Oeste 19
Flor Serra Sul 26 Sto. Ant. Sudoeste 13
Fco. Beltrão 14 S. João 34
Honório Serpa - S. Jorge d'Oeste 30
Itap. d'Oeste 24 Saudade Iguaçu 41
Manfrinópolis 44 Sulina 26
Mangueirinha 16 Verê 51
Fonte: Autoria própria (2020)

Os intervalos do TR foram categorizados em curto (≤ 8 minutos), intermediário (entre

9 e 15 minutos) e longo (≥ 16 minutos) conforme CHEN et al. (2019, p.464), baseado nas
diretrizes da American Heart Association/American Stroke Association, conforme Figura 16.

Figura 16 – TR médios de 2018 nas cidades abrangidas pela SAMU Sudoeste

Fonte: Autoria própria (2020)

 109

A seguir são apresentados os resultados da regressão quantílica

4.2.3 Regressão quantílica

Do et al. (2013) entendem que análise do TR em vários quantis permite aos gestores
do SME desenvolver novas ideias acerca dos fatores que afetam o TR especialmente no quantis
mais altos da distribuição. A regressão quantílica permitiu compreender o impacto de fatores
em nível de sistema, em nível de paciente e fatores específicos sobre o TR e, para tanto, os
resultados de cada quantil são abordados separadamente. A Tabela 21 apresenta as frequências
das variáveis utilizadas na regressão quantílica, especificamente na Equação 6

Tabela 21 – Frequências das variáveis utilizadas na regressão quantílica

Variable Obs Mean Std. Dev. Min Max
Response_Min 12050 14,43444 11,57521 2 120
Dispatch_min 12050 4,851452 6,566084 0 107
ToScene_Min 12050 9,158423 8,.641179 0 115
Gender_Cat 12050 1,4439 0,4968635 1 2
Status_I 12050 2,572531 0,6264899 1 3
Type_Call 12050 3,379502 1,854701 1 7
Day 12050 3,960996 2,05311 1 7
Age_Numb 11975 46,04793 23,55248 0 106
Fonte: Autoria própria (2020)

Logresponse α βlogdisp βlogtoscenc βloghour βlogage DCall2

DCall3 DCall4 DCall5 DCall6 DCall7 DGender
DStatus2 DStatus3 DDay2 DDay3 DDay4 DDay5
DDay6 DDay7 ε (6)

Os resultados da regressão quantílica são apresentados na sequência, de acordo com

cada quantil.

4.2.3.1 Quantil 10%

A Tabela 22 apresenta as frequências de casos observadas no Quantil 10%.

Tabela 22 – Frequências de casos no Quantil 10%

Variable Obs Mean Std. Dev. Min Max
Response_Min 1309 5,236822 0,9556628 2 6
Dispatch_min 1309 2,478992 0,847136 1 6
ToScene_Min 1309 2,483575 1,118682 0 5
Gender_Cat 1309 1,430863 0,4953863 1 2
Status_I 1309 2,607334 0,6058895 1 3
Type_Call 1309 3,81589 1,963472 1 6
Day 1309 3,967914 1,933657 1 7
Age_Numb 1300 42,43615 23,20683 0 102
Fonte: Autoria própria (2020)
 110

Coeficiente de determinação explica em 82,24% a variável TR. TR médio de

5min14seg com mínimo de dois minutos e máximo de seis minutos para 1.309 casos. Variáveis
métricas em nível de sistema logdisp (tempo de despacho) e logtoscene (tempo de
deslocamento) exercem influência significativa e positiva, sendo logtoscene (tempo de
deslocamento) a mais relevante, conforme Tabela 23.

Tabela 23 – Comportamento das variáveis independentes no Quantil 10%

1 Quantile regression Number of obs = 11380
Raw sum of deviations 825.0128 (about .77815125)
Min sum of deviations 146.5273 Pseudo R2 = 0.8224
logresponse Coef. Std. Err. t P>|t| [95% Conf. Interval]
logdisp .3269684 .0000652 5013.01 0.000 .3268405 .3270962
logtoscene .6731429 .0000613 1.1e+04 0.000 .6730228 .673263
loghour 4.21e-10 .0000999 0.00 1.000 -.0001958 .0001958
logage 8.73e-10 .0001081 0.00 1.000 -.0002119 .0002119
Call2 -.0405218 .0005226 -77.54 0.000 -.0415462 -.0394974
Call3 -.0398487 .0005533 -72.02 0.000 -.0409332 -.0387642
Call4 -.0405416 .0006265 -64.71 0.000 -.0417697 -.0393135
Call5 -.0405022 .0005512 -73.48 0.000 -.0415828 -.0394217
Call6 -.0406627 .0005222 -77.86 0.000 -.0416863 -.039639
Call7 -.0389837 .0005259 -74.13 0.000 -.0400145 -.037953
Gender2 -.0001744 .0000578 -3.02 0.003 -.0002877 -.0000611
Status2 -.0010198 .0001184 -8.61 0.000 -.0012518 -.0007877
Status3 -.0010198 .0001121 -9.10 0.000 -.0012395 -.0008
Day2 -.0002366 .0001033 -2.29 0.022 -.0004392 -.0000341
Day3 -.0006731 .0001063 -6.33 0.000 -.0008815 -.0004648
Day4 -.0001744 .0001094 -1.59 0.111 -.0003889 .0000401
Day5 -.0005519 .0001053 -5.24 0.000 -.0007583 -.0003454
Day6 -.0006927 .0001054 -6.57 0.000 -.0008993 -.0004862
Day7 -.0005519 .0001024 -5.39 0.000 -.0007525 -.0003512
_cons .3168407 .0005628 562.94 0.000 .3157374 .3179439
Fonte: Autoria própria (2020)

Tempos de despacho e de deslocamento mostram-se próximos, na casa dois minutos e

meio. O TR médio abaixo dos oito minutos neste quantil pode estar relacionado à eventual
proximidade das cenas das emergências em relação às bases descentralizadas do SME, porém,
a inexistência de dados sobre as distâncias percorridas pelas ambulâncias impossibilita
aprofundar a exploração desta possibilidade.
Variáveis não métricas influenciam, negativamente, ou seja, quando assumem valor 1,
promovem uma diminuição no TR. As maiores influências, apesar de pequenas, de ordem
centesimal, são as variáveis dummies para a variável característica da emergência. Demais
variáveis não métricas tem influência de ordem milesimal ou menor.

4.2.3.2 Quantil 30%

A Tabela 24 apresenta as frequências de casos observadas no Quantil 30%.

 111

Tabela 24 – Frequências de casos no Quantil 30%

Variable Obs Mean Std. Dev. Min Max
Response_Min 1056 9 0 9 9
Dispatch_min 1056 3,116477 1,123077 1 9
ToScene_Min 1056 5,524621 1,173709 0 8
Gender_Cat 1056 1,460227 0,4986518 1 2
Status_I 1056 2,610795 0,6041224 1 3
Type_Call 1056 3,370265 1,860598 2 6
Day 1056 4,028409 2,016789 1 7
Age_Numb 1049 45,98951 23,40167 0 94
Fonte: Autoria própria (2020)

Coeficiente de determinação explica em 78,77% da variável TR. TR médio de nove

minutos com mínimo e máximo de nove minutos para 1.056 casos. Variáveis métricas em nível
de sistema logdisp (tempo de despacho) e logtoscene (tempo de deslocamento) mantêm
influência significativa e positiva, com maior relevância da variável logtoscene (tempo de
deslocamento), conforme Tabela 25.

Tabela 25 – Comportamento das variáveis independentes no Quantil 30%

3 Quantile regression Number of obs = 11380
Raw sum of deviations 1699.058 (about .95424251)
Min sum of deviations 360.6269 Pseudo R2 = 0.7877
logresponse Coef. Std. Err. t P>|t| [95% Conf. Interval]
logdisp .345846 .0007723 447.82 0.000 .3443321 .3473598
logtoscene .661088 .0006945 951.88 0.000 .6597266 .6624493
loghour .0024743 .0009144 2.71 0.007 .000682 .0042666
logage -.0009833 .0009917 -0.99 0.321 -.0029272 .0009605
Call2 -.0330975 .0091559 -3.61 0.000 -.0510446 -.0151504
Call3 -.0304833 .009304 -3.28 0.001 -.0487207 -.0122459
Call4 -.0376333 .0097209 -3.87 0.000 -.0566878 -.0185787
Call5 -.0264793 .0092959 -2.85 0.004 -.0447008 -.0082577
Call6 -.0330843 .0091513 -3.62 0.000 -.0510225 -.0151461
Call7 -.0368119 .0091695 -4.01 0.000 -.0547857 -.0188381
Gender2 -.0006513 .0005368 -1.21 0.225 -.0017034 .0004009
Status2 -.0015565 .0010781 -1.44 0.149 -.0036698 .0005568
Status3 -.0024951 .00102 -2.45 0.014 -.0044944 -.0004957
Day2 -.0030207 .0009402 -3.21 0.001 -.0048636 -.0011778
Day3 -.0025252 .0009675 -2.61 0.009 -.0044217 -.0006288
Day4 .0003518 .0010013 0.35 0.725 -.0016109 .0023145
Day5 -.0021566 .0009646 -2.24 0.025 -.0040473 -.0002658
Day6 -.002875 .0009771 -2.94 0.003 -.0047902 -.0009598
Day7 -.0009562 .0009423 -1.01 0.310 -.0028033 .0008909
_cons .3191826 .0093678 34.07 0.000 .3008202 .337545
Fonte: Autoria própria (2020)

Variável métrica loghour (horário do dia) apresenta significância positiva, indicando

que o horário do dia em que a emergência ocorreu pode impactar no TR. Tempo de despacho
médio de 3min06seg e tempo de deslocamento médio de 5min31seg. Demais variáveis não
métricas influenciam, negativamente, e ao assumirem valor 1 promovem diminuição no TR.
 112

Maiores influências, apesar de pequenas, de ordem centesimal, continuam sendo as

dummies da variável característica da emergência. Demais variáveis não métricas têm
influência de ordem milesimal ou menor.

4.2.3.3 Quantil 50%

A Tabela 26 apresenta as frequências de casos observadas no Quantil 50%.

Tabela 26 – Frequências de casos no Quantil 50%

Variable Obs Mean Std. Dev. Min Max
Response_Min 915 11 0 11 11
Dispatch_min 915 3,557377 1,427971 1 11
ToScene_Min 915 7,064481 1,446794 0 10
Gender_Cat 915 1,463388 0,4989305 1 2
Status_I 915 2,555191 0,6187823 1 3
Type_Call 915 3,286339 1,819833 2 6
Day 915 3,96612 2,049697 1 7
Age_Numb 909 46,39494 24,26413 0 104
Fonte: Autoria própria (2020)

Coeficiente de determinação de 75,82%. Variáveis métricas em nível de sistema

logdisp (tempo de despacho) e logtoscene (tempo de deslocamento) tem influência significativa
e positiva, e logtoscene (tempo de deslocamento) é mais relevante, conforme Tabela 27.

Tabela 27 – Comportamento das variáveis independentes no Quantil 50%

Median regression Number of obs = 11380
Raw sum of deviations 2057.377 (about 1.0413927)
Min sum of deviations 497.499 Pseudo R2 = 0.7582
logresponse Coef. Std. Err. t P>|t| [95% Conf. Interval]
logdisp .3489523 .0023411 149.06 0.000 .3443633 .3535412
logtoscene .6309281 .0020973 300.82 0.000 .6268169 .6350392
loghour .0035134 .0022215 1.58 0.114 -.000841 .0078679
logage .0021813 .0023966 0.91 0.363 -.0025164 .0068791
Call2 -.007242 .0333716 -0.22 0.828 -.0726561 .0581722
Call3 -.002033 .0336102 -0.06 0.952 -.0679149 .0638489
Call4 -.0230864 .0342952 -0.67 0.501 -.0903109 .0441381
Call5 .0032387 .0335944 0.10 0.923 -.0626121 .0690895
Call6 -.0064093 .0333651 -0.19 0.848 -.0718106 .0589921
Call7 -.0448698 .0333924 -1.34 0.179 -.1103246 .0205851
Gender2 -.003011 .0012857 -2.34 0.019 -.0055311 -.0004908
Status2 -.0029071 .0025835 -1.13 0.260 -.0079712 .0021569
Status3 -.0041473 .0024431 -1.70 0.090 -.0089362 .0006415
Day2 -.005895 .0022498 -2.62 0.009 -.010305 -.001485
Day3 -.0015973 .0023139 -0.69 0.490 -.006133 .0029384
Day4 .0019621 .0023957 0.82 0.413 -.0027339 .0066581
Day5 -.0024508 .0023076 -1.06 0.288 -.006974 .0020724
Day6 -.0047816 .002337 -2.05 0.041 -.0093626 -.0002006
Day7 -.0017224 .0022557 -0.76 0.445 -.006144 .0026993
_cons .3416695 .0337358 10.13 0.000 .2755415 .4077975
Fonte: Autoria própria (2020)
 113

TR médio de 11 minutos com mínimo e máximo de 11 minutos para 915 casos. Tempo
de despacho médio de 3min33seg e tempo de deslocamento médio de 7min03seg. Muitas
variáveis não apresentam significância, exceção das variáveis não métricas Gender2 (gênero
feminino), Day2 (segunda-feira) e Day6 (sexta-feira) que influenciam, negativamente, e ao
assumirem valor 1 promovem diminuição no TR.

4.2.3.4 Quantil 70%

A Tabela 28 apresenta frequências de casos observadas no Quantil 70%.

Tabela 28 – Frequências de casos no Quantil 70%

Variable Obs Mean Std. Dev. Min Max
Response_Min 1142 14,46497 0,4989902 14 15
Dispatch_min 1142 4,350263 2,17787 1 15
ToScene_Min 1142 9,688266 2,215993 0 14
Gender_Cat 1142 1,449212 0,4976318 1 2
Status_I 1142 2,595447 0,6089432 1 3
Type_Call 1142 3,302102 1,829923 2 6
Day 1142 3,910683 2,083887 1 7
Age_Numb 1128 47,84397 22,84115 0 106
Fonte: Autoria própria (2020)

Coeficiente de determinação explica em 73,88% da variável TR. Variáveis métricas

em nível de sistema logdisp (tempo de despacho) e logtoscene (tempo de deslocamento) com
influência significativa e positiva com maior relevância de logtoscene (tempo de deslocamento)
porém, observando-se que o coeficiente vem diminuído ao longo dos quantis. TR médio de
14min27seg, com mínimo de 14 minutos e máximo de 15 minutos para 1.142 casos. Variável
métrica loghour (horário do dia) apresenta significância positiva, indicando que o horário do
dia em que a emergência ocorreu pode impactar no TR.
A estatística descritiva mostra que a maior frequência de respostas a chamados de
emergência ocorreu entre 11:00 e 11:59 (n=771, 6,4% dos casos) e considerando turnos de
trabalho o maior número de respostas a chamados de emergência (n=4.182, 34,7% do total)
ocorreu no turno da tarde entre 12:00 e 17:59 evidenciando a possibilidade de que o uso mais
intenso dos recursos físicos e humanos nesses períodos pode afetar o TR, situação inversa, por
exemplo à evidenciada por Aboueljinane, Jemai e Sahin (2012) que identificaram maior número
de chamados de emergência no período das 19:00 às 23:00 no SAMU de Val-de-Marne
(França).
 114

Todas as variáveis não métricas influenciam, negativamente e ao assumirem valor 1,

promovem diminuição do TR, conforme Tabela 29.

Tabela 29 – Comportamento das variáveis independentes no Quantil 70%

7 Quantile regression Number of obs = 11380
Raw sum of deviations 1921.285 (about 1.1760913)
Min sum of deviations 501.7564 Pseudo R2 = 0.7388
logresponse Coef. Std. Err. t P>|t| [95% Conf. Interval]
logdisp .3745257 .0023868 156.91 0.000 .3698471 .3792043
logtoscene .6104167 .0020801 293.46 0.000 .6063394 .6144941
loghour .0050671 .0017386 2.91 0.004 .0016591 .0084751
logage -.0031838 .0018849 -1.69 0.091 -.0068785 .0005109
Call2 -.0998963 .0172018 -5.81 0.000 -.1336148 -.0661778
Call3 -.1001513 .0174867 -5.73 0.000 -.1344282 -.0658743
Call4 -.1042593 .0182786 -5.70 0.000 -.1400884 -.0684302
Call5 -.0890019 .0174626 -5.10 0.000 -.1232317 -.0547722
Call6 -.0980893 .0171935 -5.71 0.000 -.1317916 -.064387
Call7 -.1619962 .0172272 -9.40 0.000 -.1957645 -.1282278
Gender2 -.0021347 .001007 -2.12 0.034 -.0041086 -.0001608
Status2 -.0020228 .0020271 -1.00 0.318 -.0059963 .0019507
Status3 -.004087 .0019152 -2.13 0.033 -.0078411 -.0003329
Day2 -.0040693 .001764 -2.31 0.021 -.0075271 -.0006115
Day3 -.0002515 .0018138 -0.14 0.890 -.0038069 .0033039
Day4 -.0006466 .0018778 -0.34 0.731 -.0043275 .0030343
Day5 -.0011834 .0018083 -0.65 0.513 -.004728 .0023611
Day6 -.0032625 .0018347 -1.78 0.075 -.0068587 .0003337
Day7 -.0024362 .001769 -1.38 0.168 -.0059037 .0010313
_cons .4706185 .0176554 26.66 0.000 .4360108 .5052262
Fonte: Autoria própria (2020)

Maiores influências, apesar de pequenas, de ordem centesimal, continuam sendo as

dummies da variável característica da emergência. As demais variáveis não métricas têm
influência de ordem milesimal ou menor.

4.2.3.5 Quantil 90%

Quantis mais elevados, tal qual o quantil 90%, são usados para medir intervalos, por
vezes distorcidos, de APH por refletir o desempenho do sistema para a maioria dos pacientes e
se os quantis mais elevados excederem um valor de referência predeterminado ou se
aumentarem com o tempo indica de que o desempenho do sistema precisa ser melhorado
(AUSTIN; SCHULL, 2003; SCHULL et al., 2003).
A Tabela 30 apresenta as frequências de casos observadas no Quantil 90%.
 115

Tabela 30 – Frequências de casos no Quantil 90%

Variable Obs Mean Std. Dev. Min Max
Response_Min 983 21,19939 1,685846 19 24
Dispatch_min 983 6,211597 4,285863 1 24
ToScene_Min 983 14,43947 4,423616 0 22
Gender_Cat 983 1,437436 0,4963229 1 2
Status_I 983 2,542218 0,6461526 1 3
Type_Call 983 3,420142 1,867146 2 6
Day 983 4,028484 2,152345 1 7
Age_Numb 976 45,81352 22,8962 0 103
Fonte: Autoria própria (2020)

O coeficiente de determinação consegue explicar em 70,74% essa variável. Variáveis

métricas em nível de sistema logdisp (tempo de despacho) e logtoscene (tempo de
deslocamento) mantêm influência significativa e positiva com predominância de logtscene
(tempo de deslocamento), conforme a Tabela 31.

Tabela 31 – Comportamento das variáveis independentes no Quantil 90%

9 Quantile regression Number of obs = 11380
Raw sum of deviations 1117.935 (about 1.3802112)
Min sum of deviations 327.0801 Pseudo R2 = 0.7074
logresponse Coef. Std. Err. t P>|t| [95% Conf. Interval]
logdisp .4546531 .0121499 37.42 0.000 .4308372 .478469
logtoscene .5900738 .0105351 56.01 0.000 .5694232 .6107243
loghour .011725 .0062612 1.87 0.061 -.000548 .0239979
logage -.0119288 .0070254 -1.70 0.090 -.0256997 .0018421
Call2 -.0535552 .0326375 -1.64 0.101 -.1175302 .0104199
Call3 -.0549006 .0346289 -1.59 0.113 -.1227792 .012978
Call4 -.0398393 .0390266 -1.02 0.307 -.1163382 .0366596
Call5 -.0257757 .034442 -0.75 0.454 -.093288 .0417365
Call6 -.0436642 .0325674 -1.34 0.180 -.107502 .0201737
Call7 -.1674388 .0327847 -5.11 0.000 -.2317024 -.1031752
Gender2 -.0054027 .0036782 -1.47 0.142 -.0126127 .0018073
Status2 -.0016941 .0073777 -0.23 0.818 -.0161557 .0127675
Status3 -.0052574 .0069756 -0.75 0.451 -.0189308 .008416
Day2 -.0154473 .0064374 -2.40 0.016 -.0280657 -.0028288
Day3 -.0018432 .0066055 -0.28 0.780 -.0147911 .0111048
Day4 -.0050964 .0068546 -0.74 0.457 -.0185326 .0083398
Day5 -.0105008 .0066084 -1.59 0.112 -.0234544 .0024529
Day6 -.0139662 .0067056 -2.08 0.037 -.0271104 -.000822
Day7 -.011257 .0064311 -1.75 0.080 -.023863 .001349
_cons .4757817 .0362556 13.12 0.000 .4047143 .546849
Fonte: Autoria própria (2020)

TR médio de 21min12seg, com mínimo de 19 minutos e máximo de 24 minutos. Todas

as variáveis não métricas influenciam, negativamente e as maiores influências, mesmo
pequenas na ordem centesimal, referem-se às dummies da variável característica da emergência.
Demais variáveis não métricas tem influência de ordem milesimal ou menor.
A Tabela 32, a seguir, resume todos os quantis.
 116
Tabela 32 – Síntese do comportamento das variáveis independentes ao longo dos quantis
Quantil 10% Quantil 30% Quantil 50% Quantil 70% Quantil 90%
Pseudo R2 = 0.8224 Pseudo R2 = 0.7877 Pseudo R2 = 0.7582 Pseudo R2 = 0.7388 Pseudo R2 = 0.7074
logresponse Coef. P>|t| Coef. P>|t| Coef. P>|t| Coef. P>|t| Coef. P>|t|
logdisp .3269684 0.000 .345846 0.000 .3489523 0.000 .3745257 0.000 .4546531 0.000
logtoscene .6731429 0.000 .661088 0.000 .6309281 0.000 .6104167 0.000 .5900738 0.000
loghour 4.21e-10 1.000 .0024743 0.007 .0035134 0.114 .0050671 0.004 .011725 0.061
logage 8.73e-10 1.000 -.0009833 0.321 .0021813 0.363 -.0031838 0.091 -.0119288 0.090
Call2 -.0405218 0.000 -.0330975 0.000 -.007242 0.828 -.0998963 0.000 -.0535552 0.101
Call3 -.0398487 0.000 -.0304833 0.001 -.002033 0.952 -.1001513 0.000 -.0549006 0.113
Call4 -.0405416 0.000 -.0376333 0.000 -.0230864 0.501 -.1042593 0.000 -.0398393 0.307
Call5 -.0405022 0.000 -.0264793 0.004 .0032387 0.923 -.0890019 0.000 -.0257757 0.454
Call6 -.0406627 0.000 -.0330843 0.000 -.0064093 0.848 -.0980893 0.000 -.0436642 0.180
Call7 -.0389837 0.000 -.0368119 0.000 -.0448698 0.179 -.1619962 0.000 -.1674388 0.000
Gender2 -.0001744 0.003 -.0006513 0.225 -.003011 0.019 -.0021347 0.034 -.0054027 0.142
Status2 -.0010198 0.000 -.0015565 0.149 -.0029071 0.260 -.0020228 0.318 -.0016941 0.818
Status3 -.0010198 0.000 -.0024951 0.014 -.0041473 0.090 -.004087 0.033 -.0052574 0.451
Day2 -.0002366 0.022 -.0030207 0.001 -.005895 0.009 -.0040693 0.021 -.0154473 0.016
Day3 -.0006731 0.000 -.0025252 0.009 -.0015973 0.490 -.0002515 0.890 -.0018432 0.780
Day4 -.0001744 0.111 .0003518 0.725 .0019621 0.413 -.0006466 0.731 -.0050964 0.457
Day5 -.0005519 0.000 -.0021566 0.025 -.0024508 0.288 -.0011834 0.513 -.0105008 0.112
Day6 -.0006927 0.000 -.002875 0.003 -.0047816 0.041 -.0032625 0.075 -.0139662 0.037
Day7 -.0005519 0.000 -.0009562 0.310 -.0017224 0.445 -.0024362 0.168 -.011257 0.080
_cons .3168407 0.000 .3191826 0.000 .3416695 0.000 .3168407 0.000 .4757817 0.000
Fonte: Autoria própria (2020)
 117

Para observar se os coeficientes das variáveis apresentam diferenças estatisticamente

significativas entre os quantis executou-se Teste F, que pode ser aplicado para cada variável
para verificar a existência de ao menos uma diferença entre as possibilidades de comparações,
tendo como vantagem não exigir ajustes em relação à dimensões discrepantes dos grupos para
se obter diversas comparações (FÁVERO, BELFIORE, 2017). Variáveis que apresentam
Prob>F < 0,05 indicam que há diferença significativa e que o impacto da variável independente
sobre a variável resposta se altera de forma significativa entre os quantis. A Tabela 33 apresenta
os resultados do Teste F.

Tabela 33 – Teste de Estatística F das variáveis do modelo de regressão

Variável Resultado
logdisp F( 4, 11360) = 123.58
Prob > F = 0.0000
logtosence F( 4, 11360) = 95.10
Prob > F = 0.0000
loghour F( 4, 11360) = 5.65
Prob > F = 0.0002
logage F( 4, 11360) = 2.17
Prob > F = 0.0699
Day2 F( 4, 11360) = 2.91
Prob > F = 0.0204
Day3 F( 4, 11360) = 1.06
Prob > F = 0.3728
Day4 F( 4, 11360) = 0.55
Prob > F = 0.6977
Day5 F( 4, 11360) = 3.14
Prob > F = 0.0138
Day6 F( 4, 11360) = 1.67
Prob > F = 0.1543
Day7 F( 4, 11360) = 0.79
Prob > F = 0.5304
Call2 F( 4, 11360) = 3.29
Prob > F = 0.0105
Call3 F( 4, 11360) = 3.92
Prob > F = 0.0035
Call4 F( 4, 11360) = 1.65
Prob > F = 0.1586
Call5 F( 4, 11360) = 4.98
Prob > F = 0.0005
Call6 F( 4, 11360) = 3.47
Prob > F = 0.0078
Call7 F( 4, 11360) = 2.42
Prob > F = 0.0459
Gender2 F( 4, 11360) = 1.64
Prob > F = 0.1612
Status2 F( 4, 11360) = 0.20
Prob > F = 0.9408
Status3 F( 4, 11360) = 1.08
Prob > F = 0.3647
Fonte: Autoria própria (2020)
 118

Na regressão quantílica a primeira observação a ser feita diz respeito ao R2, ou

coeficiente de determinação, que pode ser entendido como “uma medida da quantidade de
variação em uma variável que é explicada pela outra” (FIELD, 2009, p.143). Para Hair et al.
(2009, p.150) “quanto maior o valor de R2, maior o poder de explicação da equação de regressão
e, portanto, melhor a previsão da variável dependente”.
Outra observação diz respeito à significância, pois, P>|t| indica se a variável
independente é significativa ou não para prever a variável dependente, pois, se P>|t| for menor
que 0,05 constata-se que a variável é significativa, ou seja, que tem relação com a variável
dependente, pois, para Field (2009, p.51) “se há somente 5% de probabilidade de algo acontecer
por acaso, podemos aceitar que é uma descoberta verdadeira, dizemos que é uma descoberta
estatisticamente significativa”.

4.2.4 Hipóteses suportadas e não suportadas

A seguir são resgatadas todas as hipóteses formuladas para este trabalho de pesquisa.

4.2.4.1 H1: O tempo de despacho influencia positivamente o TR

A variável métrica em nível de sistema logdisp (tempo de despacho) mostrou-se

significativa e com coeficientes altos e positivos em todos os quantis, caracterizando-se como
uma das variáveis relevantes do modelo. Os coeficientes dessa variável métrica aumentam,
logo, nos quantis mais elevados o tempo de despacho passa a ter maior importância e o tempo
de deslocamento, consequentemente, menor importância (apesar de, no contexto geral,
prevalecer, perdendo importância relativa).
Do et al. (2013) detectaram aumento do TR a partir do quantil 50%, porém, em
decorrência do aumento do volume de chamados de emergência ao SME a partir do quantil
50%, ou seja, maior volume de chamados exigindo maior tempo para triagem e regulação
(componentes do tempo de despacho) até a tomada de decisão de despachar um veículo de
emergência. Nehme, Andrew e Smith (2016) associam práticas de triagem excessiva ao
aumento do tempo de despacho. Lin (2013) sustenta que em situações de altos volumes de
chamados emergência, conflitos e riscos relativos à emergência podem afetar o despacho e
comprometer o fornecimento do resgate.
 119

Além disso, este trabalho não avaliou, por indisponibilidade dados do SME, outras
variáveis eventualmente associadas a maior carga de trabalho no processo de despacho, tal qual
fizeram Do et al. (2013) ao considerarem o impacto do volume de chamados de emergência
recebidos em horários específicos e, por isso, H1 é suportada.

4.2.4.2 H2: O tempo de deslocamento afeta positivamente o TR

A variável métrica em nível de sistema logtoscene (tempo de deslocamento) também

se mostrou significativa e com coeficientes altos e positivos em todos os quantis,
caracterizando-se como uma das variáveis relevantes do modelo. Importante observar o
comportamento dos coeficientes dessa variável métrica, que reduzem gradativamente ao longo
dos quantis, ou seja, com o aumento do TR nos quantis mais altos a importância do tempo de
deslocamento é menor e o coeficiente diminui, mas a variável mostrou significância e altos
coeficientes em todos os quantis.
Essa variável métrica varia entre os quantis e tal variação pode estar relacionada à
variação, entre os quantis, da origem do chamado de emergência, nesse caso relacionada à
cidade que originou o chamado. Em relação às variáveis métricas e não métricas selecionadas
para o modelo de regressão, não incluíram a origem do chamado de emergência, ainda que essa
informação estivesse disponível na Base de Dados 3, todavia, nem o sistema e-SUS-SAMU
nem o RAS contém quaisquer registros de distâncias em quilômetros da origem do chamado
em relação à CRM, tampouco sobre a distância entre a origem do chamado e a base
descentralizada responsável pela ambulância despachada para o local de origem do chamado,
pois, conforme, descrito, não existem diretrizes limitando a abrangência de uma base
descentralizada às cidades adjacentes, tampouco há circunscrição formal de cidades às bases
descentralizadas.
Ainda que Austin e Schull (2003), Schull et al. (2003), Do et al. (2013) e Nehme,
Andrew e Smith (2016) tenham considerado essa variável em seus trabalhos, não se identificam
comentários remetendo à eventual maior importância do tempo de deslocamento em relação ao
tempo de despacho. Austin e Schull (2003) associaram aumento no tempo de deslocamento a
desvios em itinerários inicialmente definidos para as ambulâncias, mas, nesse caso, dispunham
de informações geradas automaticamente quando as equipes ativavam um console de
comunicações em suas ambulâncias todas as vezes que começavam e terminavam um
atendimento de emergência.
 120

Nehme, Andrew e Smith (2016), dispondo da informação sobre as distâncias em

quilômetros e em linha reta entre a origem do chamado e as bases de operações das quais foram
despachadas as ambulâncias, conseguiram determinar a distância média da cena e os
consequentes incrementos, em quilômetros tanto nos quantis inferiores quanto nos superiores.
Assim, H2 é suportada.

4.2.4.3 H3: O horário do dia afeta positivamente o TR

A variável métrica específica loghour (horário do dia) apresentou significância nos

quantis 30% e 70%, ou seja, nos quantis que agregam os 30% menores e 30% maiores TR,
porém, com coeficientes baixos, 0,0024743 e 0,0050671, respectivamente. Os resultados
mostram que o horário das 11:00 às 11:59 concentrou o maior número de chamados, semelhante
ao encontrado por Nehme, Andrew e Smith (2016). Os resultados também mostram que em
relação aos turnos de trabalho as demandas por atendimentos se concentraram entre 12:00 e
17:59, ou seja, no turno da tarde e, no caso do SAMU Sudoeste do Paraná, uma possível
explicação pode estar relacionada ao comportamento da disponibilidade de recursos físicos e
humanos necessários ao longo do dia para atendimento aos chamados de emergência.
Durante as observações presenciais dos processos na CRM constatou-se que mesmo
existindo escalas de trabalho predeterminadas para dias e horários da semana é comum que haja
ausências tanto de enfermeiros, auxiliares de enfermagem e médicos, muitas vezes sem
comunicação prévia, comprometendo a disponibilidade de recursos humanos e,
consequentemente, a capacidade de resposta do SME, pois, existem diretrizes sobre o número
mínimo de pessoas e respectivas qualificações necessárias para constituição das equipes das
USB e USA.
Parte da equipe de profissionais do SAMU Sudoeste do Paraná tem dois ou até três
empregos, uma vez que o SME não oferece plano de carreira ou plano de cargos e salários
(BRASIL, 2006a; VAN DER VAART; VASTAG; WIJNGAARD, 2011). Em relação a esse
aspecto, se trata de situação evidenciada no SAMU em todo o Brasil, com vínculos trabalhistas
variados e precários que afetam esses profissionais (O’DWYER et al., 2017).
Outro exemplo pode ser observado na contextualização do processo de auditoria,
quando se evidenciou o deslocamento de uma USA para atender vítima que já estava sendo
atendida pela equipe de uma USB. A USA foi deslocada, deixando a descoberto a CRM caso,
naquele interim, fosse requisitada e, pior, ao chegar à cena para a qual foi requisitada, constatou
que a equipe da USB havia removido a vítima para o hospital mais próximo.
 121

Austin e Schull (2003), Do et al. (2013) e Nehme, Andrews e Smith (2016)

argumentam sobre como a indisponibilidade ou o uso inapropriado de recursos pode impactar
sobre o TR num SME. David e Brachet (2009) exploram, especificamente, o resultado em
função do volume de trabalho de equipes de despacho de ambulâncias, argumentando que essas,
quando expostas a turnos de trabalhos mais longos, são afetadas por fadiga e desgaste, com
reflexo no aumento do tempo de resposta.
Além disso, a complexidade do trabalho em serviços de emergência pode trazer como
reflexo a diminuição do senso de responsabilidade com o passar dos anos em face das
experiências vivenciadas pelas pessoas que trabalham nesses serviços (LIN, 2013) Assim,
entende-se que H3 é suportada.

4.2.4.4 H4: A idade do paciente influencia positivamente o TR

Em relação à variável métrica em nível de paciente logage (idade), não apresentou

significância em nenhum dos quantis, concluindo-se que não impacta na varável TR, tal qual
constatação de Do et al. (2013). Portanto, H4 não é suportada.

4.2.4.5 H5: Atendimentos a pacientes do gênero masculino influenciam mais o TR

A variável não métrica em nível de paciente Gender2 (dummy para a categoria

feminino na variável gênero) apresentou significância nos quantis 10%, 50% e 70% com
coeficientes negativos em todos os quantis quando confrontada com a categoria-base (que se
refere a categoria masculino). Os dados evidenciam que a variável não métrica Gender2 ao
assumir valor 1 reduz, ainda que infimamente, o TR e com o aumento do TR nos quantis mais
altos o decréscimo proporcionado por Gender2 é maior, ou seja, a influência do gênero feminino
aumenta com o TR. Schull et al. (2003) identificaram o gênero feminino como um preditor
significativo de maior tempo de resposta.
Uma possível resposta para isso não pode ser extraída dos dados do sistema e-SUS-
SAMU e advém somente da percepção obtida por meio da observação presencial dos processos
na CRM que permitiu acesso à regulação: critérios subjetivos dos MR não registrados no
sistema e-SUS-SAMU em suas decisões de despachar ambulâncias quando a vítima é do sexo
feminino, circunstância que impossibilita tratamento estatístico requerendo outra abordagem,
por exemplo, entrevistas.
 122

O julgamento pessoal dos profissionais que atuam em serviços de emergência nem

sempre é claramente observável, ainda que existam protocolos e sistemas de comunicação para
a tomada de decisão (HOOGENDOORN et al., 2009). Por isso H5 é suportada.

4.2.4.6 H6: Atendimentos a casos clínicos influenciam mais o TR

As variáveis dummies não métricas em nível de paciente relativas às características

das emergências Call2 (casos clínicos), Call3 (casos obstétricos), Call4 (casos pediátricos),
Call5 (casos psiquiátricos), Call6 (casos de trauma) e Call7 (casos ignorados) quando
confrontadas com a categoria-base (que se refere a casos de afogamento) apresentaram
significância nos quantis 10%, 30% e 70% e mostraram-se sem significância nos quantis 50%
e 90% (com exceção da variável Call7 que mostrou significância no quantil 90%.
Entretanto, os coeficientes dessas variáveis foram negativos, na ordem centesimal, em
todos os quantis (exceção da variável Call5 cujo coeficiente foi positivo, entretanto, muito
baixo, no quantil 50%), permitindo concluir que atendimentos para casos de afogamentos
tendem a influenciar mais a variável resposta TR que atendimentos para as demais categorias
da variável (casos clínicos, obstétricos, pediátricos, psiquiátricos, trauma e mesmo os de
caraterística ignorada). Desse modo, H6 não é suportada.

4.2.4.7 H7: Atendimentos a casos críticos influenciam mais o TR

A variável não métrica em nível de sistema Status2 (dummy para a categoria não crítico
da variável gravidade presumida) apresentou significância somente no quantil 10%, porém,
com coeficientes negativos em todos os quantis, enquanto a variável Status3 (dummy para a
categoria leve da variável gravidade presumida) apresentou significância nos quantis 10%, 30%
e 70%, também com coeficientes negativos em todos os quantis quando confrontadas com a
categoria-base (que se refere a categoria crítico).
O comportamento da variável não métrica vai de crítico para não crítico e leve, e o
fato de o coeficiente ser negativo indica que o TR diminui quando a variável não métrica em
nível de sistema Status2 (dummy para a categoria não crítico da variável gravidade presumida)
assume valor 1, isto é, quando a gravidade é menor. Assim, H7 é suportada.
 123

4.2.4.8 H8: Atendimentos aos domingos influenciam mais o TR

As variáveis dummies não métricas em nível específico para os dias da semana Day2
(segunda-feira), Day3 (terça-feira), Day4 (quarta-feira), Day5 (quinta-feira), Day6 (sexta-feira)
e Day7 (sábado) quando confrontadas com a categoria-base (domingo) apresentaram
comportamento distintos. A variável Day2 (segunda-feira) apresentou significância em todos
os quantis, porém, com coeficientes negativos em todos eles, enquanto as variáveis Day3 (terça-
feira) e Day5 (quinta-feira) apresentaram significâncias nos quantis 10% e 30%, entretanto,
seus coeficientes foram negativos em todos os quantis.
A variável Day4 (quarta-feira) não apresentou significância em nenhum dos quantis,
enquanto a variável Day6 (sexta-feira) apresentou significância nos quantis 10% e 30%, 50% e
90%, contudo, seus coeficientes foram negativos em todos os quantis. Finalmente, a variável
Day7 (domingo) apresentou significância no quantil 10% e coeficientes negativos em todos os
quantis. Assim, H8 não é suportada.
A Figura 17 demonstra os efeitos das variáveis independentes sobre a variável
dependente, em que: (i) a linha verde indica o coeficiente da variável independente ao longo
dos quantis como apresentado na regressão, (ii) a faixa cinza representa o intervalo de confiança
da regressão quantílica, (iii) a linha preta tracejada representa o coeficiente considerando a
regressão dos mínimos quadrados ordinários (MQO), (iv) as linhas pontilhadas acima e abaixo
da linha preta tracejada representam o intervalo de confiança da regressão dos mínimos
quadrados ordinários, independente do quantil, evidenciando que para algumas variáveis
independentes a linha verde ultrapassa a linha pontilhada (intervalo de confiança da MQO), o
que indica que a MQO não é um modelo de regressão apropriado.
Nehme, Andrews e Smith (2016) concluíram que todos os intervalos de tempos
aumentaram com os quantis mais altos, porém, dispunham de informações sobre as distâncias
percorridas pelas ambulâncias podendo, assim, inferir sobre o impacto de cada quilômetro a
mais percorrido sobre os intervalos de tempos. O aumento do TR ao longo do quantis pode ser
explicado, em parte, pelas limitações das tecnologias da informação e comunicação do SME,
conforme explorado no estudo de caso: sistema inadequado, não integrado e não integrável,
com falhas capazes de gerar tempos discrepantes ainda durante da regulação médica, com o
agravo da transferência do controle eletrônico – já comprometido – para o controle em
formulário impresso suscetível a falhas e inconsistências no preenchimento.
 124

Figura 17 – Impacto das variáveis independentes sobre a variável dependente

Fonte: Autoria própria (2020)

Falhas na comunicação via rádio e principalmente por meio dos telefones móveis,
sujeitos à área de sombreamento de sinal, podem acarretar a troca de informações incompletas,
quedas de conexão e necessidades de novos chamados que podem levar à perda de tempo
precioso na resposta à emergência. Informações incompletas quanto à localização precisa da
cena da emergência podem comprometer o tempo de deslocamento, suscetível ainda ao volume
do tráfego em áreas urbanas, rodovias e estradas rurais (SEOW; LIM, 1993).
As variáveis logdisp (tempo de despacho) e logtoscene (tempo de deslocamento),
associadas ao intervalo até a chegada na cena da emergência, caracterizam-se como as variáveis
relevantes do modelo. Apesar das outras variáveis também serem significativas, observa-se que
seu impacto é muito pequeno, próximo de zero, pouco contribuindo para a estimação da variável
resposta.
 125

Ainda que a tarefa de planejar o gerenciamento de um SME impute desafios em face

da variabilidade de previsão de volume, da localização e da gravidade dos chamados, a maior
quantidade e qualidade dos dados provenientes dos sistemas utilizados pelos SME pode facilitar
essa tarefa (INGOLFSSON, 2013).

4.2.5 SAMU Sudoeste do Paraná no contexto de cidades inteligentes e sustentáveis

Percebe-se que o primeiro elemento concernente ao SAMU no contexto das dimensões

de cidades inteligentes e sustentáveis diz respeito à sua governança, gestão colegiada exercida
por meio de seu Conselho Deliberativo representando, por meio das figuras dos prefeitos, as 42
cidades que são parte mantenedora das operações do SME. Esse Conselho conta com o apoio
da Coordenação Regional, atuando em nível tático para articular o relacionamento com os
demais atores envolvidos (conselhos municipais de saúde, regionais de saúde, demais
instituições de segurança pública, entre outros) bem como para melhorar as atividades
operacionais do SME.
Tem-se, portanto, instituições e organizações governamentais congregadas por meio
de um interesse comum e compartilhado, trabalhando direta e efetivamente pela prestação de
um serviço público de interesse direto dos cidadãos (NAM; PARDO, 2011b). Bolívar e Meijer
(2016) enfatizam que a governança inteligente é um composto envolvendo uso de tecnologias
da informação e comunicação, colaboração externa e participação resultando e operações e
serviços centrados no cidadão, colaboração interna para consecução de objetivos comuns,
processo de tomada de decisão sustentado em diagnóstico, planejamento estratégico e ações,
administração eletrônica com interação online entre departamentos e cidadãos e a definição
clara de resultados esperados para os serviços públicos.
Em relação a esse composto, as operações e serviços centrados no cidadão são afetados
pelas sérias limitações da infraestrutura de tecnologia da informação e comunicação do SME
que, por consequência, afetam também a capacidade de comunicação capaz de esclarecer quais
são os resultados desejados para os serviços prestados pelo SME como, por exemplo, a
definição clara de TR esperado e ações estratégicas alinhadas para o atingimento do indicador
estabelecido. Conforme evidenciado, as hipóteses H1, H2 e H7 que afetaram o TR referem-se a
fatores em nível de sistema, ou seja, dizem respeito às atividades operacionais que tratam da
abertura, do processamento e da decisão inerente a um chamado de emergência, atividades
fortemente afetadas pelas tecnologias da informação e comunicação e cujo desdobramento se
converte num indicador de resultado.
 126

Avanço tecnológico não garante desempenho tecnológico, pois, desempenho depende

de gerenciamento da infraestrutura de tecnologia da informação e comunicação, e esse deve ser
um dos objetivos da governança (NAM; PARDO, 2011b). A infraestrutura de tecnologia da
informação e comunicação vai muito além do equipamento e do sistema, referindo-se a uma
grande rede de informações disponível para todos que possuam dispositivos habilitados ao
acesso dessa informação, criando condições para o desenvolvimento de operações e serviços
mais inteligentes (BATTY et al., 2012; SCHOLL; ALAWADHI, 2016).
É necessário estabelecer um processo gradativo de comunicação e compartilhamento
de informações objetivando sinergias entre pessoas, máquinas e sistemas (AVANZI et al.,
2017). Considerando o papel da governança e as hipóteses H1, H2 e H7 que afetaram o TR,
pode-se considerar que a descentralização no atendimento aos chamados de emergência
(SAMU, Polícia Militar, Corpo de Bombeiros) implica em retardo do TR, denotando grande
oportunidade de experimentação das habilidades da governança para a integração política
visando a implantação de um centro de operações conjunto envolvendo todos os atores
institucionais, almejando a interoperabilidade organizacional, intercomunitária, política e
técnica.
Para Machado, Salvador e O’Dwyer (2011, p.527) “a organização de um sistema
integrado de atendimento de emergência requer um maior investimento público em vários
níveis”. Para Nam e Pardo (2011b, p.188) “o crescente apoio à interoperabilidade transcende o
partidarismo político e atravessa áreas e instituições políticas”. Essa governança, em nível de
SME, constituída por chefes dos poderes executivos municipais de 42 cidades, deve ainda
atentar para os aspectos da mobilidade urbana que afeta diretamente a H2, especialmente nas
maiores cidades da região.
Gerenciamento de tráfego e/ou de semáforos afeta o tempo de deslocamento, que
compõe o TR. Congestionamentos e ocorrências de tráfego acarretam atrasos aos veículos de
SME, dos quais vidas humanas dependem (DJAHEL et al., 2013; UDAWANT et al., 2018).
Sistemas inteligentes podem auxiliar na otimização das centrais de operações bem como as
operações de campo, enquanto o controle de tráfego e dos sinais de trânsito pode oferecer aos
veículos de emergência um caminho seguro (LOGVINOV, 2019).
O segundo elemento que se evidencia crucial na estrutura do SAMU Sudoeste do
Paraná para contextualizá-lo às dimensões de cidades inteligentes e sustentáveis diz respeito à
sua mobilidade no que tange às tecnologias da informação e comunicação. O cenário de
sistemas diferentes, não integrados e não integráveis, se caracteriza como um problema grave
e com sérias consequências (SCHOLL; ALAWADHI, 2015).
 127

Porém, as limitações não se restringem somente aos sistemas utilizados pelo SME.
Tecnologias da informação e comunicação incluem equipamento e sistema como sensores (por
exemplo, GPS), computadores e terminais, smartphones, internet, redes wireless, sistemas de
telecomunicações, banco de dados, técnicas analíticas de big data, integração de banco de
dados, operação em tempo real, integração corporativa, suporte a decisões, entre outros (BIBRI;
KROGSTIE, 2017b).
Ainda que haja alguma infraestrutura de tecnologia da informação e comunicação,
pode-se dizer que se resume ao essencial para a manutenção das atividades, algumas das quais
ainda controladas com a utilização de formulários impressos, com o agravante de gerar
retrabalho para transferência das informações manuscritas para um aplicativo desenvolvido
para suprir deficiências do sistema principal. O sistema e-SUS-SAMU é uma solução pública,
sem custos, porém, limita-se ao controle da operação na CRM do SME, sem conexão com as
operações das ambulâncias quando essas são despachadas.
Sistemas de regulação desenvolvidos por empresas privadas oferecem soluções em
sistemas de despacho assistido por computador e de GPS com localizadores automáticos de
veículos que por sua vez estão equipados com computadores de bordo, que transmitem
informações diretamente ao controle de operações, com gravação e captura automática dos
horários (ARINGHIERI; CARELLO; MORALE; 2007; SILVA; PINTO, 2010;
ABOUELJINANE; JEMAI; SAHIN, 2012; NEHME; ANDREW; SMITH, 2016).
O composto tecnológico pode considerar a substituição do atual sistema e-SUS-
SAMU por uma ferramenta mais atual, de interface mais amigável, com maior poder de
processamento e capacidade de conexão com dispositivos móveis tais como tablets e
smartphones das equipes e aos computadores de bordo dos veículos de emergência
(HERNDERSON; MASON, 2004; COCHRAN et al., 2010; BLANCHARD et al., 2012;
NEHME; ANDREW; SMITH, 2016). Soluções como essas podem impactar diretamente sobre
as hipóteses H1, e H2, relacionadas ao processo regulação dos chamados de emergência e
despacho das ambulâncias. Para Ingolfsson (2013, p.125) “é necessário vincular dados do SME
a informações sobre o que aconteceu com o paciente antes e depois do chamado do SME, a fim
de desenvolver e rastrear medidas de desempenho”.
Pons e Markovchick (2002), ao avaliar o efeito de exceder a diretriz de TR de 8
minutos para vítimas de lesões traumáticas tratadas por um SME, propõem que a perseguição
de um TR de 8 minutos talvez não seja o mais adequado, pois, a minimização do TR da
ambulância pode aumentar a eficácia médica, mas, afeta a eficiência pela necessidade de
disponibilizar recursos adicionais aumentando o custo da prestação do serviço.
 128

Desse modo, a hipóteses H7, pode ser tratada sob a forma de definição, implantação e
capacitação em protocolos formais, ainda que respeitando a experiência e mesmo a
subjetividade do MR, sobre a conduta a ser seguida para definir a gravidade presumida para os
chamados que demandem despacho de ambulância.
 129

5 CONCLUSÃO

O referencial teórico permitiu caracterizar as operações de SME em nível nacional no

contexto do gerenciamento de operações de serviços, sob a ótica do trabalho de Jha, Sahay e
Charan (2016), e no contexto dos serviços em cidades inteligentes e sustentáveis com base em
Scholl, Patin e Chatfield (2012). Conseguiu, inda, agregar dados quantitativos sobre o SME em
nível nacional até então não compilados.
O estudo de caso conseguiu caracterizar as operações do SAMU Sudoeste do Paraná
com algum grau de detalhe quanto à sua estrutura, seus processos internos e externos e,
principalmente, quanto à limitação de sua infraestrutura de tecnologias da informação e
comunicação, reforçando as constatações de O’Dwyer et al. (2017), em especial, a dificuldade
para obtenção dos dados a partir de duas bases de dados independentes convertidas em uma
terceira base de dados utilizada para análises estatísticas.
Dessa maneira, este trabalho conseguiu responder ao seu objetivo geral de identificar
o TR dos chamados de emergência demandados à CRM do SAMU Sudoeste do Paraná que
resultaram em despacho de ambulâncias no ano de 2018, bem como fatores, esses em nível de
sistema, em nível de paciente e específicos associados a esse indicador de desempenho.
Com uso de estatística descritiva foi possível determinar o TR médio 14min25seg,
com mediana de 11 minutos, observando-se, ainda, a moda de 9 minutos. O TR foi mais afetado
por fatores em nível de sistema, de modo similar aos resultados encontrados por Nehm,
Andrews e Smith (2016). Em relação ao SAMU Sudoeste do Paraná, especificamente os fatores
tempo de despacho da ambulância, o tempo de deslocamento da ambulância e a gravidade
presumida atribuída pelo MR aos chamados de emergência.
A distribuição não normal dos dados e o diagnóstico de heterocedasticidade
inviabilizou a utilização regressão dos mínimos quadrados ordinários, conforme evidenciado
por Seim et al. 2018). Optou-se pela regressão quantílica, quando o modelo proposto conseguiu
explicar em grande parte como as variáveis independentes afetaram o TR ao longo dos quantis,
ainda que a partir do quantil 50% o modelo evidenciou discreta perda de capacidade de
explicação, o que leva a concluir que outras variáveis não incluídas no modelo podem exercer
influência no TR.
 130

Suportadas as hipóteses de que o tempo de despacho (H1), tempo de deslocamento

(H2), horário do dia (H3), atendimentos a pacientes do gênero masculino (H5), casos críticos
(H7), observa-se que as hipóteses H1, H2 e H7 referem-se a fatores em nível de sistema, ou seja,
são consequências de decisões afetadas principalmente pela intervenção do MR com base em
processos do SME que podem demandar ações corretivas para imelhoria de desempenho. As
hipóteses H3 e H8 referem-se a fatores específicos e a hipótese H5 refere-se aos fatores em nível
de paciente, ou seja, fogem ao controle do SME que em relação a elas pode agir apenas
preventivamente.
Assim, com base na identificação do TR e dos fatores que o afetam, foi possível
avaliar, com foco nas hipóteses H1, H2 e H7, como os conceitos de cidades inteligentes e
sustentáveis podem contribuir para a otimização dos processos do SME concluindo-se que as
dimensões governança e mobilidade podem subsidiar elementos capazes de contribuir para
melhorias e inovações incrementais nos processos SME, com base na proposição de Nam e
Pardo (2011b) e com apoio de Pardo, Nam e Burke (2012).
Considerando as características do SAMU Sudoeste do Paraná, as dimensões de
cidades inteligentes e sustentáveis aplicáveis ao seu contexto podem ser definidas como a
dimensão da governança inteligente, por contemplar um serviço público cujos resultados
requerem participação colegiada nos processos de tomada de decisão suscetíveis às perspectivas
estratégicas e políticas, e a dimensão da mobilidade inteligente por contemplar aspectos práticos
e operacionais envolvendo condições de acessibilidade local e regional, sistemas de tráfego e
infraestrutura de tecnologias da informação e comunicação.
Governança no contexto de cidades inteligentes e sustentáveis consiste na interação
processual entre várias partes interessadas, com diferentes papéis e responsabilidades,
distribuídas em estruturas internas e externas, orientadas e facilitadas por tecnologias da
informação e comunicação, sujeita à legislação, a políticas e acordos de troca entre as partes
envolvidas para obtenção de resultados substanciais e/ou mudanças de procedimentos
(RUHLANDT, 2018)
Para Washburn e Sindhu (2010) a construção da inteligência passa pela
interoperabilidade e requer recursos para investimentos nas tecnologias da informação e
comunicação necessárias e colaboração para tomada de decisão que vai além da esfera de
influência dos indivíduos que representam cada organização, além de um projeto de longo prazo
que contemple fontes de recursos financeiros necessários para o estabelecimento da
interoperabilidade desejada, práticas de gerenciamento de projetos, padrões de conformidade e
gerenciamento de riscos e, consequentemente, uma governança forte para fazer isso tudo.
 131

Por isso, sob a perspectiva de governança pública (e não apenas operacional) no

contexto de cidades inteligentes e sustentáveis, este trabalho contribuiu com uma base
diagnóstica capaz de orientar um plano diretor que poderá ser amparado com a utilização de
métodos de apoio multicritério à decisão com base nos conceitos de Pardo, Nam e Burke (2012)
de uma estrutura adequada ao desenvolvimento das capacidades multidimensionais para a
obtenção da interoperabilidade, conforme o Quadro 35.

Quadro 35 – Capacidades para a obtenção da interoperabilidade

Dimensão Categoria Capacidade requerida
Definir políticas de informação claras e precisas para suportar o
Política de informação
compartilhamento de informações desejado
Requisitos dos dados Estabelecer políticas de dados uniformes e padrões de dados
Definir criteriosamente as políticas, práticas, procedimentos e
Ambiente seguro
tecnologias de segurança para preservação de dados e informações
Tecnologia Trabalhar proativamente para mitigar barreiras em relação às
Aceitação tecnológica
mudanças tecnológicas e facilitar sua aceitação
Conhecimento Desenvolver competências da equipe para compilar, armazenar e
tecnológico compartilhar informações e conhecimentos
Compatibilidade Alinhar plataformas, infraestruturas e aplicativos padronizados,
tecnológica consistentes e conectados
Arquitetura da Decidir sobre o modelo de tecnologia e seus impactos sobre as
operação operações
Planejamento Estabelecer planos estratégicos claros e planos de ação vinculados a
estratégico metas e resultados específicos
Avaliação de Avaliar sistemática e rigorosamente os resultados e seus impactos,
desempenho integrados à coordenação operacional e formulação de políticas
Gerenciamento de Desenvolver habilidades, técnicas e ferramentas para direcionar e
Organização
projetos avaliar o desempenho do projeto
Identificar e gerenciar os recursos financeiros, técnicos e humanos
Gestão de recursos
necessários
Prontidão de Prover e disponibilizar políticas sobre o compartilhamento dos
colaboração diversos recursos necessários para colaboração interna e externa
Compatibilidade Identificar claramente e disseminar a cultura organizacional para
organizacional alinhar as práticas de trabalho
Governança Definir forma e claramente os mecanismos da governança
Liderança Desenvolver permanentemente lideranças fortes e eficazes
Governança
Obter o engajamento das partes interessadas por meio de
Partes interessadas
compromisso formal
Fonte: Adaptado de Pardo, Nam e Burke (2012)

Entre a inovação incremental proposta e os caminhos sugeridos, estão os riscos (NAM;

PARDO, 2011b). Entende-se que governança formalmente estruturada em planejamento que
contemple os interesses de todas as partes envolvidas mitiga os riscos de conflito entre essas
partes, equaliza eventual desalinhamento entre intenções de projetos, estabelece objetivos e
metas comuns e esclarece os papeis de todos os envolvidos ao atribuir responsabilidades,
favorecendo o fortalecimento de lideranças existentes bem como a formação de novos líderes,
atenuando eventuais pressões em nível estratégico e conflitos nos níveis tático e operacional,
resultando em colaboração e integração, essenciais à interoperabilidade.
 132

Indispensáveis à eficiência e eficácia da governança e à interoperabilidade, as

tecnologias da informação e comunicação são suscetíveis aos riscos do superdimensionamento
das expectativas em relação aos resultados que podem proporcionar, à resistência à sua adoção
em todos os níveis hierárquicos, muito provavelmente, em primeiro lugar, pela
incompatibilidade técnica encontrada entre as ferramentas utilizadas pelas partes interessadas
e, em segundo lugar, pelo desconhecimento de todas as suas funcionalidades.
O’Dwyer et al. (2017) tratando especificamente do SAMU, em contexto nacional,
elencam, como riscos administrativos, a desestruturação de acordos para melhorias no SME em
face das mudanças de gestão nos municípios, nos estados e na União, potencializando a tomada
de decisão enviesada politicamente em detrimento da decisão de caráter técnico, além do
desconhecimento, por parte dos administradores dos SME, das instâncias gestoras do sistema
previstas na legislação enquanto os riscos operacionais são representados pela falta de
integração de sistemas informatizados e pela opção dos SME em não produzirem indicadores
relativos aos seus desempenhos.
Para mitigar os riscos apontados por Nam e Pardo (2011b) a governança do SME pode,
conforme Alawadhi et al. (2012), (i) definir claramente objetivos de longo prazo desejados para
mudanças na gestão do SAMU Sudoeste do Paraná e a melhoria de sua integração com as
demais partes interessadas, (ii) identificar necessidades de infraestrutura física, humana e de
tecnologias da informação e comunicação (e as possíveis barreiras a enfrentar quanto à adoção
e utilização de novas tecnologias necessárias) bem como necessidades de recursos financeiros
e alternativas de financiamento, (iv) definir claramente os papeis e políticas da governança, os
protocolos de gerenciamento e os indicadores para mensuração de resultados quanto à qualidade
que se deseja implementar nos serviços prestados à comunidade.
Em nível inter organizacional os exemplos apontam para a necessidade de ações
institucionais mais fortes da governança, principalmente no sentido de integrar todas as partes
interessadas para, dentro da autonomia que lhes é facultada enquanto prefeitos das cidades que
integram o consórcio intermunicipal, atuar na formulação de políticas públicas locais
relacionadas ao tráfego e à mobilidade urbana, fatores que afetam diretamente o TR do SME.
Por exemplo, a elaboração de legislação para priorização do tráfego para veículos de
emergência em perímetros urbanos e em rodovias, prática simples e, infelizmente, não
respeitada (ISKANDER, 1989; MISHRA et al., 2017). Ou, ainda, ações intensivas de educação
da população em geral para mitigar chamados fraudulentos ao SME (SU; SHI, 2002).
 133

Em níveis estadual e federal, a atuação da governança do SME pode ser canalizada

para a elaboração de projeto para implantação de um centro de operações integrado, conforme
exemplos mencionados neste trabalho.
Ainda em nível inter organizacional, fortalecer a atuação junto aos demais entes, em
especial o estado e a federação e/ou empresas privadas com o objetivo de obter fontes de
financiamento e estabelecer parcerias. Independente de questões orçamentárias, atuar junto às
diversas instituições de ensino públicas e privadas para fortalecer ações de pesquisas para
melhoria da eficiência e eficácia dos processos do SME.
Os esforços nessas dimensões principais, governança inteligente e infraestrutura
inteligente, podem incrementar os processos atuais resultando na prestação de serviço público
que proporcione maior qualidade de vida aos cidadãos. Ressalta-se que a governança colegiada
do SAMU Sudoeste do Paraná, constituída por prefeitos de cidades, ou seja, tomadores de
decisões e articuladores de políticas públicas, pode agir nos níveis local e regional, por meio de
políticas de planejamento urbano para o tráfego de veículos e nos níveis estadual e federal em
prol de edificação de um centro de operações integradas para todas as partes interessadas e
envolvidas com a segurança pública. O conceito de governança de cidades inteligentes e
sustentáveis ampliado para a região, tal qual proposto por Monzon (2015), Fernandez-Anez
(2018) e Ruhlandt (2018).
Assim, o trabalho conseguiu responder seus três objetivos específicos, (i)
contextualizando os resultados da pesquisa sob a ótica das dimensões de cidades inteligentes e
sustentáveis potencialmente associadas ao indicador de desempenho estudado, (ii)
compreendendo a relevância das informações oriundas da tecnologia da informação e
comunicação do SAMU Sudoeste do Paraná na estimação de fatores associados ao indicador
de desempenho estudado e (iii) realizando análise diagnóstica e contribuindo com sugestões
alinhadas aos conceitos de cidades inteligentes e sustentáveis aplicáveis ao contexto do SME
para melhoria de seus processos.
Em relação ao problema proposto este trabalho atingiu seu propósito ao identificar, a
partir dos dados extraídos do sistema e-SUS-SAMU e dos dados relativos aos formulários RAS,
fatores em nível de sistema, de paciente e alguns fatores específicos associados ao TR e, com
isso, propor sugestões para otimizar os processos do SME, tal qual sugerido por Do et al. (2013)
e Nehme, Andrew e Smith (2016).
Como implicação teórica este trabalho contribuiu para aprofundar a compreensão dos
conceitos de cidades inteligentes e sustentáveis no contexto do gerenciamento das operações de
serviços e as possibilidades de sinergias com outras áreas de conhecimento.
 134

Este trabalho envidou esforços para avaliar um contexto relevante para a ciência
contemporânea, estreitando o foco da pesquisa em cidades inteligentes e sustentáveis para uma
cidade de médio porte reconhecidamente inovadora, de um país em desenvolvimento.
Além de reforçar os conceitos dos autores mencionados nos parágrafos predecessores
este trabalho permite refletir sobre a importância do papel das instituições de ensino, públicas
e privadas, como suportes efetivos por meio da pesquisa relacionada às áreas estratégica e
operacional dos serviços do SAMU Sudoeste do Paraná, haja vista que essas instituições se
caracterizam com um dos elementos de cidades inteligentes e sustentáveis.
Com implicação prática, este trabalho permitiu identificar ações no contexto de
cidades inteligentes e sustentáveis perfeitamente factíveis que podem ser implementadas pelo
SME para otimizar seus processos e melhorar os serviços prestados aos cidadãos.
A pouca literatura sobre iniciativas empíricas no contexto de cidades inteligentes e
sustentáveis aplicadas a SME, em especial a veículos de emergência, em contínuo a pouca
literatura sobre uso da regressão quantílica em SME caracterizaram-se como importantes
limitações de aspecto teórico.
A complexidade inerente à obtenção e tratamento dos dados provenientes de duas
bases distintas e a necessidade de árduo trabalho de estruturação de uma terceira base de dados
impôs o risco da perda de fidedignidade das informações e impôs relevante limitação de aspecto
prático.
A indisponibilidade de referências científicas sobre TR nos SME brasileiros em
cidades com menos de um milhão de habitantes impossibilitou comparações contextualizadas
à realidade do SAMU Sudoeste do Paraná, caracterizando-se como a maior limitação de aspecto
metodológico e, possivelmente, como a limitação que mais evidencia a relevância deste
trabalho.
As limitações e entraves operacionais impostos ao SME pela sua infraestrutura de
tecnologia da informação e comunicação apresenta o potencial de implantação de novas
tecnologias específicas para regulação médica e para transformar a atual frota de veículos de
emergência em ambulâncias mais inteligentes, conforme proposto por Corman (2019).
Futuros estudos poderão aprofundar a investigação sobre que outras variáveis
independentes afetam o TR do SAMU Sudoeste do Paraná ou ainda investigar como as
variáveis identificadas neste trabalho são tratadas ao longo do processo de decisão do SME.
Grandes oportunidades para estudos de simulação em relação às 11 bases operacionais e aos
veículos nelas alocados e como otimizar seus desempenhos, de modo semelhante ao proposto
por Do et al. (2013).
 135

Destarte, este trabalho envidou esforços para investigar aspectos práticos a partir de
uma base teoria com o intuito de somar aos estudos sobre gerenciamento de operações de
serviços em cidades inteligentes e sustentáveis.
 136

REFERÊNCIAS

ABOUELJINANE, L.; SAHIN, E.; JEMAI, Z. Simulation Modelling Practice and Theory A
simulation study to improve the performance of an emergency medical service: Application to
the French Val-de-Marne department. Stimulation Modelling Practice and Theory, v. 47, p.
46–59, 2014.

ABOUELJINANE, L.; SAHIN, E.; JEMAI, Z. A review on simulation models applied to

emergency medical service operations. Computers and Industrial Engineering, v. 66, n. 4,
p. 734–750, 2013.

ABOUELJINANE, L.; SAHIN, E.; JEMAI, Z. Reducing ambulance response time using
simulation: The case of Val-de-Marne department Emergency Medical Service. Proceedings
of the 2012 Winter Simulation Conference (WSC), Berlin, pp. 1-12, 2012.

ABU-ELKHEIR, M.; HASSANEIN, H. S.; OTEAFY, S. M. A. Enhancing emergency

response systems through leveraging crowdsensing and heterogeneous data. International
Wireless Communications and Mobile Computing Conference, IWCMC 2016, p. 188–
193, 2016.

AHVENNIEMI, H. et al. What are the differences between sustainable and smart cities?
Cities, v. 60, p. 234–245, 2017.

AGHAEI CHADEGANI, A. et al. A comparison between two main academic literature

collections: Web of science and scopus databases. Asian Social Science, v. 9, n. 5, p. 18–26,
2013.

AI, G.; DENG, Y.; AI, W. Analysis of the factors influencing ambulance response time in
Liwan District, Guangzhou. International Journal of Latest Engineering Research and
Applications (IJLERA), v. 03, n. March, p. 32–40, 2018.

ALAWADHI, S. et al. Building understanding of smart city initiatives. Lecture Notes in

Computer Science (including subseries Lecture Notes in Artificial Intelligence and
Lecture Notes in Bioinformatics), v. 7443 LNCS, p. 40–53, 2012.

ALBINO, V.; BERARDI, U.; DANGELICO, R. M. Smart Cities: Definitions, Dimensions,

Performance, and Initiatives. Journal of Urban Technology, v. 22, n. 1, p. 3–21, jan. 2015.

ALDRICH, C. A.; HISSERICH, J.C.; LAVE L. B. An analysis of the demand for emergency
ambulance service in an urban area. Am J Public Health; 61(6):1156–1169, 1971.

ALKANDARI, A.; MESHAL, A.; ALSHEKHLY, I. F. T. Smart Cities: Survey Article Info.
Journal of Advanced Computer Science and Technology Research, v. 2, n. 2, p. 79–90,
2012.

ANDERSSON, T.; VÄRBRAND, P. Decision support tools for ambulance dispatch and
relocation. Journal of the Operational Research Society, v. 58, n. 2, p. 195–201, 2007.
 137

ARIKUMA, T.; MOCHIZUKI, Y. Intelligent multimedia surveillance system for safer cities.
APSIPA Transactions on Signal and Information Processing, v. 5, n. March, 2016.

ARINGHIERI, R. et al. Emergency medical services and beyond: Addressing new challenges
through a wide literature review. Computers and Operations Research, v. 78, n. September
2016, p. 349–368, 2017.

ARINGHIERI, R.; CARELLO, G.; MORALE, D. Ambulance location through optimization

and simulation: the case of Milano urban area. XXXVIII Annual Conference of the Italian
Operations Research XXXVIII - Optimization and Decision Sciences, p. 1–29, 2007.

As 10 cidades pequenas mais inteligentes e conectadas do Brasil. Exame, (Setembro,

2017) Disponível em https://exame.abril.com.br/brasil/as-10-cidades-pequenas-mais-
inteligentes-e-conectadas-do-brasil/ Acesso em 22/06/2018.

ASIMAKOPOULOU, E.; BESSIS, N. Buildings and crowds: Forming smart cities for more
effective disaster management. Proceedings - 2011 5th International Conference on
Innovative Mobile and Internet Services in Ubiquitous Computing, IMIS 2011, p. 229–
234, 2011.

AUSTIN, P. C.; SCHULL, M. J. Quantile regression: A statistical tool for out-of-hospital

research. Academic Emergency Medicine, v. 10, n. 7, p. 789–797, 2003.

AVANZI, D. DA S. et al. A framework for interoperability assessment in crisis management.

Journal of Industrial Information Integration, v. 5, p. 26–38, 2017.

BARRETO, B.; ALEXANDRINO, F.; COELHO, O. Posicionamento de ambulâncias do

SAMU através de Programação Inteira e Teoria de Filas. Gestão & Produção, v. 23, n. 4, p.
828–841, 2016.

BĂTĂGAN, L. Smart Cities and Sustainability Models. Revista de Informatică

Economică, v. 15, n. 3, p. 80–87, 2011.

BATTY, M. et al. Smart cities of the future. European Physical Journal: Special Topics, v.
214, n. 1, p. 481–518, 2012.

BAYRAKTAR, E. et al. Evolution of operations management: Past, present and future.

Management Research News, v. 30, n. 11, p. 843–871, 2007.

BÉLANGER, V. et al. An empirical comparison of relocation strategies in real-time

ambulance fleet management. Computers and Industrial Engineering, v. 94, p. 216–229,
2016.

BÉLISSENT, J. Getting clever about smart cities: new opportunities require new business
models. Forrester Research, Inc., p. 33, 2010.

BERLIN, G. N.; LIEBMAN, J. C. Mathematical analysis of emergency ambulance location.

Socio-Economic Planning Sciences, v. 8, n. 6, p. 323–328, 1974.
 138

BILLHARDT, H. et al. Dynamic coordination of ambulances for emergency medical

assistance services. Knowledge-Based Systems, v. 70, p. 268–280, 2014.

BIBRI, S. E.; KROGSTIE, J. Smart sustainable cities of the future: An extensive

interdisciplinary literature review. Sustainable Cities and Society, v. 31, p. 183–212, 2017a.

BIBRI, S. E.; KROGSTIE, J. ICT of the new wave of computing for sustainable urban forms:
Their big data and context-aware augmented typologies and design concepts. Sustainable
Cities and Society, v. 32, n. 7030, p. 449–474, 2017b.

BLANCHARD, I. E. et al. Emergency medical services response time and mortality in an

urban setting. Prehospital Emergency Care, v. 16, n. 1, p. 142–151, 2012.

BOLÍVAR, M. P. R.; MEIJER, A. J. Smart Governance: Using a Literature Review and

Empirical Analysis to Build a Research Model. Social Science Computer Review, v. 34, n.
6, p. 673–692, 2016.

BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Protocolos de Intervenção

para o SAMU 192 - Serviço de Atendimento Móvel de Urgência. Brasília: Ministério da
Saúde, 2a edição, 2016a.

BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Protocolos de Intervenção

para o SAMU 192 - Serviço de Atendimento Móvel de Urgência. Brasília: Ministério da
Saúde, 2016b.

BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Atenção

Especializada. Manual instrutivo da Rede de Atenção às Urgências e Emergências no
Sistema Único de Saúde (SUS) / Ministério da Saúde, Secretaria de Atenção à Saúde,
Departamento de Atenção Especializada. – Brasília : Editora do Ministério da Saúde, 2013.

BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Atenção

Especializada. Regulação médica das urgências / Ministério da Saúde, Secretaria de
Atenção à Saúde, Departamento de Atenção Especializada. – Brasília: Editora do Ministério
da Saúde, 2006a.

BRASIL. Ministério da Saúde. Política nacional de atenção às urgências / Ministério da

Saúde. – 3. ed. ampl. – Brasília: Editora do Ministério da Saúde, 2006b.

Brazil’s three southern states escape the worst ravages of recession. The Economist,
(2016, nov.) Disponível em: https://www.economist.com/the-americas/2016/11/26/brazils-
three-southern-states-escape-the-worst-ravages-of-recession. Acesso em: 08 mar. 2019.

BURGESS, K.; SINGH, P. J.; KOROGLU, R. Supply chain management: A structured

literature review and implications for future research. International Journal of Operations
and Production Management, v. 26, n. 7, p. 703–729, 2006.

CABRAL, E. L. D. S. et al. Response time in the emergency services. Systematic review.

Acta Cirurgica Brasileira, v. 33, n. 12, p. 1110–1121, 2018.
 139

CARAGLIU, A.; DEL BO, C.; NIJKAMP, P. Smart cities in Europe. Journal of Urban
Technology, v. 18, n. 2, p. 65–82, 2011.

CAUCHICK MIGUEL, P.A. (org). Metodologia de Pesquisa em Engenharia de Produção

e Gestão e Operações. Rio de Janeiro: Elsevier, 2012.

CHEN, X. QIAN et al. Factors Influencing the Emergency Medical Service Response Time
for Cardiovascular Disease in Guangzhou, China. Current Medical Science, v. 39, n. 3, p.
463–471, 2019.

CHOURABI, H. et al. Understanding smart cities: An integrative framework. Proceedings of

the Annual Hawaii International Conference on System Sciences, p. 2289–2297, 2012.

CICONET, R. M. Tempo resposta de um serviço móvel de urgência / Rosane Mortari

Ciconet. – 2015. 122f. Tese (Doutorado) – Universidade Federal do Rio Grande do Sul,
Escola de Enfermagem, Programa de Pós-Graduação em Enfermagem, Porto Alegre, BR-RS,
2015.

CISTRI. Consórcio Intermunicipal de Saúde do Alto Vale do Paraíba. Disponível em:

http://cistri.saude.mg.gov.br/. Acesso em: 20 mar. 2020.

CIUENP. Consórcio Intermunicipal de Urgência e Emergência do Noroeste do Paraná.

Disponível em: http://www.samunoroestepr.com.br/. Acesso em: 20 mar. 2020.

COCHRAN, J. J. et al. Emergency Medical Service Systems that Improve Patient

Survivability. Wiley Encyclopedia of Operations Research and Management Science,
2010.

COLLA, M.; OLIVEIRA, G. A.; SANTOS, G. D. Operations management in emergency

medical services: Response time in a Brazilian mobile emergency care service. Procedia
Manufacturing, v. 39, p. 932–941, 2019.

COMPANIES, Marsh and McLennan. The Global Risks Report 14th Edition. [s.l: s.n.]. v.
310, 2019.

CONSAMU. Consórcio Intermunicipal SAMU Oeste do Paraná. Disponível em:

https://www.consamu.com.br/. Acesso em: 20 mar. 2020.

CONSAVAP. Consórcio Público Intermunicipal de Saúde da Rede de Urgência e

Emergência da Macrorregião do Triângulo do Norte. Disponível em:
https://www.consavap.com.br/. Acesso em: 20 mar. 2020.

CORMAN, M. K. Paramedics On and Off the Streets: Emergency Medical Services in the
Age of Technological Governance. Work, Employment and Society, 33(1), 184–185, 2019.

CUNHA, L. De olho no APH. Revista Emergência, agosto; 2019. Disponível em

https://revistaemergencia.com.br/destaques-revista-emergencia/cenario-emergencia-samu-
brasil-de-olho-no-aph/. Acesso em 02 mar. 2020.
 140

CUNHA, L. SAMU em pauta. Revista Emergência, agosto; 2017. Disponível em

http://www.revistaemergencia.com.br/edicoes/8/2017/AnyJ. Acesso em 05 mai. 2019.

CUNHA, L. Diagnóstico do SAMU. Revista Emergência, agosto; 2015. Disponível em

https://revistaemergencia.com.br/imp-materia/imp-materia-cenario-de-emergencia/pesquisa-
da-revista-emergencia-mostra-que-2894-dos-municipios-do-pais-possuem-bases-do-servico-
e-5752-dos-municipios-sao-abrangidos-pelo-servico/. Acesso em 02 mar. 2020.

DATASUS. e-SUS-SAMU. Disponível em http://datasus.saude.gov.br/sistemas-e-

aplicativos/regulacao/samu. Acesso em 05 mai. 2019.

DAVID, G.; BRACHET, T. Retention, learning by doing, and performance in emergency

medical services. Health Services Research, v. 44, n. 3, p. 902–925, 2009.

DE SOUZA MINAYO, M. C.; DESLANDES, S. F. Análise da implantação do sistema de

atendimento pré-hospitalar móvel em cinco capitais brasileiras. Cadernos de Saude Publica,
v. 24, n. 8, p. 1877–1886, 2008.

DIXON, M. J. How Smart Cities Save Money (and the Planet). Harvard Business
Review, 2012.

DJAHEL, S. et al. Adaptive traffic management for secure and efficient emergency services
in smart cities. 2013 IEEE International Conference on Pervasive Computing and
Communications Workshops, PerCom Workshops 2013, n. March, p. 340–343, 2013.

DO, Y. K. et al. A quantile regression analysis of ambulance response time. Prehospital

Emergency Care, v. 17, n. 2, p. 170–176, 2013.

FÁVERO, Luiz Paulo. Manual de análise de dados / Luiz Paulo Fávero, Patrícia Belfiore. –
1. ed – Rio de Janeiro: Elsevier, 2017.

FERNANDEZ-ANEZ, V. et al. Smart City Projects Assessment Matrix: Connecting

Challenges and Actions in the Mediterranean Region. Journal of Urban Technology, v.
0732, 2018.

FIELD, J. M. et al. Service operations: what’s next? Journal of Service Management, v. 29,
n. 1, p. 55–97, 2018.

FIELD, A. Descobrindo a estatística usando SPSS / Andy Field : tradução Lorí Viali. – 2.
ed. – Porto Alegre : Artmed, 2009.

FISTOLA, R.; ROCCA, R. A. LA. The Sustainable City and the Smart City: measuring urban
entropy first. The Sustainable City IX, v. 1, p. 537–548, 2014.

FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de serviços: operações,

estratégia e tecnologia da informação – 4. ed. Porto Alegre: Bookman, 2005.

FITZSIMMONS, J. A. A Methodology for Emergency Ambulance Deployment.

Management Science, v. 19, n. 6, p. 627–636, 1973.
 141

FLEXA, R. G. C.; BARBASTEFANO, R. G. Public health consortia: A literature review.

Ciencia e Saude Coletiva, v. 25, n. 1, p. 325–338, 2020.

FORZA, C. Survey research in operations management: A process-based perspective.

International Journal of Operations and Production Management, v. 22, n. 2, p. 152–
194, 2002.

FUJIWARA, O.; MAKJAMROEN, T.; GUPTA, K. K. Ambulance deployment analysis: A

case study of Bangkok. European Journal of Operational Research, v. 31, n. 1, p. 9–18,
1987.

FUNESA. Manual Técnico Operacional da Central SAMU 192 Sergipe. Livro do

Aprendiz 4 / Fundação Estadual de Saúde - Secretaria de Estado da Saúde de Sergipe. –
Aracaju: FUNESA, 2011.

GIFFINGER, R.et al. Smart cities Ranking of European medium-sized cities. Centre of
Regional Science, Vienna UT (2007) v. 16, n. October, p. 28.

GIL, A. C. Como elaborar projetos de pesquisa / Antonio Carlos Gil. – 6. ed. – São Paulo :
Atlas, 2017.

GIL-GARCIA, J. R.; ZHANG, J.; PURON-CID, G. Conceptualizing smartness in

government: An integrative and multi-dimensional view. Government Information
Quarterly, v. 33, n. 3, p. 524–534, 2016.

GOLDBERG, J. B. Operations Research Models for the Deployment of Emergency Services

Vehicles. EMS Management Journal, v. 1, n. 1, 2004.

GOLMOHAMMADI, D. Predicting hospital admissions to reduce emergency department

boarding. International Journal of Production Economics, v. 182, n. June 2015, p. 535–
544, 2016.

GOVINDARAJAN, A.; SCHULL, M. Effect of socioeconomic status on out-of-hospital

transport delays of patients with chest pain. Annals of Emergency Medicine, v. 41, n. 4, p.
481–490, 2003.

GREEN, L. V.; KOLESAR, P. J. Improving emergency responsiveness with management

science. Management Science, v. 50, n. 8, p. 1001–1014, 2004.

GUPTA, H.; RAJAN, J. S. Smart Navigation System for Ambulances in Smart Cities using
IoT. National Conference On Contemporary Research and Innovations in Computer
Science (NCCRICS), Dec 2017 p. 1–6, 2017.

GUPTA, P. et al. Smart Ambulance System. International Journal of Computer

Applications, n. Summer Intership, 2014, p. 1–60, 2014.

HAIR, J. F., et al. Multivariate Data Analysis: A Global Perspective. 7th ed. Upper Saddle
River: Prentice Hall, Print, 2009.
 142

HALL, R. E. et al. The vision of a smart city. 2nd International Life Estension Technology
Workshop, p. 0–6, 2000.

HAREWOOD, S. I. Emergency ambulance deployment in barbados: A multi-objective

approach. Journal of the Operational Research Society, v. 53, n. 2, p. 185–192, 2002.

HARRISON, C. et al. Foundations for Smarter Cities. IBM Journal of Research and
Development, v. 54, n. 4, 2010.

HAUGLAND, H. et al. Developing quality indicators for physician-staffed emergency

medical services: A consensus process. Scandinavian Journal of Trauma, Resuscitation
and Emergency Medicine, v. 25, n. 1, p. 1–8, 2017.

HENDERSON, S. G.; MASON, A. J. Ambulance service planning: simulation and data

visualisation, in: M.L. Brandeau, F. Sainfort, W.P. Pierskalla (Eds.), Operations Research
and Health Care: A Handbook of Methods and Applications, Kluwer Academic, Boston,
77–102, 2004.

HOLLOWAY, J. FRANCIS, G. HINTON, M. A vehicle for change? International Journal

of Public Sector Management, Vol. 12 Iss 4 pp. 351 – 365, 1999.

HOOGENDOORN, M. et al. Agent-based analysis and support for incident management.

Safety Science, v. 47, n. 8, p. 1163–1174, 2009.

IBGE, Disponível em: https://cidades.ibge.gov.br/brasil/pr/panorama. Acesso em 11 fev.

2020.

IBGE, Censo demográfico 1940-2010. Até 1970 dados extraídos de: Estatísticas do século
XX. Rio de Janeiro: IBGE, 2007 no Anuário Estatístico do Brasil, 1981, vol. 42, 1979.

INAKAWA, K.; FURUTA, T.; SUZUKI, A. Effect of ambulance station locations and
number of ambulances to the quality of the emergency service. The Ninth International
Symposium on Operations Research and Its Applications (ISORA’10), p. 340–347, 2010.

INGOLFSSON, A. EMS Planning and Management. In ZARIC, G. Operations research

and health care policy. v. 190, 2013.

INGOLFSSON, A.; BUDGE, S.; ERKUT, E. Optimal ambulance location with random
delays and travel times. Health Care Management Science, v. 11, n. 3, p. 262–274, 2008.

INGOLFSSON, A.; ERKUT, E.; BUDGE, S. Simulation of single start station for Edmonton
EMS. Journal of the Operational Research Society, v. 54, n. 7, p. 736–746, 2003.

ISKANDER, W. H. Simulation modeling for emergency medical service systems. Winter

Simulation Conference Proceedings, p. 1107–1111, 1989.

ITU-TFG-SSC. Technical Report on Smart Sustainable Cities: An analysis of definitions.

United Nations, International Telecommunication Union (ITU-T), Focus Group on Smart
Sustainable Cities (FG-SSC), 2014.
 143

JHA, R. K.; SAHAY, B. S.; CHARAN, P. Healthcare operations management: a structured

literature review. Decision, v. 43, n. 3, p. 259–279, 2016.

JOHNSTON, R.; CLARK, G. Service Management Operations Improving Service

Delivery 2nd ed. London, Pearson Education Limited, 2005.

JOHNSTON, R. Service operations management: Return to roots. International Journal of

Operations and Production Management, v. 25, n. 12, p. 1278–1297, 2005a.

JOHNSTON, R. Service operations management: From the roots up. International Journal
of Operations and Production Management, v. 25, n. 12, p. 1298–1308, 2005b.

JOHNSTON, R. Operations: From Factory to Service Management. International Journal

of Service Industry Management, v. 5, n. 1, p. 49–63, 1994.

KITCHIN, R. The real-time city? Big data and smart urbanism. GeoJournal, v. 79, n. 1, p. 1–
14, 2014.

KOENKER R, BASSETT G. Jr. Regression quantiles. Econometrica, 46:33–50, 1978.

KOMNINOS, N. Intelligent cities: Variable geometries of spatial intelligence. Intelligent

Buildings International, v. 3, n. 3, p. 172–188, 2011.

KOURTIT, K.; NIJKAMP, P.; STEENBRUGGEN, J. The significance of digital data systems
for smart city policy. Socio-Economic Planning Sciences, v. 58, p. 13–21, 2017.

KOURTIT, K., NIJKAMP, P.; ARRIBAS, D. Smart cities in perspective – a comparative

European study by means of self-organizing maps. Innovation: The European Journal of
Social Science Research, 25:2, 229-246, 2012.

KOUVELIS, P.; CHAMBERS, C.; WANG, H. Supply Chain Management Research and
Production and Operations Management: Review, Trends, and Opportunities. Production
and Operations Management, v. 15, n. 3, p. 449–469, 2010.

LACINÁK, M.; RISTVEJ, J. Smart City, Safety and Security. Procedia Engineering, v. 192,
p. 522–527, 2017.

LAKATOS, E. M. Fundamentos da metodologia científica / Marina de Andrade Marconi,

Eva Maria Lakatos. – 8. ed. – [2.Reimpr.] – São Paulo : Atlas, 2017.

LAZAROIU, G. C.; ROSCIA, M. Definition methodology for the smart cities model.
Energy, v. 47, n. 1, p. 326–332, 2012.

LEE, J. H.; HANCOCK, M. G.; HU, M. C. Towards an effective framework for building
smart cities: Lessons from Seoul and San Francisco. Technological Forecasting and Social
Change, v. 89, p. 80–99, 2014.

LI, F. et al. How smart cities transform operations models: A new research agenda for
operations management in the digital economy. Production Planning and Control, v. 27, n.
6, p. 514–528, 2016.
 144

LIN, Y. C. The effects of job involvement on emergency medical technicians in Taiwan’s fire
organization. Safety Science, v. 59, n. June 1981, p. 227–236, 2013.

LOGVINOV, V. Information infrastructure of emergency medical service in the smart city

solutions. Smart Cities and Regional Development Journal, v3. I2. p. 101–109, 2019.

LOMBARDI, P. et al. Modelling the smart city performance. Innovation, v. 25, n. 2, p. 137–
149, 2012.

LOMBARDI, P. New challenges in the evaluation of Smart Cities. Network Industries

Quarterly, v. 13, n. 3, p. 8–10, 2011.

LUBICZ, M.; MIELCZAREK, B. Simulation modelling of emergency medical services.

European Journal of Operational Research, v. 29, n. 2, p. 178–185, 1987.

MACHADO, C.V.; SALVADOR, F.G.F.; O'DWYER, G.: Mobile Emergency Care Service:
analysis of Brazilian policy (O Serviço de Atendimento Móvel de Urgência no Brasil: uma
análise da política nacional). Revista de Saúde Pública, 45(3):519–528, 2011.

MACHUCA, J. A. D.; GONZÁLEZ-ZAMORA, M. DEL M.; AGUILAR-ESCOBAR, V. G.

Service Operations Management research. Journal of Operations Management, v. 25, n. 3,
p. 585–603, 2007.

MARQUES, G. Q.; CICONET, R. M.; DA SILVA LIMA, M. A. D. Conditions treated in the

mobile medical emergency services in porto Alegre - RS. Acta Paulista de Enfermagem, v.
24, n. 2, p. 185–191, 2011.

MARSAL-LLACUNA, M. L.; COLOMER-LLINÀS, J.; MELÉNDEZ-FRIGOLA, J. Lessons

in urban monitoring taken from sustainable and livable cities to better address the Smart
Cities initiative. Technological Forecasting and Social Change, v. 90, n. PB, p. 611–622,
2015.

MÁXIMO DE SOUZA, R. et al. Análise da configuração de SAMU utilizando múltiplas

alternativas de localização de ambulâncias. Gestão e Produção, v. 20, n. 2, p. 287–302, 2013.

MCGRATH, K. The Golden Circle: A way of arguing and acting about technology in the
London Ambulance Service. European Journal of Information Systems, v. 11, n. 4, p. 251–
266, 2002.

MISHRA, M. et al. Advance Alert for Ambulance Pass by using IOT for Smart City.
International Journal of Engineering Science and Computing, v. 7, n. 6, p. 13219–13221,
2017.

MONZON, A. Smart Cities Concept and Challenges. 2015 International Conference on

Smart Cities and Green ICT Systems (SMARTGREENS), p. 17–31, 2015.

MORIN, M.; JENVALD, J.; THORSTENSSON, M. Computer-supported visualization of

rescue operations. Safety Science, v. 35, n. 1–3, p. 3–27, 2000.
 145

MUCKSTADT, J. A. et al. Guidelines for Collaborative Supply Chain System Design and
Operation. Information Systems Frontiers, p. 427–453, 2001.

MUIR, C. et al. Challenges for safety intervention in emergency vehicle fleets: A case study.
Safety Science, v. 123, n. November 2019, p. 104543, 2020.

NAM, T.; PARDO, T. A. Conceptualizing smart city with dimensions of technology, people,
and institutions. Proceedings of the 12th Annual International Digital Government
Research Conference on Digital Government Innovation in Challenging Times 11, p.
282, 2011a.

NAM, T.; PARDO, T. A. Smart city as urban innovation: Focusing on management, policy,
and context. Proceedings of the 5th International Conference on Theory and Practice of
Electronic Governance - ICEGOV11, p. 185, 2011b.

NAPHADE et al. Smarter Cities and Their Innovation Challenges, Computer, vol. 44, no. 6,
pp. 32-39, June 2011.

NEHME, Z.; ANDREW, E.; SMITH, K. Factors Influencing the Timeliness of Emergency
Medical Service Response to Time Critical Emergencies. Prehospital Emergency Care, v.
20, n. 6, p. 783–791, 2016.

NEIROTTI, P. et al. Current trends in smart city initiatives: Some stylized facts. Cities, v. 38,
p. 25–36, 2014.

ODENDAAL, N. Information and communication technology and local governance:

Understanding the difference between cities in developed and emerging economies.
Computers, Environment and Urban Systems, v. 27, n. 6, p. 585–607, 2003.

O’DWYER, G. et al. Implementation of the Mobile Emergency Medical Service in Brazil:

action strategies and structural dimension. Cadernos de saúde pública, v. 33, n. 7, p.
e00043716, 2017.

O’DWYER et al. The current scenario of emergency care policies in Brazil. BMC health
services research, v. 13, p. 70, 2013.

O’MEARA, P. A generic performance framework for ambulance services: an Australian

health services perspective. Journal of Emergency Primary Health Care (JEPHC), Vol. 3,
Issue 3, 2005.

OLIVEIRA, M. DE; GARCIA, L. Aplicando a teoria de simulação a eventos discretos no

Serviço de Atendimento Móvel de Urgência (Samu-192). In: XXXVII SIMPÓSIO
BRASILEIRO DE PESQUISA OPERACIONAL, Gramado/RS, p.2209-2218, 2005.

OMAR, Z. A. et al. Reducing Ambulance Response Time With Ambulance Pre-Deployment

Strategy: a Pilot Study. International Journal of Business and Management Studies, n.
February 2019, 2018.
 146

O’NEILL, J. W.; MCGINLEY, S. Operations research from 1913 to 2013: The ford assembly
line to hospitality industry innovation. International Journal of Contemporary Hospitality
Management, v. 26, n. 5, p. 663–678, 2014.

OSBORNE, S. P.; RADNOR, Z.; NASI, G. A New Theory for Public Service Management?
Toward a (Public) Service-Dominant Approach. American Review of Public
Administration, v. 43, n. 2, p. 135–158, 2013.

PALUMBO, L. et al. Performance of a system to determine EMS dispatch priorities.

American Journal of Emergency Medicine, v. 14, n. 4, p. 388–390, 1996.

PARDO, T. A.; NAM, T.; BURKE, G. B. E-Government Interoperability: Interaction of

Policy, Management, and Technology Dimensions. Social Science Computer Review, v. 30,
n. 1, p. 7–23, 2012.

PARRY, G. et al. Complex Deployed Responsive Service. In: Macintyre M., Parry G.,
Angelis J. (eds) Service Design and Delivery. Service Science: Research and Innovations
in the Service Economy. Springer, Boston, MA, 2011.

PENN, C.; KOOLE, T.; NATTRASS, R. When seconds count: A study of communication
variables in the opening segment of emergency calls. Journal of Health Psychology, v. 22,
n. 10, p. 1256–1264, 2017.

PONS, P. T. et al. Paramedic response time: Does it affect patient survival? Academic
Emergency Medicine, v. 12, n. 7, p. 594–600, 2005.

PONS, P. T.; MARKOVCHICK, V. J. Eight minutes or less: Does the ambulance response
time guideline impact trauma patient outcome? Journal of Emergency Medicine, v. 23, n. 1,
p. 43–48, 2002.

PRAKASH, M. et al. Smart city ambulance for tracking shortest path using global position
system. International Journal of Engineering and Technology (UAE), v. 7, n. 1, p. 187–
190, 2018.

RADNOR, Z.; BATEMAN, N. Debate: The development of a new discipline— public service
operations management. Public Money and Management, v. 36, n. 4, p. 246–248, 2016.

RADNOR, Z.; BATEMAN, N. Introduction: the role and substance of public service
operations management. IN: Radnor, Z. ... et al (eds). Public Service Operations
Management: A Research Handbook. Abingdon: Routledge, pp. 1 – 10, 2015.

RADNOR, Z.; NOKE, H. Conceptualising and contextualising public sector operations

management. Production Planning and Control, v. 24, n. 10–11, p. 867–876, 2013.

RAMAPRASAD A., SÁNCHEZ-ORTIZ A., SYN T. A Unified Definition of a Smart City.

In: Janssen M. et al. (eds) Electronic Government. EGOV, 2017.

REPEDE, J. F.; BERNARDO, J. J. Developing and validating a decision support system for
locating emergency medical vehicles in Louisville, Kentucky. European Journal of
Operational Research, v. 75, n. 3, p. 567–581, 1994.
 147

ROSS, A. J. et al. An integrated statistical model of Emergency Department length of stay

informed by Resilient Health Care principles. Safety Science, v. 120, n. May, p. 129–136,
2019.

ROTH, A. V.; MENOR, L. J. Insights Into Service Operations Management: a Research

Agenda. Production and Operations Management, v. 12, n. 2, p. 145–164, 2003.

RUHLANDT, R. W. S. The governance of smart cities: A systematic literature review. Cities,

v. 81, n. June, p. 1–23, 2018.

SAATY, T.; DE PAOLA, P. Rethinking Design and Urban Planning for the Cities of the
Future. Buildings, v. 7, n. 4, p. 76, 2017.

SAVAS, E. S. Simulation and Cost-Effectiveness Analysis of New York’s Emergency

Ambulance Service. Management Science, v. 15, n. 12, p. B-608-B-627, 1969.

SCHAFFERS, H. et al. Landscape and Roadmap of Future Internet and Smart Cities To cite
this version: HAL Id: hal-00769715. 2013.

SCHOLL, H. J.; ALAWADHI, S. Creating Smart Governance: The key to radical ICT
overhaul at the City of Munich. Information Polity, v. 21, n. 1, p. 21–42, 2016.

SCHOLL, H. J.; ALAWADHI, S. Pooling and leveraging scarce resources: The smart eCity
gov alliance. Proceedings of the Annual Hawaii International Conference on System
Sciences, v. 2015- March, p. 2355–2365, 2015.

SCHOLL, H. J.; PATIN, B. J.; CHATFIELD, A. T. ICT-enabled city government field

operations: Resiliency during extreme events. Proceedings of the Annual Hawaii
International Conference on System Sciences, p. 2346–2356, 2012.

SCHULL, M. J. et al. Emergency department overcrowding and ambulance transport delays

for patients with chest pain. Cmaj, v. 168, n. 3, p. 277–283, 2003.

SEIM, J. et al. Neighborhood Poverty and 9-1-1 Ambulance Response Time. Prehospital
Emergency Care, v. 22, n. 4, p. 436–444, 2018.

SEOW, E.; LIM, E. Ambulance response time to emergency departments. Singapore medical
journal, v. 34, n. 6, p. 530–532, 1993.

SILVA, P. M. S.; PINTO, L. R. Emergency medical systems analysis by simulation and

optimization. Proceedings of the 2010 Winter Simulation Conference, Baltimore, MD, pp.
2422-2432, 2010.

SLACK, N. et al. Operations and process management: principles and practice for
strategic impact. 2nd ed. London, Pearson Education Limited, 2009.

STEIN, C.; WALLIS, L.; ADETUNJI, O. The effect of the emergency medical services
vehicle location and response strategy on response times. South African Journal of
Industrial Engineering August 2015 Vol 26(2) pp 26-40, 2015.
 148

SU, S.; SHIH, C. L. Resource reallocation in an emergency medical service system using
computer simulation. American Journal of Emergency Medicine, v. 20, n. 7, p. 627–634,
2002.

SUMIA, L.; RANGA, V. Intelligent traffic management system for prioritizing emergency
vehicles in a smart city. International Journal of Engineering, Transactions B:
Applications, v. 31, n. 2, p. 278–283, 2018.

TAKEDA, R. A.; WIDMER, J. A.; MORABITO, R. Analysis of ambulance decentralization

in an urban emergency medical service using the hypercube queueing model. Computers and
Operations Research, v. 34, n. 3, p. 727–741, 2007.

TANNEBAUM, R. D. et al. Emergency medicine in southern Brazil. Annals of Emergency

Medicine, v. 37, n. 2, p. 223–228, 2001.

TANGUAY, G. A. et al. Measuring the sustainability of cities: An analysis of the use of local
indicators. Ecological Indicators, v. 10, n. 2, p. 407–418, 2010.

THOMÉ, A. M. T.; SCAVARDA, L. F.; SCAVARDA, A. J. Conducting systematic literature

review in operations management. Production Planning & Control, p. 1-13, 2016.

TOPPETA, D. How Innovation and ICT The Smart City vision: Think Report 005/2010, p.
1–9, 2010.

UDAWANT, O. et al. Smart ambulance system using IoT. 2017 International Conference
on Big Data, IoT and Data Science, BID 2017, v. 2018- January, p. 171–176, 2018.

UN. Department of Economic and Social Affairs, Population Division. World Population
Prospects: The 2017 Revision, Key Findings and Advance Tables. Working Paper No.
ESA/P/WP/248, 2017.

UN. Department of Economic and Social Affairs, Population Division. World Urbanization
Prospects: The 2014 Revision. (ST/ESA/SER.A/366), 2015.

UYENO, D. H.; SEEBERG, C. A practical methodology for ambulance location. Simulation,

v. 43, n. 2, p. 79–87, 1984.

VAN BUUREN, M. et al. Ambulance dispatch center pilots proactive relocation policies to
enhance effectiveness. Interfaces, v. 48, n. 3, p. 235–246, 2018.

VAN DER VAART, T.; VASTAG, G.; WIJNGAARD, J. Facets of operational performance
in an emergency room (ER). International Journal of Production Economics, v. 133, n. 1,
p. 201–211, 2011.

VANDEVENTER, S. et al. The association between ambulance hospital turnaround times

and patient acuity, destination hospital, and time of day. Prehospital Emergency Care, v. 15,
n. 3, p. 366–370, 2011.
 149

VISVIZI, A.; LYTRAS, M. D. Rescaling and refocusing smart cities research: from mega
cities to smart villages. Journal of Science and Technology Policy Management, v. 9, n. 2,
p. 134–145, 2018a.

VISVIZI, A.; LYTRAS, M. D. Who uses smart city services and what to make of it: Toward
interdisciplinary smart cities research. Sustainability (Switzerland), v. 10, n. 6, p. 1–16,
2018b.

VITALIJ, F.; ROBNIK, A.; ALEXEY, T. “Safe City” - An open and reliable solution for a
safe and Smart City. Elektrotehniski Vestnik/Electrotechnical Review, v. 79, n. 5, p. 262–
267, 2012.

VOSS, C.; TSIKRIKTSIS, N.; FROHLICH, M. Case research in operations management.

International Journal of Operations and Production Management, v. 22, n. 2, p. 195–
219, 2002.

WASHBURN, D; SINDHU, U. Helping CIOs Understand "Smart City" Initiatives Defining

The Smart City, Its Drivers, And The Role Of The CIO. Cambridge: Forrester Research,
Inc., 2010.

WEBSTER, J.; WATSON, R. T. Analyzing the Past to Prepare for the Future: Writing a
Literature Review. MIS Quarterly, vol. 26, no. 2, pp. xiii-xxiii, 2002.

WEISS, S. et al. Does ambulance response time influence patient condition among patients
with specific medical and trauma emergencies? Southern Medical Journal, v. 106, n. 3, p.
230–235, 2013.

WILSON, D. T. et al. Evaluation of centralised and autonomous routing strategies in major

incident response. Safety Science, v. 70, p. 80–88, 2014.

YIN, R. K. Case study research and applications: design and methods. Los Angeles, Sage
Publications, 2018.

ZHOU, Q.; LUO, J. The study on evaluation method of urban network security in the big data
era. Intelligent Automation and Soft Computing, v. 24, n. 1, p. 133–138, 2018.