Escolar Documentos
Profissional Documentos
Cultura Documentos
MARCOS COLLA
DISSERTAÇÃO
PATO BRANCO
2020
MARCOS COLLA
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.
BANCA EXAMINADORA:
Prof. Dr. Gilson Ditzel Santos - Presidente - UTFPR
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 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.
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.
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
1.1 CONTEXTUALIZAÇÃO
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
1.3 OBJETIVOS
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.
1.4 JUSTIFICATIVA
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.
2 FUNDAMENTAÇÃO TEÓRICA
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
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.
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
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
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.
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)
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
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
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.
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.
𝐺∗𝐴∗𝑉∗
𝑈
𝑇∗ (1)
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.
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
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).
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
O Quadro 28, apresenta a fundamentação teórica que sustentou a seleção das variáveis.
71
3 METODOLOGIA DA PESQUISA
𝑌 𝑎 𝑏 .𝑋 𝑏 .𝑋 ⋯ 𝑏 .𝑋 𝑢 𝑋 .𝑏 𝑢 (2)
Sendo:
𝑃𝑒𝑟𝑐 𝑌 |𝑋 𝑋 .𝑏 (3)
76
𝜃. |𝑌 𝑋 . 𝑏| 1 𝜃 . |𝑌 𝑋 . 𝑏| 𝑚í𝑛
∶ . : . (4)
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
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.
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
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.
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.
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
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
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.
A seguir são apresentados os resultados obtidos com o tratamento estatístico dos dados
coletados no SME.
98
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
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.
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
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.
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
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.
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)
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
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.
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
A seguir são resgatadas todas as hipóteses formuladas para este trabalho de pesquisa.
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.
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
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
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
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
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. 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.
AHVENNIEMI, H. et al. What are the differences between sustainable and smart cities?
Cities, v. 60, p. 234–245, 2017.
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.
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.
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.
BATTY, M. et al. Smart cities of the future. European Physical Journal: Special Topics, v.
214, n. 1, p. 481–518, 2012.
BÉLISSENT, J. Getting clever about smart cities: new opportunities require new business
models. Forrester Research, Inc., p. 33, 2010.
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.
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.
CARAGLIU, A.; DEL BO, C.; NIJKAMP, P. Smart cities in Europe. Journal of Urban
Technology, v. 18, n. 2, p. 65–82, 2011.
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.
COMPANIES, Marsh and McLennan. The Global Risks Report 14th Edition. [s.l: s.n.]. v.
310, 2019.
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.
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.
FÁVERO, Luiz Paulo. Manual de análise de dados / Luiz Paulo Fávero, Patrícia Belfiore. –
1. ed – Rio de Janeiro: Elsevier, 2017.
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.
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.
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.
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.
HARRISON, C. et al. Foundations for Smarter Cities. IBM Journal of Research and
Development, v. 54, n. 4, 2010.
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.; 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.
JOHNSTON, R. Service operations management: From the roots up. International Journal
of Operations and Production Management, v. 25, n. 12, p. 1298–1308, 2005b.
KITCHIN, R. The real-time city? Big data and smart urbanism. GeoJournal, v. 79, n. 1, p. 1–
14, 2014.
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.
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.
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.
LOMBARDI, P. et al. Modelling the smart city performance. Innovation, v. 25, n. 2, p. 137–
149, 2012.
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.
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.
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.
O’DWYER et al. The current scenario of emergency care policies in Brazil. BMC health
services research, v. 13, p. 70, 2013.
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.
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.
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
SAATY, T.; DE PAOLA, P. Rethinking Design and Urban Planning for the Cities of the
Future. Buildings, v. 7, n. 4, p. 76, 2017.
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.
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.
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.
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.
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.
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.
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.
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.
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.