See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/344364794

Uma análise bibliométrica da literatura sobre Healthcare 4.0 na base Scopus

(2011 a 2019)

Conference Paper · August 2020

DOI: 10.29327/sengi2020.272259

CITATIONS READS

0 126

4 authors:

Juliano Endrigo Sordan Yasmine Tomasella Rodrigues

Universidade Federal de São Carlos University of São Paulo
28 PUBLICATIONS   13 CITATIONS    5 PUBLICATIONS   0 CITATIONS   

SEE PROFILE SEE PROFILE

Pedro Carlos Oprime Márcio Lopes Pimenta

Universidade Federal de São Carlos Universidade Federal de Uberlândia (UFU)
84 PUBLICATIONS   217 CITATIONS    81 PUBLICATIONS   287 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Disciplina: Estatistica/DEP/PPGEP View project

Marcas regionais de alimentos: a relação de valor do consumidor como determinante de compra View project

All content following this page was uploaded by Juliano Endrigo Sordan on 24 September 2020.

The user has requested enhancement of the downloaded file.

 UMA ANÁLISE BIBLIOMÉTRICA DA
LITERATURA SOBRE HEALTHCARE 4.0
NA BASE SCOPUS (2011 A 2019)
Juliano Endrigo Sordan julianosordan@yahoo.com.br Universidade Federal de São Carlos (UFSCar)
Yasmine Tomasella Rodrigues yasmine.trc@gmail.com Universidade de São Paulo (USP)
Pedro Carlos Oprime pedro@dep.ufscar.br Universidade Federal de São Carlos (UFSCar)
Marcio Lopes Pimenta pimenta@ufu.br Universidade Federal de Uberlândia (UFU)

Resumo
O paradigma da Indústria 4.0 tem induzido inúmeras transformações tecnológicas
e culturais, tanto na indústria de transformação como no seguimento da saúde.
Neste contexto, o healthcare 4.0 pode ser compreendido como um conceito
estratégico para as operações em healthcare, decorrente da quarta revolução
industrial, englobando as mudanças no modo como a saúde é gerenciada em razão
dos recentes avanços tecnológicos. Este artigo apresenta um estudo bibliométrico
sobre o tema healthcare 4.0. Para isso, foi selecionada uma amostra com 139
trabalhos publicados no período de 2011 a 2019 na forma de artigos de periódicos
e conferências internacionais, obtidos na base de dados Scopus. Uma análise
dessas publicações foi conduzida recorrendo ao uso de técnicas bibliométricas.
Como resultado, o estudo destaca algumas especificidades a respeito da publicação
científica sobre o tema incluindo o número de publicações ao longo do tempo,
características geográficas, redes sociais de citações e co-citações e análise de
palavras-chave.

Palavras chaves
Healthcare 4.0, Smart Hospital, Industry 4.0.

São Paulo-SP, agosto de 2020 1 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 1. Introdução
As grandes transformações tecnológicas propostas pelo paradigma da quarta revolução
industrial, também denominado Indústria 4.0 (I4.0), ainda se encontram incipientes em países
em desenvolvimento, sendo evidenciadas por meio da implementação de estratégias de
transformação digital, geralmente restritas às grandes organizações industriais. Contudo, este
novo paradigma reúne uma multiplicidade de tecnologias incluindo inteligência artificial,
internet móvel, computação em nuvem, realidade aumentada, simulação, robótica avançada,
sensores, nanotecnologia, entre outras (KULL, 2015).
Neste cenário, os conceitos em torno da I4.0 remetem à ideia de um projeto de manufatura
capaz de integrar as tecnologias digitais a custos reduzidos resultando na implementação de
Sistemas Ciber-Físicos (Cyber-Physical System – CPS) que conectam o mundo físico com o
mundo virtual. De acordo com o relatório intitulado "Industry 4.0: The Future of Productivity
and Growth in Manufacturing Industries", publicado pelo Boston Consulting Group, um
conjunto de nove tecnologias associadas com a I4.0 transformarão o ambiente de manufatura
nos próximos anos. São elas: (1) Big Data Analytics; (2) Robótica autônoma; (3) Simulação;
(4) Integração de sistemas horizontal e vertical; (5) Internet Industrial das Coisas ou “Internet
of Things” - IIoT; (6) Cibersegurança; (7) Computação em nuvem; (8) Manufatura aditiva; e
(9) Realidade aumentada (RÜßMANN et al., 2015).
Recentemente, o mundo tem acompanhado os desdobramentos decorrentes da pandemia
causada pelo vírus COVID-19, identificado inicialmente na China em janeiro de 2020, e que
posteriormente atingiu todos os continentes. A crise sanitária causada por essa crise
epidemiológica tem evidenciado a eficácia das tecnologias I4.0, tanto no âmbito das operações
internas nos hospitais, como nos esforços científicos para encontrar uma solução permanente
ao surto da doença. Exemplos dessas iniciativas incluem o uso de “enfermeiros robôs” para
auxiliar nas tarefas médicas e entregar medicamentos nos leitos hospitalares de modo a evitar
o contágio entre os humanos, assim como nas tarefas de limpeza e desinfecção dos locais (neste
caso os robôs emitem raios ultravioleta para matar vírus e bactérias). Outro exemplo se refere
ao uso de algoritmos de inteligência artificial para diminuir o ritmo do contágio e auxiliar a
descoberta de vacinas contra o corona vírus a partir da análise de dados de pessoas infectadas.

Desta forma, o “Healthcare 4.0” (H4.0), embora seja incipiente em muitos países, tem se
mostrado promissor em direção a otimização das operações realizadas na área da saúde.
Exemplos de estratégias de transformação digital nesse seguimento incluem a realização de
exames por computadores e Registros Médicos Eletrônicos (RME), a interconexão entre
dispositivos móveis conectados aos pacientes (wearables), sensores e produtos farmacêuticos
inteligentes para gerenciar doenças (THUEMMLER; BAI, 2017), entre outros. Desta forma, as
tecnologias digitais podem oferecer possibilidades ilimitadas para melhorar a saúde, da aptidão
pessoal à construção de sistemas de saúde mais fortes para países inteiros (OMS, 2018).

A questão de pesquisa que norteou este trabalho é: Como a produção científica sobre
H4.0 tem evoluído? Assim, o presente artigo tem como objetivo caracterizar a produção
científica sobre H4.0 recorrendo a técnicas de bibliometria. O artigo está estruturado em cinco
seções. A segunda seção apresenta uma breve fundamentação teórica sobre o tema da pesquisa.
Em seguida, são apresentados os métodos para coleta e análise dos dados. A quarta seção
apresenta os resultados da pesquisa destacando a evolução das publicações, os periódicos
envolvidos, a análise de autoria das publicações e análise das palavras-chave. Finalmente, na
última seção são apresentadas as conclusões sobre o trabalho.

São Paulo-SP, agosto de 2020 2 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 2. Healthcare 4.0

O termo "Indústria 4.0" foi impulsionado em 2011, após a realização de uma feira
tecnológica em Hannover (Alemanha). Esse evento tinha como proposta reunir profissionais da
indústria e entidades do governo alemão para discutir estratégias para a competitividade por
meio da tecnologia e digitalização dos processos industriais (KAGERMANN et al., 2013;
SANDERS et al., 2016). As tecnologias inerentes ao novo modelo de manufatura, tais como
Internet das Coisas (IoT), inteligência artificial, machine learning e realidade aumentada, têm
revolucionado diversas áreas da engenharia, incluindo a indústria automotiva, computação,
eletrônica, aeroespacial e defesa (KUMARI et al., 2018).

Sendo assim, os recentes avanços em software, hardware, tecnologias da informação e

comunicação motivaram as estratégias de transformação digital (YANG et al., 2016). Tal
estratégia também tem sido seguida por profissionais na área da saúde. Na década de 1850,
Louis Pasteur descobriu que as causas da doença eram microorganismos e o setor de saúde
naquela época testemunhou o início de tecnologias modulares de sistemas de informação,
caracterizando esse período como “Healthcare 1.0” (BODENHEIMER 1995; THUEMMLER;
BAI, 2017). Nesse período, fábricas foram aprimoradas e tecnologias contemporâneas deram
origem à descoberta de microscópios e outros equipamentos médicos. A rede simples foi
introduzida no setor de saúde com a evolução dos RME que foram integrados às técnicas de
imagem médica, proporcionando um melhor diagnóstico de doenças, o que foi denominado de
“Healthcare 2.0” (THUEMMLER; BAI 2017).

A terceira revolução industrial intensificou a informatização das empresas e a

digitalização foi um dos principais impulsionadores do setor de saúde, com a capacidade de
reestruturar o tratamento dos pacientes. Surgiram novos modelos de negócios na área da saúde,
onde os gerentes da área costumavam coletar dados de várias fontes e extrair informações
relevantes e significativas. Esta década observou o uso de informações genéticas e o
desenvolvimento de implantes e wearables. A integração e o trabalho em rede desses dados
com os processos de RME foram marcados como “Healthcare 3.0” (BODENHEIMER, 1995;
GRAY, 2008; THUEMMLER; BAI, 2017). A quarta revolução industrial tem sido
caracterizada pelo amálgama de tecnologias das físicas, biologia e tecnologia da informação
(ACEMOGLU, 2002; VON TUNZELMANN, 2003). Por analogia à I4.0, o termo "Healthcare
4.0" foi usado para denotar a tendência de que mais e mais tecnologias incubadas nas indústrias
manufatureiras impulsionadas pela I4.0 estão sendo adotadas nas indústrias e serviços de saúde.

A visão da I4.0 se espalhou por outros setores da economia. O domínio da saúde é um

exemplo de atividades humanas afetadas pela I4.0. Conforme destacado H4.0 é um termo que
surgiu recentemente derivado da I4.0, inspirado no quarto paradigma industrial e nos avanços
científicos com uso intensivo de dados (HEY et al., 2009). Desta forma, o conceito descreve as
fronteiras digitais e a inovação disruptiva no setor de saúde que está impulsionando novos
modelos de negócios e redes de valor (HERRMANN et al., 2018).

O H4.0 é um processo contínuo, porém disruptivo, de transformação da cadeia de valor

de assistência médica, que varia desde produção de equipamentos médicos, atendimento
hospitalar e não hospitalar, logística de assistência médica, ambiente de vida saudável a
sistemas financeiros e sociais, onde uma grande quantidade de sistemas físicos e cibernéticos é
estreitamente combinada por meio da IoT, inteligência artificial, Big Data Analytics,
computação em nuvem, controle automático e execução autônoma e robótica para criar não

São Paulo-SP, agosto de 2020 3 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 apenas produtos e tecnologias de saúde digitalizados, mas também serviços e empresas de saúde
digitalizados (PANG et al. 2018). O que também faz é ajudar a mover todo o setor de saúde de
um sistema reativo e focado na taxa de serviço para um sistema baseado em valor, que mede os
resultados e garante uma prevenção proativa (BAUSE et al., 2019).

3. Método de pesquisa
Estudos bibliométricos são baseados em análise estatística de publicações científicas
disponíveis em bases de dados e têm como propósito analisar indicadores pertinentes a essas
publicações, tais como volume de artigos, número de citações e outras estatísticas (DABIRIAN
et al., 2016). O presente artigo tem como objetivo analisar a produção científica atual sobre
H4.0 por meio de técnicas de bibliometria. Para isto, o procedimento metodológico foi
estruturado em três etapas, conforme ilustrado na Figura 1. A seleção da amostra inicial foi
obtida por meio de consulta na base Scopus, realizada no mês de março de 2020. A escolha por
essa base levou em consideração a relevância dos artigos indexados, publicados em periódicos
com fator de impacto, assim como a facilidade de estratificação e acesso às publicações. Para a
seleção da amostra foi construída uma string de busca por meio de lógica booleana na qual
resultou na recuperação de 223 registros de estudos publicados na lingua inglesa no período de
2011 a 2019.

Figura 1 – Procedimento metodológico

Fonte: Elaborado pelos autores

O segundo filtro permitiu o refinamento da amostra para 183 artigos, excluindo 40 artigos
duplicados ou publicados na forma de livros e capítulos de livro. Seguindo o método estruturado
de seleção das publicações, foi aplicado um terceiro filtro, considerando a relevância do tema
por meio da leitura dos títulos, resumos e palavras-chave. Dessa forma, foram selecionados 139
publicações na forma de artigos de periódicos e conferência.

São Paulo-SP, agosto de 2020 4 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 A análise dos dados foi realizada em três etapas. Na primeira etapa, os registros foram
incorporados no software SciMAT v.1.1.04 para tratamento das palavras-chave, dados de
autoria e fontes. Posteriormente esses dados foram trabalhados em uma planilha eletrônica para
a elaboração de gráficos e quadros. Por fim, na última etapa, esses registros foram
transformados em indicadores básicos, apresentados na forma de tabelas e gráficos adequados
para cada tipo de análise.

4. Resultados
4.1 Análise inicial

A Figura 2 mostra um gráfico de tendência com a evolução da produção científica sobre

H4.0 no período de 2011 a 2019. O gráfico destaca um expressivo crescimento no número de
publicações nos últimos dois anos, que corresponde a 55,40% do total de artigos. Todavia,
desde a origem do paradigma da quarta revolução industrial, datada por especialistas como o
ano de 2011, observa-se a publicação de pelo menos quatro trabalhos relacionados ao tema
deste estudo.

Figura 2 – Evolução da produção científica sobre healthcare 4.0.

Fonte: Dados da pesquisa

O mapa coroplético ilustrado na Figura 3 apresenta o número de participações de

diferentes países. Os valores destacados no gráfico referem-se às ocorrências em termos de
instituições de pesquisa e ensino em cada país. Ao todo, foram identificados 38 países na
amostra, porém, o gráfico foi elaborado considerando apenas os países com mais de uma
publicação. Os países com maior participação na publicação científica sobre H4.0 (acima de 10
artigos publicados) são: Índia (51 publicações); China (30 publicações); Coreia do Sul (27
publicações); Itália (22 publicações); EUA (20 publicações); Reino Unido (19 publicações);
Grécia (13 publicações); e Brasil (11 publicações).

São Paulo-SP, agosto de 2020 5 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 Figura 3 – Mapa coroplético com os países mais produtivos

Fonte: Dados da pesquisa

Com relação as regiões continentais observam-se a predominância de publicações no

continente asiático, com 158 instituições participantes, distribuídas em 16 países. Em segundo
lugar aparece o continente europeu com a participação de 87 instituições, distribuídas em 12
países. O continente americano surge em terceira posição, sendo 23 instituições presentes nos
três países da América do Norte (EUA, Canadá e México, que representam 62% das
participações institucionais no continente), e 14 instituições presentes na América do Sul
distribuídas no Brasil, Chile e Argentina (38% das participações institucionais do continente).
Todavia, observa-se que nenhuma publicação foi evidenciada nos países da Oceania.

A análise sobre as fontes da produção científica revela que os 139 trabalhos foram
publicados em 124 fontes entre periódicos e artigos de conferência. A Figura 4 mostra as 14
fontes com mais de um artigo sobre H4.0 publicado no período e destaca a superioridade dos
artigos publicados em periódicos (19 artigos) frente aos artigos provenientes de conferências
(10 artigos). Embora o periódico Computers and Electrical Engineering mostra-se como o mais
relevante com relação ao volume de publicações, percebe-se que o tema é multidisciplinar por
cobrir áreas diversas como computação, sistemas de informação, automação e medicina.

4.2 Análise de autoria e coautoria das publicações

Os 139 artigos que compõem a amostra analisada são de 503 diferentes autores, sendo
que a maioria, composta por 455 autores (90,46%), publicou apenas um artigo. Com o objetivo
de identificar os autores mais citados foi elaborado um ranking com base nas citações
registradas na base de dados e na plataforma Google Acadêmico. O Quadro 1 ordena os artigos
de acordo com o número de citações recebidas até a data desta pesquisa e apresenta a abordagem
de pesquisa utilizada em cada trabalho. Além disso, constata-se que os 10 artigos mais citados
tiveram a participação de 44 autores.

São Paulo-SP, agosto de 2020 6 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 Figura 4 – Principais fontes de publicação científica sobre healthcare 4.0

Fonte: Dados da pesquisa

Quadro 1 - Artigos sobre H4.0 mais citados

Nº de citações
Abordagem
Rank Autoria (ano) Título Google
Scopus de Pesquisa
Acadêmico
Catarinucci et al., An IoT-Aware Architecture for Smart
1 353 506 Qualitativo
(2015) Healthcare Systems.
Exploiting smart e-Health gateways at the edge
Rahmani et al.,
2 of healthcare Internet-of-Things: A fog 243 395 Qualitativa
(2018)
computing approach.
Smart e-Health Gateway: Bringing intelligence
Rahmani et al.,
3 to Internet-of-Things based ubiquitous 139 219 Qualitativa
(2015)
healthcare systems.
Leveraging complex event processing for smart Quali-
4 Yao et al., (2011) 89 165
hospitals using RFID. quantitativa
An energy-efficient cooperative multicast
Jiang; Li; Lv
5 routing in multi-hop wireless networks for 54 57 Quantitativa
(2017)
smart medical applications.
Kumari et al., Fog computing for Healthcare 4.0 environment:
6 50 74 Qualitativa
(2018) Opportunities and challenges.
Zhang et al., Connecting intelligent things in smart hospitals
7 47 58 Quantitativa
(2018) using NB-IoT.
Yu; Lu; Zhu
8 Smart hospital based on internet of things. 43 69 Quantitativa
(2012)
The impact of the hybrid platform of internet of
Darwish et al., things and cloud computing on healthcare
9 43 78 Qualitativa
(2018) systems: opportunities, challenges, and open
problems
Smarter hospital communication: Secure
Przybylo et al., smartphone text messaging improves provider
10 40 62 Quantitativa
(2014) satisfaction and perception of efficacy,
workflow

Fonte: Dados da pesquisa

São Paulo-SP, agosto de 2020 7 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 Com o propósito de compreender as relações entre os autores com maior produtividade
foi elaborado um mapa de coautoria com base nos seguintes indicadores: (i) número de
documentos publicados; (ii) soma de citações; (iii) Índice H; (iv) densidade de rede; e (v)
centralidade. Tais indicadores foram processados automaticamente pelo software SciMat 1.1.4.
Cabe ressaltar que o índice H (H-Index) mensura a qualidade do trabalho científico de um
determinado autor, sendo calculado a partir da quantificação das publicações desse autor e
número de citações recebidas nessas publicações. Enquanto o indicador de densidade estabelece
a razão entre o número de laços observados entre diversos autores sobre o número total de
possíveis laços entre eles (LEVINE; KURZBAN, 2005), o indicador de centralidade indica a
posição de um determinado autor em uma rede, a partir do número de associações entre esse
autor e os demais autores da rede (MARTELETO, 2004).
A Figura 5 mostra um mapa de coautoria envolvendo os principais autores da amostra.
As conexões entre os autores é observada em 4 aglomerados posicionados nos quadrantes
formados a partir dos índices de densidade e centralidade, que variam entre 0 a 1. O tamanho
dos nós (esfera que representam os autores) é proporcional ao número de artigos publicados e
a espessura das arestas que ligam esses nós é proporcional ao número de participação
(coautoria) nos artigos contidos no agrupamento.

Figura 5 – Mapa de coautoria

Fonte: Dados da pesquisa

O mapa de coautoria destaca os 4 aglomerados em diferentes posições quanto ao

continuum densidade versus centralidade. No primeiro quadrante (superior à direita)
verifica-se dois grupos que reúnem 12 autores. O aglomerado destacado na cor cinza agrupa os
autores: Catarinucci, L.; De Donno, D.; Mainettti, L.; Palano, L.; Patrono, L.; Stefanizzi, M.L.;
e Tarricone, L., ambos presentes em 2 artigos que somam 363 citações e H-Index igual a 2.
Esse grupo possui a maior densidade da amostra (1,0) e grande alta centralidade (0,92). O
segundo grupo (destacado na cor marrom) engloba os autores: Liljeberg, P. (3 artigos); Gia,
T.N.; Negash, B.; Granados, J.; e Rahmani, A.M. (ambos com 2 artigos). Esse aglomerado
destaca-se como o mais citado na amostra (412 citações) e possui alta densidade (0,83), alta
centralidade (0,83) e H-Index igual a 3.

São Paulo-SP, agosto de 2020 8 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 No segundo quadrante (inferior à direita) observa-se um grupo formado por 3 autores:
Jiang, D.; Lv, H. (ambos com 2 artigos) e Li, W. (1 artigo). Esse grupo possui 76 citações em
2 artigos, apresenta baixa densidade (0,17), média centralidade (0,58) e possui H-index igual a
2. Finalmente, o aglomerado destacado em verde posicionado no quarto quadrante (superior à
esquerda) reúne cinco autores: Kumar, N. (8 artigos); Tanwar, S. (7 artigos); Tyagi, S.
(6 artigos); Gupta, R. (3 artigos) e Obaidat, M.S. (2 artigos). Esse grupo soma 83 citações,
possui alta densidade (0,92), baixa centralidade (0,08) e H-Index igual a 5.

4.3 Análise de palavras-chave

Antes de iniciar a análise das palavras-chave informadas pelos autores dos artigos
contidos na amostra, procedeu-se um tratamento desses registros de modo a remover os termos
irrelevantes (stop words) para a pesquisa, tais como artigos, pronomes e preposição, assim como
a junção de palavras com o mesmo significado. Após esse tratamento foram identificadas 1.401
palavras. A Figura 6 ilustra uma nuvem de palavras (wordcloud) destacando 47 palavras-chave
com frequência maior ou igual a 5 ocorrências. Neste cenário destacam-se as palavras com mais
de 10 ocorrências: “Smart-Hospital” (64 artigos); “Internet of Things” (52 artigos);
“Healthcare 4.0” (36 artigos); “RFID” (24 artigos); “Wireless” (17 artigos); “Diagnosis”,
“Automation” e “Artificial Intelligence”, ambas presentes em 11 artigos.

Figura 6 – Nuvem de palavras sobre H4.0

Fonte: Dados da pesquisa

São Paulo-SP, agosto de 2020 9 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 Além da análise da nuvem de palavras, o estudo considerou outra análise com base na
co-ocorrência dessas palavras (co-word analysis), de modo a verificar intensidade de ligação
entre os termos informados pelos autores dessas publicações, assim como o número de artigos
em que esses termos aparecem. De acordo com Cobo et al., (2011) esse tipo de análise pode ser
usado para mapear a ciência, formar agrupamentos de palavras-chave e suas interconexões,
assim como identificar um campo de pesquisa a partir de um conjunto de temas, mapeados em
um espaço bidimensional caracterizado por dois parâmetros (densidade e centralidade). A
Figura 7 mostra a evolução dos termos em três subperíodos de análise por meio de um mapa de
evolução temático. O mapa foi elaborado com o auxílio do software SciMAT utilizando os
critérios de não redução de dados, índice de equivalência e algoritmo de centros simples.

Figura 7 – Mapa de evolução temática

Fonte: Dados da pesquisa

No Mapa ilustrado na figura acima, os nós (esferas) representam as palavras ou temas

com co-ocorrência e o seu volume é proporcional ao número de artigos publicados, enquanto a
espessura das linhas é proporcional ao índice de inclusão, calculado a partir do número de
elementos associados a cada termo. A linha contínua indica a constância dos termos com o
mesmo significado, como por exemplo o termo “Wireless-sensor-networks” aparece no
primeiro subperíodo (2011 a 2013), aumenta a sua densidade no período seguinte (2014 a 2016),
e, por fim, se relaciona com o termo “Hospital” no terceiro período (2017 a 2019) em menor
densidade. A linha tracejada indica que diferentes temas compartilham elementos comuns,
como é o caso do termo “Information-and-Qualitative-evaluation” (subperíodo 2), que está
relacionado com o termo “Hospital” nos subperíodos 1 e 2. A ausência de linhas conectoras
entre as palavras indica a descontinuidade dos termos na transição entre os subperíodos.

São Paulo-SP, agosto de 2020 10 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 Desta forma, observa-se um desenvolvimento no emprego de palavras-chave
relacionadas à pesquisa sobre H4.0 ao longo dos três subperíodos. Destacam-se neste cenário
as palavras e termos associados às áreas de arquitetura de automação, tecnologias da
informação e Data Science incluindo: “Smart Hospital”, “Sensors”, “Algorithm”, “Embedded
System”, “Weareble Devices”, “Healthcare Operations”, “Neural-Networks” e “Medical
Information System”.

5. Considerações finais

Este artigo apresentou os resultados de um estudo bibliométrico sobre a produção

científica dedicada ao H4.0, disponível na base de dados Scopus no período 2011-2019. Ao
todo, foram analisados 139 trabalhos na forma de artigos de periódicos e conferências
publicados em 124 fontes por 503 autores, abrangendo 38 países e 282 instituições de pesquisa
e ensino. Os dados demonstram um expressivo crescimento no número de publicações sobre o
tema nos últimos dois anos, que corresponde a 55% do total de artigos.

Dentre as publicações mais citadas, destacam-se as pesquisas direcionadas para a

implementação de soluções em TI, tais como IoT, sensoriamento e RFID, bem como o emprego
do termo “Smart Hospital”. A análise de coautoria revelou os quatro aglomerados mais
importantes na área de conhecimento, com base nas citações recebidas e volume de publicações.
Contudo, dentre os 503 autores presentes na amostra, 90,46% publicaram apenas um artigo
sobre o tema.

A análise das palavras-chave destacou a contribuição de importante áreas do

conhecimento, como a tecnologia da informação, a automação e Data Science, visto que os
termos mais frequentes nos artigos analisados estão diretamente associados a essas áreas, como
por exemplo, “Internet of Things”, “RFID”, “Sensors”, “Artificial Intelligence”, “Algorithm”,
“Embedded System”, “Medical Information System”, “Neural-Networks”, entre outros. A
principal limitação deste estudo se refere a única base de dados selecionada para a pesquisa.
Contudo, os resultados discutidos neste artigo podem oferecer insights a respeito da produção
científica sobre um tema multidisciplinar e ainda incipiente na gestão das operações.

Referências

ACEMOGLU, D.Technical change, inequality, and the labor market. J. Econ. Lit. 40:7–72, 2002.
BAUSE, Melania; KHAYAMIAN ESFAHANI, Bahar; FORBES, Hannah; SCHAEFER, Dirk. Design for Health
4.0: Exploration of a New Area. International Conference On Engineering Design, Iced, Delft, The Nether-
lands, 2019.
BODENHEIMER, T. The industrial revolution in health care. Social Justice 22:26–42, 1995.
CATARINUCCI, L.; De DONNO, D.; MAINETTI, L.; PALANO, L.; PATRONO, L.; STEFANIZZI, M.L.;
TARRICONE, L. An IoT-aware architecture for smart healthcare systems. IEEE Internet of Things Journal, v.
2, n. 6, p. 515-526, 2015.
COBO, M.J.; LÓPEZ-HERRERA, A.G.; HERRERA-VIEDMA, E.; HERRERA, F. An approach for detecting,
quantifying, and visualizing the evolution of a research field: A practical application to the fuzzy sets theory field.
Journal of informetrics, v. 5, n. 1, p. 146-166, 2011.
DABIRIAN, A.; DIBA, H.; TAREH, F.; TREEN, E. A 23-Year bibliometric study of the journal of food products
marketing. Journal of Food Products Marketing, v. 22, n. 5, p. 610-622, 2016.

São Paulo-SP, agosto de 2020 11 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 DARWISH, A.; HASSANIEN, A.E.; ELHOSENY, M.; SANGAIAH, A.K.; MUHAMMAD, K. The impact of
the hybrid platform of internet of things and cloud computing on healthcare systems: opportunities, challenges,
and open problems. Journal of Ambient Intelligence and Humanized Computing, v. 10, n. 10, p. 4151-4166,
2019.
DELOITTE. Industry 4.0: Challenges and solutions for the digital transformation and use of exponencial
technologies. 2014. DOI. Disponível em: <https://doi.org/10.1111/ntwe.12067>. Acesso em: 15 de abril de 2019.
GRAY, M. Making the future of healthcare Zeitschrift für Evidenz. Fortbildung und Qualität im Gesund-
heitswesen 102:231–233, 2008.
HEY, A. J., TANSLEY, S., TOLLE, K. M.. The fourth paradigm: Data-intensive scientific discovery (Vol. 1).
Redmond, WA: Microsoft Research, 2009.
JAIN, V; AJMERA P. Modelling the factors affecting Indian medical tourism sector using interpretive structural
modeling benchmarking: An International Journal 25:1461–1479, 2018.
JAYARAMAN, P., P; FORKAN, A., R., M.; MORSHED, A.; HAGHIGHI, P., D.; YONG-BIN, K. Healthcare
4.0: A Review of Frontiers in Digital Health. WIREs Data Mining Knowl Discov. 2019.
JIANG, D.; LI, W.; LV, H. An energy-efficient cooperative multicast routing in multi-hop wireless networks for
smart medical applications. Neurocomputing, v. 220, p. 160-169, 2017.
KAGERMANN, Henning. Chancen von industrie 4.0 nutzen. In: Bauernhansl, Thomas/tem Hompel, Michael/Vo-
gel-Heuser, Birgit (Org.) Industrie 4.0 in Produktion, Automatisierung und Logistik. Wiesbaden: Springer VS,
p. 603-614, 2014.
KULL, H. Mass customization: Opportunities, methods, and challenges for manufacturers. Apress, 2015.
KUMARI, A.; TANWAR, S.; TYAGI, S.; KUMAR, N. Fog computing for Healthcare 4.0 environment:
Opportunities and challenges. Computers & Electrical Engineering, v. 72, p. 1-13, 2018.
LEVINE, S.; KURZBAN, R. The cascading benefits of clusters: how network density affects tie strength. Papers
of the Annual Meeting of the American Sociological Association (pp. 1-59). Eugene: American
Sociological Association, 2005.
MARTELETO, R. M.; SILVA, A.B.O. Redes e capital social: o enfoque da informação para o
desenvolvimento local. Ciência de Informação, v. 33, n. 3, p. 41-49, 2004.
MUESCHENICH, M.; WAMPRECHT, L. Health 4.0 – How are We Doing Tomorrow? Springer Verlag GmbH,
Germany, 2018.
PANG, Z. Introduction to the Special Section: Convergence of Automation Technology, Biomedical Engineering,
and Health Informatics Toward the Healthcare 4.0. IEEE Reviews in: Biomedical Engineering, Vol. 11, 249-259,
2018.
PRZYBYLO, J.A.; WANG, A.; LOFTUS, P.; EVANS, K.H.; CHU, I.; SHIEH, L. Smarter hospital
communication: secure smartphone text messaging improves provider satisfaction and perception of efficacy,
workflow. Journal of hospital medicine, v. 9, n. 9, p. 573-578, 2014.
RAHMANI, A.M.; GIA, T.N.; NEGASH, B.; ANZANPOUR, A.; AZIMI, I.; JIANG, M.; LILJEBERG, P.
Exploiting smart e-Health gateways at the edge of healthcare Internet-of-Things: A fog computing approach.
Future Generation Computer Systems, v. 78, p. 641-658, 2018.
RAHMANI, A.M.; THANIGAIVELAN, N.K.; GIA, T.N.; GRANADOS, J.; NEGASH, B.; LILJEBERG, P.;
TENHUNEN, H. Smart e-health gateway: Bringing intelligence to internet-of-things based ubiquitous healthcare
systems. In: 2015 12th Annual IEEE Consumer Communications and Networking Conference (CCNC).
IEEE, 2015. p. 826-834.

RÜßMANN, M.; LORENZ, M.; GERBERT, P.; WALDNER, M.; JUSTUS, J.; ENGEL, P.; HARNISCH, M.
Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group, 9,
2015. Disponível em: https://www.bcg.com. Acesso em: 26 de maio de 2019.

SANDERS, A.; ELANGESWARAN, C.; WULFSBERG, J. Industry 4.0 implies lean manufacturing: research
activities in industry 4.0 function as enablers for lean manufacturing. Journal of Industrial Engineering and
Management. v.3, n. 9, 811-833, 2016.

São Paulo-SP, agosto de 2020 12 III SENGI - Simpósio de Engenharia, Gestão e Inovação
 SCHWAB, Klaus. The Fourth Industrial Revolution. Genebra: World Economic Forum, 2016.
TANWAR, S; PAREKH, K.; EVANS, R. Blockchain-based electronic healthcare record system for healthcare
4.0 applications, J. Inf. Secur. Appl. 50, 102407, 2020.
THUEMMLER C, BAI C (2017) Health 4.0: how virtualization and big data are revolutionizing healthcare.
Springer, New York.
VON TUNZELMANN, N. Historical coevolution of governance and technology in the industrial revolutions.
Struct Chang Econ Dyn 14:365–384, 2003.
WORLD HEALTH ORGANISATION (2016), “Global diffusion of eHealth”. Disponível em:
http://apps.who.int/iris/bitstream/handle/10665/252529/9789241511780eng.pdf?sequence=1#page=16. Acesso
em: 08 de abril de 2019.
YANG, Z., ZHOU, Q., LEI, L., ZHENG, K., & XIANG, W. An Iot-Cloud Based Wearable Ecg Monitoring Sys-
tem for Smart Healthcare. Journal of Medical Systems, 40, 286, 2016.
YAO, W.; CHU, C.H.; LI, Z. Leveraging complex event processing for smart hospitals using RFID. Journal of
Network and Computer Applications, v. 34, n. 3, p. 799-810, 2011.
YU, L.; LU, Y.; ZHU, X.J. Smart hospital based on internet of things. Journal of Networks, v. 7, n. 10, p. 1654,
2012.
ZHANG, H.; LI, J.; WEN, B.; XUN, Y.; LIU, J. Connecting intelligent things in smart hospitals using NB-IoT.
IEEE Internet of Things Journal, v. 5, n. 3, p. 1550-1560, 2018.

São Paulo-SP, agosto de 2020 13 III SENGI - Simpósio de Engenharia, Gestão e Inovação

View publication stats