Da Análise à Decisão: Explorando Fluxos de Decisão e Modelos de Impacto na Gestão da Atenção Primária à Saúde

• Dimas Cassimiro Nascimento Universidade Federal do Agreste de Pernambuco (UFAPE)
• Daliton da Silva Universidade Federal do Agreste de Pernambuco (UFAPE)
• Igor Medeiros Vanderlei Universidade Federal do Agreste de Pernambuco (UFAPE)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249726

Resumo

Este artigo apresenta um arcabouço conciso de apoio à decisão baseado em Inteligência Artificial para o planejamento da Atenção Primária à Saúde. A proposta integra três fluxos de decisão que combinam previsão de demanda, alocação de profissionais, otimização espacial e análise de eficiência. O arcabouço conecta diagnóstico, predição, simulação, otimização e monitoramento, apoiando decisões públicas baseadas em evidências em contextos de recursos limitados, demanda heterogênea e desigualdades territoriais.

Palavras-chave: Inteligência Artificial, Apoio à decisão, Atenção Primária à Saúde, Previsão de demanda, Alocação de profissionais, Otimização espacial, Análise de eficiência

Referências

Ahmadi-Javid, A., Seyedi, P., and Syam, S. S. (2017). A survey of healthcare facility location. Computers & Operations Research, 79:223–263.

Batista et al. (2024). Fortaleza city hall strategic planning based on data analysis and forecasting. In Anais do XXVII Congresso Ibero-Americano em Engenharia de Software, pages 433–436, Porto Alegre, RS, Brasil. SBC.

Bourgeois III, L. J. (1981). On the measurement of organizational slack. Academy of Management Review, 6(1):29–39.

Facchini, L. A., Tomasi, E., and Dilélio, A. d. S. (2018). Qualidade da atenção primária à saúde no brasil: avanços, desafios e perspectivas. Saúde em Debate, 42(spe1):208–223.

Farahani, R. Z. and Hekmatfar, M., editors (2009). Facility Location: Concepts, Models, Algorithms and Case Studies. Springer, Berlin, Heidelberg.

Gupta, D. and Denton, B. (2008). Appointment scheduling in health care: Challenges and opportunities. IIE Transactions, 40(9):800–819.

Hall, R. W., editor (2006). Patient Flow: Reducing Delay in Healthcare Delivery. Springer, New York, NY.

Nascimento, I. Y. N., Santos, V. B., Pereira, L. F. A., Araújo, T. B., Rocha, C. G. M., Medeiros Filho, F. G., Andrade, R. C. A. d., Vanderlei, I. M., and Nascimento Filho, D. C. d. (2026). Primary healthcare efficiency indicators for analysis and decision-making support for managers. In Anais do Simpósio Brasileiro de Sistemas de Informação, pages 556–575. SBC.

Pagotto, D. d. P. et al. (2024). Inovação em saúde: a implementação de um data lake para armazenamento, sistematização e disponibilização de dados em saúde no brasil. InCID: Revista de Ciência da Informação e Documentação, 15(1):e213345.

Pan, J., Deng, Y., Yang, Y., and Zhang, Y. (2023). Location-allocation modelling for rational health planning: Applying a two-step optimization approach to evaluate the spatial accessibility improvement of newly added tertiary hospitals in a metropolitan city of china. Social Science & Medicine, 338:116296.

Pereira, L. F. A., Ferreira, L. B., Nascimento, D. C. d., Vanderlei, I. M., Silva, D., Santos, V. B., Gomes, M. S., and Melo, I. A. d. (2025). Design, integration, and evaluation of a demand forecasting service in the context of primary healthcare. In Anais do Simpósio Brasileiro de Sistemas de Informação, pages 506–514. SBC.

Santos, M., Tenório, G., Barros, B. J. S., Nogueira, B., Nascimento, D. C. d., and Pinheiro, R. G. S. (2026). A system for workforce sizing optimization to enhance service capacity in primary healthcare units. In Anais do Simpósio Brasileiro de Sistemas de Informação, pages 890–909. SBC.

Shmueli, G. and Lichtendahl Jr., K. C. (2018). Practical Time Series Forecasting with R: A Hands-on Guide. Axelrod Schnall Publishers.