Modelos de Otimização para Alocação Equitativa de Pacientes em Hemodiálise: Um Estudo de Caso no Maranhão

• Elen Serra Soubreira UFMA
• Darlan Bruno Pontes Quintanilha UFMA
• Tiago Bonini Borchartt UFMA
• Humberto Serra UFMA
• Francisco Glaubos Nunes Clímaco UFMA

DOI: https://doi.org/10.5753/sbcas.2026.20386

Resumo

A alocação de pacientes em hemodiálise é um desafio logístico em regiões com infraestrutura desigual, como o Maranhão. Alocações empíricas frequentemente resultam em deslocamentos extremos de até 400 km. Este artigo compara um modelo de Programação Linear Inteira (PLI) para eficiência global com um modelo PLI Misto (PLIM) para equidade espacial. Com dados de 217 municípios e 15 polos, o PLI reduziu o custo logístico em 10,3% e o PLIM reduziu o deslocamento máximo individual em 49,5% (de 400 km para 202 km), ao custo de elevação de 55,3% na mediana. Este trade-off evidencia a tensão entre eficiência econômica e justiça social na saúde pública.

Referências

Adelhütte, D., Braun, K., and Liers, F. (2024). Minimizing delays of patient transports with incomplete information: A modeling approach based on the vehicle routing problem. OR Figura 3. ECDF das distâncias de deslocamento dos pacientes em hemodiálise no Maranhão. Spektrum.

Angelo, P. P. D., Mufato, L. F., Oliveira, D. d. C., Rocha, R. P. d. S., Zaniolo, L. M., and Rocha, R. A. d. S. (2018). A máquina que sustenta a vida, limita sonhos: cotidiano das pessoas com doença renal crônica e seus deslocamentos.

Brasil. Ministério da Saúde (2018). Portaria n◦ 1.675, de 7 de junho de 2018. dispõe sobre os critérios para a organização, o planejamento e o financiamento do cuidado da pessoa com doença renal crônica no âmbito do sistema Único de saúde (sus). Diário Oficial da União, Brasília, DF. Acesso em: 10 jan. 2026.

Bülbül, K., Ulusoy, G., and Şen, A. (2008). Classic transportation problems.

Cappart, Q., Thomas, C., Schaus, P., and Rousseau, L.-M. (2018). A constraint programming approach for solving patient transportation problems. In International conference on principles and practice of constraint programming, pages 490–506. Springer.

Castaño, F. and Velasco, N. (2021). A network flow-based model for operations planning in home health care delivery. The International Journal of Logistics Management, 32(1):68–95.

Clímaco, G., Gonzalez, P. H., Ribeiro, G. M., Mauri, G. R., and Simonetti, L. (2019). A biased random-key genetic algorithm for the traffic counting location problem. In 2019 8th Brazilian Conference on Intelligent Systems (BRACIS), pages 275–280. IEEE.

Cormen, T. H., Leiserson, C. E., Rivest, R. L., and Stein, C. (2022). Introduction to algorithms. MIT press.

Deb, K., Pratap, A., Agarwal, S., and Meyarivan, T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2):182–197.

Eben-Chaime, M. and Pliskin, J. S. (1992). Incorporating patient travel times in decisions about size and location of dialysis facilities. Medical Decision Making, 12(1):44–51.

Gomes, C. E. V., Clímaco, G., de Carvalho, J. A. F. N., and Quintanilha, D. B. P. (2024). Modelagem matemática para a alocaçao de leitos de uti com diferentes tipos de leitos e taxa de ocupaçao. In Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), pages 226–237. SBC.

Hillier, F. S. and Lieberman, G. J. (2013). Introdução à pesquisa operacional. McGraw-Hill Brasil.

Lima, A. C., Januário, M. C., Lima, P. T., de Moura, W., et al. (2015). Datasus: o uso dos sistemas de informação na saúde pública. Refas-Revista Fatec Zona Sul, 1(3):16–31.

Maranhão. Secretaria de Estado da Saúde (2020). Plano estadual de saúde (pes). Technical report, Governo do Estado do Maranhão, São Luís. Acesso em: 23 fev. 2026.

Mitchell, S., OSullivan, M., and Dunning, I. (2011). Pulp: a linear programming toolkit for python. The University of Auckland, Auckland, New Zealand, 65(25):2011.

Nasir, J. A., Kuo, Y.-H., and Cheng, R. (2022). Clustering-based iterative heuristic framework for a non-emergency patients transportation problem. Journal of Transport & Health, 26:101411.

Nerbass, F. B., Lima, H. N., Moura-Neto, J. A., Lugon, J. R., and Sesso, R. (2023). Censo brasileiro de diálise 2022. Brazilian Journal of Nephrology, 46(2):e20230062.

Romão Junior, J. E. (2004). Doença renal crônica: Definição, epidemiologia e classificação. Brazilian Journal of Nephrology, 26(3):1–3. Suppl. 1.

Shehadeh, K. S. (2023). Distributionally robust optimization approaches for a stochastic mobile facility fleet sizing, routing, and scheduling problem. Transportation Science, 57(1):197–229.

Tian, F. F., Hall, Y. N., Griffin, S., Kranze, T., Marcella, D., Watnick, S., and O’Hare, A. M. (2023). The complex patchwork of transportation for in-center hemodialysis. Journal of the American Society of Nephrology, 34(10):1621–1627.

Wolsey, L. A. (2020). Integer programming. John Wiley & Sons.

Xiao, L., Dridi, M., Hajjam El Hassani, A., Fei, H., and Lin, W. (2018). An improved cuckoo search for a patient transportation problem with consideration of reducing transport emissions. Sustainability, 10(3):793.