Sistema ajuda a prever demanda por equipamentos de proteção individual em hospitais

Ferramenta de acesso aberto foi criada por pesquisadores do Centro de Ciências Matemáticas Aplicadas à Indústria na USP para minimizar o risco de desabastecimento e gastos desnecessários

Elton Alisson | Agência FAPESP – Além de planejar a disponibilidade de leitos e de respiradores pulmonares para o tratamento de pacientes com COVID-19 em estado grave, os gestores de hospitais têm lidado com o desafio de gerir a compra de equipamentos de proteção individual (EPIs) para os profissionais de saúde. Se as previsões de compra desses suprimentos não forem corretas, pode ocorrer desabastecimento ou gastos desnecessários.

Para ajudar nessas estimativas, pesquisadores vinculados ao Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI) desenvolveram, em parceria com uma empresa fornecedora de soluções digitais para a gestão de processos em saúde, a Bionexo, um sistema que permite prever a demanda por EPIs em hospitais durante a pandemia de COVID-19, com atualização em tempo real.

De acesso aberto, o sistema foi descrito em artigo publicado na plataforma medRxiv, ainda sem previsão por pares.

Sediado no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), campus de São Carlos, o CeMEAI é um dos Centros de Pesquisa, Inovação e Difusão (CEPIDs) financiados pela FAPESP.

“O sistema permite aos hospitais manter um estoque de segurança de EPIs, em um momento em que esses recursos têm sido escassos e caros”, disse Francisco Louzada Neto, professor do ICMC-USP e um dos pesquisadores do CeMEAI participantes do projeto, durante o seminário on-line “Focusing maths of COVID-19 on South America”, realizado pela FAPESP em 4 de junho.

O sistema é baseado em um modelo matemático que prediz o consumo de um determinado EPI ao longo do tempo com base na curva estimada da doença, na região atendida pelo hospital e em informações de saúde, como taxa de hospitalização, frequência de atendimento de emergência, além de levar em conta o número de leitos disponíveis para definir o tamanho da equipe.

Por meio da integração desses dados, o sistema fornece a previsão de demanda para EPIs, como máscaras e aventais, indicando o momento em que um hospital atingirá o pico de consumo desses suprimentos, o período de permanência nesse patamar e as perspectivas de mudança.

“Com base nessas previsões, um hospital pode estimar a quantidade necessária de EPIs que deve comprar para minimizar o risco de faltar suprimentos ou de comprar em excesso, o que poderia causar o desabastecimento em outras instituições de saúde”, explicou Louzada.

De acordo com o pesquisador, o sistema desenvolvido pelo CeMEAI despertou interesse de gestores de hospitais no país.

Ações para combater a epidemia

O desenvolvimento do sistema faz parte de uma série ações empreendidas pelo CeMEAI nos últimos meses, voltadas para ajudar no combate da COVID-19 no país.

Com o surgimento da doença, os pesquisadores do CEPID se mobilizaram para desenvolver modelagens matemáticas para prever a evolução da epidemia no Brasil, avaliar os efeitos do isolamento social e ajudar municípios a planejar quarentenas, entre outros exemplos de pesquisas (leia mais em: agencia.fapesp.br/33201/).

As ações foram reunidas em uma página no site do CeMEAI.

“O grupo de pesquisadores reúne matemáticos, estatísticos e cientistas da computação. Isso permitiu o desenvolvimento de nove projetos relacionados com a COVID-19 até o momento”, contou à Agência FAPESP José Alberto Cuminato, professor do ICMC-USP e diretor do CeMEAI.

O artigo Safety stock: predicting demand on the supply chain in Brazilian hospitals during the COVID-19 pandemic (DOI: 10.1101/2020.05.27.20114330), de Oilson Alberto Gonzatto Jr., Diego Carvalho do Nascimento, Cibele Maria Russo, Marcos Jardel Henriques, Caio Paziani Tomazella, Maristela Oliveira Santos, Denis Neves, Diego Assad, Rafaela Guerra, Evelyn Keise Bertazo, Jose Alberto Cuminato e Francisco Louzada, pode ser lido em www.medrxiv.org/content/10.1101/2020.05.27.20114330v4.