Uma estrutura computacional de otimização da simulação baseada em Simulated Annealing para avaliar desempenho de Sistemas Médicos de Emergência: O caso do SAMU das cidades de Ouro Preto e Mariana

Thaise Regina Matos de Morais, Aloísio de Castro Gomes Júnior, Lasara Fabricia Rodrigues

Resumo


O tempo de resposta de um Sistema Médico de Emergência (SME) é uma métrica preponderante de eficiência, visto que atender rapidamente as vítimas de urgência, determina a minimização de sequelas permanentes ao mesmo tempo que maximiza a taxa de sobrevida do paciente.  A aleatoriedade inerente às atividades desse tipo de sistema, torna essencial a utilização de ferramentas que apoiam o processo de tomada de decisões. Neste artigo, o desempenho de um SME brasileiro foi avaliado a partir de um sistema computacional de simulação desenvolvido em linguagem Python. Os resultados obtidos demostraram que configurações estratégicas resultariam na redução de aproximadamente 10% no tempo de resposta médio. Demonstraram ainda, a importância de se considerar outras variáveis de forma conjunta ao número de habitantes, na determinação do número de ambulâncias necessário para se atender as demandas de emergência no serviço pré-hospitalar.


Palavras-chave


Otimização da Simulação. Simulated Annealing. Serviços de emergência médica. Tempo de resposta. SAMU.

Texto completo:

PDF

Referências


Aboueljinane, L., Sahin, E., Jemai, Z., & Marty, J. (2014).

A simulation study to improve the performance of an emergency

medical service: Application to the French Val-de-Marne

department. Simulation Modelling Practice and Theory, 47, 46–

https://doi.org/10.1016/j.simpat.2014.05.007

Aringhieri, R., Carello, G., & Morale, D. (2013).

Supporting decision making to improve the performance of an

Italian Emergency Medical Service. Annals of Operations

Research, 236(1), 131–148.

https://doi.org/10.1007/s10479-013-1487-0

Bélanger, V., Lanzarone, E., Nicoletta, V., Ruiz, A., & Soriano, P. (2020).

A recursive simulation-optimization framework for the

ambulance location and dispatching problem. European Journal

of Operational Research, 286(2), 713–725.

https://doi.org/10.1016/j.ejor.2020.03.041

Blackwell, T. H., & Kaufman, J. S. (2002).

Response Time Effectiveness:Comparison of Response Time and

Survival in an Urban Emergency Medical Services System.

Academic Emergency Medicine, 9(4), 288–295.

https://doi.org/10.1197/aemj.9.4.288

Byrne, J. P., Mann, N. C., Dai, M., Mason, S. A., Karanicolas, P., Rizoli, S., & Nathens, A. B. (2019).

Association Between Emergency Medical Service Response Time

and Motor Vehicle Crash Mortality in the United States. JAMA

Surgery, 154(4), 286–293.

https://doi.org/10.1001/jamasurg.2018.5097

Fukushima, F., & Moriya, T. (2021).

Objective evaluation study on the shortest time interval from

fire department departure to hospital arrival in emergency

medical services using a global positioning system ― potential

for time savings during ambulance running. IATSS Research,

(2), 182–189. https://doi.org/10.1016/j.iatssr.2020.08.001

Golabian, H., Arkat, J., Farughi, H., & Tavakkoli-Moghaddam, R. (2021).

A simulation-optimization algorithm for return strategies in

emergency medical systems. SIMULATION, 97(9), 565–588.

https://doi.org/10.1177/00375497211006175

Gonzalez, R. P., Cummings, G. R., Phelan, H. A., Mulekar, M. S., & Rodning, C. B. (2009).

Does increased emergency medical services prehospital time

affect patient mortality in rural motor vehicle crashes? A

statewide analysis. The American Journal of Surgery, 197(1),

–34. https://doi.org/10.1016/j.amjsurg.2007.11.018

Hakimi, S. L. (1964).

Optimum Locations of Switching Centers and the Absolute

Centers and Medians of a Graph. Operations Research, 12(3),

–459. https://doi.org/10.1287/opre.12.3.450

Instituto Brasileiro de Geografia e Estatística (2022).

https://cidades.ibge.gov.br/brasil/panorama.

Kirkpatrick, S., Gelatt, C. D., & Vecchi, M. P. (1983).

Optimization by Simulated Annealing. Science, 220(4598), 671–

https://doi.org/10.1126/science.220.4598.671

McCormack, R., & Coates, G. (2015).

A simulation model to enable the optimization of ambulance

fleet allocation and base station location for increased patient

survival. European Journal of Operational Research, 247(1),

–309. https://doi.org/10.1016/j.ejor.2015.05.040

Nair, R., & Miller-Hooks, E. (2009).

Evaluation of Relocation Strategies for Emergency Medical

Service Vehicles. Transportation Research Record: Journal of the

Transportation Research Board, 2137(1), 63–73.

https://doi.org/10.3141/2137-08

Nogueira, L. C., Pinto, L. R., & Silva, P. M. S. (2014).

Reducing Emergency Medical Service response time via the

reallocation of ambulance bases. Health Care Management

Science, 19(1), 31–42. https://doi.org/10.1007/s10729-014-

-4

Pell, J. P. (2001).

Effect of reducing ambulance response times on deaths from out

of hospital cardiac arrest: cohort study. BMJ, 322(7299), 1385–

https://doi.org/10.1136/bmj.322.7299.1385

Pons, P. T., & Markovchick, V. J. (2002).

Eight minutes or less: does the ambulance response time

guideline impact trauma patient outcome? The Journal of

Emergency Medicine, 23(1), 43–48.

https://doi.org/10.1016/s0736-4679(02)00460-2

Zaffar, M. A., Rajagopalan, H. K., Saydam, C., Mayorga, M., & Sharer, E. (2016).

Coverage, survivability or response time: A comparative study of

performance statistics used in ambulance location models via

simulation–optimization. Operations Research for Health Care,

, 1–12. https://doi.org/10.1016/j.orhc.2016.08.001

Zhen, L., Wang, K., Hu, H., & Chang, D. (2014).

A simulation optimization framework for ambulance deployment

and relocation problems. Computers & Industrial Engineering,

, 12–23. https://doi.org/10.1016/j.cie.2014.03.008




DOI: https://doi.org/10.5585/exactaep.2022.21836

Direitos autorais 2022 Exacta

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional.

Tempo médio entre a submissão e primeira resposta de avaliação: 120 dias

Exacta – Engenharia de Produção

e-ISSN: 1983-9308
ISSN: 1678-5428
www.revistaexacta.org.br

Exacta  ©2022 Todos os direitos reservados.

Este obra está licenciada com uma Licença 
Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional