Helena de Menezes Minassa; Maria Helena Veloso Salgado

DOI: 10.22167/2675-6528-202600894

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

O setor público, embora caracterizado por processos burocráticos, beneficia-se das oportunidades de melhoria oferecidas pela tecnologia para acelerar o trabalho. Com o objetivo de otimizar o tempo e a qualidade das análises de solicitações de medicamentos no Componente Especializado da Assistência Farmacêutica (CEAF) do SUS, e garantir maior padronização, desenvolveu-se um modelo de automação. Aplicou-se um ciclo PDCA em uma Secretaria de Saúde de Estado, onde se elaboraram ferramentas para dois processos de solicitação de medicamentos (processo inicial e monitoramento de Diabetes Mellitus tipo 1) e um de ressarcimento de antifúngicos. A criação das ferramentas envolveu o uso de inteligência artificial para gerar códigos de preenchimento automático, fórmulas e formatação condicional em planilhas Excel, baseadas em formulários específicos e Protocolos Clínicos e Diretrizes Terapêuticas (PCDT). Para avaliar a usabilidade, conduziu-se uma pesquisa-ação, na qual analistas testaram as ferramentas e forneceram feedback por meio de questionários online. Os resultados indicaram aumento da velocidade de análise, melhor organização das informações e aprimoramento na qualidade e uniformidade das respostas emitidas. Observou-se uma avaliação altamente positiva da ferramenta pelos usuários, com forte correlação entre velocidade, satisfação, facilidade de uso e eficiência. Concluiu-se que a automação proposta constitui uma estratégia simples, viável e eficaz para aprimorar a gestão de processos e fortalecer a tomada de decisão no SUS.

Palavras-chave: Assistência Farmacêutica; Diabetes Mellitus; Gestão de processos; Inteligência Artificial; Saúde pública.

1. Introdução

A sociedade contemporânea vivencia uma rápida evolução tecnológica que exige adaptação das organizações, especialmente na saúde pública, para atender às necessidades dinâmicas da população (Guimarães et al., 2021). No Brasil, o Sistema Único de Saúde (SUS), um dos maiores sistemas de saúde do mundo, atende mais de 190 milhões de pessoas, com cerca de oitenta por cento dependendo exclusivamente de seus serviços (Ministério da Saúde, 2021). Essa vasta escala impõe desafios gerenciais e de eficiência. Tradicionalmente, o setor público opera sob estruturas burocráticas, definidas por Weber (1999, p. 198) como sistemas baseados em “jurisdições fixas e oficiais, ordenadas por regras, leis ou regulamentos administrativos”. Contudo, a burocracia excessiva pode gerar lentidão e entraves operacionais, comprometendo a agilidade e qualidade dos serviços. A otimização contínua é, portanto, essencial para a eficácia do SUS.

Nesse cenário, a Quarta Revolução Industrial, iniciada no século XXI, destaca a Inteligência Artificial (IA) e a automação como ferramentas poderosas para otimizar processos de trabalho. Essas tecnologias são capazes de lidar com tarefas braçais, mecânicas e repetitivas, liberando profissionais para atividades de maior valor agregado, como a avaliação clínica centrada no paciente (Brasileiro, 2022). No setor público, a IA pode aprimorar a governança, aumentar a eficiência e fomentar a inovação, simplificando rotinas e agilizando a tomada de decisões (Albuquerque & Costa, 2025; Scarano & Colfer, 2022). A gestão de projetos, alinhada a princípios de qualidade como os preconizados pelo Guia PMBOK (Project Management Institute, 2021) e pela norma ISO 9001 (Associação Brasileira de Normas Técnicas, 2015), é fundamental para a implementação bem-sucedida de soluções tecnológicas. A abordagem de melhoria contínua, estruturada em ciclos como o PDCA (Werkema, 2012), é crucial para planejar, executar, verificar e ajustar a incorporação de inovações, garantindo que os sistemas se desenvolvam de forma adaptativa e eficaz, superando os desafios burocráticos e as limitações de recursos (NIC.br & CGI.br, 2024).

Um exemplo concreto da complexidade burocrática e da necessidade de otimização no SUS é encontrado no Componente Especializado da Assistência Farmacêutica (CEAF). Regulamentado pela Portaria N° 1.554, de 30 de julho de 2013, o CEAF tem como objetivo garantir o acesso a tratamentos medicamentosos para cento e cinco condições clínicas específicas, seguindo os Protocolos Clínicos e Diretrizes Terapêuticas (PCDT) estabelecidos pelo Ministério da Saúde. A Relação Nacional de Medicamentos Essenciais (RENAME, 2024) lista cento e setenta e três fármacos em trezentos e vinte e cinco apresentações farmacêuticas atendidas pelo CEAF. O processo de solicitação de medicamentos envolve a análise de extensa documentação do paciente, que é submetida a uma avaliação técnica rigorosa baseada nos PCDT. Esse processo é inerentemente burocrático e demanda tempo considerável e pessoal qualificado, impactando diretamente o tempo de espera dos pacientes. Em uma coordenação de Gestão de Solicitações de Medicamentos do CEAF, são recebidos cerca de quinze mil processos mensais, gerenciados por mais de vinte analistas que, frequentemente, dependem de planilhas eletrônicas e documentos manuais para armazenar dados e orientar suas análises. Essa realidade evidencia a urgência de soluções que possam mitigar os gargalos operacionais, padronizar as análises e, consequentemente, reduzir o tempo de resposta, melhorando a experiência do paciente e a eficiência da gestão pública.

Diante da crescente demanda por serviços de saúde, da complexidade dos processos do CEAF e do potencial transformador das tecnologias digitais, torna-se fundamental explorar e implementar soluções inovadoras que promovam a eficiência e a qualidade na gestão da assistência farmacêutica. A lacuna entre a necessidade de agilidade e a realidade burocrática dos processos atuais justifica a busca por métodos que integrem as capacidades da inteligência artificial e da automação para otimizar as operações. Assim, este estudo propõe o desenvolvimento de um modelo de automação para aprimorar o tempo e a qualidade das análises de solicitações de medicamentos no Componente Especializado da Assistência Farmacêutica, visando a uma maior padronização do processo e fortalecimento da tomada de decisão no SUS.

2. Material e Métodos

A pesquisa foi de caráter exploratório e adotou uma abordagem quali-quantitativa para a coleta e análise dos dados. O delineamento metodológico principal foi a pesquisa-ação, caracterizada por seu propósito social e abordagem empírica, visando a uma transformação coletiva e à resolução de um problema prático (Thiollent, 2022; Silva; Oliveira; Ataídes, 2021). Na fase exploratória, buscou-se identificar o ambiente de investigação, as expectativas dos participantes e as formas de contribuição para o processo da pesquisa (Gil, 2022), fundamentando as etapas subsequentes do estudo.

O estudo foi desenvolvido em uma Secretaria de Estado, especificamente no setor de Coordenação de Gestão de Solicitações de Medicamentos, que integra o Componente Especializado da Assistência Farmacêutica (CEAF). A unidade de análise consistiu nos processos de solicitação de medicamentos e de ressarcimento de antifúngicos, que demandam avaliação técnica rigorosa. O contexto da pesquisa foi impulsionado pela necessidade de otimizar a velocidade e padronizar as análises desses processos, visando aprimorar a qualidade e mitigar dificuldades relacionadas a erros documentais, conforme identificado na rotina do setor.

A população do estudo foi composta pela equipe de analistas da Coordenação de Gestão de Solicitações de Medicamentos, totalizando vinte e sete profissionais. A amostra para o desenvolvimento e teste das ferramentas de automação foi selecionada por conveniência. Para os processos de solicitação de medicamentos de maior demanda, dois analistas voluntários foram selecionados. Para o processo de ressarcimento de antifúngicos, que apresentava maior complexidade e tempo de análise, um analista foi selecionado, sendo este o único responsável por tais análises no setor.

Os critérios de seleção dos processos para automação basearam-se na demanda, custo, tempo de análise e na utilização de planilhas para análises processuais. Foram identificados, na plataforma Sistema Eletrônico de Informações (SEI), os protocolos clínicos e diretrizes terapêuticas (PCDT) com maior volume de processos e selecionado o protocolo de maior demanda quantitativa. Adicionalmente, incluiu-se uma resolução que regulamenta o ressarcimento de antifúngicos, devido à sua complexidade e ao tempo prolongado de análise.

Os instrumentos de coleta de dados incluíram questionários online e pesquisa documental em documentos institucionais eletrônicos. Os questionários foram aplicados para identificar as ferramentas de auxílio utilizadas pelos analistas, como anotações, planilhas ou documentos em Word. A pesquisa documental, por sua vez, baseou-se na coleta de dados em documentos institucionais eletrônicos, considerados fontes primárias (Lakatos, 2021), como os PCDT e formulários específicos do CEAF.

Após a fase de teste das ferramentas desenvolvidas, um formulário de avaliação online foi aplicado aos analistas participantes. Este formulário teve como objetivo analisar a percepção dos usuários quanto à usabilidade, eficiência e impacto da ferramenta no processo de análise. As perguntas foram estruturadas para coletar feedback sobre a velocidade de análise, facilidade de uso, padronização, qualidade, controle da quantidade de processos e quantificação de erros, fornecendo dados quali-quantitativos para a avaliação do modelo.

A execução da pesquisa seguiu o método de gestão do ciclo PDCA (Plan, Do, Check, Act), visando à melhoria contínua (Werkema, 2012). Na etapa de Planejamento, foram determinados os PCDT e a resolução de ressarcimento de antifúngicos a serem utilizados para a montagem das planilhas, por meio de pesquisa documental e questionário online. Os protocolos foram selecionados conforme a demanda, custo, tempo de análise e a utilização de planilhas para análises processuais, alinhando-se aos princípios de planejamento do Guia PMBOK (Project Management Institute, 2021).

Na etapa de Execução, ou “Do”, o primeiro passo foi a criação de dois prompts utilizando Inteligência Artificial, como o Chat GPT. Esses prompts foram fundamentais para estruturar as planilhas e o manual do usuário, tanto para os processos de monitoramento quanto para os processos iniciais. A IA permitiu o desenvolvimento de códigos para garantir padrões de preenchimento, fórmulas para cálculos e condicionais, automatizando partes significativas da planilha e otimizando o processo de elaboração.

A estrutura das planilhas foi desenvolvida com base nos formulários específicos e nos PCDT de cada doença, documentos publicamente disponíveis por órgãos oficiais de saúde. Os formulários e protocolos orientaram a inclusão de informações essenciais para as análises, como contraindicações, critérios de exclusão e inclusão, e exames necessários. O prompt desenvolvido padronizou a organização das informações, gerando tabelas estruturadas para uso no Microsoft Excel, facilitando a análise técnica e a validação de dados por meio de listas suspensas.

Ainda na etapa de Execução, foram selecionados e treinados analistas voluntários para testar as ferramentas. Dois analistas foram designados para a planilha do protocolo de maior demanda, enquanto um analista foi selecionado para a planilha do processo de ressarcimento de antifúngicos, que exigia maior tempo de análise e era de responsabilidade exclusiva desse profissional. O treinamento incluiu a utilização do manual do usuário, garantindo a compreensão e aplicação correta das funcionalidades desenvolvidas.

A etapa de Verificação, a terceira do ciclo PDCA, envolveu a aplicação de um questionário online para avaliar a percepção dos analistas sobre a ferramenta. As perguntas focaram em parâmetros como velocidade, facilidade, padronização, qualidade, controle da quantidade de processos e quantificação de erros. Os dados coletados foram tabulados para analisar o impacto da automação no tempo de análise, na elucidação de erros e na preferência pela nova ferramenta em comparação com os recursos anteriormente utilizados, fornecendo feedback crucial para a etapa seguinte.

Na etapa de Ação, a quarta do ciclo PDCA, foram analisados os dados e feedbacks dos analistas para identificar oportunidades de melhoria e aprimorar as planilhas. Foram realizados ajustes, como a inclusão de uma coluna para verificação da Denominação Comum Brasileira (DCB) e a adaptação de respostas para campos em branco ou exames específicos. Também se realizou uma análise documental de relatos dos analistas sobre os processos mais relevantes, buscando adequar as planilhas e promover maior adesão à ferramenta.

Para o tratamento e análise dos dados, realizou-se uma análise estatística comparativa das respostas obtidas nos questionários. Os parâmetros avaliados incluíram velocidade, facilidade, padronização, qualidade, controle da quantidade de processos e quantificação de erros. As variáveis foram mensuradas utilizando uma escala Likert de 5 pontos, onde 1 correspondia a “Discordo totalmente” e 5 a “Concordo totalmente”, permitindo uma avaliação detalhada da percepção dos analistas.

Adicionalmente, foi calculada a média e o desvio padrão para cada um dos parâmetros avaliados, fornecendo uma visão quantitativa da percepção dos usuários. Realizou-se também uma análise de correlação de Pearson entre as variáveis, a fim de verificar a associação entre os diferentes aspectos avaliados. O coeficiente de correlação de Pearson, que varia entre -1 e 1, indicou a direção e a intensidade da relação linear entre as variáveis (Melão Jr., 2024), complementando a análise estatística.

Em relação aos procedimentos éticos, a pesquisa garantiu o anonimato dos participantes na aplicação dos questionários, conforme declarado no TCC. Quanto às limitações metodológicas, o estudo reconheceu que o sistema de planilhas online da Microsoft não permitiu a implantação de um gatilho automático para o código, exigindo execução manual pelo analista. Além disso, a amostra de analistas voluntários que testaram as ferramentas foi considerada pequena, especialmente para o processo de ressarcimento de antifúngicos, devido ao menor número de servidores envolvidos nessas análises.

3. Resultados e Discussão

A análise dos resultados obtidos na pesquisa-ação revelou insights significativos sobre a viabilidade e o impacto da automação de processos no Componente Especializado da Assistência Farmacêutica (CEAF) de uma Secretaria de Estado. A investigação, de caráter quali-quantitativo, buscou não apenas identificar a percepção dos analistas sobre as ferramentas desenvolvidas, mas também quantificar os benefícios em termos de velocidade, padronização e qualidade das análises. Os achados demonstram uma clara preferência pela nova abordagem e evidenciam o potencial transformador da tecnologia na gestão pública, alinhando-se às discussões contemporâneas sobre a modernização dos serviços estatais.

Um dos primeiros e mais relevantes achados da pesquisa foi a identificação das ferramentas de auxílio utilizadas pelos analistas no cotidiano de trabalho. Conforme o questionário anônimo aplicado a 17 dos 27 analistas, verificou-se que 70,6% das respostas indicaram a utilização de planilhas eletrônicas (Excel, Google Sheets, etc.) para auxiliar nas análises. Outras ferramentas mencionadas incluíram anotações em Word (35,3%), anotações em papel (52,9%), e uma pequena parcela (5,9%) que justificou utilizar apenas o sistema oficial. A predominância do uso de planilhas eletrônicas, conforme ilustrado na Figura 1, sublinha a relevância da proposta de automação, que se concentrou precisamente no aprimoramento e na padronização dessas ferramentas. Este dado é crucial, pois valida a premissa do projeto de que a otimização das planilhas existentes seria um caminho eficaz para melhorar a eficiência do setor.

Figura 1. Recursos utilizados para auxílio nas análises de solicitações de medicamentos

Fonte: Dados da pesquisa, 2025

A alta adesão às planilhas eletrônicas, mesmo antes da intervenção, sugere uma cultura organizacional que já reconhece o valor da organização de dados e da sistematização, ainda que de forma incipiente e não padronizada. Este cenário contrasta, em certa medida, com a pesquisa de Bender et al. (2024), que identificou uma utilização mais tímida de tecnologias por enfermeiros para gerenciar cuidados, classificando-a como incipiente. No presente estudo, a base tecnológica já existia, o que facilitou a introdução de ferramentas mais sofisticadas. A automação, neste contexto, não representou uma ruptura completa com as práticas existentes, mas sim uma evolução e aprimoramento de métodos já empregados, o que pode ter contribuído para uma maior aceitação por parte dos usuários. A literatura aponta que a transformação digital no setor público, embora promissora, enfrenta desafios como a resistência à inovação e a carência de capacitação (Albuquerque & Costa, 2025; Dias, 2025). No entanto, a pré-existência de planilhas como ferramenta de trabalho mitigou parte dessa resistência, pois a proposta se inseriu em um terreno fértil para a otimização.

A escolha dos processos a serem automatizados foi estratégica, priorizando aqueles com maior demanda e complexidade. O processo de solicitação de medicamentos para Diabete Mellitus tipo 1 (DM1), com uma média de 5.000 processos mensais, representando 33% da fila de análise, foi o primeiro selecionado. A DM1 é uma condição crônica que exige tratamento contínuo e rigorosa avaliação técnica, como destacado pelo Ministério da Saúde (2025) e pelo estudo da Vitel Brasil (2023), que aponta a alta prevalência e o impacto socioeconômico da doença. A complexidade da DM1, com seus dois tipos de processos (inicial e monitoramento) e diferentes requisitos documentais, tornou-a um caso ideal para demonstrar o potencial da automação na padronização e agilização das análises. A intervenção aqui não apenas otimiza o trabalho interno, mas também tem implicações diretas na agilidade do acesso dos pacientes a tratamentos essenciais, um objetivo central da saúde pública, conforme Guimarães et al. (2021).

Na etapa de execução do ciclo PDCA, a utilização de Inteligência Artificial (IA), especificamente o Chat GPT, para a criação de prompts foi um diferencial. Essa abordagem permitiu estruturar as planilhas e o manual do usuário de forma eficiente, gerando códigos para padronização de preenchimento, fórmulas para cálculos e condicionais. A IA, como ressaltado por Brasileiro (2022) e NIC.br & CGI.br (2024), otimiza o tempo de trabalho e melhora a eficiência, especialmente em tarefas repetitivas. No contexto do CEAF, a IA facilitou a organização das informações dos formulários de obtenção de medicamentos, gerando tabelas estruturadas para o Microsoft Excel. Isso é particularmente relevante para a análise técnica, que exige a validação de dados complexos, como contraindicações, critérios de inclusão/exclusão e exames necessários, todos baseados nos Protocolos Clínicos e Diretrizes Terapêuticas (PCDT) e formulários específicos.

A padronização alcançada com o uso dos prompts foi notável. Os medicamentos foram organizados de forma sistematizada, e os exames requisitados foram distribuídos conforme os critérios dos formulários. A capacidade do prompt de consolidar informações com lógica alternativa (“OU”) em uma única coluna, utilizando listas suspensas, e de separar critérios cumulativos (“E”) em colunas distintas, aumentou a clareza e a homogeneidade dos dados. Isso não apenas reduziu a margem de erro humano, mas também acelerou o processo de análise, pois os analistas puderam visualizar as exigências de forma mais intuitiva. A desagregação de exames agrupados em opções individuais nos formulários originais, por exemplo, possibilitou maior flexibilidade na análise e facilitou a aplicação de filtros e validações no Excel, contribuindo para a otimização do tempo e a redução de inconsistências. A elaboração de manuais claros e técnicos, descrevendo a finalidade de cada aba, orientações de preenchimento e informações esperadas, com validações, listas suspensas, fórmulas e regras condicionais, foi fundamental para a adesão e uso correto da ferramenta, minimizando a curva de aprendizado.

A etapa de verificação, crucial para o ciclo PDCA, envolveu a aplicação de um questionário online para avaliar a percepção dos analistas sobre a ferramenta. Os resultados para o processo de monitoramento de DM1 foram amplamente positivos, com ambos os analistas concordando totalmente que a ferramenta aumentou a velocidade das análises, tornou o processo mais fácil e menos cansativo, e melhorou a qualidade e padronização das respostas. Essa concordância total reflete um sucesso significativo na entrega dos objetivos do projeto, corroborando a literatura que defende a capacidade da IA de aprimorar a gestão interna e aumentar a eficiência e produtividade em instituições estatais (Ribeiro, Medina Macaya e Piazzon B. Lima, 2022). A visibilidade e quantificação das justificativas de devolução ou erros também foram bem avaliadas, com um analista concordando parcialmente e outro totalmente, indicando uma melhoria na transparência e no controle dos processos.

No que tange ao processo inicial de DM1, a percepção dos analistas apresentou maior variação. Um dos avaliadores concordou parcialmente com o aumento da velocidade, redução do tempo e ganhos de eficiência, enquanto o outro analista teve uma avaliação neutra para esses mesmos aspectos. No entanto, houve concordância total em relação à organização do trabalho, melhoria da qualidade, identificação de erros, padronização das respostas, controle da quantidade de processos, satisfação com a ferramenta e apoio à tomada de decisão. Essa diferença pode ser atribuída à maior complexidade do processo inicial, que exige mais exames e documentação, ou à experiência individual do analista. A gestão da mudança, como apontado por Coutinho (2021), é fundamental para o sucesso de projetos de tecnologia, e a variação nas percepções pode indicar a necessidade de treinamentos mais aprofundados ou adaptações específicas para os desafios do processo inicial.

A etapa de ação permitiu refinar as planilhas com base nos feedbacks dos analistas. Ajustes como a inclusão de uma coluna para verificação da Denominação Comum Brasileira (DCB), a adaptação de respostas para campos em branco e a melhoria das listas suspensas foram implementados. Para o processo inicial, foram feitas adaptações específicas para o exame de comprovação de Diabetes Autoimune Latente do Adulto (LADA), incluindo a resposta para o exame de Peptídeo C e a comprovação de anticorpos. A sugestão de realocar a coluna “Peso” para mais próximo da coluna “LME” (Laudo Médico Especializado) também foi atendida, visando a uma maior ergonomia e fluidez na análise. Essas melhorias contínuas, inerentes ao ciclo PDCA (Werkema, 2012), são essenciais para garantir que a ferramenta se adapte às necessidades reais dos usuários e maximize sua utilidade.

A automação para o processo de ressarcimento de antifúngicos, embora avaliada por um único analista devido à sua especificidade e menor número de profissionais envolvidos, também demonstrou resultados promissores. Este processo é reconhecido como mais demorado e complexo que as análises dos PCDT, levando em média três vezes mais tempo. A população-alvo, pacientes onco-hematológicos imunocomprometidos, exige uma análise rigorosa e baseada em resoluções específicas, não em PCDT, como detalhado pelo Ministério da Saúde (2022). A ferramenta foi desenvolvida com prompts adaptados para lidar com informações como CID-10, datas e SIGATAP, além de gerar códigos para informar os exames necessários, que variam conforme o paciente seja transplantado ou tenha doença onco-hematológica. Fórmulas foram implementadas para identificar a descrição do CID-10 e o status UNACON/CACON, bem como para calcular a posologia e a quantidade teórica máxima de medicamento, com alertas condicionais para limites excedidos.

A aba de gráficos, presente tanto nos processos de DM1 quanto no de antifúngicos, conforme exemplificado na Figura 2, permitiu a quantificação diária e mensal dos processos analisados, oferecendo um controle visual e ágil do volume de trabalho. Para o processo de ressarcimento de antifúngicos, foi adicionada a quantificação de devoluções por hospital, permitindo monitorar as maiores incidências e identificar pontos de melhoria nos processos externos. Essa funcionalidade de monitoramento em tempo real, como destacado por Dias (2025), é crucial para uma gestão pública mais eficiente e orientada a dados, promovendo decisões mais qualificadas e sensíveis às demandas sociais.

Figura 2. Aba gráficos

Fonte: Dados da pesquisa, 2026

A verificação da ferramenta de antifúngicos, embora com amostra limitada, indicou que o analista concordou totalmente com a maioria dos tópicos avaliados para o processo de monitoramento, mas parcialmente quanto à visibilidade e quantificação das justificativas de devolução ou erros. Na etapa de ação, foram sugeridas melhorias como a inclusão do código no manual do usuário, a adaptação de respostas para divergências no CID-10 do laudo médico e a inclusão de fórmulas para determinar limites de quantidades teóricas. A ausência de sugestões para ajustes na disposição das colunas da planilha sugere que a estrutura inicial foi bem concebida para este processo específico.

A comparação geral da percepção dos analistas, apresentada na Figura 3, sintetiza os resultados dos três processos avaliados. O processo de monitoramento de DM1 demonstrou uma predominância absoluta de concordância total, evidenciando ganhos significativos em eficiência, padronização e apoio à tomada de decisão. Isso valida a eficácia da automação em contextos de alta demanda e rotina. Já o processo inicial de DM1 apresentou maior dispersão nas respostas, com concordância parcial e opiniões neutras, indicando que, embora a ferramenta tenha sido benéfica, ainda há espaço para otimização ou que a complexidade inerente ao processo inicial exige uma adaptação mais aprofundada por parte dos usuários. O processo de antifúngicos, avaliado por um único analista, também obteve resultados positivos, mas com nuances, como a concordância parcial em relação à visibilidade das justificativas de devolução.

Figura 3. Comparação geral da percepção dos analistas: Processo inicial, Monitoramento e Antifúngicos

Fonte: Dados da pesquisa, 2026

Os dados quantitativos, embora não apresentados em tabelas com tags explícitas, revelaram que todas as variáveis avaliadas (velocidade na análise, facilidade de uso, controle de processos, visibilidade de erros, qualidade das análises, identificação de erros, acompanhamento do volume, satisfação com a ferramenta, ganho de eficiência, facilidade em relação ao método anterior, redução de tempo, padronização dos processos e apoio à tomada de decisão) obtiveram médias superiores a 4 em uma escala Likert de 5 pontos. Notavelmente, “Qualidade das análises”, “Identificação de erros”, “Acompanhamento do volume”, “Padronização dos processos” e “Apoio à tomada de decisão” alcançaram a média máxima de 5,0 com desvio padrão nulo, indicando um consenso absoluto entre os participantes sobre a efetividade das ferramentas nesses aspectos. Esses resultados reforçam a conclusão de que a automação proposta é altamente eficaz e bem recebida pelos usuários, validando os objetivos do estudo.

A análise de correlação de Pearson também forneceu informações valiosas sobre a associação entre as variáveis. Observou-se uma forte correlação positiva entre a velocidade na análise e a facilidade de uso (R=0,88), satisfação (R=0,80), eficiência (R=0,79) e, notavelmente, uma correlação perfeita com a redução de tempo (R=1,00). Isso sugere que os aprimoramentos na velocidade de análise estão intrinsecamente ligados a uma maior percepção de satisfação, facilidade de uso e ganhos de eficiência. A correlação perfeita entre “Velocidade” e “Redução de tempo” é um indicativo robusto da consistência interna das respostas e da percepção dos analistas de que a ferramenta cumpre seu propósito fundamental de agilizar o trabalho.

Esses resultados corroboram a importância da adoção de Tecnologias da Informação e Comunicação (TICs) na gestão pública, como defendido por Ferreira (2024), que aponta a capacidade das TICs de favorecer a integração funcional e a agilidade na execução de processos. A automação, neste caso, não apenas otimizou o tempo e a qualidade das análises, mas também contribuiu para uma maior padronização e controle, elementos essenciais para a eficiência e transparência na administração pública. Embora o estudo tenha reconhecido limitações metodológicas, como a necessidade de execução manual do código no sistema de planilhas online da Microsoft e a pequena amostra de analistas voluntários, os resultados positivos e as fortes correlações indicam que os benefícios percebidos superam essas restrições. A experiência prévia dos analistas voluntários nas análises, mencionada como um fator que reforça a importância dos feedbacks, também pode ter contribuído para a identificação precisa das necessidades de melhoria e para a rápida adaptação das ferramentas.

Em suma, a proposta de automação demonstrou ser uma estratégia simples, viável e eficaz para aprimorar a gestão dos processos no CEAF, fortalecendo a tomada de decisão e contribuindo para uma prestação de serviços de saúde mais ágil e qualificada. A satisfação dos analistas e os ganhos quantitativos e qualitativos observados indicam que o modelo desenvolvido representa um avanço significativo na modernização do setor público, alinhando-o às tendências de transformação digital e às expectativas de uma sociedade que demanda serviços cada vez mais eficientes e acessíveis.

4. Conclusão

Conclui-se que o objetivo foi atingido, desenvolvendo um modelo de automação para otimizar o tempo e a qualidade das análises de solicitações de medicamentos no Componente Especializado da Assistência Farmacêutica (CEAF), visando a uma maior padronização do processo e fortalecimento da tomada de decisão no SUS. A pesquisa-ação demonstrou que a implementação das ferramentas de automação resultou em ganhos significativos. Os analistas reportaram aumento da velocidade de análise, maior organização das informações e melhoria substancial na qualidade e uniformidade das respostas emitidas. A percepção geral foi altamente positiva, com a maioria dos parâmetros avaliados obtendo médias superiores a 4 em escala Likert de 5 pontos, e variáveis como “Qualidade das análises” e “Padronização dos processos” alcançando consenso absoluto.

Apesar dos resultados promissores, o estudo reconhece limitações metodológicas importantes. A principal delas reside na necessidade de execução manual do código no sistema de planilhas online da Microsoft, o que impede a automação completa de certas etapas. Além disso, a amostra de analistas voluntários foi pequena, especialmente para processos de menor volume, como o ressarcimento de antifúngicos, o que pode influenciar a generalização dos resultados. Para estudos futuros, recomenda-se investigar soluções para a automação integral do código em ambientes online, expandir a aplicação do modelo para outros protocolos e secretarias de saúde, e ampliar a amostra de participantes. Sugere-se também aprofundar a análise das variações de percepção em processos mais complexos, como o inicial de DM1, para refinar as ferramentas e estratégias de capacitação, contribuindo para uma transformação digital mais robusta e equitativa no setor público.

Referências Bibliográficas

GUIMARÃES, L. R.; MORAIS, A.; FERRAZ, L. C.; CORDEIRO, I. A. Saúde pública: desafios e oportunidades para transformar o cuidado da saúde no século XXI. Revista Científica Multidisciplinar Núcleo do Conhecimento, v. 8, n. 4, p. 95–115, 2021. DOI: https://doi.org/10.32749/nucleodoconhecimento.com.br/saude/desafios-e-oportunidades.

MINISTÉRIO DA SAÚDE. Maior sistema público de saúde do mundo, SUS completa 31 anos. Brasília, 19 set. 2021. Disponível em: https://www.gov.br/saude/pt-br/assuntos/noticias/2021/setembro/maior-sistema-publico-de-saude-do-mundo-sus-completa-31-anos. Acesso em: 10 set. 2025.

WEBER, Max. Ensaios de Sociologia. 5. ed. Rio de Janeiro: LTC, 1999. E-book. p. 143. ISBN 9788521637806. Disponível em: https://app.minhabiblioteca.com.br/reader/books/97885

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Negócios do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy