O sangue advindo das doações são utilizados em pacientes para recuperação de acidentes, doenças ou procedimentos cirúrgicos. Neste contexto, é necessário utilizar-se de técnicas para gerenciar este insumo e prever seu quantitativo, visando uma boa gestão, de maneira que se atenda a 100% da demanda.

Utilizar modelos de séries temporais para efetuar previsões de bolsas de sangue coletadas.

Trata-se de um estudo quantitativo realizado na Fundação Hemocentro de Brasília (FHB), no qual foram obtidos os dados de coleta de bolsas de sangue entre os anos de 2014 e 2022. Em seguida, a linguagem R e o ambiente de desenvolvimento Rstudio foram utilizados para a análise exploratória dos dados, além da geração dos modelos de séries temporais. Optaram-se pelas estratégias de Arima, suavização exponencial e regressão linear, utilizando a técnica de hold-out com 80% da série (86 meses) para gerar e treinar os modelos e 20% (22 meses) para os testes e avaliação. Para cada modelo gerado, foram realizados os teste de normalidade e autocorrelação nos resíduos (pressupostos para a validade dos modelos). O Akaike Information Criteria (AIC) foi utilizado como critério de melhor ajuste do modelo. Por fim, foi calculado o nível de erro das previsões utilizando a métrica Mean Absolute Percentual Error (Mape).

Estruturou-se uma série temporal de frequência mensal compreendida entre janeiro/2014 até dezembro/2022. Constatou-se que o menor número de bolsas coletadas foi em maio/2020 (3.460 unidades) e o maior em abril/2016 (5.050 unidades), além de uma média de 4.180 bolsas. Obtiveram-se os modelos gerados a seguir: 1) Arima (1,1,1)(0,0,1) – Arima sazonal (Sarima) com parte não sazonal de ordem 1 para autorregressão e média móvel, e com parte sazonal de ordem 1 para média móvel; 2) ETS(M,A,N) – suavização exponencial com erro multiplicativo e tendência linear; e 3) modelo de regressão linear. Este último não demonstrou êxito no teste de normalidade e, portanto, foi descartado. Todos os modelos demonstraram êxito no teste de autocorrelação de resíduos. No cálculo da métrica Mape, o modelo Sarima obteve um menor nível de erro (5,34%) em relação ao de suavização exponencial (6,86%).

Este trabalho utilizou os dados de bolsa de sangue coletadas ao longo do tempo na FHB para gerar e avaliar modelos de séries temporais, visando a predição de dados. O modelo Sarima (arima sazonal) apresentou o melhor modelo que explica a série histórica mês a mês de nove anos de bolsas coletadas na FHB. O nível de erro representa diferença quantitativa de cerca de 223 bolsas coletadas, representando, no contexto de produtividade desta instituição, pouco menos de um dia e meio de coleta. Em um estudo em Minas Gerais, que também utilizou séries temporais, identificou-se sazonalidade das taxas de doação, além de média e variância não constantes ao longo do tempo.

O uso de séries temporais permitiu identificar modelo estatístico para prever o número de bolsas coletadas na FHB. Entende-se que tais modelos podem auxiliar no gerenciamento deste produto, visto a necessidade de provisão de recursos humanos, materiais e infraestrutura para garantir um estoque estratégico seguro. Sugerem-se mais estudos que abordem o uso de paineis automatizados para “traduzir” dados preditivos e apoiem na tomada de decisão baseada em evidências.