1diss-2003-Qualidade em Serviços de Saúde Uma Contrib À Definição de Um Modelo Paramétrico

Divisão de Serviços Técnicos
Catalogação da Publicação na Fonte. UFRN / Biblioteca Central Zila Mamede
Bezerra, Paulo Ricardo Cosme.

Qualidade em serviços de saúde: Uma contribuição à definição de
um modelo paramétrico e padrão de qualidade do tempo agendado
para consulta ambulatorial / Paulo Ricardo Cosme Bezerra. – Natal
[RN], 2003.
xvii, 91 p., il.
Orientador: Rubens Eugênio Barretos Ramos
Tese (Mestrado) - Universidade Federal do Rio Grande do Norte.

Centro de Tecnologia. Programa de Engenharia de Produção.
1. Qualidade – Serviços de saúde – Tese. 2. Métodos estatísticos -

Tese 3. Confiabilidade - Tese I. Bezerra, Paulo Ricardo Cosme. II.
Titulo
RN/UF/BCZM CDU 658.56(043.2)
i
CURRICULUM VITAE RESUMIDO
Paulo Ricardo Cosme Bezerra é Estatístico graduado pela Universidade Federal do Rio
Grande do Norte em 2002. Atualmente é Professor Substituto do Departamento de Estatística
da UFRN. Durante a fase do mestrado participou de Congressos Nacionais, com artigos
publicados, destacando os certificados recebidos no 15º SINAPE – Simpósio Nacional de
Probabilidade e Estatística, em Águas de Lindóia/SP - 2002, pela apresentação dos trabalhos
“A Estatística na Organização Hospitalar” e “Os Indicadores Hospitalares na Avaliação da
Qualidade Institucional” e a apresentação desta Dissertação no IX Congresso de Ciência,
Tecnologia e Cultura do Rio Grande do Norte, em Natal/RN – 2003 e na 36ª Reunião
Regional da Associação Brasileira de Estatística, na cidade de João Pessoa/PB – 2003.
Outros Artigos Publicados Durante a Pós-Graduação
BEZERRA, Paulo R. C.; CAVALCANTI, Gilmara A.; SILVA, Luciana N. Uma aplicação
dos testes de vida acelerados para verificar o tempo de internação de pacientes submetidos à
cirurgia de hérnia. 15º SINAPE. Águas de Lindóia/SP, 2002.
BEZERRA, Paulo R. C.; RAMOS, Rubens E. B. O Modelo de Transformação: O perfil da

saúde avaliado através de seus indicadores globais. Semana de Estatística, Natal/RN - 2002 e
36ª Reunião da Associação Brasileira de Estatística, João Pessoa/PB – 2003.
Minicursos Ministrados
Métodos Estatísticos para Melhoria da Qualidade Hospitalar, XIII Congresso de Iniciação

Científica da UFRN, Natal/RN – 2002.
A Estatística na Gestão da qualidade dos Serviços de Saúde, IX CIENTEC, Natal/RN – 2003.
ii
AGRADECIMENTOS
A Deus, por estar sempre ao meu lado, dando-me forças, coragem e estímulo para
nunca desistir dos desafios.
À Universidade Federal do Rio Grande do Norte e ao Programa de Engenharia de

Produção (PEP) pela oportunidade de poder cursar um mestrado.
Ao Prof. Rubens Eugênio Barreto Ramos, meu orientador, por aceitar me orientar e
pela proposta de pesquisar o tempo até o atendimento ambulatorial. Obrigado pela confiança e
paciência.
A Diretora do SAME, Elza Alves de Sá, que disponibilizou equipamentos, funcionários

e se dispôs sempre a me ajudar.
Ao Prof. Paulo César Formiga Ramos e ao Prof. Manoel Raimundo de Sena Júnior por
aceitarem o convite para compor a banca examinadora de meu trabalho.
À Cleide, funcionária do PEP, por toda a paciência, carinho e amizade com que trata os
alunos do mestrado. Muito obrigado por tudo.
À Profª. Jeanete Alves Moreira (Chefe do DEST) e ao Prof. Francisco de Assis M. da

Silva (Coord. do curso de Estatística). Muito obrigado pela ajuda, compreensão e apoio em
todos os momentos em que cursei o mestrado.
Aos meus familiares e amigos, por compreenderem minha ausência, pelo apoio, por
estarem sempre prontos a me ajudar em todos os momentos.
iii
Resumo da Tese apresentada à UFRN/PEP como parte dos requisitos necessários para a
obtenção do grau de Mestre em Ciências em Engenharia de Produção.
QUALIDADE EM SERVIÇOS DE SAÚDE: UMA CONTRIBUIÇÃO À DEFINIÇÃO

DE UM MODELO PARAMÉTRICO E PADRÃO DE QUALIDADE DO TEMPO
AGENDADO PARA CONSULTA AMBULATORIAL
PAULO RICARDO COSME BEZERRA
Dezembro/2003
Orientador : Rubens Eugênio Barreto Ramos
Curso : Mestrado em Ciências em Engenharia de Produção
RESUMO: Este trabalho apresenta um estudo sobre qualidade em serviços de saúde, com
enfoque para o atendimento ambulatorial. Determinar o melhor modelo estatístico e a
proposição de um padrão de qualidade para o tempo agendado para consulta ambulatorial, é o
objetivo do presente estudo. Para isso, foram utilizadas as técnicas de confiabilidade que tem
como principal característica a análise de dados referente ao tempo de ocorrência de
determinado evento. Observou-se dados de 1.743 pacientes que agendaram consulta no
Hospital Universitário Onofre Lopes - Natal/RN, onde coletou-se informações referentes ao
tipo de tratamento, especialidade, tipo de marcação e o tempo até o atendimento ambulatorial.
Os dados foram analisados segundo os métodos não paramétricos da estatística de
confiabilidade e através do ajuste do modelo de regressão. Concluiu-se que as covariáveis que
influenciam o tempo até o atendimento ambulatorial é o tipo de marcação e a especialidade, o
modelo que melhor se adequa aos dados é o Weibull e 20,83% das especialidades enquadram-
se no padrão B de qualidade, sendo este o melhor padrão obtido.
iv
Abstract of Master Thesis presented to UFRN/PEP as fulfillment of requirements to the degree
of Master of Science in Production Engineering
QUALITY OF HEALTH CARE: A CONTRIBUTION TO A PARAMETRIC MODEL

AND QUALITY GRADE OF CONSULTING APPOINTMENT
PAULO RICARDO COSME BEZERRA
December/2003
Thesis Supervisor : Rubens Eugênio Barreto Ramos
Program : Master of Science in Production Engineering
ABSTRACT: This work presents a study in quality of health care, with focus on consulting
appointment. The main purpose is to define a statistical model and propose a quality grade of
the consulting appointment time. The time considered is that from the day the patient get the
appointment done to the day the consulting is realized. It is used reliability techniques and
functions that has as main characteristic the analysis of data regarding the time of occurrence
certain event. It is gathered a random sample of 1743 patients in the appointment system of a
University Hospital - the Hospital Universitário Onofre Lopes – of the Federal University of
Rio Grande do Norte, Brazil. The sample is randomly stratified in terms on clinical specialty.
The data were analyzed against the parametric methods of the reliability statistics and the
adjustment of the regression model resulted in the Weibull distribution being best fit to data.
The quality grade proposed is based in the PAHO criteria for a consulting appointment and
result that no clinic got the PAHO quality grade. The quality grade proposed could be used to
define priority for improvement and as criteria to quality control.
v
SUMÁRIO
Capítulo 1 – Introdução 01
1.1 - Contextualização 01
1.1.1 – Qualidade 01
1.1.2 – Qualidade Hospitalar 03
1.1.3 – Hospital 04
1.1.4 - O Hospital Universitário Onofre Lopes 06
1.2 - A Problemática de Pesquisar o Tempo Agendado para Consulta Ambulatorial 07
1.3 - Objetivos da Pesquisa 08
1.4 - Metodologia Geral do Trabalho 09
1.5 - Estrutura do Trabalho 09
Capítulo 2 - Análise de Confiabilidade 11
2.1 - Confiabilidade do Produto 11

2.2 - Conceito de Confiabilidade 12
2.3 - Característica da Distribuição dos Dados 13
2.4 - Estimação Não Paramétrica 15
2.4.1 – Função Empírica de Sobrevivência 15
2.4.2 - Estimador Produto-Limite ou Kaplan-Meier 16
2.4.3 - Comparação Entre Curvas de Sobrevivência 17
2.5 - Principais Modelos Paramétricos 22
2.5.1 - Distribuição Exponencial 23
2.5.2 - Distribuição Weibull 25
2.5.3 - Distribuição Log-Normal 27
2.5.4 - Distribuição Log-Logístico 29
2.5.5 – Distribuição Gama 30
2.6 - Estimação dos Parâmetros do Modelo 32
2.7 - Determinação do Modelo Paramétrico 35
Capítulo 03 – Metodologia da Pesquisa de Campo 37
3.1 - Metodologia da Pesquisa 37

3.2 - População 38
3.3 - Plano Amostral 38
vi
3.4 - Instrumento de Coleta de Dados 39
3.5 - Coleta de Dados 40
3.6 - Técnicas de Análise 40
Capítulo 04 – Resultados da Pesquisa de Campo 41
4.1 - A Amostra 41
4.2 - Análise Descritiva das Covariáveis 44
4.3 - Estatística Não Paramétrica 47
4.4 - Determinação do Melhor Modelo 66
4.5 - Estimação dos Parâmetros do Modelo 68
4.6 - Padrões de Qualidade Para o Tempo Até o Atendimento Ambulatorial 71
Capítulo 05 – Conclusões e Recomendações 74
5.1 - Pesquisa Bibliográfica 74

5.2 - Metodologia da Pesquisa 75
5.3 - Resultados da Pesquisa 76
5.4 - Análise Crítica do Trabalho 77
5.5 - Limitações do Trabalho 78
5.6 - Direções da Pesquisa 78
5.7 - Recomendações 78
5.8 - Conclusão 79
Referências 80
Anexos 84
vii
LISTA DE TABELAS
Tabela 2.1 – Número de indivíduos que falharam em tj, número de indivíduos que não
falharam após tj e o número de indivíduos em risco antes de tj, por grupo 18
Tabela 4.1 – Estimativas dos quartis do tempo agendado para consulta ambulatorial 42
Tabela 4.2 – Origem do absenteísmo por especialidade 43
Tabela 4.3 – Medidas descritivas para as especialidades 45
Tabela 4.4 – Medidas descritivas para o tipo de marcação 47
Tabela 4.5 – Medidas descritivas para o tipo de tratamento 47
Tabela 4.6 – Resultado do teste de Wilcoxon para o tipo de tratamento 48
Tabela 4.7 – Resultado dos testes Log-Rank e Wilcoxon para as especialidades que
realizam tratamento cirúrgico 50
Tabela 4.8 – Resultado dos testes Log-Rank e Wilcoxon para as especialidades que
realizam tratamento clínico 50
Tabela 4.9 – Estimação dos quartis e intervalos de confiança (Cardiologia) 51
Tabela 4.10 – Estimação dos quartis e intervalos de confiança (Cir. Cabeça/Pescoço) 51
Tabela 4.11 – Estimação dos quartis e intervalos de confiança (Cirurgia Geral) 52
Tabela 4.12 – Estimação dos quartis e intervalos de confiança (Cirurgia Plástica) 52
Tabela 4.13 – Estimação dos quartis e intervalos de confiança (Cirurgia Torácica) 53
Tabela 4.14 – Estimação dos quartis e intervalos de confiança (Cirurgia Vascular) 53
Tabela 4.15 – Estimação dos quartis e intervalos de confiança (Clínica Geral) 54
Tabela 4.16 – Estimação dos quartis e intervalos de confiança (Dermatologia) 54
Tabela 4.17 – Estimação dos quartis e intervalos de confiança (Endocrinologia) 55
Tabela 4.18 – Estimação dos quartis e intervalos de confiança (Fisiatria) 55
Tabela 4.19 – Estimação dos quartis e intervalos de confiança (Gastroenterologia) 56
Tabela 4.20 – Estimação dos quartis e intervalos de confiança (Geriatria) 56
viii
Tabela 4.21 – Estimação dos quartis e intervalos de confiança (Hematologia) 57
Tabela 4.22 – Estimação dos quartis e intervalos de confiança (I DCC) 57
Tabela 4.23 – Estimação dos quartis e intervalos de confiança (Nefrologia) 58
Tabela 4.24 – Estimação dos quartis e intervalos de confiança (Neurocirurgia) 58
Tabela 4.25 – Estimação dos quartis e intervalos de confiança (Neurologia) 59
Tabela 4.26 – Estimação dos quartis e intervalos de confiança (Oftalmologia) 59
Tabela 4.27 – Estimação dos quartis e intervalos de confiança (Ortopedia) 60
Tabela 4.28 – Estimação dos quartis e intervalos de confiança (Pneumologia) 60
Tabela 4.29 – Estimação dos quartis e intervalos de confiança (Proctologia) 61
Tabela 4.30 – Estimação dos quartis e intervalos de confiança (Psiquiatria) 61
Tabela 4.31 – Estimação dos quartis e intervalos de confiança (Reumatologia) 62
Tabela 4.32 – Estimação dos quartis e intervalos de confiança (Urologia) 62
Tabela 4.33 – Estimativas para a mediana segundo a especialidade 63
Tabela 4.34 – Resultado dos testes Log-Rank e Wilcoxon para o tipo de marcação 65
Tabela 4.35 – Estimação dos quartis e intervalos de confiança (Funcionários) 65
Tabela 4.36 – Estimação dos quartis e intervalos de confiança (Primeira Consulta) 65
Tabela 4.37 – Estimação dos quartis e intervalos de confiança (Exames) 65
Tabela 4.38 – Estimação dos quartis e intervalos de confiança (Prioridades) 66
Tabela 4.39 – Estimadores de máxima verossimilhança dos modelos 66
Tabela 4.40 – Estimativa dos parâmetros para o modelo Weibull 68
Tabela 4.41 – Padrões de qualidade para o tempo até o atendimento ambulatorial 72
Tabela 4.42 – Padrões de qualidade atribuídos às especialidades 73
ix
LISTA DE FIGURAS
Figura 1.1 – Momentos da qualidade 03
Figura 1.2 – Classificação do hospital quanto ao número de leitos 05
Figura 1.3 – Classificação do hospital quanto ao tipo de atendimento 06
Figura 1.4 – Melhor aproveitamento do tempo 08
Figura 1.5 – Metodologia geral do trabalho 09
Figura 2.1 – Tempo de falha para cada tipo de tratamento 17
Figura 2.2 – Modelo de riscos proporcionais 21
Figura 2.3 – Função densidade de probabilidade da distribuição exponencial 23
Figura 2.4 – Função de sobrevivência da distribuição exponencial 24
Figura 2.5 – Função risco da distribuição exponencial 24
Figura 2.6 – Função densidade de probabilidade da distribuição Weibull 25
Figura 2.7 – Função de sobrevivência da distribuição Weibull 26
Figura 2.8 – Função risco da distribuição Weibull 27
Figura 2.9 – Função densidade de probabilidade da distribuição log-normal 28
Figura 2.10 – Função de sobrevivência da distribuição log-normal 29
Figura 2.11 – Função risco da distribuição log-normal 29
Figura 2.12 – Função densidade de probabilidade da distribuição gama 30

Figura 2.13 – Função de sobrevivência da distribuição gama 31
Figura 2.14 – Função risco da distribuição gama 33
Figura 3.1 – Etapas da metodologia estatística 37
Figura 4.1 – Tempo agendado para consulta ambulatorial 42
Figura 4.2 – Origem do absenteísmo 44
Figura 4.3 – Dispersão da variável tempo até o atendimento vs. absenteísmo 44
Figura 4.4 – Box plot múltiplo do tempo médio para cada especialidade 46
Figura 4.5 – Tempo agendado para consulta ambulatorial para o tipo de tratamento 48
x
Figura 4.6 – Tempo agendado para consulta ambulatorial para as especialidades de
tratamento cirúrgico 49
Figura 4.7 – Tempo agendado para consulta ambulatorial para as especialidades de
tratamento clínico 49
Figura 4.8 – Tempo até o atendimento ambulatorial na Cardiologia 51
Figura 4.9 – Tempo até o atendimento ambulatorial na Cirurgia de Cabeça/Pescoço 51
Figura 4.10 – Tempo até o atendimento ambulatorial na Cirurgia Geral 52
Figura 4.11 – Tempo até o atendimento ambulatorial na Cirurgia Plástica 52
Figura 4.12 – Tempo até o atendimento ambulatorial na Cirurgia Torácica 53
Figura 4.13 – Tempo até o atendimento ambulatorial na Cirurgia Vascular 53
Figura 4.14 – Tempo até o atendimento ambulatorial na Clínica Geral 54
Figura 4.15 – Tempo até o atendimento ambulatorial na Dermatologia 54
Figura 4.16 – Tempo até o atendimento ambulatorial na Endocrinologia 55
Figura 4.17 – Tempo até o atendimento ambulatorial na Fisiatria 55
Figura 4.18 – Tempo até o atendimento ambulatorial na Gastroenterologia 56
Figura 4.19 – Tempo até o atendimento ambulatorial na Geriatria 56
Figura 4.20 – Tempo até o atendimento ambulatorial na Hematologia 57
Figura 4.21 – Tempo até o atendimento ambulatorial na I DCC 57
Figura 4.22 – Tempo até o atendimento ambulatorial na Nefrologia 58
Figura 4.23 – Tempo até o atendimento ambulatorial na Neurocirurgia 58
Figura 4.24 – Tempo até o atendimento ambulatorial na Neurologia 59
Figura 4.25 – Tempo até o atendimento ambulatorial na Oftalmologia 59
Figura 4.26 – Tempo até o atendimento ambulatorial na Ortopedia 60
Figura 4.27 – Tempo até o atendimento ambulatorial na Pneumologia 60
Figura 4.28 – Tempo até o atendimento ambulatorial na Proctologia 61
xi
Figura 4.29 – Tempo até o atendimento ambulatorial na Psiquiatria 61
Figura 4.30 – Tempo até o atendimento ambulatorial na Reumatologia 62
Figura 4.31 – Tempo até o atendimento ambulatorial na Urologia 62
Figura 4.32 – Tempo agendado para consulta ambulatorial para o tipo de marcação 64
Figura 4.33 – Linearização da função de sobrevivência do modelo Weibull 67
Figura 4.34 – Linearização da função de sobrevivência do modelo exponencial 67
Figura 4.35 – Linearização da função de sobrevivência do modelo log-normal 67
Figura 4.36 – Linearização da função de sobrevivência do modelo log-logístico 68
Figura 4.37 – f(t) para o modelo Weibull ajustado 70
Figura 4.38 – S(t) para o modelo Weibull ajustado 70
Figura 4.39 – h(t) para o modelo Weibull ajustado 71
Figura 4.40 – Quartis para o do tempo até o atendimento ambulatorial 72
xii
LISTA DE SIGLAS
DIEESE Departamento Intersindical de Estatística e Estudos Sócio-Econômicos
HUOL Hospital Universitário Onofre Lopes
ISO International Organization for Standardization
JCAHO Joint Comission on Accreditation of Healthcare Organization
OPAS Organização Pan-Americana de Saúde
PIB Produto Interno Bruto
SAME Serviço de Arquivo Médico e Estatística
SUS Serviço Único de Saúde
UFRN Universidade Federal do Rio Grande do Norte
USP Universidade de São Paulo
xiii
LISTA DE ACRÔNIMOS
CAR Cardiologia
CCP Cirurgia de Cabeça e Pescoço
CGR Cirurgia Geral
CPT Cirurgia Plástica
CTR Cirurgia Torácica
CVS Cirurgia Vascular
CLG Clínica Geral
DER Dermatologia
END Endocrinologia
FIS Fisiatria
GAS Gastroenterologia
GER Geriatria
HEM Hematologia
DCC Disciplina de Clínica Cirúrgica
NEF Nefrologia
NCR Neurocirurgia
NEU Neurologia
OFT Oftalmologia
ORT Ortopedia
PNE Pneumologia
PRO Proctologia
PSI Psiquiatria
REU Reumatologia
URO Urologia
xiv
LISTA DE NOTAÇÕES MATEMÁTICAS
B limite sobre o erro de estimação

E(t) esperança, média ou valor esperado
e exponencial
f(t) função densidade de probabilidade
F(t) função acumulada da distribuição de T
~
F t função empírica acumulada da distribuição de T
h(t) função risco
I k , x função gama incompleta
L estimador de máxima verossimilhança
n número de indivíduos
N tamanho da população em estudo
Ni tamanho da população em cada estrato
p probabilidade
p% percentil
Qi quartil i
S(t) função de sobrevivência
~
S t função empírica de sobrevivência
Ŝ KM estimador produto-limite ou Kaplan-Meier

T tempo de falha
TL teste de log-rank
TW teste de Wilcoxon
v log dos erros
zp percentil da normal padrão
Y log(T)
V , P ,V 2 desvio padrão, média e variância
D , E ,T , k parâmetros das distribuições
t tempo
't variação do tempo
xv
Capítulo 1
Introdução
Este trabalho busca contribuir com os estudos sobre qualidade em serviços de saúde
no sentido de apresentar um modelo paramétrico e a proposição de um padrão de qualidade
para a variável tempo agendado para consulta ambulatorial. O estudo foi realizado no
Hospital Universitário Onofre Lopes, situado na cidade de Natal/RN, considerando a sua
importância para a comunidade no atendimento terciário. Podemos observar que atualmente
a busca da qualidade no atendimento de saúde deixou de ser uma atitude isolada e tornou-se
um imperativo técnico e social, pois a sociedade esta cada vez mais exigindo a qualidade
dos serviços a ela prestados.
Serão abordados neste capítulo uma contextualização sobre qualidade, qualidade
hospitalar, hospital, a instituição em estudo, a problemática do interesse em estudar o tempo
agendado para consulta ambulatorial, os objetivos da pesquisa, a metodologia geral do
trabalho e, finalmente a estrutura do trabalho.
1.1 – Contextualização
1.1.1 - Qualidade
A qualidade tornou-se um fator significativo, conduzindo empresas nos mercados

nacional e internacional ao êxito organizacional e ao crescimento. O retorno sobre o
investimento obtido por meio de rigorosos e eficazes programas de qualidade está gerando
excelente rentabilidade nas organizações quando acompanhado de melhorias significativas
na produção, com menor custo e liderança competitiva. Constituindo um meio para
gerenciar a organização (Feigenbaum, 1994).
Em meados de 1980 tornou-se claro que uma economia globalizada desenvolvida
em empresas localizadas em um só país teria que competir não apenas com concorrentes
1
locais e nacionais, mas também com concorrentes de todas as partes do mundo. Essa
economia globalizada se desenvolveu devido a vários fatores, incluindo a rápida expansão
das comunicações mundial, o crescimento das disponibilidades e do poder da informação.
Num ambiente como esse é de importância vital que as organizações sejam capazes de
responder rapidamente às variações nas condições de mercado, incorporando os mais
eficazes métodos gerenciais, entre eles a aplicação de métodos estatísticos para a melhoria
da qualidade (Levine, 1988).
A maioria das empresas tem adotado programas de qualidade e procurado obter
certificações pelas normas ISO (International Organization for Standardization). O número
de instituições que têm conquistado estas certificações tem aumentado no Brasil. Essas
certificações não significam que tais empresas ofereçam serviços ou produtos que atendam
a necessidade e expectativas do cliente, mas que elas estão se estruturando e se organizando
para prestar um serviço de qualidade. É importante acrescentar que no Rio Grande do Norte
este número também tem aumentado (Revista RN Econômico, 07/07/1999).
A partir do impulso do desenvolvimento da indústria japonesa, iniciado em 1950
com a contribuição de indivíduos como W. Edwards Deming, Joseph Juran, Kaoru
Ishikawa, entre outros, baseou-se na ênfase à qualidade e no aperfeiçoamento contínuo de
produtos e serviços. Este enfoque levou à chamada Gestão da Qualidade Total (ou TQM -
Total Quality Management). Uma das principais características deste enfoque é a ênfase ao
contínuo aperfeiçoamento de processos, caracterizado pelo trabalho em equipe, foco no
consumidor e rápida reação a mudanças. Essa gerência tem um forte fundamento
estatístico, baseado num profundo conhecimento da variabilidade.
Alguns autores definem qualidade como sendo “conformidade com os requisitos”
(Crosby, 1994); “conjunto de características incorporadas ao produto através de projeto e
manufatura que determina o grau de satisfação do cliente” (Feigenbaum, 1994);
“homogeneidade no resultado do processo” (Deming, 1990); “rápida percepção e
satisfação do mercado, adequação ao uso de produtos e homogeneidade dos resultados do
processo” (Ishikawa, 1993); “qualidade é adequação ao uso” (Juran, 1992).
Para Paladine (1990) o controle de qualidade tem como principal objetivo obter a
melhoria no produto, nos serviços, nas atividades, na visão do trabalho, na produtividade,
entre outros. Esta melhoria está intimamente ligada aos melhores níveis de qualidade na
2
execução do trabalho, gerando os seguintes benefícios: aumento da produtividade, redução
de custos e perdas, redução nos prazos de entrega, aumento do prestígio da empresa, menor
número de reclamações, otimização do tempo na realização das tarefas, aprimoramento de
métodos e melhor disponibilidade dos dados.
1997 - Prêmio Codman

1996 - Publicação da Série ISO 14000(ambiental)
Primeiro Hospital e Laboratório a conquistarem o ISO 9002 nas Américas
1992 - Prêmio Europeu de Qualidade
Prêmio Feingenbaum
1991 - Prêmio Nacional da Qualidade (PNQ)
1987 - Publicação do “Sistema ISO 9000” (TC 176)
Prêmio Malcon Baldrige
1985 - Karl Albrecht – Qualidade Total em Serviços
1980 - Tom Peters – Busca da Excelência
1962 - Philip Crosby (EUA) – Zero Defeito
1960 - Implantação dos Círculos de Controle de Qualidade – CCQ. Kaoru Ishikawa e a JUSE lançam a
revista Controle de Qualidade
1954 - Joseph M. Juran introduz o conceito de Controle de Qualidade
1951 - Inicia o ensino da Pesquisa de Mercado utilizando técnicas de amostragem
1950 - William Edwards Deming inicia seu trabalho a pedido da JUSE
1948 - A JUSE começa a compreender a importância dos métodos de Shewhart
1946 - Fundação da JUSE – Sindicato Japonês de Cientistas e Engenheiros
Peter Drucker – Conceito de Corporação – livro
1940 - 1950 Segunda Guerra Mundial
1930 - Walter A. Shewhart – Gráficos de Controle
Figura 1.1 – Momentos da qualidade (Mello & Camargo, 1998)
À medida que a busca da qualidade se apoia e se firma nas chamadas sociedades

pós-modernas, ela vai invadindo todos os campos do conhecimento. Inicialmente
idealizados como instrumentos para o controle da produção, passando a ser adotada
também por empresas dedicadas à prestação em serviços. Esta preocupação teve início a
partir de 1985, por Karl Albrecht, que buscava a qualidade total em serviços, como se
observa na Figura 1.1.
1.1.2 – Qualidade Hospitalar
Em 1913 o Dr. Ernest Codman, médico do Estado de Massachusetts, apresentou a

dissertação "O Produto dos Hospitais", com o objetivo de avaliar a qualidade dos seus
serviços. Dizia ele: "Devemos formular algum método para elaborar relatórios dos
hospitais que nos permita conhecer, da forma mais exata possível, os resultados obtidos
com tratamento de pacientes nas diferentes instituições. Este documento deve ser
elaborado e publicado por cada hospital segundo um sistema uniforme, para possibilitar
3
comparações. Com um relatório deste tipo como ponto de partida, quem estiver
interessado poderá começar a formular perguntas sobre sua administração e eficiência"
(Melo & Camargo, 1998).
No Brasil o início da discussão sobre qualidade dos serviços hospitalares se deu em
1979, pela Dr.ª Lourdes de Freitas Carvalho, médica do Hospital das Clínicas da USP,
ressaltando as vantagens de tal procedimento para os pacientes, para o corpo clínico, para a
instituição e para a sociedade. Para Taublib (1993), o movimento em busca da qualidade na
área da saúde iniciou-se nos anos 80, quando já era evidente no mundo todo o fenômeno
japonês como produtor no mercado mundial sem nível de comparação em competitividade.
Donabedian (1988) conceitua qualidade de assistência em saúde como uma
propriedade de atenção médica que pode ser obtida em diversos graus e níveis. Esta
propriedade é definida como a obtenção de maiores benefícios, com menores riscos para o
paciente; benefícios estes que, por sua vez, se definem em função do alcance de acordo
com os recursos disponíveis e os valores sociais existentes, já a JCAHO (1997) define
qualidade de assistência hospitalar como "grau segundo o qual os cuidados com a saúde do
paciente aumentam a probabilidade de recuperação do mesmo e reduzem a probabilidade
de efeitos indesejáveis".
De acordo com Donabedian (1988) a falta de qualidade nos serviços de saúde
apresenta as seguintes conseqüências:
x Retrabalho;
x Aumento nos dias de permanência;
x Convívio com o desperdício;
x Má utilização dos leitos, dos equipamentos e das pessoas;
x Adoção de fluxos inadequados;
x Prejuízo à imagem da organização;
x Realização de testes e exames desnecessários.
1.1.3 - Hospital
Hospital é uma instituição devidamente aparelhada em pessoal e material destinada

ao diagnóstico e tratamento de pessoas que necessitam de assistência médica e cuidados de
uma equipe multidisciplinar. Sounis (1993) conceitua hospital como sendo parte integrante
4
de uma organização médica social cuja função é proporcionar à população assistência
médica integral, curativa e preventiva sob qualquer regime de atendimento. Constituindo-se
também como centro de educação, capacitação de recursos humanos e pesquisa científica.
“São todos os estabelecimentos com pelo menos cinco leitos, para

internação de pacientes que garantem um atendimento básico de
diagnóstico e tratamento, com equipe clínica organizada, com prova de
admissão e assistência permanente prestada por médicos. Além disso,
considera-se a assistência de serviço de enfermagem e atendimento
terapêutico direto ao paciente, durante 24 horas, com disponibilidade de
serviços de laboratório e radiologia, serviço de cirurgia e/ou parto, bem
como registros médicos organizados para a rápida observação e
acompanhamento dos casos”.
(OPAS, 1992)
Tipos de Hospital Número de Leitos

Hospital de Pequeno Porte Até 49 leitos
Hospital de Médio Porte De 50 a 149 leitos
Hospital de Grande Porte De 150 a 500 leitos
Hospital Especial ou Capacidade Extra Acima de 500 leitos
Figura 1.2 – Classificação do hospital quanto ao número de leitos
Os hospitais são componentes de uma rede de serviços de atenção à saúde,

associada geograficamente, seja por uma organização planejada ou como conseqüência de
uma organização espontânea dos elementos assistenciais existentes. Este conjunto, que
abrange a totalidade da oferta de serviços disponíveis em um território, denomina-se
“Sistema Local de Saúde” (Campos, 1988).
No contexto de um sistema local de saúde, os hospitais desempenham um papel
indispensável, valendo destacar alguns aspectos:
x Oferecer assistência médica continuada e integrada;
x Concentrar grande quantidade de recursos de diagnóstico e tratamento para, no menor
tempo possível, reintegrar o paciente ao seu meio;
x Constituir um nível intermediário dentro de uma rede de serviços de complexidade
crescente;
x Abranger determinada área;
x Avaliar os resultados de suas ações sobre a população da área de influência.
5
Tipos de Hospital Definição
Hospital destinado a atender pacientes portadores de doença de várias
especialidades médicas. Podendo a ação ser limitada a um grupo etário
Hospital Geral
(hospital infantil), a determinada camada da população (hospital militar,
hospital previdenciário) ou a finalidade específica (hospital escola).
Hospital destinado, predominantemente, a atender pacientes necessitados da
Hospital Especializado assistência de uma determinada especialidade médica (ortopedia,
reumatologia, etc.).
Hospital de Curta Hospital onde a média de permanência de pacientes internados não
Permanência ultrapassa 30 dias.
Hospital de Longa Aquele cuja média de permanência de pacientes internados ultrapassa 30
Permanência dias.
Figura 1.3 – Classificação do hospital quanto ao tipo de atendimento
1.1.4 – O Hospital Universitário Onofre Lopes
Em 1909 o Governador Alberto Maranhão organiza o serviço de saúde, adaptando

uma residência no bairro de Petrópolis, na cidade de Natal/RN para a abertura de um
hospital geral que teve seu funcionamento em 1935, sendo denominado “Miguel Couto” e,
em 1946, amplia sua capacidade de atendimento para 379 leitos.
Por solicitação do Dr. Januário Cicco, em 1952, o hospital e seus anexos são doados
à Sociedade de Assistência Hospitalar, decisão que favorece as bases para a criação em 05
de Fevereiro de 1955 da Faculdade de Medicina. A partir da Federalização, em 1960, por
decreto assinado pelo então Presidente da República Juscelino Kubistchek, o hospital
“Miguel Couto” passa a chamar-se Hospital das Clínicas. Com esta denominação,
transformou-se em hospital escola, como parte integrante da UFRN, passando a ser mantido
pelo Ministério da Educação e outros convênios, com o acréscimo das funções de ensino,
pesquisa e extensão.
Incorporou-se ao Sistema Único de Saúde (SUS), como referência terciária,
agregando a sua missão o papel social, sendo o único hospital do Estado a disponibilizar
para a população do Rio Grande do Norte serviços de alta complexidade.
Em 1984, recebe o nome Hospital Universitário Onofre Lopes, sua atual
denominação, dada através da resolução nº 68/68 do Conselho Superior da Universidade.
Atualmente ocupa uma área construída de 23.456,45 m2, com 185 leitos para
internação, 85 salas de ambulatório, 05 salas de cirurgia no centro cirúrgico e 07 salas de
cirurgia ambulatorial. Possui 103 docentes na área de medicina, 147 profissionais médicos
e realiza atendimento ambulatorial nas especialidades de cardiologia, cirurgia de cabeça e
6
pescoço, cirurgia geral, cirurgia plástica, cirurgia torácica, cirurgia vascular, clínica geral,
dermatologia, endocrinologia, fisiatria, gastroenterologia, geriatria, hematologia,
nefrologia, neurocirurgia, neurologia, oftalmologia, ortopedia, otorrinolaringologia,
pneumologia, proctologia, psiquiatria, reumatologia, urologia, etc.
1.2 – A Problemática de Pesquisar o Tempo Agendado para Consulta Ambulatorial
O desenvolvimento de programas de gestão da qualidade é uma necessidade em

termos de eficiência e uma obrigação do ponto de vista ético e moral. Toda instituição
hospitalar, dada sua missão essencial a favor do ser humano, deve preocupar-se com a
melhoria permanente do paciente. Pois, ao contrário de outros empreendimentos, a matéria-
prima básica dos hospitais é o paciente, e cabe a elas reintegrá-lo à sociedade em condições
de retomar, em menor tempo possível, às funções que desempenhava anteriormente.
Atualmente verifica-se que na rede pública e privada o paciente ao procurar o
profissional de saúde para a realização de uma consulta, é submetido a um agendamento,
sendo obrigado a aguardar até o dia do atendimento ambulatorial. Em muitos casos um
problema simples, de fácil resolução, pode agravar-se em virtude do tempo até o
atendimento. Estas instituições, independente do tempo para a realização do atendimento,
recebem o mesmo valor pela consulta repassada pelo SUS ou pelos planos de saúde, para o
paciente que espera um dia, dez dias, trinta dias ou mais.
A problemática central é desenvolver métodos e técnicas para entender e mensurar o
que o atual sistema produz, ter como avaliar se esse sistema está com um padrão de
qualidade aceitável e instituir, no âmbito hospitalar, mecanismos para a auto-avaliação e
aprimoramento contínuo da qualidade para o atendimento ambulatorial que, por
conseqüência, levará a instituição a oferecer um serviço de melhor qualidade, com menor
custo. Um ponto chave para a qualidade desde o trabalho proposto por Shewhart (1931) é a
busca da qualidade considerando os aspectos econômicos do custo.
Verifica-se que os padrões mínimos obrigatórios de qualidade assistencial
hospitalar, segundo a OPAS (1992), incluem que no atendimento ambulatorial o tempo de
espera até o atendimento não deve ser superior a sete dias.
A Figura 1.4 apresenta os resultados que podem ser obtidos em função do melhor
aproveitamento do tempo.
7
Melhor x Diminui o retrabalho;
Aproveitamento x Menos erros;
do Tempo x Menos atrasos;
x Menos obstáculos;
x Menos complicações ao paciente;
x Menor tempo de recuperação.
Captação de mercado de saúde
com melhor qualidade e menor
preço Maior rotatividade
Menor tempo de permanência
Estabilidade do hospital como

empresa Maior Satisfação
Médico: Qualidade de assistência;
Paciente: Principal consumidor;
Administração: Menor custo, maior
Crescimento lucro.
Ampliação do Melhor produtividade

mercado de trabalho
Figura 1.4 – Melhor aproveitamento do tempo (Taublib, 1998).
Consistente a proposição de Shewhart (1931), que tem dois objetivos:

x Definir e alcançar um padrão de qualidade;
x Estabelecer um sistema de controle que mantenha este padrão repetitivamente,
ou seja, em conformidade.
Este trabalho situa-se no primeiro objetivo, tentando entender e avaliar um
padrão de qualidade no atendimento ambulatorial considerando a atual situação dos
tempos até a realização de uma consulta.
1.3 – Objetivos da Pesquisa
Ajustar um modelo paramétrico de probabilidade e propor um padrão de qualidade

para o tempo agendado para consulta ambulatorial.
8
1.4 - Metodologia Geral do Trabalho
A metodologia Geral do Trabalho adotada consiste em:

a) A partir dos objetivos, realiza-se a pesquisa teórica na literatura sobre os temas:
qualidade, qualidade hospitalar, a saúde no Brasil, modelos paramétricos de probabilidade;
b) Decorrente da pesquisa teórica e do estudo da metodologia da pesquisa, define-se a
pesquisa de campo;
c) Em função dos objetivos e condições operacionais de realizar a pesquisa de campo, será
definida a amostragem apropriada;
d) Decorrente dos objetivos e da técnica selecionada para analisar a variável de interesse na
pesquisa teórica, faz-se a análise dos dados coletados durante a pesquisa de campo;
e) Em conclusão, faz-se uma análise crítica dos resultados com referência ao objetivo do
trabalho.
METODOLOGIAS DE
OBJETIVOS PESQUISA DE CAMPO
PESQUISA
TEÓRICA
PESQUISA EMPÍRICA
RESULTADOS DA PESQUISA
CONCLUSÃO DA TESE
Figura 1.5 – Metodologia Geral do Trabalho
Seu desenvolvimento convergirá para um modelo paramétrico de probabilidade para

o tempo agendado para consulta ambulatorial e a proposição de padrões de qualidade. Em
seguida sua posterior aplicação no Hospital Universitário Onofre Lopes, na cidade de
Natal/RN, utilizando os dados referentes ao período de janeiro a junho de 2003.
1.5 - Estrutura do Trabalho
Este trabalho está organizado em cinco capítulos:

x Capítulo 1 – Introdução;
x Capítulo 2 – Revisão de Literatura;
x Capítulo 3 – Metodologia da Pesquisa;
9
x Capítulo 4 – Resultados da Pesquisa;
x Capítulo 5 – Conclusões e Recomendações.
No Capítulo 2 é discutida a revisão de literatura sobre análise de confiabilidade, os
métodos da estatística não paramétrica para a análise descritiva da variável em estudo, os
modelos paramétricos de probabilidade, a seleção do melhor modelo e o método de máxima
verossimilhança para estimação de seus parâmetros.
O capítulo 3 descreve a instituição na qual foi aplicada a pesquisa, a metodologia
para desenvolvimento do trabalho, descrevendo os seguintes itens: metodologia da
pesquisa, população alvo, plano amostral, o instrumento para coleta de dados, a coleta de
dados e as técnicas de análise.
No capítulo 4 são apresentados os resultados do estudo, descrevendo as
características da população envolvida na pesquisa, a estatística não paramétrica, o ajuste
do modelo paramétrico adequado, a estimação dos seus parâmetros e a construção de
padrões de qualidade propostos para o tempo agendado para consulta ambulatorial.
No capítulo 5 são apresentadas as conclusões e recomendações sobre a contribuição
deste trabalho para futuros estudos sobre qualidade em serviços de saúde.
10
Capítulo 2
Análise de Confiabilidade
Este capítulo apresenta uma revisão de literatura sobre a modelagem paramétrica de

dados que em geral correspondem ao tempo de ocorrência de algum evento, ou seja, a
valores de uma variável aleatória positiva contínua, sendo denominados tempo de falha que
incluem em sua análise a teoria da confiabilidade.
Apresenta o conceito de confiabilidade, as principais técnicas aplicadas para a
realização da análise descritiva dos dados, os principais modelos paramétricos e o ajuste do
modelo apropriado a variável de interesse, que nesse estudo, refere-se ao tempo agendado
para consulta ambulatorial.
2.1 – Confiabilidade do Produto
Inúmeros motivos vêm levando os empresários a reconhecer a importância de cada

vez mais investir na produção de itens de melhor qualidade. Entre eles está a exigência cada
vez maior, por parte do consumidor, no que diz respeito à sofisticação dos padrões de
consumo e aos novos instrumentos de proteção ao consumidor, uma vez que a
confiabilidade de um produto tem impacto direto na satisfação de quem o adquire (Souza,
2001).
Um produto confiável é aquele que desempenha a função para a qual foi projetado
durante todo um período de uso. Confiabilidade é característica da qualidade que representa
uma das mais importantes demandas atuais do comprador. Um consumidor entrevistado
numa pesquisa de mercado se posicionou de modo bastante simples: “Quero adquirir
produtos que apresentem desempenho satisfatório, dia após dia, quando eu apertar o botão”.
Produtos que apresentam constante necessidade de reparo terminam por levar o
cliente a optar por um mais confiável, ainda que mais caro, pois as idas e vindas ao
11
conserto acabam desgastando a paciência do consumidor, e conseqüentemente, a imagem
do fabricante. Portanto, é de extrema importância a especificação dos requisitos de
confiabilidade. Havendo indicação de que os seus requisitos não estão sendo atendidos,
medidas corretivas devem ser tomadas, que podem ir da simples substituição de um
componente por outro mais adequado, à completa reestruturação do projeto, podendo o
mesmo ser totalmente refeito.
O atendimento às exigências da confiabilidade tornou-se uma das principais
demandas da moderna tecnologia do produto. Usuários que anteriormente adquiriam
produtos principalmente inovadores ou apelativos adquirem hoje produtos que também
operam com confiabilidade (Feigenbaum, 1994).
Num programa de melhoria da qualidade de um produto, são executadas diversas
tarefas objetivando o aumento do grau de certeza de seu bom funcionamento, visando
avaliar os aspectos de seu desempenho. Costuma-se chamar este conjunto de ações de
Análise de Confiabilidade.
O tempo agendado para consulta ambulatorial pode ser analisado utilizando técnicas
de confiabilidade por apresentar as mesmas características do produto. Na indústria a
confiabilidade mede o tempo de vida útil de um produto; o produto será mais confiável
quanto maior for sua vida útil. O tempo até o atendimento ambulatorial será mais confiável
quanto menor for o intervalo até a realização da consulta.
2.2 – Conceito de Confiabilidade
Confiabilidade é entendida como um conjunto de procedimentos estatísticos

utilizados para analisar dados referentes ao tempo de ocorrência de um evento de interesse
que se deseja observar (Kleibaum, 1996); que segundo Allisson (1996) evento é
conceituado como sendo uma mudança qualitativa situada no tempo, isto é, uma transição
de um estado para outro. Dados desse tipo são denominados na literatura como tempo de
falha, como por exemplo, a transição de um equipamento estar funcionando para não
funcionar, tempo de vida de um paciente submetido a determinado tratamento, tempo até
um aluno desligar-se da universidade. Neste trabalho o tempo de falha é descrito como o
tempo agendado para consulta ambulatorial. A literatura estatística apresenta,
especialmente nos últimos anos, muitas técnicas apropriadas para análise de dados deste
12
tipo (ver, por exemplo, Lawless, 1982; Miller, 1981; Kalbfleish e Prentice, 1980; Cox e
Oakes, 1984).
Esse método foi originalmente designado para estudos de mortalidade e ao longo do
tempo foi aplicado nas mais diversas áreas do conhecimento, como engenharia, demografia,
atuária, economia, biologia, etc. Segundo Moreira et al. (1998) a análise de confiabilidade é
uma das áreas estatísticas que mais tem crescido nos últimos 20 anos. A razão deste
crescimento é o desenvolvimento e aprimoramento das técnicas estatísticas combinados
com o avanço da informática. O conjunto de dados sobre confiabilidade é caracterizado por
dois componentes: falhas e censuras, os quais constituem a resposta.
x Falhas
É a ocorrência do evento de interesse. É importante, em estudos de confiabilidade,

definir de forma precisa o que vem a ser a falha. Em alguns casos a falha pode ser
considerada a morte do paciente, ou ainda, a recidiva de uma doença. Neste trabalho a falha
é descrita como sendo a realização do atendimento ambulatorial que foi anteriormente
agendada pelo paciente.
x Censuras
A principal característica neste conjunto de dados é a presença de censuras, que é a

observação parcial da resposta. No trabalho abordado, isso ocorre quando o
acompanhamento ao paciente é interrompido, seja por falta do profissional de saúde ou pela
não ocorrência do paciente ao atendimento. Tais dados são chamados de censurados e
devem ser usados na análise estatística, pois mesmo sendo incompletos, estes nos fornecem
informações sobre o tempo até o atendimento ambulatorial e a omissão do mesmo
acarretará resultados viciados.
2.3 – Característica da Distribuição dos Dados
Seja T uma variável aleatória positiva e contínua, que representa o tempo de falha,
ou seja, o tempo até a ocorrência do evento de interesse. É usualmente descrita ou
caracterizada por três funções importantes, descritas a seguir.
x Função Densidade de Probabilidade
13
A função densidade de probabilidade, denotada por f(t), de T é a probabilidade de
que um indivíduo venha a falhar dentro de um intervalo >t , t 't @ por unidade de tempo.
Sendo definida por:
p t d T d t 't wF (t )
f (t ) lim , (2.1)
't o 0 't wt
onde F(t) = P(Td t) é a função de distribuição de T, e temos que:
f
f t t 0 e ³ f t dt 1.
0
x Função de Sobrevivência
A função de sobrevivência, denotada por S(t), de T é uma das principais funções de

probabilidade usadas para descrever estudos sobre confiabilidade. Representa a
probabilidade de um indivíduo não falhar até o tempo t, isto é,
f
S (t ) P (T t t ) ³ f (u )du .
t
(2.2)
Pode-se mostrar que S(t)=1–F(t), sendo uma função monótona decrescente,

contínua, com S(0)=1 e lim S (t ) 0 . A função de sobrevivência algumas vezes é referida
t of
como função de confiabilidade.
x Função Risco
A função risco, denotada por h(t), de T é a probabilidade de que o indivíduo venha a

falhar no intervalo >t , t 't @ por unidade de tempo dado que ele não falhou até aquele
tempo. Ela especifica a taxa de falha instantânea no tempo t, é definida por:
p>t d T d t 't / T t t @ f (t )
h(t ) lim . (2.3)
't o 0 't S (t )
14
f
onde, ht t 0 e ³ ht dt 1.
0
Uma distribuição do tempo de falha pode ser melhor compreendida através da

função risco, também chamada de taxa de falha, pois ela reflete o efeito do tempo sobre os
indivíduos que não falharam.
2.4 – Estimação Não Paramétrica
Um passo inicial para analisar um conjunto de dados envolvendo o tempo até à

ocorrência de um evento de interesse é realizar uma análise descritiva das variáveis que,
para Moreira et al. (1998), deve sempre proceder ao ajuste do modelo paramétrico.
O principal componente da análise descritiva envolvendo análise de confiabilidade é
a função de sobrevivência. Em textos básicos de estatística, uma análise descritiva consiste
essencialmente em encontrar medidas de tendência central e variabilidade. A presença de
censuras invalida este tipo de tratamento aos dados. Nesta situação, o procedimento será
encontrar uma estimativa para a função de sobrevivência e a partir dela estimar estatísticas
de interesse. Estas estatísticas são usualmente o tempo médio e mediano, alguns percentis
ou certas frações de falhas em tempos fixos de acompanhamento (Colosimo, 1995).
2.4.1 – Função Empírica de Sobrevivência
Se for verificada a ausência de observações censuradas, comumente, estima-se a

função de sobrevivência, S(t), por:
~ número de indivíduos no estudo t t

S t (2.4)
número de indivíduos no estudo
~
A função empírica de sobrevivência, denotada por S t , é a probabilidade de um
indivíduo não falhar por um período maior ou igual a t.
~ ~ ~
Equivalentemente, S t 1 F t , onde F t é a proporção entre o número total de
indivíduos que falharam no tempo t e o número total de indivíduos no estudo. Assim, a
~
função de sobrevivência estimada, S t , é igual aos valores de t antes do primeiro tempo de
falha, e é igual a zero antes do último tempo de falha (Colosimo, 1995).
15
2.4.2 – Estimador Produto-Limite ou Kaplan-Meier
O Estimador Produto-Limite ou Kaplan-Meier é um estimador não paramétrico para

estimar S(t). Kaplan e Meier (1958) propuseram que em uma tábua de vida onde cada
intervalo contém apenas um caso, sejam multiplicadas as probabilidades de não ocorrência
das falhas ao longo dos intervalos. Portanto, a função de sobrevivência pode ser estimada
diretamente dos tempos de falha.
Sendo definido da seguinte forma: Considere “n” unidades e k d n tempos distintos
t1, t2, ..., tk, onde ocorrem falhas. Sendo dj o número de falhas em um determinado tj e nj o
número de indivíduos que não falharam (em risco) até o tempo tj (exclusive). Portanto Ŝ KM ,
conforme dado em Kalbfleisch e Prentice (1980) e citado por Valença (1994), é dado por:
k § nj d j ·
SˆKM (t ) ¨¨ ¸, (2.5)
j 1© n j ¸¹
E, SˆKM (t ) = 1, se t< t(1),
SˆKM (t ) = 0, se t>t(k).
O Ŝ KM (t) possui várias propriedades importantes. A principal é que o Ŝ KM (t) é um

estimador consistente de S(t) sob condições muito gerais. Algumas destas propriedades são
descritas por Lawless (1982). Como ilustração, verifica-se, como exemplo, na Figura 2.1 as
curvas de Kaplan-Meier simuladas para quatro tipos de tratamento.
Segundo Colosimo (1995, p. 22), no artigo original Kaplan e Meier justificam essa
expressão mostrando que ela é o estimador de máxima verossimilhança de S(t), sendo
fortemente consistente.
Para avaliar a precisão do Ŝ KM (t) pode-se construir intervalos de confiança e testar
hipóteses para S(t).
A expressão para a variância assintótica do estimador de Kaplan-Meier é conhecida
como fórmula de Greenwood, e é dada por:
dj
Vˆar ( SˆKM (t )) SˆKM (t ) 2 ¦ . (2.6)
j / t ji t n j n j d j
16
Isto significa que um intervalo aproximado de 100(1- D )% de confiança para S(t)
em um certo tempo t é
SˆKM t r zD Vˆar ( SˆKM (t )) (2.7)

2
2.4.3 – Comparação Entre as Curvas de Sobrevivência
Quando o interesse é verificar se existe diferença entre os diversos “tempos de

falha”, o modo mais apropriado é comparar suas funções de sobrevivência. Uma forma
prática de comparar os vários grupos é plotar, sobre os mesmos eixos, as funções de
sobrevivência. Tem-se como exemplo, a Figura 2.1, que apresenta o tempo de falha para
cada tipo de tratamento. Verifica-se que o tratamento 02 apresenta uma melhor otimização
do tempo.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40 45 50
TEMPO
Estratos: TRAT=1 TRAT=2 TRAT=3 TRAT=4
Figura 2.1 – Tempo de falha simulado para cada tipo de tratamento.
O gráfico, porém, fornece apenas uma idéia bruta da diferença entre as curvas, não
revelando se há diferenças significativas ou apenas variações ocasionais. Portanto, a
solução para verificar se há diferença significativa entre os tempos até a falha é a aplicação
de testes estatísticos. São eles: O “Teste Log-Rank” e o “Teste Wilcoxon”.
x Teste Log-Rank
Proposto por Mantel-Haenszel (1959), mais comumente conhecido como teste Log-
Rank. É aplicado quando a razão das funções de riscos de grupos a serem comparados é
17
aproximadamente constante, ou seja, possui a propriedade dos riscos proporcionais. Este
teste é um dos mais usados em análise de confiabilidade, sendo originalmente desenvolvido
para comparar proporções de fatores num estudo de caso controle.
Para que a validade do teste seja verificada, pode-se definir as seguintes hipóteses:
Sejam S1(t), S2(t), as funções de sobrevivência dos grupos 1, 2. A hipótese nula será:
H 0 : S1 t S 2 t ,
e a hipótese alternativa pode ser uma das três indicadas abaixo:
H 1 : S1 (t ) ! S 2 (t ),
H 2 : S1 (t ) S 2 (t ),
H 3 : S1 (t ) z S 2 (t ).
Para a construção do teste considere, inicialmente, o teste de igualdade de duas

funções de sobrevivência S1(t) e S2(t). Sejam t1 < t2 <...< tk os k tempos até a falha distintos
da amostra formada pela combinação dos dois grupos. Suponha que no tempo tj ocorrem dj
falhas e que nj indivíduos estão em risco em um tempo imediatamente inferior a tj na
amostra combinada e, respectivamente, dij e nij na amostra i, onde i = 1, 2 e j = 1, ..., k. Em
cada tempo até a falha, os dados podem ser dispostos numa tabela de contingência 2x2,
conforme a Tabela 2.1.
Tabela 2.1 - Número de indivíduos que falharam em tj, número de indivíduos que não falharam após tj e o
número de indivíduos em risco antes de tj, por grupo.
Número de indivíduos Número de indivíduos que não Número de indivíduos
Grupos
que falharam no tempo tj falharam no tempo após tj em risco antes de tj
01 d1j n1j-d1j n1j
02 d2j n2j-d2j n2j
6 dj nj-dj nj
Onde:
dj é o número de indivíduos que falharam;
d1j é o número de indivíduos que falharam no grupo 1;
d2j é o número de indivíduos que falharam no grupo 2;
nj é o número total de indivíduos em risco;
n1j é o número total de indivíduos em risco no grupo 1;
n2j é o número total de indivíduos em risco no grupo 2.
18
Admitamos que os totais marginais da Tabela 2.1 são fixos, qualquer um dos dij é
variável aleatória, cujos valores variam entre 0 e nj. Se tomarmos como exemplo d1j,
observa-se que d1j tem distribuição hipergeométrica, com função de probabilidade dada
por:
§ d j ·§ n j d j ·
¨ ¸¨ ¸
¨ d ¸¨ n d ¸
P k dij © ¹©
1 j 1 j 1 j ¹. (2.8)
§nj ·
¨ ¸
¨n ¸
© 1j ¹
Uma variável aleatória com distribuição hipergeométrica tem sua média dada por:
n ijd j
eij = , (2.9)
nj
onde, eij representa o número esperado de indivíduos que falharam no grupo 1 no tempo tj.
Para medir o desvio dos valores observados de d1j e seu valor esperado. Pode-se
pensar na soma das diferenças d1j – e1j para os k tempos de falha. A estatística resultante é:
k
UL ¦ (dj 1
1j e1 j ) . (2.10)
Esta estatística tem média zero, visto que E(d1j)=e1j. Sabendo-se que os tempos de
falha são independentes, por sua aleatoriedade, a variância de UL corresponde à soma das
variâncias de d1j e, uma vez que d1j segue uma distribuição hipergeométrica, sua variância é
assim calculada:
n 1 j n 2 jd j (n j - d j )
V ar (d1 j ) = V 1 j = . (2.11)
n j2 (n j - 1)
Então, a variância de UL é:
k
Var U L ¦V 1j Vl . (2.12)
j 1
UL tem distribuição aproximadamente normal quando o número de tempos de falha

2
não é pequeno. Então temos que U L ~ N 0;1 e, consequentemente, U L ~ F (21) .
VL VL
19
Portanto se k tabelas de contingência são independentes, um teste aproximado para
verificar a igualdade das funções de sobrevivência pode ser baseado na estatística do teste
dada por:
U L2
TL ~ F (21) , (2.13)
VL
que tem distribuição qui-quadrado com 1 grau de liberdade. A estatística TL sumariza a

informação de que os tempos de sobrevivência dos indivíduos dos dois grupos não diferem
significativamente. Portanto, quanto maior for TL maior será a evidência quanto à rejeição
de H0.
x Teste de Wilcoxon
O teste de Wilcoxon é muito similar ao teste Log-Rank. Embora não exija a

propriedade de riscos proporcionais, sendo baseado na seguinte estatística:
k
UL ¦ n d
j 1
j 1j e1 j , (2.14)
onde e1 j representa a equação (2.9).
A diferença entre as estatísticas UL e UW é que em UW, as diferenças entre d1j – e1j

são ponderadas por nj, que é o número total de indivíduos em risco. Como nj sempre
decresce, a estatística UW fornece pesos maiores aos tempos menores e, consequentemente,
pesos menores aos tempos maiores. Dessa forma, UW torna-se menos sensível que UL.
A variância de UW é:
k
VW ¦n v
j 1
2
j 1j , (2.15)
n1 j n2 j d j (n j d j )
onde: v1 j . (2.16)
n 2j (n j 1)
A estatística do teste é dada por:
20
U W2
TW ~ x(21) , (2.17)
VW
que segue uma distribuição qui-quadrado com 1 grau de liberdade quando H0 é verdadeira.
Ambos os testes são conduzidos da mesma maneira. Porém, quando é apresentada
no gráfico a curva de sobrevivência para os grupos e estas não se cruzam, é verificada a
suposição de riscos proporcionais. Logo, o teste mais adequado é o Log-Rank. Se essa
suposição de riscos proporcionais não é satisfeita, o teste mais apropriado é o de Wilcoxon.
Figura 2.2 – Modelo de riscos proporcionais
x Comparação entre mais de dois grupos
No caso de se comparar mais de dois grupos de dados de confiabilidade, podem ser

empregados ambos os testes, Log-Rank e Wilcoxon. Suponha a comparação entre g grupos
de dados de confiabilidade, com g t 2. As estatísticas ULr e UWr são definidas de forma
análoga às estatísticas UL e UW e como no caso anterior, comparam o número observado de
falhas nos grupos 1, 2, ..., g-1, com seus valores esperados. Assim podemos escrever:
k § nrj d j ·
U Lr ¦ ¨¨ d rj
n j ¸¹
¸ (2.18)
j 1 ©
e,
k § n d ·
U Wr ¦n ¨ d rj rj j ¸’ (2.19)
j ¨ nj ¸
j 1 © ¹
para r = 1, 2, ..., g-1.
21
As quantidades ULr e UWr são expressas na forma de um valor com (g–1)
componentes, os quais serão denotados por UL e UW.
A covariância de ULr e UWr é dada por:
k n rj d j n j d j § n ·
V Lrr ' ¦ ¨ G rr ' r ' j ¸ , (2.20)
j 1 n j n j 1 ¨© n j ¸¹
para r, r’ = 1, 2, ..., g-1, onde G rr ' é tal que
°1, se r r ' ;
G rr ' ®
°̄0, caso contrário.
Esses termos compõem a matriz de variâncias e covariâncias, VL.

De forma similar é obtida a matriz de variâncias e covariâncias, VW, para a
estatística de Wilcoxon, que para uma particular UWr e UWr’ é:
k n rj d j n j d j § n ·
VWrr ' ¦n 2 ¨ G rr ' r ' j ¸ , (2.21)
n j n j 1 ¨© n j ¸¹
j
j 1
para r,r’ = 1, 2, ..., g-1.

Para testar a hipótese de nulidade de que não há diferença entre os grupos, são
utilizadas U L' V L- 1U L e UW' VW- 1UW , com distribuição qui-quadrado com g-1 graus de
liberdade.
2.5 – Principais Modelos Paramétricos
Apesar de existirem técnicas não paramétricas que tratam de dados sobre análise de
confiabilidade, também há a necessidade de ajustar os dados ao modelo paramétrico mais
apropriado. Estes modelos são chamados “modelos paramétricos de probabilidade para o
tempo de falha” (Colosimo, 1995). Na literatura existem vários autores que fazem uma
apresentação exaustiva destes modelos e que podem ser usados pelo pesquisador, entre eles
podemos citar Johnson e Kotz (1970), Lawless (1982), Marubini e Valsecchi (1995).
Embora exista uma série de modelos probabilísticos em análise de confiabilidade,
alguns destes ocupam posição de destaque por sua comprovada adequação a várias
22
situações práticas, sendo usados com bastante freqüência. Estes são o modelo exponencial,
Weibull, log-normal, log-logístico e gama. Bolfarine et al. (1991) cita que tais modelos
paramétricos foram utilizados por pesquisadores em problemas práticos com bastante
sucesso, mesmo com a presença de fatores de risco.
2.5.1 – Distribuição Exponencial
A distribuição exponencial de um parâmetro, por ter uma estrutura simples, é muito

utilizada. Se T tem distribuição exponencial com parâmetro D > 0, a função densidade de
probabilidade, f(t), é dada por:
§1· §t·
f t ¨ ¸ exp¨ ¸ , (2.22)
©D ¹ ©D ¹
t t 0, onde o parâmetro D t 0 é o tempo médio do indivíduo não falhar e tem a mesma

unidade do tempo de falha t (se t é medido em dias, D também será).
Figura 2.3 – Função densidade de probabilidade da distribuição exponencial
A função de sobrevivência, S(t), é dada por:
§t·
S t exp¨ ¸ , t t 0. (2.23)
©D ¹
23
Figura 2.4 – Função de sobrevivência da distribuição exponencial
A função risco, h(t), é constante, sendo esta, a principal característica desta

distribuição (Colosimo, 1995), sendo representada por:
1
ht , t t 0. (2.24)
D
Figura 2.5 – Função risco da distribuição exponencial
Isso reflete uma propriedade chamada falta de memória, na qual a chance da

condicional de falha no intervalo de tempo de comprimento estipulado é a mesma,
independente do tempo que o item venha a ser testado (Souza et al., 2001). Ou seja, tanto
um indivíduo que seja atendido breve, quanto o que espera o atendimento por um período
maior de tempo, tem a mesma probabilidade de ser atendido em um intervalo futuro, sendo
esta a única distribuição com esta propriedade.
24
Outras características de interesse são a média, a variância e os percentis. O
percentil 100p% corresponde ao tempo em que 100p% dos indivíduos falharem, o p-ésimo
quantil é D log(1 p ) . A média da distribuição exponencial é D , e a variância D 2 . Os
percentis são importantes quando queremos obter informações, por exemplo, a respeito de
falhas prematuras.
2.5.2 – Distribuição Weibull
Proposta por Weibull (1954) esta distribuição representa uma generalização da

distribuição exponencial e, de acordo com Lawless (1982), é bastante utilizada no ajuste de
dados de confiabilidade nas diversas áreas do conhecimento, entre elas a medicina e
engenharia. Na engenharia, a distribuição Weibull é a principal função de confiabilidade,
sendo utilizada para modelar a distribuição da vida útil e taxa de risco em produtos
industriais (ver, por exemplo, Xie, 2002; Kim, 2003; Mudholkar, 1993; Lai, 1993). É
adequada para produtos formados de várias partes e cuja falha ocorre quando a primeira
parte falhar.
Se T tem distribuição de Weibull com parâmetros D ! 0 e E ! 0 , a função
densidade de probabilidade, f(t), é dada por:
E
§ E · E 1 ª §t· º
f t ¨ E ¸t exp « ¨ ¸ », t t 0. (2.25)
©D ¹ «¬ © D ¹ »¼
Beta=0,5 Beta=1
Beta=2 Beta=5
Figura 2.6 – Função densidade de probabilidade da distribuição Weibull
25
Os parâmetros de forma E e o de escala D são positivos. O parâmetro D tem a
mesma unidade de t e E não tem unidade. Se E 1 , temos a distribuição exponencial.
ª § t ·E º
S t exp « ¨ ¸ » , (2.26)
«¬ © D ¹ »¼
que é a probabilidade do paciente continuar aguardando além do tempo t.
Beta=0,5 Beta=1
Beta=2 Beta=5
Figura 2.7 – Função de sobrevivência da distribuição Weibull
A função risco, h(t), é definida como:

E 1
§ E ·§ t ·
ht ¨ ¸¨ ¸ , t t 0. (2.27)
© D ¹© D ¹
Onde:
Estritamente crescente para E ! 1 ;
h(t) Estritamente decrescente para E 1 ;
Constante para E 1 (exponencial).
26
Beta=0,5 Beta=1
Beta=2 Beta=5
Figura 2.8 – Função risco da distribuição Weibull
A média e a variância para esta distribuição são, respectivamente:
ª § 1 ·º
E t D* «1 ¨ ¸» (2.28)
¬ © D ¹¼
2
° ª § 2 ·º ª § 1 ·º ½°
Var T 2
D ®* «1 ¨¨ ¸¸» * «1 ¨¨ ¸¸» ¾ , (2.29)
°̄ ¬ © E ¹¼ ¬ © E ¹¼ °¿
onde: *r r 1! !, para r inteiro. Para os valores de r a tabela da função gama deve ser
usada.
1
O p-ésimo quantil é dado por: t p D > log1 p @E . (2.30)
A sua popularidade deve-se ao fato de poder apresentar-se sob várias formas, todas
com uma propriedade básica que é a sua função risco monótona, ou seja, ela é crescente,
decrescente ou constante. Silva (2001) cita que Collet (1994) afirma que o modelo Weibull
é tão importante para a análise de confiabilidade quanto à distribuição normal para os
modelos lineares.
2.5.3 – Distribuição Log-normal
A distribuição log-normal é muito usada para ajustar dados referentes a

confiabilidade, assim como a distribuição Weibull. De acordo com Nelson (1990), existem
27
diversas aplicações deste modelo em testes para o tempo de falha de indivíduos. Uma
discussão detalhada sobre este modelo pode ser encontrada em Crow e Shimizu (1988).
Se T tem distribuição log-normal com função densidade de probabilidade, f(t),
representada por:
1 ª 1
f t exp « 2
log t P 2 º» , t>0. (2.31)
tV 2S ¬ 2V ¼
Onde P é a média do logaritmo do tempo de falha, assim como V é o desvio

padrão, tem-se que:
§ V2 ·
x Média o exp¨¨ P ¸¸ ; (2.32)
© 2 ¹
x Variância o exp(2P V 2 )[exp(V 2 ) 1] ; (2.33)
x Percentis o t p expz p V P , onde zp é o 100p% percentil da normal padrão. (2.34)
Figura 2.9 – Função densidade de probabilidade da distribuição log-normal
A função de sobrevivência de uma distribuição log-normal é dada por:
>log(t ) P @½
S t ) ® ¾, (2.35)
¯ V ¿
28
onde, ) . é a função de distribuição acumulada de uma normal padrão.
Figura 2.10 – Função de Sobrevivência da distribuição log-normal
A função taxa de falha da distribuição log-normal não tem uma forma fechada. Ela
não é monótona, como a distribuição Weibull. Ela cresce, atinge um valor máximo, e
depois decresce. Ou seja, o risco de falha instantânea diminui com o tempo.
Figura 2.11 – Função risco da distribuição log-normal
2.5.4 - Distribuição Log-logístico

Para Collet (1994) quando a distribuição Weibull não se adequa bem aos dados a
distribuição log-logístico é uma atraente alternativa para substituí-la.
Se T tem distribuição log-logístico com parâmetros T e k, a função densidade de
probabilidade, f(t), é dada por:
29
eT kt k 1
f t . (2.36)
1 e t
T k 2
S t >1 e t @
T k 1
, (2.37)
A função risco, h(t), é definida como:
e T kt k 1
ht . (2.38)
1 e T kt k
A função risco diminui de forma monótona se k d 1. Porém, se k>1, o risco tem uma
única forma. Por exemplo, em determinado conjunto de dados, o risco aumenta nos tempos
iniciais e com o passar do tempo diminui.
2.5.5 – Distribuição Gama
Resulta da modelagem do tempo de falha de itens compostos de vários

componentes. Argumenta-se que a distribuição gama não é tão utilizada quanto a Weibull,
apesar de se ajustar adequadamente a vários dados de tempo de falha, pela dificuldade
operacional de seu uso.
Suponha T com distribuição gama com parâmetros D e k positivos. Sua função de
densidade de probabilidade é dada por
k 1 t
1 §t·
f t ¨ ¸ e D , t > 0. (2.39)
D*k © D ¹
Figura 2.12 – Função densidade de probabilidade da distribuição gama
30
A função de sobrevivência será:
§ t·
S t 1 I ¨ k , ¸ , (2.40)
© D¹
onde
x
1
I k , x ³ u k 1eu du (2.41)
*k 0
é a função gama incompleta. Esta função relaciona-se com a função de distribuição de uma
qui-quadrado, podendo ser calculada pelo uso de sua tabela (Ver Lawless, 1982 – apêndice
B). A média e a variância de T são respectivamente, Dk e D 2 k .
Figura 2.13 – Função de sobrevivência da distribuição gama
A função risco desta distribuição é dada por
§t ·
k 1 ¨ ¸
ª 1 º§ t · ©D ¹
ht « *k »¨¨ D k ¸¸ exp ª (2.42)
¬ ¼© ¹ § t ·º
«1 I ¨ k , D ¸»
¬ © ¹¼
31
Figura 2.14 – Função risco da distribuição gama
Onde:
1
Monótona crescente para k>1, com h(0)=0 e lim h(t ) ;
t of D
1
h(t) Constante para k=1, isto é, h(t)= ;
D
1
Monótona decrescente para 0<k<1, com lim h(t ) f e lim h(t ) .
t o0 t of D
Se D 1 , T tem distribuição gama de um parâmetro com densidade
1 k 1 t
f t t e . (2.43)
*k
Se k=1, tem-se a distribuição exponencial dada na seção 2.5.1. Uma importante

relação existente entre a distribuição gama e a exponencial é o fato de a soma das
exponenciais independentes e identicamente distribuídas ter distribuição gama.
2.6 – Estimação dos Parâmetros do Modelo
Os modelos probabilísticos apresentados na seção anterior são caracterizados por

quantidades desconhecidas, denominados parâmetros. Em cada estudo envolvendo análise
de confiabilidade, os parâmetros devem ser estimados a partir das observações amostrais
para que o modelo fique determinado e assim ser possível responder as perguntas de
interesse. Existem alguns métodos de estimação conhecidos na literatura estatística. Talvez
o mais conhecido seja o método de mínimos quadrados. No entanto, este método é
32
inapropriado para estudos de confiabilidade. A principal razão é a sua incapacidade de
incorporar censuras no seu processo de estimação. O método de máxima verossimilhança
surge como uma opção apropriada para estes tipos de dados. Ele incorpora as censuras, é
relativamente simples de ser entendido e possui propriedades ótimas para grandes amostras.
x O Método de Máxima Verossimilhança
O método de máxima verossimilhança trata o problema de estimação da seguinte

forma: baseado nos resultados obtidos pela amostra, qual é a distribuição entre todas
aquelas definidas pelos possíveis valores de seus parâmetros, com maior possibilidade de
ter gerado tal amostra? Em outras palavras, se por exemplo a distribuição de falha é a
Weibull, para cada combinação diferente de D e E tem-se diferentes distribuições de
Weibull. O estimador de máxima verossimilhança escolhe aquele par de D e E que melhor
explique a amostra observada (Colosimo, 1995).
Suponha uma amostra de observações t1, t2, ..., tn de uma certa população de
interesse. Considere inicialmente que todas as observações são não-censuradas. A
população é caracterizada pela sua função de densidade de probabilidade. Por exemplo, se
f(t)=(1/ D )exp(-t/ D ), significa que as observações vem de uma distribuição exponencial
com parâmetro D a ser estimado. A função de verossimilhança para um parâmetro genérico
T é:
n
LT t ;T .
i (2.44)
i 1
A dependência de f em T é preciso agora ser mostrada pois L é função de T . Nesta

expressão, T pode estar representando um único parâmetro ou um vetor de parâmetros. Por
exemplo, no modelo log-normal, T =( P , V ). A tradução em termos matemáticos para a
frase “a distribuição que melhor explique a amostra observada” é achar o valor de T que
maximize a função L( T ). Isto é, achar o valor de T que maximiza a probabilidade da
amostra observada ter ocorrido.
A função de verossimilhança L( T ) mostra que a contribuição de cada observação
não-censurada é sua função de densidade. Estas observações somente nos informam que o
tempo de falha é maior que o tempo de censura observado e portanto, que a sua
contribuição para L( T ) é a sua função de sobrevivência S(t). As observações podem então
33
ser divididas em dois conjuntos, as r primeiras são as não-censuras (1,2, ..., r) e as n-r
seguintes, são as censuradas (r+1, r+2, ..., n). A função de máxima verossimilhança
assume a seguinte forma:
r n
LT f ti ,T S ti ,T . (2.45)
i 1 i r 1
É sempre conveniente trabalhar com o logaritmo da função de verossimilhança. Os

estimadores de máxima verossimilhança são os valores de T que maximizam L( T ) ou
equivalente log (L( T )).
Temos, na prática, muitas situações onde o tempo de falha é influenciado por uma
ou mais variáveis regressoras ou covariáveis, ou seja, condições que afetam o tempo de
falha. Por exemplo, o tempo de transição de um equipamento estar funcionando para não
funcionar pode ser afetado pelo nível de voltagem a que ele é sujeito, o tempo de vida de
um paciente submetido a determinado tratamento pode depender da idade ou do tipo de
medicação, ou ainda, o tempo agendado para consulta ambulatorial pode depender do tipo
de tratamento, da especialidade ou ainda do tipo de marcação.
Considere T uma variável aleatória que representa o tempo até a falha de um
indivíduo e x o vetor (x0, x1, ..., xp-1) um vetor formado por p-1 variáveis regressoras (x1, ...,
xp-1), também chamadas variáveis explanatórias ou covariáveis, que podem ser qualitativas
ou quantitativas, e x0=1. Uma maneira de relacionar T com x é através do modelo de
regressão log-linear a seguir
Y log T E 0 E 1 x1 E 2 x 2 ... E n x n VQ , (2.46)
onde Q log H que segue uma distribuição do valor extremo padrão,
f Q expQ eQ (2.47)
e os E ' s representam os parâmetros das variáveis regressoras ou covariáveis.

Esta distribuição é bastante utilizada em confiabilidade, pois caracteriza de forma
adequada a distribuição do logaritmo de certos tempos de falha. Mais informações sobre
esta distribuição pode ser encontrado em Lawless (1982). Sendo bastante utilizado na
prática e conhecido como o modelo de tempo de vida acelerado. Isto porque a função das
34
covariáveis é acelerar ou desacelerar o tempo de falha. Os parâmetros do modelo são
estimados através do estimador de máxima verossimilhança,
r n
1G
L E > f ti , E , xi @ >S ti , E , xi @ ,
G
i i
(2.48)
i 1 i r 1
que usualmente envolve a utilização de um pacote estatístico.
O método de máxima verossimilhança para estimar os parâmetros só pode ser

aplicado após ter sido definido um modelo probabilístico adequado aos dados. Somente
após ter definido qual o modelo que melhor se ajusta aos dados é que o método de máxima
verossimilhança é usado para estimar P e V e os E ' s . Entretanto, se o modelo
selecionado for usado inadequadamente para um certo conjunto de dados, toda a análise
estatística fica comprometida e conseqüentemente as respostas às perguntas de interesse
distorcidas.
2.7 – Determinação do Modelo Paramétrico
A escolha do modelo a ser utilizado é um muito importante na análise paramétrica

em confiabilidade, uma vez que a utilização de um modelo inadequado para um
determinado conjunto de dados pode comprometer a análise estatística, provocando viés
nos resultados obtidos. Existem diversas maneiras de se verificar a adequação de um
modelo para dados de confiabilidade. Há casos em que a utilização de um modelo é
definida por sua simplicidade computacional, como segundo Nelson (1990), apresentado
por Souza (2001), é o caso do modelo exponencial, que por apresentar resultados simples e
bastante conhecidos é muitas vezes utilizados de forma indevida. Cain (2002) apresenta
simulações de Monte Carlo para distinguir entre a distribuição log-normal e Weibull.
O ajuste do “melhor” modelo a ser usado para um conjunto de dados pode ser
verificado, neste trabalho, de duas formas: numericamente ou graficamente. A análise
numérica é feita com base na estatística de máxima verossimilhança, a qual determina
como melhor modelo aquele que apresentar o menor valor em módulo, do log do estimador
de máxima verossimilhança (Cavalcanti et al., 2002).
O método gráfico utilizado para o ajuste do melhor modelo paramétrico é através da
linearização da função de sobrevivência (Bolfarine et al., 1991). Consiste em fazer gráficos
35
nos quais o modelo apropriado seja aproximadamente linear. A não linearidade pode ser
percebida visualmente.
O gráfico utilizado é de uma transformação que lineariza a função de sobrevivência
do modelo proposto. Se o modelo proposto for adequado, o gráfico gerado será uma reta.
Por exemplo, verifica-se qual o melhor modelo a ser utilizado da seguinte forma:
Se o modelo exponencial for apropriado aos dados, o gráfico –log Ŝ t vs. t irá
resultar em uma linha reta, passando pela origem (0).
A função de sobrevivência de uma distribuição log-normal pode ser linearizada
apresentado a forma,
) 1 S t V log(t ) P ,
1 (2.49)

onde ) 1 . são os percentis da normal padrão. Isso significa que o gráfico de ) 1 Ŝ t vs.
log(t) deve ser linear se o modelo log-normal for adequado.
Se o modelo Weibull for adequado, o gráfico log[ log( Sˆ (t ))] vs. log(t) irá resultar
em uma linha reta, passando pela origem (0).
Para a adequação do modelo log-logístico o gráfico log[(1 Sˆ (t ) / Sˆ (t )] vs. log (t) irá
resultar um uma linha reta.
Considerando o escopo deste trabalho, adota-se uma convenção para falha, censura
e tempos de falha.
A falha é a realização do atendimento ambulatorial que foi anteriormente agendada

pelo paciente. A censura é o absenteísmo, ou seja, a falta do profissional de saúde ou a não
ocorrência do paciente ao atendimento. O tempo de falha é descrito como o tempo
agendado para consulta ambulatorial.
36
Capítulo 3
Metodologia da Pesquisa de Campo
Este capítulo apresenta uma descrição e justificativa da metodologia utilizada na

pesquisa de campo. Está estruturado para que se possa entender de forma abrangente a
metodologia estatística aplicada na pesquisa.
Apresenta a metodologia da pesquisa, a população envolvida no estudo, o plano
amostral, descrição do processo de coleta de dados e as técnicas aplicadas para análise das
variáveis.
3.1 - Metodologia da Pesquisa
Entende-se estatística como um conjunto de métodos para planejar experimentos,

obter dados e organizá-los, resumí-los, analisá-los, interpretá-los e deles extrair conclusões
(Triola, 1999).
Planejamento da Pesquisa
Execução da Pesquisa
Metodologia
Estatística Coleta de Dados
Análise dos Dados
Resultados
Figura 3.1– Etapas da Metodologia Estatística
37
A palavra “estatística” provém do latim status, que significa estado. Sua primitiva
utilização envolvia compilação de dados de um estado ou país. Nos últimos 50 anos a
estatística tornou-se uma importante ferramenta para a tomada de decisão nas diversas áreas
do conhecimento, principalmente, com o avanço da informática e pacotes computacionais
(Freund et al., 2001).
Neste trabalho, seguindo a metodologia da pesquisa, realizou-se a análise descritiva
das variáveis de interesse no estudo. E de acordo com o tema e objetivo é feito a
modelagem paramétrica adequada aos dados e por fim a proposição de padrões de
qualidade para o tempo até o atendimento ambulatorial.
3.2 - População
Denomina-se população a um “conjunto de elementos que queremos abranger em

nosso estudo e que são possíveis de serem observados, com respeito às características que
pretendemos levantar” (Barbetta, 2001).
Nesta pesquisa a população alvo é constituída por todos os pacientes que
procuraram o setor SAME (Serviço de Arquivo Médico e Estatística) do HUOL no período
de janeiro a junho de 2003 e agendaram consulta para atendimento ambulatorial. Entende-
se como consulta o atendimento de um paciente, por médico, para fins de exame,
diagnóstico, tratamento e orientação (Sounis, 1993).
3.3 - Plano Amostral
“Nas pesquisas, em que se quer conhecer algumas características de uma população,

é muito comum se observar apenas uma amostra de seus elementos e, a partir dos
resultados dessa amostra, obter valores aproximados, ou estimativas, para as características
populacionais de interesse” (Barbetta, 2001).
Para determinação do tamanho da amostra foi considerado o número de pacientes
que agendaram consultas nos guichês do SAME, no período de janeiro a junho de 2003 nas
suas diversas especialidades, totalizando 16.623 marcações, subdivididas em consultas de
primeira vez, exames, prioridades e consultas para funcionários da UFRN, conforme o
Anexo I – Produção Ambulatorial.
38
O cálculo para a determinação do tamanho da amostra foi realizado utilizando a
técnica de amostragem aleatória estratificada que é obtida separando os elementos da
população em grupos não justapostos, chamados de estratos e depois selecionando uma
amostra ao acaso de cada estrato. Nesse estudo cada especialidade corresponde a um
estrato.
Para um nível de confiança de 95%, tem-se que o tamanho da amostra será:
24
¦N V
k 1
i
2
i
2
n 24
1.674 , (3.1)
N D ¦ N iV
2
i
2
i 1
onde N representa o tamanho da população em estudo, Ni representa o tamanho da

população em cada estrato, V i2 representa a variância populacional do estrato i
Com o limite sobre o erro de estimação equivalente a 0,005.
E o tamanho das amostras nos estratos será, conforme o anexo II:
N iV i
ni nwi , onde: wi 24
. (3.2)
¦N V
i 1
i i
3.4 - Instrumento de Coleta de Dados
A pesquisa utilizou, como instrumento de coleta de dados, um formulário

estruturado denominado folha de verificação, que para Vieira (1999) é uma planilha para o
registro de dados, onde torna a coleta mais rápida e automática.
Foram mensuradas as seguintes variáveis:
x Registro do Paciente: É a inscrição de um paciente na unidade médico-hospitalar,
que o habilita ao atendimento. É um instrumento dinâmico que uma vez iniciado
permanece aberto por tempo indeterminado, atendendo sempre que o paciente
recorrer à instituição (Bezerra, 2002).
x Tempo: Tempo, em dias, até o atendimento ambulatorial;
x Tipo de Tratamento: Tratamento Clínico, Tratamento Cirúrgico;
x Especialidade: Clínica solicitada pelo paciente para a realização do atendimento
ambulatorial, conforme o Anexo I – Produção Ambulatorial.
39
x Tipo de Consulta: Consulta para funcionário da UFRN, primeira consulta, consulta
para apresentação de exames e consulta de prioridade;
x Censura: Falha (1) – o paciente compareceu ao atendimento ambulatorial. Censura
(0) – o paciente ou o médico não compareceu ao atendimento.
3.5 - Coleta de Dados
A pesquisa de campo foi realizada no período de 01 a 30 de setembro de 2003. A

mensuração dos dados ocorreu em duas etapas: Na primeira etapa foram selecionados, a
partir dos mapas de atendimento ambulatorial da instituição, os pacientes que irão compor a
amostra e coletada as seguintes variáveis: tipo de tratamento, especialidade, tipo de
consulta e verificado ocorrência da censura. Na segunda fase, utilizando o software próprio
da instituição, coletou-se o tempo em que o paciente aguardou até a ocorrência do
atendimento ambulatorial, sendo este a variável resposta.
3.6 - Técnicas de Análise
Serão aplicadas as técnicas de análise de confiabilidade descritas no capítulo 02.

A análise não paramétrica permite estimar a função de sobrevivência, com base no
estimador Produto-Limite ou Kaplan-Meier conhecer a média, a mediana e outros quartis
para o tempo até o atendimento e, além disso, testar a hipótese de nulidade de que as
especialidades, o tipo de tratamento e o tipo de marcação possuem o mesmo tempo
agendado para consulta ambulatorial.
O ajuste do melhor modelo paramétrico será realizado através dos métodos
numérico e gráfico e, em seguida, estimam-se os seus parâmetros. A identificação das
covariáveis significativas no modelo: tipo de tratamento (x1), especialidade (x2), tipo de
marcação (x3) e a construção do modelo de regressão log-linear será realizada com base no
estimador de máxima verossimilhança.
A construção de padrões de qualidade será feita a partir da análise descritiva dos
dados, com a utilização das medidas de tendência central.
40
Capítulo 4
Resultados da Pesquisa de Campo
Neste capítulo são apresentados os resultados obtidos na pesquisa de campo. É

realizada a análise descritiva através de tabelas, gráficos e das medidas de tendência central
e variabilidade para uma melhor compreensão da variável de interesse, assim como de suas
covariáveis.
Inicialmente este capítulo expõe as características da amostra, os resultados da
estatística não paramétrica para estimar as curvas para o tempo agendado para consulta
ambulatorial, a seleção do melhor modelo paramétrico, a estimativa dos parâmetros e
covariáveis significativas e, finalmente a proposição de um padrão de qualidade. Como
convenção para melhor adequação ao objeto de estudo tem-se que a falha é a realização do
atendimento ambulatorial, a censura é o absenteísmo, o tempo de falha é descrito como o
tempo agendado para consulta ambulatorial.
4.1 – A Amostra
A tabulação e análise dos dados foram realizadas através dos softwares Statistical
Analysis System (SAS) versão 6.12 e do Statistica versão 5.5.
O processo de coleta de dados gerou informações referentes a 1.746 pacientes que
agendaram consulta no HUOL entre janeiro a junho de 2003. Portanto, o tamanho mínimo
da amostra que era de 1.674 pacientes com erro amostral de 0,05 foi obtido.
Do total de pacientes observados, 1.436 foram atendidos e 310 deixaram de realizar
o atendimento ambulatorial, correspondendo a 17,75% do total de pacientes. O tempo
médio agendado para consulta ambulatorial foi de 12,73 dias, apresentando um desvio
padrão de 7,41.
41
A Tabela 4.1 apresenta os quartis como medidas descritivas para o tempo até o
atendimento ambulatorial e observa-se que 25%, 50% e 75% dos pacientes esperaram
respectivamente, até 6 dias, 12 dias e 19 dias para a realização da consulta. Na Figura 4.1,
tem-se a amplitude para o tempo agendado para consulta ambulatorial é de 36 dias.
Observa-se que este campo de variação é cinco vezes maior que a amplitude proposta pela
OPAS (1992) que diz que o tempo até o atendimento ambulatorial não deve ser deve ser
superior a sete dias.
Tabela 4.1 – Estimativas dos quartis do tempo agendado para consulta ambulatorial
Quartis Estimativa Pontual Intervalo de Confiança do quartil (95%)
25% 6 (5;6)
50% 12 (12;13)
75% 19 (18;20)
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40
TEMPO (em dias)
Figura 4.1 – Tempo agendado para consulta ambulatorial
Após a identificação do número de pacientes que não realizaram atendimento nas

diversas especialidades oferecidas pela instituição, verifica-se na Tabela 4.2 a origem do
absenteísmo para cada especialidade, que pode ocorrer pelo não comparecimento do
paciente ou do profissional médico.
Observa-se que o atendimento na clínica de cirurgia geral deixou de ser realizado
porque o médico não compareceu. As demais especialidades, com exceção da clínica de
cirurgia plástica, que apresentou 62,5% das faltas originadas pelo não comparecimento do
42
profissional, apresentam maiores percentuais para a origem do absenteísmo como sendo o
não comparecimento do paciente.
Tabela 4.2 – Origem do absenteísmo por especialidade
Especialidade Pacientes % Médicos %
Cardiologia 31 88,57 4 11,43
Cir. Cabeça e Pescoço 3 100 0 0
Cirurgia Geral 0 0 3 100
Cirurgia Plástica 3 37,50 5 62,50
Cirurgia Torácica 0 0 0 0
Cirurgia Vascular 5 100 0 0
Clínica Geral 28 75,68 9 24,32
Dermatologia 35 92,11 3 7,89
Endocrinologia 5 100 0 0
Fisiatria 2 100 0 0
Gastroenterologia 45 81,82 10 18,18
Geriatria 9 100 0 0
Hematologia 2 100 0 0
I DCC 6 100 0 0
Nefrologia 14 82,35 3 17,65
Neurocirurgia 3 100 0 0
Neurologia 16 65.38 9 34,62
Oftalmologia 4 100 0 0
Ortopedia 12 100 0 0
Pneumologia 6 100 0 0
Proctologia 4 57,14 3 42,86
Psiquiatria 10 100 0 0
Reumatologia 12 100 0 0
Urologia 6 100 0 0
43
Na Figura 4.2 apresenta-se a origem do absenteísmo. Verifica-se que 84% das faltas
ocorrem pelo não comparecimento do paciente e 16% pela falta do profissional de saúde ao
atendimento ambulatorial.
Paciente
84,0%
Médico
16,0%
Figura 4.2 – Origem do absenteísmo
A Figura 4.3 apresenta a dispersão entre as variáveis tempo agendado para consulta
ambulatorial e o número de absenteísmos. Observa-se que há uma correlação negativa fraca
entre as variáveis, onde o coeficiente de correlação calculado corresponde a – 0,5096.
Portanto, a origem do absenteísmo não ocorre por influência do tempo até a consulta.
Absenteísmo = 14,784 -0,3559 * Tempo

Correlação: r = -0,5096
28
22
16
Absenteísmo
10
-2
-5 0 5 10 15 20 25 30 35 40
Tempo (em dias) Regression

95% confid.
Figura 4.3 – Dispersão da variável tempo até o atendimento vs. absenteísmo
4.2 – Análise Descritiva das Covariáveis
A Tabela 4.3 apresenta as medidas descritivas para as diversas especialidades

solicitadas pelos pacientes nos guichês do SAME. Tem-se o tempo médio, o erro padrão
para o tempo até o atendimento ambulatorial, o número de atendimentos realizados e o total
44
de faltas; verifica-se que o tempo médio difere por especialidade. A Figura 4.4 apresenta o
Box-plot para o tempo médio até o atendimento ambulatorial e os intervalos para um e dois
desvios padrão.
Tabela 4.3 – Medidas descritivas para as especialidades
Erro
Especialidade Atendimentos % Faltas % Tempo Médio
Padrão
Cardiologia 132 79,17 35 20,83 14,72 0,77
Cir.Cabeça/Pescoço 27 90,00 3 10,00 10,49 1,12
Cirurgia Geral 45 93,75 3 6,25 9,97 0,98
Cirurgia Plástica 22 73,33 8 26,67 5,40 0,85
Cirurgia Torácica 30 100 0 0 5,00 0,82
Cirurgia Vascular 46 90,20 5 9,80 12,41 1,19
Clínica Geral 93 71,54 37 28,46 11,09 0,63
Dermatologia 150 79,79 38 20,21 12,55 0,48
Endocrinologia 78 93,98 5 6,02 12,55 0,77
Fisiatria 39 95,12 2 4,88 7,88 0,92
Gastroenterologia 187 77,27 55 22,73 13,36 0,46
Geriatria 21 70,00 9 30,00 14,12 1,15
Hematologia 35 94,59 2 5,41 3,41 0,79
I DCC 24 80,00 6 20,00 15,21 1,47
Nefrologia 81 82,65 17 17,35 12,77 0,80
Neurocirurgia 64 95,52 3 4,48 5,25 0,67
Neurologia 65 72,22 25 27,78 16,40 0,91
Oftalmologia 58 93,55 4 6,45 16,56 1,25
Ortopedia 35 74,47 12 25,53 16,05 1,03
Pneumologia 59 90,77 6 9,23 3,44 0,44
Proctologia 27 79,41 7 20,59 15,76 1,54
Psiquiatria 20 66,67 10 33,33 14,44 1,17
Reumatologia 67 84,81 12 15,19 15,98 0,99
Urologia 30 83,83 6 16,67 23,20 1,41
45
A especialidade de urologia apresenta o maior tempo agendado para consulta
ambulatorial, equivalente a 23,20 dias, sendo esta a única especialidade a apresentar um
valor médio acima de 20 dias. As especialidades de hematologia e pneumologia têm maior
brevidade para a realização da consulta, apresentando respectivamente 3,40 e 3,44 dias de
média.
Na especialidade de cirurgia torácica todos os pacientes foram atendidos, enquanto
que na psiquiatria, com 33,33%, ocorreu o maior número de consultas não realizadas, seja
por desistência do paciente ou não comparecimento do médico ao atendimento
ambulatorial.
35
28
Tempo (em dias)
21
14
Média+2*SD
Média-2*SD
-7
CAR CGR CTR CLG END GAS HEM NEF NEU ORT PRO REU Média;Média+SD
CCP CPT CVS DER FIS GER DCC NCR OFT PNE PSI URO Média-SD
Especialidades
Figura – 4.4 – Box-plot múltiplo do tempo médio até o atendimento ambulatorial.
Quanto ao tipo de marcação a instituição oferece um serviço diferenciado para a

população, onde as consultas são agendadas segundo critérios pré-definidos, sendo eles:
consultas para pacientes de primeira vez, para funcionários da UFRN e dependentes, para
apresentação de exames após realização de primeira consulta e prioridades.
Pela Tabela 4.4 observam-se as medidas descritivas para os tipos de marcação
realizadas no HUOL. Verifica-se que as consultas para funcionários da UFRN e
dependentes possuem um tempo médio maior em relação aos demais, apresentando média
de 15,16 dias até a ocorrência do atendimento. Em seguida, têm-se as consultas para
apresentação de exames com tempo médio até o atendimento de 17,70 dias e com
aproximadamente 15 dias os agendamentos de primeira consulta. As prioridades
apresentam menor tempo médio, que é de 9,15 dias.
46
Quanto ao absenteísmo ele é maior para as marcações oferecidas para os
funcionários da UFRN e seus dependentes, correspondendo a 20,52% do total de
agendamentos e menor percentual para as consultas de prioridade que apresenta percentual
de 15,43%.
Tabela 4.4 – Medidas descritivas para o tipo de marcação
Tipo de Marcação Atendimentos % Faltas % Tempo Médio Erro Padrão
Funcionários 488 79,48 126 20,52 15,16 0,3648
Primeira Consulta 255 84,16 48 15,84 10,65 0,4503
Exames 293 83,30 63 17,70 14,78 0,4618
Prioridades 400 84,57 73 15,43 9,15 0,3571
As diversas especialidades oferecidas pela instituição à população são agendadas

conforme o tipo de tratamento ao qual o paciente necessita receber, podendo ser tratamento
clínico ou cirúrgico. O tratamento clínico ocorre quando não há a necessidade de realização
do ato cirúrgico para o processo de cura ou a remissiva da doença, enquanto que o
tratamento cirúrgico pede após o atendimento, na maioria das vezes, a realização de um
procedimento cirúrgico para curar o paciente ou obter a remissiva da doença.
Para ambos os tratamentos verificam-se que as médias para o tempo até o
atendimento ambulatorial são aproximadamente iguais, conforme a Tabela 4.5. O
percentual de atendimentos não realizados é maior para o tratamento clínico que apresenta
um percentual de 19,75%.
Tabela 4.5 – Medidas descritivas para o tipo de tratamento
Tipo de Tratamento Atendimentos % Faltas % Tempo Médio Erro Padrão
Clínico 1.028 80,25 253 19,75 12,76 0,24
Cirúrgico 408 87,75 57 12,25 12,52 0,44
4.3 – Estatística Não Paramétrica
Para verificar se realmente os tempos agendados para consulta ambulatorial por

especialidade, diferem entre si utilizam-se técnicas não paramétricas, descritas a seguir,
aplicando o Estimador Produto-Limite ou Kaplan-Meier. Assim como para o tipo de
marcação e o tipo de tratamento.
47
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40
TEMPO
CLÍNICO CIRÚRGICO
Figura 4.5 – Tempo agendado para consulta ambulatorial para o tipo de tratamento
A Figura 4.5 apresenta o tempo até o atendimento ambulatorial para os tratamentos

clínico e cirúrgico. Verifica-se que a propriedade de riscos proporcionais não é satisfeita
para o gráfico porque as linhas se cruzam ao longo do período. Logo, o teste de Wilcoxon é
o apropriado que tem seu resultado apresentado na Tabela 4.6, sob as hipóteses,
H0: O Tipo de tratamento apresenta o mesmo tempo até o atendimento ambulatorial.

H1: O Tipo de tratamento difere o tempo até o atendimento ambulatorial.
Estatisticamente, temos:
H 0 : S1 (t ) S 2 (t )
H1 : S1 (t ) z S 2 (t )
Não se rejeita a hipótese H0 através do resultado do p-valor igual a 0,0847

calculado. Portanto, verifica-se que não há diferença significativa para o tempo entre o
agendamento de uma consulta até o atendimento ambulatorial para o tratamento clínico e
cirúrgico, ao nível de significância de 5%.
Tabela 4.6 – Resultado do teste de Wilcoxon para o tipo de tratamento
Teste F2 gl p-valor
Wilcoxon 2,9719 1 0,0847
48
Representando os gráficos que apresentam as curvas de Kaplan-Meier, S(t) x t,
obtém-se uma visão superficial do comportamento dos dados para as especialidades que
realizam tratamento cirúrgico na Figura 4.6 e tratamento clínico na Figura 4.7. Esta
alternativa de subdividir as especialidades segundo o tipo de tratamento foi realizada
devido à necessidade de uma melhor visualização para o tempo até o atendimento
ambulatorial.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40
TEMPO
ESPEC.: CCP CGR CPT CTR CVS
DCC NCR OFT PRO URO
Figura 4.6 – Tempo agendado para consulta ambulatorial para as especialidades de tratamento cirúrgico
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5 35.0
TEMPO
ESPEC.: CAR CLG DER END FIS
GAS GER HEM NEF NEU
ORT PNE PSI REU
49
Figura 4.7 – Tempo agendado para consulta ambulatorial para as especialidades de tratamento clínico
Observa-se que a propriedade de riscos proporcionais não é satisfeita para os dois

gráficos apresentados. Porém, quando se compara mais de dois grupos de dados de tempo
de falha, pode-se empregar o teste Log-Rank ou Wilcoxon. Logo, observando o resultado
para ambos os testes nas Tabelas 4.7 e 4.8 sob as hipóteses,
H0: As Especialidades apresentam o mesmo tempo até o atendimento ambulatorial.

H1: As Especialidades diferem quanto ao tempo até o atendimento ambulatorial.
H 0 : S1 (t ) S 2 (t ) ... S k (t )
H1 : pelo menos uma especialidade difere
A partir do resultado do p-valor igual a 0,0001 calculado para ambos os testes,

rejeita-se a hipótese H0. Logo, verifica-se que existe diferença significativa para o tempo
entre o agendamento de uma consulta até o atendimento ambulatorial para as
especialidades, ao nível de significância de 5%.
Tabela 4.7 – Resultado dos testes Log-Rank e Wilcoxon para as especialidades que realizam
tratamento cirúrgico.
Teste F2 gl p-valor
Log-Rank 182,5168 9 0,0001
Wilcoxon 161,9242 9 0,0001
Tabela 4.8 – Resultado dos testes Log-Rank e Wilcoxon para as especialidades que realizam
tratamento clínico.
Teste F2 gl p-valor
Log-Rank 420,9092 13 0,0001
Wilcoxon 428,0908 13 0,0001
Detectada a diferença significativa entre as especialidades, a forma de verificar qual

delas apresentou melhor tempo é a mediana, uma vez que os dados de tempo de falha
50
apresentam distribuição assimétrica. O valor estimado dos quartis e seus intervalos de
confiança para cada especialidade são apresentados a seguir, assim como o tempo até o
atendimento ambulatorial para cada especialidade.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5 35.0
TEMPO (em dias )
Figura 4.8 – Tempo até o atendimento ambulatorial na Cardiologia
Tabela 4.9 - Estimação dos quartis e intervalos de confiança (Cardiologia)

Quartil Estimativa Pontual Intervalo de Confiança do Quartil (95%)
75% 21 (19;23)
50% 13 (13;16)
25% 5 (5;8)
A mediana para o tempo até o atendimento na Cardiologia é igual a 13 dias, ou seja,

50% dos pacientes dessa especialidade aguardaram até 13 dias para serem atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20
TEMPO (em dias)
Figura 4.9 – Tempo até o atendimento ambulatorial na Cirurgia de Cabeça/Pescoço
Tabela 4.10 - Estimação dos quartis e intervalos de confiança (Cirurgia de Cabeça e Pescoço)
75% 13 (11;19)
50% 11 (6;13)
25% 6 (5;10)
51
A mediana para o tempo até o atendimento na Cirurgia de Cabeça e Pescoço é igual
a 11 dias, ou seja, 50% dos pacientes dessa especialidade aguardaram até 11 dias para
serem atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20 22
TEMPO (em dias)
Figura 4.10 – Tempo até o atendimento ambulatorial na Cirurgia Geral
Tabela 4.11 - Estimação dos quartis e intervalos de confiança (Cirurgia Geral)

75% 16 (13;19)
50% 9 (6;14)
25% 5 (3;7)
A mediana para o tempo até o atendimento na Cirurgia Geral é igual a 9 dias, ou

seja, 50% dos pacientes dessa especialidade aguardaram até 9 dias para serem atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20
TEMPO (em dias )
Figura 4.11 – Tempo até o atendimento ambulatorial na Cirurgia Plástica
Tabela 4.12 - Estimação dos quartis e intervalos de confiança (Cirurgia Plástica)

75% 10 (5;12)
50% 3 (2;8)
52
25% 2 (1;2)
A mediana para o tempo até o atendimento na Cirurgia Plástica é igual a 3 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16
TEMPO (em dias)
Figura 4.12 – Tempo até o atendimento ambulatorial na Cirurgia Torácica
Tabela 4.13 - Estimação dos quartis e intervalos de confiança (Cirurgia Torácica)

75% 9 (6;11)
50% 3 (3;5)
25% 2 (1;3)
A mediana para o tempo até o atendimento na Cirurgia Torácica é igual a 3 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5
TEMPO (em dias)
Figura 4.13 – Tempo até o atendimento ambulatorial na Cirurgia Vascular
Tabela 4.14 - Estimação dos quartis e intervalos de confiança (Cirurgia Vascular)

75% 16 (12;21)
50% 11 (7;13)
53
25% 6 (5;9)
A mediana para o tempo até o atendimento na Cirurgia Vascular é igual a 11 dias,

ou seja, 50% dos pacientes dessa especialidade aguardaram até 11 dias para serem
atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20 22
TEMPO (em dias)
Figura 4.14 – Tempo até o atendimento ambulatorial na Clínica Geral
Tabela 4.15 - Estimação dos quartis e intervalos de confiança (Clínica Geral)

75% 16 (14;20)
50% 11 (9;14)
25% 6 (3;7)
A mediana para o tempo até o atendimento na Clínica Geral é igual a 11 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO (em dias )
Figura 4.15 – Tempo até o atendimento ambulatorial na Dermatologia
Tabela 4.16- Estimação dos quartis e intervalos de confiança (Dermatologia)

54
75% 16 (15;19)
50% 12 (11;13)
25% 8 (8;10)
A mediana para o tempo até o atendimento na Dermatologia é igual a 12 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO
Figura 4.16 – Tempo até o atendimento ambulatorial na Endocrinologia
Tabela 4.17 - Estimação dos quartis e intervalos de confiança (Endocrinologia)

75% 18 (15;20)
50% 11 (9;14)
25% 7 (6;8)
A mediana para o tempo até o atendimento na Endocrinologia é igual a 11 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20 22
TEMPO (em dias)
Figura 4.17 – Tempo até o atendimento ambulatorial na Fisiatria
Tabela 4.18 - Estimação dos quartis e intervalos de confiança (Fisiatria)

55
75% 12 (7;17)
50% 7 (5;8)
25% 3 (2;6)
A mediana para o tempo até o atendimento na Fisiatria é igual a 7 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO (em dias)
Figura 4.18 – Tempo até o atendimento ambulatorial na Gastroenterologia
Tabela 4.19 - Estimação dos quartis e intervalos de confiança (Gastroenterologia)

75% 19 (18;20)
50% 14 (14;15)
25% 7 (6;9)
A mediana para o tempo até o atendimento na Gastroenterologia é igual a 14 dias,

ou seja, 50% dos pacientes dessa especialidade aguardaram até 14 dias para serem
atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20 22
TEMPO (em dias)
Figura 4.19 – Tempo até o atendimento ambulatorial na Geriatria
Tabela 4.20 - Estimação dos quartis e intervalos de confiança (Geriatria)
56
75% 18 (16;21)
50% 15 (11;18)
25% 11 (6;14)
A mediana para o tempo até o atendimento na Geriatria é igual a 15 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18
TEMPO (em dias)
Figura 4.20 – Tempo até o atendimento ambulatorial na Hematologia
Tabela 4.21 - Estimação dos quartis e intervalos de confiança (Hematologia)

75% 6 (2;9)
50% 1 (0;4)
25% 0 (0;1)
A mediana para o tempo até o atendimento na Hematologia é igual a 1 dia, ou seja,

50% dos pacientes dessa especialidade aguardaram até 1 dia para serem atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO
Figura 4.21 – Tempo até o atendimento ambulatorial na IDCC
57
Tabela 4.22 - Estimação dos quartis e intervalos de confiança (I DCC)
75% 20 (14;29)
50% 14 (12;18)
25% 11 (7;13)
A mediana para o tempo até o atendimento na I DCC é igual a 14 dias, ou seja, 50%
dos pacientes dessa especialidade aguardaram até 14 dias para serem atendidos.
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5
TEMPO (em dias )
Figura 4.22 – Tempo até o atendimento ambulatorial na Nefrologia
Tabela 4.23 - Estimação dos quartis e intervalos de confiança (Nefrologia)

75% 19 (16;21)
50% 11 (10;14)
25% 6 (5;8)
A mediana para o tempo até o atendimento na Nefrologia é igual a 11 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8 10 12 14 16 18 20 22
TEMPO (em dias )
Figura 4.23 – Tempo até o atendimento ambulatorial na Neurocirurgia
58
Tabela 4.24 - Estimação dos quartis e intervalos de confiança (Neurocirurgia)
75% 7 (5;12)
50% 4 (3;5)
25% 1 (0;3)
A mediana para o tempo até o atendimento na Neurocirurgia é igual a 4 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO (em dias )
Figura 4.24 – Tempo até o atendimento ambulatorial na Neurologia
Tabela 4.25 - Estimação dos quartis e intervalos de confiança (Neurologia)

75% 22 (19;26)
50% 17 (15;19)
25% 9 (7;15)
A mediana para o tempo até o atendimento na Neurologia é igual a 17 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5 35.0
TEMPO (em dias )
Figura 4.25 – Tempo até o atendimento ambulatorial na Oftalmologia
59
Tabela 4.26 - Estimação dos quartis e intervalos de confiança (Oftalmologia)
75% 26 (21;28)
50% 20 (10;21)
25% 8 (5;10)
A mediana para o tempo até o atendimento na Oftalmologia é igual a 20 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5
TEMPO (em dias)
Figura 4.26 – Tempo até o atendimento ambulatorial na Ortopedia
Tabela 4.27 - Estimação dos quartis e intervalos de confiança (Ortopedia)

75% 21 (18;24)
50% 15 (13;19)
25% 12 (11;13)
A mediana para o tempo até o atendimento na Ortopedia é igual a 15 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
TEMPO (em dias )
Figura 4.27 – Tempo até o atendimento ambulatorial na Pneumologia
60
Tabela 4.28 - Estimação dos quartis e intervalos de confiança (Pneumologia)
75% 5 (4;7)
50% 2 (1;4)
25% 1 (0;1)
A mediana para o tempo até o atendimento na Pneumologia é igual a 2 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0
TEMPO (em dias )
Figura 4.28 – Tempo até o atendimento ambulatorial na Proctologia
Tabela 4.29 - Estimação dos quartis e intervalos de confiança (Proctologia)

75% 21 (20;24)
50% 19 (14;21)
25% 7 (4;15)
A mediana para o tempo até o atendimento na Proctologia é igual a 19 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5
TEMPO (em dias )
Figura 4.29 – Tempo até o atendimento ambulatorial na Psiquiatria
61
Tabela 4.30 - Estimação dos quartis e intervalos de confiança (Psiquiatria)
75% 20 (17;24)
50% 16 (12;20)
25% 10 (4;15)
A mediana para o tempo até o atendimento na Psiquiatria é igual a 16 dias, ou seja,

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0 32.5 35.0
TEMPO (em dias )
Figura 4.30 – Tempo até o atendimento ambulatorial na Reumatologia
Tabela 4.31 - Estimação dos quartis e intervalos de confiança (Reumatologia)

75% 21 (17;27)
50% 15 (14;17)
25% 12 (8;14)
A mediana para o tempo até o atendimento na Reumatologia é igual a 15 dias, ou

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40
TEMPO
Figura 4.31 – Tempo até o atendimento ambulatorial na Urologia
62
Tabela 4.32 - Estimação dos quartis e intervalos de confiança (Urologia)
75% 32 (22;34)
50% 21 (20;26)
25% 18 (15;21)
A mediana para o tempo até o atendimento na Urologia é igual a 21 dias, ou seja,

A Tabela 4.33 apresenta o tempo mediano e o intervalo de confiança de 95% para
cada especialidade. O tempo mediano é maior para as clínicas de urologia e oftalmologia,
onde 50% dos pacientes, respectivamente, esperam mais de 21 dias e 20 dias para a
realização do atendimento ambulatorial. A clínica de proctologia apresenta tempo mediano
de 19 dias e 17 dias para a clínica de neurologia; enquanto que nas especialidades de
geriatria, reumatologia e ortopedia metade dos pacientes são agendados e aguardam até 15
dias para a realização da consulta.
Nas especialidades de cirurgia vascular, cirurgia de cabeça e pescoço, clínica geral e
endocrinologia o tempo mediano corresponde a 11 dias. 50% dos pacientes da hematologia
são atendidos 1 dia após o agendamento e na pneumologia estes aguardam até 2 dias para
serem atendidos. Na cirurgia plástica e cirurgia torácica 50% dos pacientes aguardem até 3
dias para a consulta.
Tabela 4.33 – Estimativas para a mediana, segundo a especialidade, em ordem decrescente
Especialidade Mediana Intervalo de Confiança (95%)
Urologia 21 (20;26)
Oftalmologia 20 (10;21)
Proctologia 19 (14;21)
Neurologia 17 (15;19)
Psiquiatria 16 (12;20)
Geriatria 15 (11;18)
Ortopedia 15 (13;19)
Reumatologia 15 (14;17)
Gastroenterologia 14 (14;15)
I DCC 14 (12;18)
Cardiologia 13 (13;16)
Dermatologia 12 (11;13)
Cir. Cabeça/Pescoço 11 (6;13)
Cir. Vascular 11 (7;13)
Clínica Geral 11 (9;14)
Endocrinologia 11 (9;14)
63
Nefrologia 11 (10;14)
Cir. Geral 9 (6;14)
Fisiatria 7 (5;8)
Neurocirurgia 4 (3;5)
Cir. Plástica 3 (2;8)
Cir. Torácica 3 (3;5)
Pneumologia 2 (1;4)
Hematologia 1 (0;4)
Estimando o gráfico das curvas de sobrevivência para a variável tipo de marcação,
tem-se,
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 5 10 15 20 25 30 35 40
TEMPO
CONSULTA: FUNC. 1ª VEZ EXAMES PRIORIDADES
Figura 4.32 - Tempo agendado para consulta ambulatorial para o tipo de marcação
Observa-se que a propriedade de riscos proporcionais não é satisfeita para o gráfico

apresentado. Porém, quando se compara mais de dois grupos de dados de tempo de falha,
pode-se empregar o teste Log-Rank ou Wilcoxon. Logo, observando o resultado para ambos
os testes na Tabela 4.34 sob as hipóteses,
H0: O Tipo de marcação apresenta o mesmo tempo até o atendimento ambulatorial.
H1: O Tipo de marcação difere significativamente para o tempo até o atendimento.
64
H 0 : S1 (t ) S2 (t ) S3 (t ) S 4 (t )
H1 : pelo menos um tipo de marcação difere
Rejeita-se a hipótese H0 para o tipo de marcação, obtendo um p-valor de 0,0001,

calculado, para ambos os testes. Portanto, verifica-se que existe diferença significativa para
o tipo de marcação, ao nível de significância de 5%.
Tabela 4.34 – Resultado dos testes Log-Rank e Wilcoxon para o tipo de marcação
Teste F2 gl p-valor
Log-Rank 165,2357 3 0,0001
Wilcoxon 179,7787 3 0,0001
Detectada a diferença significativa entre o tipo de marcação, a maneira de observar

qual deles apresentou melhor tempo é a mediana. O valor estimado dos quartis e seus
intervalos de confiança para cada tipo de marcação são apresentados a seguir.
Tabela 4.35 - Estimação dos quartis e intervalos de confiança (Funcionários)

Quartil Estimativa Pontual Intervalo de Confiança (95%)
75% 21 (20;21)
50% 15 (14;16)
25% 8 (8;10)
A mediana para o tempo até o atendimento para as consultas de Funcionários é

igual a 15 dias, ou seja, 50% dos pacientes deste tipo de marcação aguardaram até 15 dias
para serem atendidos.
Tabela 4.36 - Estimação dos quartis e intervalos de confiança (Primeira Consulta)

75% 16 (15;17)
50% 11 (9;12)
25% 4 (3;5)
A mediana para o tempo até o atendimento para as consultas de primeira vez é igual
a 11 dias, ou seja, 50% dos pacientes deste tipo de marcação aguardaram até 11 dias para
serem atendidos.
65
Tabela 4.37 - Estimação dos quartis e intervalos de confiança (Exames)
75% 20 (20;21)
50% 14 (14;15)
25% 8 (7;10)
A mediana para o tempo até o atendimento para as consultas de Exames é igual a 15

dias, ou seja, 50% dos pacientes deste tipo de marcação aguardaram até 15 dias para serem
atendidos.
Tabela 4.38 - Estimação dos quartis e intervalos de confiança (Prioridades)

75% 14 (13;15)
50% 7 (6;8)
25% 3 (3;4)
A mediana para o tempo até o atendimento para as consultas de Prioridades é igual

a 15 dias, ou seja, 50% dos pacientes deste tipo de marcação aguardaram até 15 dias para
serem atendidos.
4.4 – Determinação do Melhor Modelo
Após a análise descritiva das variáveis e a realização dos testes de hipóteses, há a

necessidade de identificar a distribuição que melhor explica o tempo até o atendimento
ambulatorial. O ajuste do modelo paramétrico de probabilidade pode ser verificado de duas
formas: numericamente ou graficamente.
A análise numérica é realizada com base na estatística razão de máxima
verossimilhança, a qual determina como melhor modelo aquele que apresentar o menor
valor, em módulo, do log do estimador de máxima verossimilhança. Neste caso a Tabela
4.39 apresenta os valores para as distribuições Weibull, exponencial, log-normal, log-
logístico e gama. Segundo os critérios para o ajuste do modelo pelo método numérico, o
modelo que melhor se adequa a essa análise é o Weibull.
Tabela 4.39 – Estimadores de Máxima Verossimilhança dos Modelos

Distribuição Log do E.M.V.
66
Weibull -1.853,615417
Exponencial -2.035,427802
Log-Normal -1.982,979477
Log-Logístico -1.954,395197
Gama -1.877,51523
Graficamente, define-se como melhor modelo aquele cujo gráfico linearizado mais
se aproximar de uma reta. Com base nessa afirmação confirma-se, através das Figuras 4.33,
4.34, 4.35 e 4.36, que o modelo Weibull é o que melhor se ajusta as dados.
LOGLOGS
2
-1
-2
-3
-4
0 1 2 3 4
LOGTEMPO
Figura 4.33 – Linearização da função de sobrevivência do modelo Weibull.

LOGS
6
0 1 2 3 4
LOGTEMPO
Figura 4.34 – Linearização da função de sobrevivência do modelo exponencial
67
LNORM
3
-1
-2
0 1 2 3 4
LTEMPO
Figura 4.35 – Linearização da função de sobrevivência do modelo log-normal

LOGIT
6
5
4
3
2
1
0
-1
-2
-3
-4
0 1 2 3 4
LTEMPO
Figura 4.36 – Linearização da função de sobrevivência do modelo Log-logístico
Pode-se concluir que o modelo Weibull é o apropriado aos dados utilizados nesta
pesquisa, pois ambos os métodos de seleção o indicaram como o que melhor se adequa ao
tempo até o atendimento ambulatorial e também pela sua grande aplicabilidade deve ser
selecionado como o mais adequado.
4.5 - Estimação dos Parâmetros do Modelo Adequado
Após selecionar o modelo Weibull como adequado, deve-se realizar a estimação dos
parâmetros de forma e escala da distribuição e identificar as covariáveis que influenciam no
tempo até o atendimento ambulatorial.
68
Estimando os parâmetros do modelo Weibull na Tabela 4.40, verifica-se que as
covariáveis Especialidade e Tipo de Marcação são significativas, com p-valor 0,0001 para
ambos, ou seja, elas têm influencia sobre o tempo até o atendimento ambulatorial. O Tipo
de Tratamento não é significativo apresentando p-valor 0,3471, ou seja, não exerce
influencia sobre o tempo até o atendimento ambulatorial.
Tabela 4.40 – Estimativas dos Parâmetros para o Modelo Weibull.
Variável gl Estimativas Erro Padrão Qui-Quadrado p-valor
Intercept 1 2,88275265 0,061917 2167,656 0,0000
Tipo de Tratamento (X1) 1 -0,03704290 0,039395 0,884152 0,3471
Especialidade (X2) 1 0,01422889 0,002532 31,58985 0,0001
Tipo de Marcação (X3) 1 -0,13238340 0,014634 81,83769 0,0001
Scale 1 0,62797690 0,013806 - -
Desse modo a representação log-linear do modelo ajustado é:
Yˆ 2,88275265 0,01422889 X 2 0,1323834 X 3 0,6279769X . (4.1)
O software SAS não apresenta diretamente os valores dos parâmetros D e E . Com

isso, algumas transformações fazem-se necessárias para a obtenção destes parâmetros.
Através das estimativas do Intercept = P , e do Scale = V , fornecidas na tabela acima, são
calculadas as estimativas dos parâmetros de forma e escala do modelo Weibull D̂ e Ê . O

1
parâmetro de forma, Ê , é calculado por , e o parâmetro de escala, D̂ , por
Ê
1 § Pˆ ·
ˆ exp¨¨ ¸¸ . Calculando os parâmetros a partir dos valores de P̂ =2,88275265 e
Dˆ E ˆ
© E¹
V̂ =0,62797690, tem-se:
1 1
Ê = =1,59242 e,
Ê 0,6279769
1 § Pˆ · 1 § 2,88275265 · 1
ˆ exp¨¨ ¸¸ 1.59242 exp¨ ¸ 1.59242 exp 4,590539318
Dˆ E ˆ Dˆ Dˆ
© E¹ © 0,62797690 ¹
69
1 1
1.59242
0,01014738 Dˆ 1,59242 Dˆ 1,59242 98,54760539
Dˆ 0,01014738
Dˆ 1, 59242
98,54760539 Dˆ 17,86323 dias.
Portanto os padrões para o modelo Weibull são Dˆ 17,86323 dias e Eˆ 1,59242 .

As estimativas para f(t) que representa a probabilidade de que o paciente venha ser
atendido dentro de um intervalo de tempo >t , t 't @ , S(t) que representa a probabilidade de
um paciente não ser atendido até o tempo t e h(t) é a probabilidade do paciente ser atendido
no tempo t dado que ele não foi atendido até aquele tempo, respectivamente, são:
1,59242
ª º
ˆf t 0,01614t 0,59242 exp « §¨ t ·
¸ », (4.2)
¬« © 17,86323 ¹ ¼»
1,1
0,9
função densidade de probabilidade
0,7
0,5
0,3
0,1
-0,1
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Tempo (em dias)
Figura 4.37 – f(t) para o modelo Weibull ajustado
A Figura 4.37 apresenta a probabilidade de que o paciente venha ser atendido em

determinado período de tempo. Verifica-se que quanto maior é o tempo maior é a
probabilidade de ocorrer o atendimento.
1,59242
ª § t · º
S t exp« ¨
ˆ ¸ », (4.3)
«¬ © 17,86323 ¹ »¼
70
1,0
0,8
função de sobrevivência
0,6
0,4
0,2
0,0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Tempo (em dias)
Figura 4.38 – S(t) para o modelo Weibull ajustado
A Figura 4.38 apresenta a probabilidade do paciente não ser atendido até

determinado período de tempo, ou seja, ele fica guardando à realização do atendimento e à
medida que o tempo passa a probabilidade de não ser atendido diminui.
0 , 59242
§ t ·
hˆt 0,09031¨¨ ¸¸ (4.4)
© 17,86323 ¹
0,15
0,13
0,11
0,09
função risco
0,07
0,05
0,03
0,01
-0,01
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Tempo (em dias)
Figura 4.39 – h(t) para o modelo Weibull ajustado
A Figura 4.39 descreve a probabilidade do paciente ser atendido dado que o

atendimento não ocorreu até determinado período de tempo, à medida que o tempo aumenta
maior é o risco de ocorrer o atendimento ambulatorial. Tem-se que o risco é estritamente
crescente.
71
4.6 – Padrões de Qualidade Para o Tempo até o Atendimento Ambulatorial
A proposição de padrões de qualidade é uma alternativa para a evolução da

qualidade no atendimento ambulatorial, contribuindo para a melhoria da assistência
hospitalar prestada ao paciente. Verifica-se que o padrão mínimo obrigatório de qualidade
assistencial hospitalar, segundo a OPAS (1992), é de que o tempo até o atendimento
ambulatorial não deve ter amplitude superior a 7 dias. Logo, determinou-se como melhor
padrão de qualidade o critério estabelecido pela OPAS, recebendo o padrão A e os padrões
seguintes foram determinados da seguinte forma: padrão B (limite superior de A até duas
vezes a amplitude), padrão C (limite superior de B até três vezes a amplitude), padrão D
(limite superior de C até quatro vezes a amplitude) e padrão E (tempo acima do limite
superior de D).
São apresentados na Tabela 4.41 os intervalos para o tempo até o atendimento
ambulatorial e seus respectivos padrões.
Tabela 4.41 – Padrões de qualidade para o tempo até o atendimento ambulatorial
Padrões de Qualidade Tempo até o Atendimento
A 0 -| 7 dias*
B 7 -| 14 dias
C 14 -| 21 dias
D 21 -| 28 dias
E t 29 dias
* Critério OPAS (1992)
Para verificar o padrão de qualidade que a especialidade receberá, tomou-se como

base às informações contidas na Figura 4.40 que apresenta os quartis como medida
descritiva para cada especialidade. Determinou-se que o intervalo onde o limite superior da
especialidade estiver localizado será atribuído seu respectivo padrão de qualidade. Logo,
define-se como critério de acreditação de qualidade para o tempo até o atendimento
ambulatorial a localização do limite superior para cada especialidade.
72
Padrões de
35 Qualidade
28
D
Tempo (em dias)
21
C
14
B
7
A
0
CAR CGR CTR CLG END GAS HEM NEF NEU ORT PRO REU
CCP CPT CVS DER FIS GER DCC NCR OFT PNE PSI URO 25%;Med; 75%
Especialidades
Figura – 4.40 – Quartis para o tempo até o atendimento ambulatorial
A Tabela 4.42 apresenta o padrão de qualidade atribuído para as especialidades

conforme o critério de acreditação adotado, e o quartil localizado no padrão A. Nenhuma
especialidade recebeu o padrão A. As especialidades de cirurgia plástica, fisiatria,
hematologia, neurocirurgia e pneumologia receberam o padrão B para o tempo até o
atendimento ambulatorial, enquanto que as especialidades de cirurgia de cabeça e pescoço,
cirurgia geral, cirurgia torácica e geriatria receberam o padrão C. As especialidades de
cirurgia vascular, clínica geral, dermatologia, gastroenterologia, nefrologia e ortopedia
receberam o padrão D, as demais especialidades receberam o padrão E.
Tabela 4.42 – Padrões de qualidade atribuídos às especialidades
Especialidade Padrão de Qualidade Quartil no Padrão A
Cardiologia E Q1 - 25%
Cirurgia de Cabeça e Pescoço C Q1 - 25%
Cirurgia Geral C Q1 - 25%
Cirurgia Plástica B Q2 - 50%
Cirurgia Torácica C Q2 - 50%
Cirurgia Vascular D Q1 - 25%
Clínica Geral D Q1 - 25%
Dermatologia D -
Endocrinologia E Q1 - 25%
Fisiatria B Q2 - 50%
Gastroenterologia D Q1 - 25%
Geriatria C -
73
Hematologia B Q3 - 75%
I DCC E -
Nefrologia D Q1 - 25%
Neurocirurgia B Q3 - 75%
Neurologia E -
Oftalmologia E -
Ortopedia D -
Pneumologia B Q3 - 75%
Proctologia E Q1 - 25%
Psiquiatria E -
Reumatologia E -
Urologia E -
A localização do quartil no padrão A, possibilita identificar o percentual de

pacientes que agendaram o atendimento dentro do melhor padrão de qualidade. Verifica-se
que as especialidades de hematologia, neurocirurgia e pneumologia 75% dos pacientes
agendaram consultas em até 7 dias. Para as especialidades de cirurgia torácica e fisiatria
têm-se 50% dos agendamentos atendendo o critério da OPAS (1992) e, 25% para as
especialidades de cardiologia, cirurgia de cabeça e pescoço, cirurgia geral, cirurgia
vascular, clínica geral, endocrinologia, gastroenterologia, nefrologia e proctologia.
Capítulo 5
Conclusões e Recomendações
Este capítulo sintetiza a dissertação apresentando os principais tópicos da pesquisa

bibliográfica, metodologia da pesquisa de campo e resultados obtidos. Realiza-se também
uma análise crítica do trabalho e uma avaliação das limitações e direções para pesquisas
futuras concluindo uma apreciação geral do trabalho.
74
O capítulo está estruturado em sete partes: pesquisa bibliográfica, metodologia da
pesquisa, resultados da pesquisa, análise crítica do trabalho, limitações do trabalho,
direções da pesquisa, recomendações e conclusão.
5.1 – Pesquisa Bibliográfica
O estudo dos modelos paramétricos para o tempo até o atendimento ambulatorial

utiliza as técnicas de análise de confiabilidade. Sendo conceituado como um conjunto de
procedimentos estatísticos utilizados para analisar dados referentes ao tempo de ocorrência
de um evento de interesse que se deseja observar (Kleibaum, 1996). Esse método foi
originalmente designado para estudos de mortalidade e ao longo do tempo foi aplicado nas
mais diversas áreas do conhecimento, como engenharia, atuária, economia, etc. Tendo
como principal motivo para o seu desenvolvimento o aprimoramento das técnicas
estatísticas combinadas com o avanço da informática. O conjunto de dados sobre
confiabilidade é caracterizado por dois componentes: falhas e pelas censuras, os quais
constituem a resposta.
Seja T uma variável aleatória positiva e contínua, é usualmente caracterizada por
três funções importantes, que são f(t) que representa a probabilidade de que o paciente
venha ser atendido dentro de um intervalo de tempo >t , t 't @ , S(t) que representa a
probabilidade de um paciente não ser atendido até o tempo t, e h(t) é a probabilidade do
paciente ser atendido no intervalo de tempo [t; t 't ] dado que ele não foi atendido até
aquele tempo.
O primeiro passo para analisar um conjunto de dados em confiabilidade é realizar
uma análise descritiva das variáveis através do Estimador Produto-Limite ou Kaplan-Meier
(Kaplan e Meier, 1952) aplicando os Testes Log-Rank e Wilcoxon, que deve sempre
proceder ao ajuste do modelo paramétrico.
Embora exista uma série de modelos probabilísticos, alguns destes modelos ocupam
posição de destaque por sua comprovada adequação a várias situações práticas, sendo
usados com bastante freqüência, são eles: modelo exponencial, Weibull, log-normal, log-
logístico e gama.
A seleção do melhor modelo paramétrico é realizada pelo método numérico ou
gráfico. Após escolha do modelo devem ser estimados os seus parâmetros através do
75
método de máxima verossimilhança que é uma opção apropriada para estes tipos de dados
por incorporar as censuras, ser relativamente simples de ser entendido e possuir
propriedades ótimas para grandes amostras.
5.2 – Metodologia da Pesquisa
Foi realizado um estudo descritivo e estabelecido como população alvo os pacientes

que procuraram o SAME para o agendamento de consulta no período de janeiro a junho de
2003 para as diversas especialidades que a instituição pesquisada oferece. A amostragem
foi definida com base na população totalizando 1.674 pacientes com um erro amostral de
0,05; sendo obtido na prática uma amostra de 1.746 pacientes. O instrumento de coleta de
dados foi à folha de verificação, onde se coletou as seguintes variáveis: especialidades, tipo
de tratamento, tipo de marcação, verificado a existência de censura ou falha e o tempo até o
atendimento ambulatorial que representa a variável resposta.
A pesquisa de campo foi realizada no período de 01 a 30 de setembro de 2003.
Foram eleitas as técnicas não paramétricas para análise descritiva das variáveis, os métodos
numérico e gráfico para seleção do melhor modelo paramétrico de probabilidade e as
medidas de tendência central e variabilidade para a proposição de padrões de qualidade.
Os métodos utilizados para realização dos objetivos desta pesquisa foram
considerados satisfatórios, levando em consideração os cuidados na obtenção, organização,
resumo, análise e interpretação dos dados para deles extrair as devidas conclusões.
O primeiro procedimento após a coleta de dados foi proceder a uma análise crítica
no sentido de verificar se os mesmos foram coletados segundo normas técnicas, se as fontes
são seguras ou se houve algum engano durante a coleta. Quando não foi possível fazer a
correção no dado identificado um novo paciente foi coletado para compor a amostra e o
dado incorreto excluído da pesquisa.
A metodologia da pesquisa não apresentou limitações, pois todos os objetivos foram
atingidos.
5.3 – Resultados da Pesquisa
Os resultados da pesquisa de campo revelaram que as especialidades possuem

tempo que diferem quanto ao período entre o agendamento de uma consulta até o
76
atendimento ambulatorial. O número de pacientes que não comparecem ao atendimento
após o agendamento representa aproximadamente um quinto da amostra, obtendo valores
maiores para algumas especialidades como é o caso da psiquiatria e neurologia. 50% são
atendidos 12 dias após o agendamento, sendo pequena a probabilidade de ser atendido com
brevidade.
Quanto ao tipo de marcação o atendimento é realizado com maior brevidade para os
casos de prioridade, com média de 9,15 dias e esperam um maior período para a consulta os
funcionários da UFRN e seus dependentes, apresentando um tempo médio de 15,16 dias.
Quanto ao absenteísmo ele é maior para os agendamentos oferecidos aos funcionários da
UFRN e seus dependentes, correspondendo a 20,52%.
Os tipos de tratamentos, clínico e cirúrgico, apresentam aproximadamente o mesmo
tempo médio até o atendimento ambulatorial.
O modelo ajustado para a variável tempo até o atendimento ambulatorial é o
Weibull, produzindo os seguintes parâmetros:
Ê =1,59242 e D̂ =17,86323 dias
As estimativas para f(t) que representa a probabilidade de que o paciente venha a ser
atendido dentro de um intervalo de tempo >t , t 't @ , S(t) que representa a probabilidade de
um paciente não ser atendido até o tempo t, e h(t) é a probabilidade do paciente ser atendido
no intervalo [t; t 't ] dado que ele não foi atendido até aquele tempo, respectivamente,
são:
1,59242
ª § t · º
fˆ t 0,01614t 0,59242 exp « ¨ ¸ »,
«¬ © 17,86323 ¹ »¼
1,59242
ª § t · º
S t exp« ¨
ˆ ¸ »,
¬« © 17,86323 ¹ ¼»
0 , 59242
§ t ·
hˆt 0,09031¨ ¸
© 17,86323 ¹
Considerando os resultados da análise do modelo de regressão log-linear, verificou-

se que o tempo até o atendimento ambulatorial é diretamente influenciado pelas variáveis:
x Especialidade;
77
x Tipo de Marcação.
Produzindo um p-valor de 0,0001. Ou seja, é significante. Foi observado que o Tipo
de Tratamento não exerce nenhuma influencia sobre o tempo até o atendimento.
O atual sistema de marcação de consultas do HUOL faz com que se observe 20,83%
das especialidades recebendo o padrão B de qualidade proposto, 16,67% recebendo o
padrão C, 25% obtendo o padrão D e 37,5% o padrão E. Nenhuma especialidade atendeu ao
padrão mínimo de até 7 dias para a realização do atendimento. Porém, verificou-se que
algumas especialidades apresentam 25%, 50% e 75% dos pacientes atendendo aos padrões
da OPAS.
5.4 – Análise Crítica do Trabalho
Este trabalho atingiu o objetivo proposto que foi ajustar um modelo paramétrico de
probabilidade e a proposição de padrões de qualidade para o tempo até o atendimento
ambulatorial.
A pesquisa bibliográfica não pretendeu exaurir o tema, sendo considerada
satisfatória. A bibliografia sobre análise de confiabilidade é constituída pelas mais
importantes publicações na área estruturando-se assim uma revisão atualizada e abrangente
sobre o tema.
5.5 – Limitações do Trabalho
Este trabalho é um estudo de caso por observar as características de uma única

instituição, não podendo inferir seus resultados aos demais hospitais.
5.6 – Direções da Pesquisa
Esta pesquisa apresenta algumas sugestões que podem servir de temas para
pesquisas posteriores em três conjuntos:
x Realizar estudos similares na rede pública e privada para ver o comportamento do
tempo até o atendimento ambulatorial. Desenvolver pesquisas, que apliquem o
modelo Weibull ou os outros modelos estudados para o tempo até a realização de
exames laboratoriais, radiológicos e medicina nuclear. Realizar pesquisas sobre o
controle estatístico de processos para o atendimento ambulatorial;
78
x Estudar confiabilidade em outros setores econômicos que possuem o tempo como
uma variável de qualidade importante. Por exemplo: turismo, concessionárias de
automóveis;
x Verificar a utilidade deste método em situações de estoque no comércio.
5.7 – Recomendações
Concluído o trabalho, algumas recomendações de ordem prática, com base nos

resultados desta pesquisa são descritas:
Recomenda-se que o Hospital Universitário Onofre Lopes utilize as sugestões
citadas abaixo para melhoria da qualidade do atendimento ambulatorial no sentido de
reduzir o tempo agendado para consulta ambulatorial.
x Revisar e melhorar o tempo de atendimento por especialidade, carga horária do
profissional médico, distribuição por área e dias da semana, principalmente para as
especialidades que não obtiveram nenhum quartil situado no padrão da OPAS;
x Traçar um fluxo de acesso conforme o designado pelo SUS. O HUOL por ser um
hospital terciário só deveria receber os pacientes que se enquadram nessa
característica;
x Desenvolver pesquisas para estudar a origem do absenteísmo do paciente ao
atendimento ambulatorial.
Recomenda-se ao Ministério da Saúde:
x Considerar a possibilidade de adotar o critério proposto para acreditação hospitalar
com base nos padrões para o tempo até o atendimento ambulatorial e que este seja
aplicado em todos os hospitais como forma de avaliação da qualidade do serviço
prestado ao paciente;
x Elaborar políticas de incentivo para a assistência prestada ao paciente e
produtividade;
x Melhorar a atenção nas unidades básicas de saúde para diminuir a demanda de
pacientes primários que procuram o atendimento no HUOL.
5.8 - Conclusão
79
Por fim, concluímos que o presente trabalho contribui como referência para estudos
futuros e que seu modelo ajustado pode ser aplicado em vários estudos sobre qualidade em
serviços de saúde como forma de verificar o comportamento de distribuições que tenham
como característica o tempo como variável resposta.
A análise de confiabilidade até então utilizada para medir a confiabilidade do
produto é abrangente e pode ser aplicada para avaliar qualidade em serviços.
Os padrões de qualidade desenvolvidos neste trabalho são satisfatórios, simples e
originais, podendo ser utilizados pelos hospitais como forma de avaliar a qualidade do
serviço prestado ao paciente quanto ao tempo agendado para consulta o ambulatorial.
80
Referências
ALBRECHT, K. Serviço com qualidade: vantagem competitiva. São Paulo: Makron

Books, 1992.
ALLISON, P. D. Survival Analysis Using the SAS System. A Practical Guide. Cary, NC:
SAS Institute Inc., 1995.
BARBETTA, P. A. Estatística aplicada às Ciências Sociais. 4ª ed. Florianópolis: Ed. da
UFSC, 2001.
BEZERRA, P. R. C. A Estatística na Organização Hospitalar. Natal, 2002. 74 p.
Monografia (Graduação em Estatística). Departamento de Estatística, Universidade Federal
do Rio Grande do Norte.
BOLFARINE, H.; RODRIGUES, J.; ACHCAR, J. A. Análise de Sobrevivência. 2ª Escola
Nacional de Modelos de Regressão, Rio de Janeiro, 1991.
CAIN, S. R. Distinguishing Between Lognormal and Weibull distributions. International
Journal of Reability, Quality and Safety Engineering, vol. 51, nº 01, 2002.
CAMPOS, J. de Q. Manual de Administração dos Serviços de Saúde. São Paulo, 1988.
CARVALHO, L. de F. O prontuário médico na avaliação do trabalho profissional. Revista
Paulista Hospitalar. Fevereiro, 1964.
CAVALCANTI, G. A., BEZERRA, P. R. C., SILVA, L. N. Uma aplicação dos testes de
vida acelerados para verificar o tempo de internação de pacientes submetidos a cirurgia
de hérnia. 15º SINAPE. Águas de Lindóia - SP, 2002.
COLLET, D. Modelling Survival Data in Medical Research. 1ª Ed. London: Chapman and
Hall, 1994.
COLOSIMO, E. A. Análise de Sobrevivência Aplicada. In: 46ª Reunião Anual da Região
Brasileira da Sociedade Internacional de Biometria (RBRAS) e 9º Simpósio de Estatística
Aplicada e Experimentação Agronômica (SEAGRO). Piracicaba, 1995.
COX, D. R.; OAXES, D. Analysis of Survival Data. 1ª Ed. London: Chapman & Hall,
1984.CROSBY, P. B. Qualidade é Investimento. 7ª Ed. Rio de Janeiro: José Olímpio, 1999.
CROW, E. L., SHIMIZU, K. Lognormal Distributions. New York: Marcel Dekker, 1988.
CUTLER, S. J.; EDERER, F. Maximum utilization of the life table method in analyzing
survival. Journal of chronic Diseases, 1958.
81
DEMING, W. E. Qualidade: A revolução da Administração. Rio de janeiro: Marques -
Saraiva, 1990.
DONABEDIAN, A. The quality of care – how can it be assessed? Journal of the American
Medical Association, 1988.
FEIGENBAUM, A. V. Controle de Qualidade Total. São Paulo: Makron Books, 1994.
FREUND, J. E., GARY A. S. Estatística Aplicada: Economia, administração e
contabilidade. 9ª Ed. Porto Alegre: Bookman, 2000.
GROSS, A. J., CLARK, V. A. Survival Distributions: Reliability Applications in the
Biomedical Sciences. New York: Wiley, 1975.
HAYES, B. Measuring Customer Satisfaction - Survey design use, and Statistical Analysis
Methods. ASQ Press, 1996.
ISHIKAWA, K. Controle de Qualidade Total: À Maneira Japonesa. Rio de Janeiro:
Campus, 1993.
JOHNSON, N. L.; KOTZ, S. Distributions in Statistics: Continuous Distributions. John
Wiley: New York, 1970.
JURAN. J. M. Controle de Qualidade. Handbook. Vol. VI, São Paulo: Makron Books,
1992.
KALBFLEISCH, J. D.; PRENTICE, R. L. The Statistical Analysis of Failure Time Data.
John Wiley & Sons, New York, 1980.
KAPLAN, E. L.; MEIER, P. Nonparametric estimation from incomplete observations.
Journal of the American statistical Association, nº 53, p 457 – 81, 1958.
KIM, K. O.; KUO, W. Percentile life and reability as performance measures in optimal
system design. International Journal of Reability, Quality and Safety Engineering, vol 35,
1133-1142, New York, 2003.
KLEIBAUM, D. G. Survival Analysis: a self-learning text. New York: Springer-Verlag,
1996.
LAI, C. D.; XIE, M.; MURTHY, D. N. P. A modified Weibull distribution. International
Journal of Reability, Quality and Safety Engineering, vol. 52, nº 01, 2003.
LAWLESS, J. F. Statistical Models and Methods for Lifetime Data. New York: Wiley,
1982.
82
LEE, E. T. Statistical methods for Survival data Analysis. 2ª Ed. New York: john Wiley &
Sons, 1992.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatística: Teoria e Aplicações,
Usando o Microsoft Excel. Rio de Janeiro: LTC, 1998.
Looking at the JCAHO, http://www.nnlm.nlm.nih.gov, 26/08/97.
MANTEL, N.; HAENSZEL, W. Statistical aspects of the analysis of data from
retrospective studies of disease. Journal of the National Cancer Institute, v. 22, p. 719-748,
1959.
MARUNBINI, E.; VALSECCHI, M. G. Analysis Survival Data from Clinical Trials and
Observation Studies. England: John Wiley & Sons Inc., 1995.
MELLO, J. B.; CAMARGO, M. O. Qualidade na Saúde. Práticas e Conceitos. Normas
ISO nas Áreas Médico-Hospitalar e Laboratorial. Ed. Best Seller, 1998.
MILLER, A. J. Survival Analysis. New York: Wiley, 1981.
MOREIRA, J. A. Técnicas Básicas para Análise de Dados de Sobrevivência. Piracicaba,
1998. Seminário do curso de Pós-graduação em Estatística e Experimentação Agronômica,
em nível de doutorado. ESALQ – USP.
MUDHOLKAR, G. D. S.; SRIVASTAVA, D. K. Exponentiated Weibull family for
analyzing bathtub failure-rate data. International Journal of Reability, Quality and Safety
Engineering, vol 42, nº 02, 299–302, 1993.
NELSON, W. Accelerated Life Testing: Statistical Models, data Analysis and Test Plans.
New York: John Wiley & Sons, 1990.
NOVAES, H. M.; PAGANINE, J. M. Garantia de qualidade em hospitais da América
Latina e Caribe. OPAS, 1992.
PALADINE, E. P. Controle da Qualidade: uma abordagem abrangente. São Paulo: Atlas,
1990.
REVISTA RN ECONÔMICO, 07/07/1999.
SHEWHART, W. A. Economic Control of Quality of Manufactured Product. D. Van
Nostrand Company, Inc. Republished in 1980. New York, 1931.
SILVA, G. I. da R. O prontuário médico como fator de interesse sócio-cultural. Revista
Paulista Hospitalar. Nov., 1961.
83
SILVA, L. N. Estudo Comparativo entre o Modelo paramétrico Weibull e o Modelo Semi-
Paramétrico de Cox. Natal, 2002. 64 p. Monografia (Graduação em Estatística).
Departamento de Estatística, Universidade Federal do Rio Grande do Norte.
SOUNIS, E. Organização de um Serviço de Arquivo Médico e Estatística (SAME). 2ª Ed.
São Paulo: Ícone, 1993.
SOUZA, E. X. de. Análise de Confiabilidade: Um estudo sobre o Tempo de Vida de Pneus.
Natal, 2001. 62 p. Monografia (Graduação em Estatística). Departamento de Estatística,
Universidade Federal do Rio Grande do Norte.
TAUBLIB, D. Controle de qualidade total: O hospital do futuro, o futuro do hospital. Rio
de janeiro: Xenon, 1993.
TAUBLIB, D. Controle de Qualidade Total: Da Teoria á Prática em um Grande Hospital.
Rio de Janeiro: Qualitymark, 1998.
TRIOLA, M. F. Introdução a Estatística. Rio de Janeiro: LTC, 1999.
VALENÇA, D. M. Análise de Sobrevivência. Natal, 1995. 44p. minicurso (Semana do
Estatístico). Departamento de Estatística, Universidade Federal do Rio Grande do Norte.
VIEIRA, S. Estatística para a qualidade: Como avaliar com precisão a qualidade em
produtos e serviços. Rio de Janeiro: Campos, 1999.
XIE, M.; GAUDO, O.; BRACQUEMOND, C. Redefining failure rate function for discrete
distributions. International Journal of Reability, Quality and Safety Engineering, vol. 09, nº
03, 275–285, 2002.
84
Anexo I
Produção Ambulatorial – Janeiro a Junho de 2003
Cód. Especialidade 1ª Consulta Funcionários Prioridades Exames Total
1 Cardiologia 21 542 585 519 1.667
2 Cir. Cabeça/Pescoço - 24 26 47 97
3 Cirurgia Geral 21 154 165 134 474
4 Cirurgia Plástica 37 78 58 58 231
5 Cirurgia Torácica 103 22 23 49 197
6 Cirurgia Vascular - 149 223 134 506
7 Clínica Geral 465 267 325 216 1.273
8 Dermatologia 648 743 149 331 1.871
9 Endocrinologia - 305 315 180 800
10 Fisiatria 162 99 142 - 403
11 Gastroenterologia 622 682 736 364 2.404
12 Geriatria - 88 85 44 217
13 Hematologia 79 148 135 2 364
14 I DCC - 32 78 115 225
15 Nefrologia 74 245 379 283 981
16 Neurocirurgia 403 88 71 104 666
17 Neurologia - 269 424 201 894
18 Oftalmologia 145 158 303 - 606
19 Ortopedia - 187 97 184 468
20 Pneumologia 249 155 145 99 648
21 Proctologia 17 103 86 134 340
22 Psiquiatria - 123 19 1 143
23 Reumatologia - 231 374 183 788
24 Urologia - 105 187 68 360
Total 3.046 4.997 5.130 3.450 16.623

Fonte: SAME/HUOL – 2003.
85
Anexo II
Cálculos Para Determinação do Plano Amostral
n Especialidade Ni V i2 N i2V i2 N iV i2 Wi Amostras
1 Cardiologia 1.667 70356,25 1,95512E+11 117283868,75 0,1003 168

2 Cir. Cabeça/Pescoço 97 162,33 1527394,333 15746,33 0,0058 10
3 Cirurgia Geral 474 4389,67 986252748 2080702,00 0,0285 48
4 Cirurgia Plástica 231 280,25 14954420,25 64737,75 0,0139 23
5 Cirurgia Torácica 197 1440,25 55894662,25 283729,25 0,0119 20
6 Cirurgia Vascular 506 2270,33 581287065,3 1148788,67 0,0304 51
7 Clínica Geral 1.273 11554,25 18723997198 14708560,25 0,0766 128
8 Dermatologia 1.871 76184,92 2,66696E+11 142541979,08 0,1126 188
9 Endocrinologia 800 5658,33 3621333333 4526666,67 0,0481 81
10 Fisiatria 403 1036,33 168309860,3 417642,33 0,0242 41
11 Gastroenterologia 2.404 27132,00 1,56802E+11 65225328,00 0,1446 242
12 Geriatria 217 604,33 28457452,33 131140,33 0,0131 22
13 Hematologia 364 4416,67 585190666,7 1607666,67 0,0219 37
14 I DCC 225 1729,00 87530625 389025,00 0,0135 23
15 Nefrologia 981 16213,58 15603320270 15905525,25 0,0590 99
16 Neurocirurgia 666 25040,33 11106790092 16676862,00 0,0401 67
17 Neurologia 894 13063,00 10440419868 11678322,00 0,0538 90
18 Oftalmologia 606 7693,00 2825146548 4661958,00 0,0365 61
19 Ortopedia 468 2613,00 572309712 1222884,00 0,0282 47
20 Pneumologia 648 3958,67 1662259968 2565216,00 0,0390 65
21 Proctologia 340 2450,00 283220000 833000,00 0,0205 34
22 Psiquiatria 143 5512,50 112725112,5 788287,50 0,0086 14
23 Reumatologia 788 9872,33 6130166149 7779398,67 0,0474 79
24 Urologia 360 3709,00 480686400 1335240,00 0,0217 36
Total 16623 328274,57 6,93082E+11 413872274,50 1,0000 1.674
86
Anexo III
Banco de Dados
ESPECIFICAÇÕES 71 2 0 1 1 4 154 12 1 1 1 3 237 4 0 2 3 4

72 12 0 1 1 3 155 9 0 1 1 1 238 3 0 2 3 4
73 9 0 1 1 3 156 2 0 1 1 1 239 0 0 2 3 1
Coluna 01 – Paciente;
74 4 0 1 1 1 157 8 0 1 1 1 240 0 0 2 3 1
Coluna 02 – Tempo (em
75 2 0 1 1 3 158 22 0 1 1 1 241 0 0 2 3 4
dias);
76 2 0 1 1 4 159 19 0 1 1 4 242 14 0 2 3 3
Coluna 03 – Observação;
77 3 0 1 1 4 160 22 0 1 1 4 243 15 0 2 3 1
Coluna 04 – Tipo de
78 1 0 1 1 3 161 3 0 1 1 3 244 15 0 2 3 2
Tratamento;
79 3 0 1 1 1 162 3 0 1 1 1 245 10 0 2 3 1
Coluna 05 – Especialidade;
80 8 0 1 1 1 163 21 1 1 1 1 246 6 0 2 3 4
Coluna 06 – Tipo de
81 8 0 1 1 4 164 21 0 1 1 3 247 6 1 2 4 4
Marcação;
82 14 1 1 1 3 165 6 0 1 1 1 248 16 1 2 4 2
83 0 0 1 1 4 166 5 0 1 1 3 249 19 1 2 4 2
84 5 0 1 1 4 167 12 0 1 1 1 250 15 1 2 4 2
01 14 0 1 1 3
85 3 1 1 1 3 168 4 0 1 1 3 251 5 1 2 4 1
02 14 1 1 1 1
86 13 1 1 1 1 169 5 0 2 2 3 252 5 0 2 4 4
03 10 0 1 1 4
87 11 0 1 1 4 170 5 1 2 2 3 253 10 0 2 4 3
04 17 1 1 1 1
88 21 0 1 1 1 171 6 0 2 2 4 254 12 0 2 4 1
05 10 1 1 1 4
89 21 0 1 1 3 172 11 0 2 2 1 255 8 0 2 4 1
06 21 0 1 1 4
90 13 1 1 1 1 173 11 0 2 2 3 256 2 0 2 4 2
07 7 0 1 1 1
91 20 1 1 1 3 174 11 0 2 2 4 257 2 0 2 4 2
08 18 0 1 1 1
92 16 0 1 1 1 175 12 0 2 2 1 258 10 0 2 4 4
09 12 0 1 1 4
93 4 0 1 1 4 176 19 0 2 2 3 259 7 0 2 4 1
10 15 0 1 1 2
94 7 0 1 1 4 177 13 1 2 2 4 260 2 1 2 4 3
11 15 0 1 1 2
95 21 1 1 1 1 178 18 0 2 2 3 261 2 0 2 4 3
12 19 0 1 1 2
96 14 0 1 1 1 179 12 0 2 2 3 262 1 0 2 4 2
13 19 0 1 1 1
97 13 0 1 1 3 180 20 0 2 2 4 263 1 0 2 4 3
14 19 0 1 1 1
98 8 0 1 1 4 181 19 0 2 2 1 264 1 1 2 4 1
15 13 0 1 1 3
99 28 0 1 1 1 182 7 1 2 2 1 265 1 0 2 4 4
16 10 1 1 1 1
100 14 0 1 1 3 183 6 0 2 2 3 266 3 0 2 4 1
17 3 1 1 1 3
101 14 1 1 1 4 184 13 0 2 2 1 267 1 0 2 4 3
18 4 0 1 1 4
102 1 0 1 1 4 185 11 0 2 2 3 268 2 1 2 4 3
19 14 0 1 1 1
103 16 1 1 1 1 186 5 0 2 2 1 269 1 0 2 4 2
20 13 0 1 1 1
104 14 0 1 1 3 187 7 0 2 2 4 270 2 0 2 4 1
21 7 0 1 1 4
105 9 1 1 1 1 188 0 0 2 2 4 271 2 0 2 4 1
22 16 0 1 1 1
106 16 0 1 1 1 189 0 0 2 2 1 272 2 0 2 4 3
23 14 0 1 1 1
107 21 0 1 1 1 190 0 0 2 2 3 273 1 0 2 4 4
24 7 0 1 1 4
108 22 0 1 1 1 191 13 0 2 2 3 274 4 0 2 4 1
25 15 0 1 1 1
109 0 0 1 1 4 192 6 0 2 2 4 275 2 0 2 4 2
26 16 0 1 1 1
110 33 0 1 1 1 193 5 0 2 2 4 276 2 0 2 4 3
27 4 0 1 1 3
111 32 0 1 1 3 194 6 0 2 2 4 277 1 0 2 5 4
28 13 1 1 1 1
112 25 0 1 1 1 195 13 0 2 2 1 278 2 0 2 5 1
29 5 0 1 1 4
113 7 1 1 1 1 196 10 0 2 2 4 279 2 0 2 5 3
30 20 0 1 1 3
114 26 1 1 1 1 197 10 0 2 2 1 280 11 0 2 5 2
31 3 0 1 1 4
115 1 0 1 1 4 198 20 0 2 2 1 281 7 0 2 5 2
32 22 0 1 1 1
116 30 0 1 1 3 199 14 0 2 3 1 282 9 0 2 5 2
33 6 0 1 1 3
117 7 0 1 1 4 200 12 0 2 3 3 283 3 0 2 5 4
34 19 0 1 1 3
118 5 1 1 1 4 201 6 0 2 3 4 284 3 0 2 5 1
35 19 0 1 1 1
119 29 0 1 1 1 202 13 1 2 3 1 285 3 0 2 5 3
36 23 0 1 1 3
120 32 1 1 1 3 203 15 1 2 3 1 286 4 0 2 5 2
37 19 0 1 1 4
121 18 0 1 1 3 204 8 1 2 3 3 287 3 0 2 5 1
38 11 0 1 1 3
122 28 1 1 1 3 205 15 0 2 3 4 288 1 0 2 5 4
39 21 0 1 1 1
123 19 0 1 1 1 206 19 0 2 3 1 289 15 0 2 5 2
40 20 0 1 1 3
124 12 0 1 1 3 207 20 0 2 3 3 290 10 0 2 5 2
41 0 0 1 1 4
125 13 0 1 1 1 208 19 0 2 3 1 291 16 0 2 5 2
42 0 0 1 1 4
126 5 0 1 1 4 209 16 0 2 3 4 292 4 0 2 5 2
43 3 0 1 1 4
127 13 0 1 1 3 210 9 0 2 3 4 293 15 0 2 5 3
44 6 0 1 1 1
128 13 0 1 1 1 211 20 0 2 3 1 294 2 0 2 5 2
45 5 0 1 1 3
129 10 0 1 1 3 212 21 0 2 3 3 295 2 0 2 5 2
46 13 0 1 1 1
130 20 0 1 1 1 213 20 0 2 3 1 296 1 0 2 5 2
47 22 0 1 1 3
131 2 0 1 1 3 214 7 0 2 3 3 297 3 0 2 5 3
48 20 1 1 1 1
132 10 0 1 1 3 215 6 0 2 3 1 298 3 0 2 5 3
49 12 0 1 1 4
133 3 1 1 1 4 216 5 0 2 3 4 299 1 0 2 5 2
50 20 1 1 1 1
134 27 0 1 1 1 217 5 0 2 3 4 300 0 0 2 5 2
51 20 0 1 1 1
135 6 0 1 1 4 218 7 0 2 3 1 301 3 0 2 5 2
52 1 0 1 1 4
136 1 0 1 1 4 219 6 0 2 3 4 302 3 0 2 5 2
53 1 0 1 1 4
137 33 0 1 1 1 220 7 0 2 3 3 303 5 0 2 5 2
54 6 1 1 1 1
138 29 0 1 1 1 221 7 0 2 3 1 304 7 0 2 5 3
55 14 1 1 1 3
139 29 0 1 1 3 222 5 0 2 3 4 305 3 0 2 5 2
56 24 0 1 1 1
140 29 0 1 1 3 223 9 0 2 3 1 306 8 0 2 5 2
57 6 1 1 1 1
141 29 0 1 1 3 224 12 0 2 3 4 307 13 0 2 6 4
58 14 0 1 1 3
142 29 1 1 1 3 225 13 0 2 3 1 308 17 0 2 6 1
59 14 0 1 1 1
143 26 1 1 1 1 226 9 0 2 3 1 309 12 0 2 6 1
60 1 0 1 1 3
144 5 1 1 1 1 227 0 0 2 3 4 310 10 0 2 6 1
61 14 1 1 1 1
145 13 1 1 1 1 228 4 0 2 3 1 311 6 0 2 6 4
62 9 1 1 1 3
146 7 0 1 1 3 229 1 0 2 3 4 312 6 0 2 6 1
63 0 1 1 1 4
147 14 0 1 1 1 230 0 0 2 3 4 313 6 1 2 6 4
64 7 0 1 1 1
148 19 0 1 1 1 231 21 0 2 3 1 314 16 0 2 6 1
65 14 0 1 1 3
149 1 0 1 1 4 232 16 0 2 3 1 315 18 0 2 6 3
66 5 0 1 1 3
150 1 0 1 1 4 233 16 0 2 3 1 316 11 0 2 6 4
67 5 0 1 1 1
151 6 0 1 1 3 234 0 0 2 3 4 317 11 0 2 6 4
68 5 0 1 1 1
152 29 0 1 1 1 235 7 0 2 3 4 318 11 0 2 6 3
69 2 0 1 1 3
153 20 0 1 1 4 236 6 0 2 3 4 319 21 0 2 6 1
70 14 0 1 1 1
87
320 14 0 2 6 3 414 15 0 1 7 3 508 13 0 1 8 2 602 22 0 1 8 1
321 6 0 2 6 4 415 1 1 1 7 4 509 7 1 1 8 1 603 4 0 1 8 2
322 13 0 2 6 1 416 7 1 1 7 2 510 7 0 1 8 1 604 4 0 1 8 2
323 6 0 2 6 4 417 12 1 1 7 1 511 10 0 1 8 1 605 15 0 1 8 2
324 15 1 2 6 3 418 14 0 1 7 1 512 19 0 1 8 2 606 4 0 1 8 2
325 15 0 2 6 1 419 14 0 1 7 3 513 19 1 1 8 2 607 4 0 1 8 2
326 2 0 2 6 4 420 13 1 1 7 2 514 11 0 1 8 2 608 4 0 1 8 1
327 2 0 2 6 3 421 19 0 1 7 2 515 10 0 1 8 1 609 4 0 1 8 1
328 15 0 2 6 1 422 12 0 1 7 3 516 11 0 1 8 2 610 18 0 1 8 1
329 5 0 2 6 4 423 12 0 1 7 4 517 11 0 1 8 2 611 17 0 1 8 2
330 6 0 2 6 4 424 13 0 1 7 2 518 10 0 1 8 1 612 17 0 1 8 1
331 12 0 2 6 3 425 6 1 1 7 4 519 14 0 1 8 1 613 19 0 1 8 2
332 6 0 2 6 4 426 2 0 1 7 4 520 3 0 1 8 3 614 16 0 1 8 1
333 12 0 2 6 1 427 2 0 1 7 4 521 8 0 1 8 2 615 15 0 1 8 2
334 5 0 2 6 4 428 3 0 1 7 1 522 10 1 1 8 1 616 14 0 1 8 2
335 6 0 2 6 3 429 13 0 1 7 1 523 16 1 1 8 2 617 16 0 1 8 1
336 5 0 2 6 4 430 6 0 1 7 3 524 16 0 1 8 2 618 15 0 1 8 1
337 7 0 2 6 4 431 10 1 1 7 3 525 9 0 1 8 3 619 8 1 1 8 2
338 7 0 2 6 1 432 6 0 1 7 4 526 14 0 1 8 1 620 13 0 1 8 1
339 7 0 2 6 4 433 14 0 1 7 2 527 8 1 1 8 1 621 19 0 1 8 2
340 0 0 2 6 4 434 3 0 1 7 1 528 9 0 1 8 1 622 10 0 1 8 1
341 28 1 2 6 1 435 13 1 1 7 2 529 13 0 1 8 2 623 28 1 1 8 2
342 11 0 2 6 4 436 13 1 1 7 2 530 12 0 1 8 1 624 5 0 1 8 2
343 26 0 2 6 3 437 9 0 1 7 1 531 12 0 1 8 2 625 11 1 1 8 1
344 20 0 2 6 1 438 7 1 1 7 1 532 12 1 1 8 1 626 5 0 1 8 2
345 16 1 2 6 3 439 6 0 1 7 3 533 12 0 1 8 2 627 5 0 1 8 3
346 12 0 2 6 1 440 4 0 1 7 4 534 11 0 1 8 1 628 9 1 1 8 1
347 4 1 2 6 4 441 6 0 1 7 2 535 12 0 1 8 2 629 11 1 1 8 1
348 11 0 2 6 1 442 4 0 1 7 4 536 12 0 1 8 2 630 10 0 1 8 1
349 4 0 2 6 4 443 2 0 1 7 4 537 7 0 1 8 3 631 10 0 1 8 1
350 12 0 2 6 3 444 7 0 1 7 3 538 10 0 1 8 1 632 10 0 1 8 3
351 17 0 2 6 3 445 3 0 1 7 4 539 9 0 1 8 1 633 14 1 1 8 2
352 9 0 2 6 1 446 2 0 1 7 4 540 11 0 1 8 1 634 10 0 1 8 2
353 4 0 2 6 4 447 1 0 1 7 1 541 12 1 1 8 1 635 13 1 1 8 2
354 4 0 2 6 4 448 8 0 1 7 2 542 10 0 1 8 3 636 10 0 1 8 2
355 31 0 2 6 1 449 9 0 1 7 1 543 13 0 1 8 2 637 8 0 1 8 1
356 30 0 2 6 1 450 11 0 1 7 4 544 13 0 1 8 3 638 8 0 1 8 1
357 31 0 2 6 3 451 10 0 1 7 1 545 13 0 1 8 1 639 13 0 1 8 2
358 3 1 1 7 2 452 8 0 1 7 4 546 12 0 1 8 1 640 10 1 1 8 3
359 1 1 1 7 4 453 4 0 1 7 1 547 20 0 1 8 3 641 8 1 1 8 3
360 9 0 1 7 3 454 15 1 1 7 2 548 12 1 1 8 1 642 8 0 1 8 1
361 21 0 1 7 2 455 3 0 1 7 4 549 12 0 1 8 2 643 8 1 1 8 1
362 8 1 1 7 4 456 6 1 1 7 2 550 12 1 1 8 1 644 8 0 1 8 2
363 8 0 1 7 3 457 8 1 1 7 3 551 11 1 1 8 3 645 8 0 1 8 2
364 12 0 1 7 2 458 9 1 1 7 2 552 12 0 1 8 1 646 15 1 1 8 2
365 8 0 1 7 1 459 8 1 1 7 3 553 12 0 1 8 2 647 14 0 1 8 2
366 14 0 1 7 2 460 7 1 1 7 2 554 13 0 1 8 2 648 10 0 1 8 1
367 7 1 1 7 4 461 7 1 1 7 2 555 12 0 1 8 2 649 3 0 1 8 1
368 7 0 1 7 1 462 14 0 1 7 1 556 11 0 1 8 1 650 10 0 1 8 2
369 6 1 1 7 4 463 14 0 1 7 3 557 14 0 1 8 1 651 15 1 1 8 1
370 7 0 1 7 3 464 16 1 1 7 2 558 21 1 1 8 2 652 15 1 1 8 2
371 12 0 1 7 2 465 9 1 1 7 4 559 21 0 1 8 3 653 3 0 1 8 1
372 7 0 1 7 3 466 15 0 1 7 3 560 21 0 1 8 2 654 3 0 1 8 3
373 6 0 1 7 4 467 16 1 1 7 2 561 22 0 1 8 1 655 3 0 1 8 1
374 6 0 1 7 4 468 18 0 1 7 2 562 13 0 1 8 2 656 3 0 1 8 2
375 0 0 1 7 4 469 15 1 1 7 1 563 8 1 1 8 1 657 3 0 1 8 3
376 0 0 1 7 4 470 3 0 1 7 4 564 7 0 1 8 3 658 11 1 1 8 1
377 4 0 1 7 1 471 15 1 1 7 1 565 9 0 1 8 1 659 11 0 1 8 2
378 3 0 1 7 1 472 11 0 1 7 1 566 16 0 1 8 2 660 13 0 1 8 1
379 8 0 1 7 4 473 10 0 1 7 4 567 9 0 1 8 3 661 10 0 1 8 2
380 22 0 1 7 1 474 11 0 1 7 4 568 12 0 1 8 2 662 10 0 1 8 2
381 17 1 1 7 1 475 2 1 1 7 4 569 23 0 1 8 1 663 10 0 1 8 1
382 21 0 1 7 2 476 2 0 1 7 3 570 21 1 1 8 2 664 4 0 1 8 1
383 20 0 1 7 3 477 2 0 1 7 4 571 20 1 1 8 2 665 14 1 1 8 2
384 20 0 1 7 3 478 2 1 1 7 2 572 16 1 1 8 1 666 6 0 1 8 2
385 20 0 1 7 1 479 2 0 1 7 4 573 20 0 1 8 3 667 20 0 1 8 3
386 13 0 1 7 1 480 9 1 1 7 1 574 15 0 1 8 1 668 19 1 1 8 1
387 3 0 1 7 4 481 4 1 1 7 2 575 16 0 1 8 1 669 0 0 1 8 1
388 11 0 1 7 1 482 5 0 1 7 2 576 16 0 1 8 2 670 6 0 1 8 1
389 21 0 1 7 3 483 5 0 1 7 2 577 13 1 1 8 3 671 6 0 1 8 1
390 21 0 1 7 1 484 7 0 1 7 1 578 16 0 1 8 1 672 12 0 1 8 3
391 14 1 1 7 4 485 1 0 1 7 4 579 17 0 1 8 2 673 4 0 1 8 2
392 14 0 1 7 2 486 6 0 1 7 3 580 0 0 1 8 1 674 14 0 1 8 4
393 0 0 1 7 4 487 7 0 1 7 3 581 0 1 1 8 1 675 12 1 1 8 2
394 1 0 1 7 3 488 11 0 1 8 2 582 0 0 1 8 3 676 20 0 1 9 4
395 1 0 1 7 2 489 14 1 1 8 2 583 11 0 1 8 2 677 18 0 1 9 1
396 15 0 1 7 1 490 11 0 1 8 1 584 8 0 1 8 1 678 6 0 1 9 1
397 15 1 1 7 3 491 4 0 1 8 2 585 8 0 1 8 1 679 20 0 1 9 3
398 1 0 1 7 4 492 8 0 1 8 1 586 11 0 1 8 3 680 9 0 1 9 1
399 15 0 1 7 1 493 7 0 1 8 1 587 11 0 1 8 2 681 14 0 1 9 3
400 1 0 1 7 4 494 8 0 1 8 1 588 8 0 1 8 1 682 7 0 1 9 4
401 0 0 1 7 4 495 8 0 1 8 3 589 8 1 1 8 1 683 10 0 1 9 4
402 17 0 1 7 3 496 8 0 1 8 1 590 11 0 1 8 2 684 10 0 1 9 1
403 16 0 1 7 2 497 21 0 1 8 2 591 11 0 1 8 2 685 17 0 1 9 4
404 1 0 1 7 4 498 20 0 1 8 2 592 2 0 1 8 1 686 21 0 1 9 1
405 16 1 1 7 3 499 15 0 1 8 1 593 2 0 1 8 1 687 17 0 1 9 3
406 16 0 1 7 2 500 8 0 1 8 3 594 2 0 1 8 1 688 16 0 1 9 1
407 13 0 1 7 1 501 15 0 1 8 2 595 20 0 1 8 3 689 3 0 1 9 4
408 15 1 1 7 3 502 8 0 1 8 1 596 27 1 1 8 1 690 13 0 1 9 1
409 9 0 1 7 4 503 8 0 1 8 3 597 6 0 1 8 3 691 22 0 1 9 3
410 15 1 1 7 4 504 8 0 1 8 1 598 12 0 1 8 2 692 18 0 1 9 1
411 7 0 1 7 1 505 12 0 1 8 3 599 14 0 1 8 2 693 5 0 1 9 4
412 15 0 1 7 1 506 13 0 1 8 1 600 27 1 1 8 1 694 20 0 1 9 3
413 17 1 1 7 1 507 13 0 1 8 2 601 27 0 1 8 3 695 11 0 1 9 4
88
696 20 0 1 9 1 790 5 0 1 10 4 884 6 0 1 11 1 978 17 1 1 11 2
697 5 0 1 9 4 791 12 0 1 10 2 885 15 0 1 11 2 979 16 0 1 11 2
698 7 0 1 9 1 792 2 0 1 10 4 886 14 0 1 11 4 980 16 0 1 11 1
699 18 0 1 9 2 793 8 0 1 10 1 887 14 0 1 11 3 981 16 0 1 11 1
700 2 0 1 9 1 794 2 0 1 10 2 888 15 0 1 11 2 982 15 0 1 11 3
701 15 0 1 9 3 795 1 0 1 10 2 889 14 0 1 11 1 983 16 0 1 11 2
702 14 0 1 9 1 796 6 0 1 10 2 890 1 0 1 11 4 984 14 1 1 11 4
703 8 0 1 9 1 797 19 0 1 10 1 891 10 1 1 11 4 985 20 0 1 11 2
704 8 0 1 9 3 798 17 0 1 10 4 892 15 0 1 11 1 986 21 0 1 11 3
705 6 0 1 9 1 799 20 0 1 10 2 893 14 0 1 11 1 987 14 0 1 11 4
706 9 0 1 9 3 800 20 0 1 11 2 894 3 0 1 11 4 988 19 0 1 11 1
707 7 0 1 9 1 801 5 1 1 11 4 895 15 0 1 11 2 989 19 0 1 11 2
708 9 0 1 9 3 802 14 0 1 11 4 896 15 0 1 11 2 990 15 1 1 11 2
709 14 0 1 9 1 803 19 0 1 11 2 897 15 1 1 11 3 991 15 1 1 11 3
710 7 0 1 9 1 804 19 0 1 11 1 898 18 1 1 11 1 992 16 1 1 11 2
711 7 0 1 9 4 805 18 0 1 11 1 899 4 0 1 11 4 993 15 1 1 11 3
712 15 0 1 9 1 806 19 0 1 11 3 900 14 0 1 11 3 994 15 1 1 11 2
713 3 0 1 9 4 807 7 0 1 11 4 901 18 1 1 11 2 995 14 1 1 11 4
714 4 0 1 9 4 808 4 0 1 11 2 902 18 0 1 11 1 996 17 1 1 11 1
715 7 0 1 9 1 809 4 0 1 11 3 903 7 1 1 11 4 997 15 1 1 11 2
716 11 0 1 9 3 810 4 1 1 11 1 904 18 0 1 11 2 998 10 1 1 11 4
717 6 0 1 9 4 811 4 0 1 11 4 905 8 0 1 11 3 999 15 1 1 11 1
718 9 0 1 9 3 812 6 1 1 11 2 906 12 1 1 11 1 1000 5 0 1 11 4
719 11 0 1 9 1 813 5 0 1 11 3 907 14 0 1 11 2 1001 12 1 1 11 4
720 9 0 1 9 1 814 5 1 1 11 1 908 7 0 1 11 1 1002 15 1 1 11 1
721 8 0 1 9 1 815 5 0 1 11 4 909 6 0 1 11 4 1003 19 0 1 11 3
722 5 0 1 9 4 816 13 0 1 11 4 910 10 0 1 11 1 1004 4 0 1 11 4
723 8 0 1 9 4 817 19 0 1 11 1 911 5 0 1 11 4 1005 20 1 1 11 2
724 6 0 1 9 1 818 12 0 1 11 4 912 8 0 1 11 2 1006 19 0 1 11 1
725 5 0 1 9 4 819 19 0 1 11 2 913 15 1 1 11 2 1007 19 0 1 11 2
726 12 0 1 9 3 820 6 0 1 11 4 914 1 0 1 11 4 1008 14 0 1 11 2
727 21 0 1 9 1 821 18 0 1 11 1 915 14 0 1 11 1 1009 14 0 1 11 3
728 25 1 1 9 1 822 19 0 1 11 2 916 15 1 1 11 3 1010 2 0 1 11 4
729 29 1 1 9 3 823 20 0 1 11 3 917 20 0 1 11 2 1011 14 0 1 11 2
730 18 0 1 9 1 824 10 0 1 11 1 918 1 0 1 11 1 1012 13 0 1 11 1
731 1 0 1 9 4 825 14 0 1 11 3 919 15 0 1 11 4 1013 13 0 1 11 1
732 2 0 1 9 4 826 9 0 1 11 4 920 10 1 1 11 2 1014 3 0 1 11 4
733 13 0 1 9 1 827 17 0 1 11 2 921 5 0 1 11 4 1015 2 0 1 11 4
734 14 0 1 9 3 828 9 0 1 11 4 922 7 0 1 11 1 1016 5 0 1 11 4
735 7 0 1 9 1 829 10 1 1 11 1 923 5 0 1 11 1 1017 8 0 1 11 4
736 19 1 1 9 1 830 15 0 1 11 2 924 5 1 1 11 4 1018 21 0 1 11 1
737 19 0 1 9 4 831 8 1 1 11 4 925 7 0 1 11 4 1019 17 0 1 11 1
738 20 1 1 9 4 832 12 0 1 11 1 926 10 1 1 11 2 1020 1 0 1 11 4
739 28 1 1 9 1 833 12 0 1 11 1 927 8 1 1 11 1 1021 1 0 1 11 3
740 2 0 1 9 4 834 2 0 1 11 4 928 14 0 1 11 2 1022 1 1 1 11 2
741 19 0 1 9 1 835 6 1 1 11 4 929 5 0 1 11 4 1023 12 0 1 11 2
742 14 0 1 9 1 836 1 0 1 11 2 930 3 0 1 11 4 1024 7 1 1 11 3
743 15 0 1 9 3 837 5 0 1 11 3 931 8 0 1 11 3 1025 4 0 1 11 4
744 2 0 1 9 4 838 5 1 1 11 4 932 8 1 1 11 1 1026 7 0 1 11 1
745 11 0 1 9 1 839 6 0 1 11 2 933 18 0 1 11 4 1027 12 0 1 11 4
746 24 0 1 9 1 840 5 0 1 11 4 934 10 0 1 11 1 1028 20 1 1 11 3
747 7 0 1 9 4 841 5 0 1 11 1 935 7 0 1 11 3 1029 18 0 1 11 1
748 16 0 1 9 3 842 18 0 1 11 1 936 5 0 1 11 4 1030 15 0 1 11 2
749 14 0 1 9 3 843 7 0 1 11 4 937 8 0 1 11 2 1031 3 0 1 11 4
750 7 0 1 9 4 844 8 1 1 11 4 938 7 0 1 11 1 1032 17 0 1 11 1
751 8 0 1 9 1 845 6 0 1 11 3 939 7 0 1 11 1 1033 20 0 1 11 2
752 8 0 1 9 4 846 13 1 1 11 2 940 6 0 1 11 4 1034 6 0 1 11 4
753 22 0 1 9 1 847 5 0 1 11 4 941 6 1 1 11 4 1035 19 0 1 11 3
754 23 0 1 9 3 848 15 0 1 11 3 942 18 0 1 11 2 1036 28 0 1 11 2
755 7 0 1 9 4 849 21 0 1 11 3 943 18 0 1 11 1 1037 1 0 1 11 4
756 26 0 1 9 1 850 13 0 1 11 4 944 9 0 1 11 4 1038 14 0 1 11 4
757 19 0 1 9 4 851 15 0 1 11 1 945 12 0 1 11 2 1039 20 0 1 11 3
758 26 0 1 9 3 852 2 0 1 11 2 946 14 0 1 11 2 1040 20 1 1 11 2
759 18 0 1 10 4 853 2 0 1 11 2 947 13 0 1 11 2 1041 2 0 1 11 1
760 7 0 1 10 1 854 22 0 1 11 3 948 28 0 1 11 2 1042 17 0 1 12 4
761 21 0 1 10 2 855 16 0 1 11 1 949 14 0 1 11 3 1043 21 1 1 12 1
762 12 0 1 10 2 856 13 0 1 11 3 950 13 0 1 11 3 1044 16 0 1 12 3
763 8 0 1 10 2 857 16 1 1 11 1 951 12 0 1 11 4 1045 17 0 1 12 1
764 7 1 1 10 2 858 0 0 1 11 1 952 7 1 1 11 4 1046 10 1 1 12 4
765 11 0 1 10 1 859 7 0 1 11 4 953 2 0 1 11 1 1047 16 1 1 12 4
766 7 0 1 10 4 860 20 0 1 11 1 954 14 0 1 11 2 1048 14 0 1 12 3
767 7 0 1 10 4 861 22 0 1 11 3 955 14 1 1 11 1 1049 6 0 1 12 4
768 12 0 1 10 2 862 22 0 1 11 3 956 12 0 1 11 1 1050 20 0 1 12 1
769 13 1 1 10 1 863 19 1 1 11 1 957 8 0 1 11 2 1051 21 0 1 12 1
770 12 0 1 10 2 864 5 0 1 11 4 958 14 0 1 11 1 1052 5 0 1 12 4
771 2 0 1 10 4 865 19 0 1 11 1 959 3 0 1 11 4 1053 10 1 1 12 4
772 2 0 1 10 4 866 14 0 1 11 3 960 8 0 1 11 1 1054 11 0 1 12 3
773 7 0 1 10 2 867 6 0 1 11 4 961 7 0 1 11 2 1055 11 1 1 12 1
774 2 0 1 10 2 868 15 0 1 11 2 962 8 0 1 11 3 1056 11 0 1 12 1
775 7 0 1 10 1 869 15 0 1 11 4 963 6 0 1 11 4 1057 8 0 1 12 1
776 5 0 1 10 2 870 27 1 1 11 3 964 6 0 1 11 4 1058 3 0 1 12 4
777 2 0 1 10 4 871 21 0 1 11 1 965 11 1 1 11 4 1059 10 0 1 12 3
778 8 0 1 10 2 872 18 0 1 11 1 966 14 0 1 11 1 1060 13 0 1 12 4
779 3 0 1 10 1 873 21 1 1 11 3 967 7 1 1 11 4 1061 18 0 1 12 1
780 4 0 1 10 2 874 21 0 1 11 1 968 11 0 1 11 1 1062 6 1 1 12 4
781 6 0 1 10 1 875 5 0 1 11 3 969 15 0 1 11 2 1063 18 0 1 12 3
782 6 0 1 10 2 876 21 0 1 11 1 970 5 0 1 11 4 1064 15 0 1 12 1
783 6 0 1 10 2 877 7 1 1 11 4 971 17 0 1 11 2 1065 21 0 1 12 3
784 5 0 1 10 4 878 20 0 1 11 3 972 2 0 1 11 4 1066 1 1 1 12 4
785 7 0 1 10 1 879 21 1 1 11 3 973 15 0 1 11 3 1067 13 0 1 12 1
786 7 0 1 10 2 880 21 0 1 11 1 974 15 0 1 11 1 1068 1 0 1 12 4
787 2 0 1 10 4 881 21 0 1 11 1 975 14 0 1 11 1 1069 20 1 1 12 1
788 0 0 1 10 1 882 22 0 1 11 3 976 5 1 1 11 4 1070 6 0 1 12 1
789 2 0 1 10 4 883 6 1 1 11 4 977 10 0 1 11 4 1071 6 1 1 12 4
89
1072 0 0 1 13 1 1166 8 0 1 15 2 1260 17 0 2 16 2 1354 18 0 1 17 1
1073 2 0 1 13 1 1167 2 0 1 15 4 1261 4 0 2 16 3 1355 15 1 1 17 3
1074 7 0 1 13 4 1168 11 0 1 15 2 1262 4 0 2 16 2 1356 24 0 1 17 2
1075 12 0 1 13 2 1169 3 0 1 15 3 1263 7 0 2 16 2 1357 17 0 1 17 3
1076 9 0 1 13 2 1170 7 0 1 15 3 1264 7 0 2 16 2 1358 16 0 1 17 4
1077 0 0 1 13 4 1171 13 1 1 15 1 1265 5 0 2 16 2 1359 28 0 1 17 1
1078 6 0 1 13 2 1172 15 0 1 15 3 1266 6 0 2 16 2 1360 19 1 1 17 3
1079 1 0 1 13 2 1173 6 0 1 15 2 1267 0 0 2 16 2 1361 2 0 1 17 4
1080 0 0 1 13 1 1174 7 0 1 15 2 1268 3 0 2 16 2 1362 1 0 1 17 4
1081 7 1 1 13 1 1175 27 0 1 15 1 1269 4 0 2 16 2 1363 21 0 1 17 3
1082 7 1 1 13 1 1176 21 0 1 15 1 1270 6 0 2 16 2 1364 17 0 1 17 1
1083 0 0 1 13 4 1177 17 0 1 15 3 1271 14 0 2 16 2 1365 28 0 1 17 3
1084 0 0 1 13 1 1178 10 0 1 15 1 1272 4 0 2 16 2 1366 19 0 1 17 1
1085 0 0 1 13 4 1179 16 0 1 15 3 1273 5 0 2 16 2 1367 19 0 1 17 1
1086 3 0 1 13 2 1180 9 0 1 15 4 1274 1 0 2 16 2 1368 23 0 1 17 3
1087 1 0 1 13 2 1181 5 0 1 15 3 1275 0 0 2 16 2 1369 19 0 1 17 1
1088 3 0 1 13 1 1182 5 0 1 15 1 1276 0 0 2 16 2 1370 16 0 1 17 4
1089 0 0 1 13 4 1183 5 0 1 15 4 1277 0 0 2 16 2 1371 20 0 1 17 3
1090 4 0 1 13 2 1184 7 1 1 15 4 1278 3 0 2 16 2 1372 16 1 1 17 4
1091 6 0 1 13 1 1185 6 1 1 15 4 1279 3 0 2 16 2 1373 6 0 1 17 4
1092 0 0 1 13 2 1186 7 1 1 15 3 1280 0 0 2 16 2 1374 7 1 1 17 1
1093 18 0 1 13 2 1187 6 0 1 15 4 1281 7 0 2 16 2 1375 10 1 1 17 1
1094 0 0 1 13 1 1188 4 0 1 15 1 1282 7 0 2 16 2 1376 2 0 1 17 4
1095 7 0 1 13 4 1189 18 0 1 15 3 1283 5 0 2 16 2 1377 3 0 1 17 3
1096 9 0 1 13 1 1190 1 0 1 15 4 1284 5 0 2 16 2 1378 21 0 1 17 1
1097 1 0 1 13 4 1191 11 0 1 15 3 1285 1 0 2 16 2 1379 3 0 1 17 4
1098 0 0 1 13 4 1192 12 0 1 15 1 1286 0 0 2 16 2 1380 21 0 1 17 1
1099 1 0 1 13 1 1193 6 0 1 15 4 1287 1 0 2 16 2 1381 30 0 1 17 3
1100 6 0 1 13 2 1194 6 0 1 15 4 1288 9 0 2 16 4 1382 19 0 1 17 1
1101 0 0 1 13 2 1195 5 0 1 15 1 1289 13 0 2 16 1 1383 27 1 1 17 1
1102 0 0 1 13 1 1196 8 0 1 15 3 1290 4 1 2 16 3 1384 20 1 1 17 3
1103 0 0 1 13 4 1197 10 0 1 15 1 1291 1 0 2 16 4 1385 15 0 1 17 4
1104 4 0 1 13 2 1198 10 1 1 15 3 1292 5 0 2 16 3 1386 26 0 1 17 4
1105 1 0 1 13 2 1199 8 0 1 15 4 1293 5 0 2 16 1 1387 7 0 1 17 3
1106 1 0 1 13 2 1200 10 0 1 15 4 1294 0 0 2 16 2 1388 18 0 1 17 1
1107 0 0 1 13 1 1201 1 0 1 15 1 1295 0 0 2 16 2 1389 22 1 1 17 4
1108 0 0 1 13 1 1202 11 0 1 15 4 1296 4 0 2 16 2 1390 19 1 1 17 3
1109 5 1 2 14 3 1203 13 0 1 15 3 1297 4 0 2 16 2 1391 25 1 1 17 1
1110 20 0 2 14 1 1204 14 0 1 15 1 1298 3 0 2 16 2 1392 7 0 1 17 4
1111 7 0 2 14 3 1205 4 1 1 15 3 1299 0 1 2 16 2 1393 17 0 1 17 4
1112 20 0 2 14 3 1206 21 1 1 15 4 1300 4 0 2 16 4 1394 10 0 2 18 4
1113 13 0 2 14 4 1207 7 0 1 15 4 1301 14 0 2 16 1 1395 29 0 2 18 4
1114 13 0 2 14 4 1208 13 0 1 15 3 1302 14 0 2 16 3 1396 1 0 2 18 4
1115 22 1 2 14 1 1209 2 0 1 15 1 1303 17 0 2 16 1 1397 1 0 2 18 4
1116 15 0 2 14 3 1210 17 0 1 15 4 1304 3 0 1 17 2 1398 1 0 2 18 4
1117 21 1 2 14 3 1211 18 0 1 15 1 1305 9 1 1 17 4 1399 5 0 2 18 4
1118 22 1 2 14 3 1212 6 0 1 15 1 1306 4 0 1 17 2 1400 4 0 2 18 4
1119 8 0 2 14 3 1213 14 0 1 15 4 1307 4 0 1 17 3 1401 5 0 2 18 4
1120 7 0 2 14 3 1214 6 0 1 15 1 1308 10 0 1 17 3 1402 9 0 2 18 4
1121 12 0 2 14 3 1215 3 0 1 15 3 1309 11 0 1 17 1 1403 6 0 2 18 4
1122 29 0 2 14 2 1216 18 0 1 15 4 1310 15 0 1 17 3 1404 11 0 2 18 4
1123 2 0 2 14 4 1217 14 1 1 15 1 1311 4 0 1 17 4 1405 6 0 2 18 4
1124 13 1 2 14 3 1218 6 0 1 15 3 1312 9 0 1 17 4 1406 4 0 2 18 4
1125 7 0 2 14 4 1219 9 0 1 15 4 1313 14 0 1 17 1 1407 4 0 2 18 4
1126 7 1 2 14 3 1220 15 0 1 15 4 1314 8 0 1 17 4 1408 10 0 2 18 4
1127 5 0 2 14 4 1221 9 0 1 15 1 1315 14 1 1 17 1 1409 7 0 2 18 4
1128 18 0 2 14 1 1222 23 0 1 15 3 1316 8 1 1 17 1 1410 8 0 2 18 4
1129 11 0 2 14 3 1223 16 0 1 15 1 1317 15 0 1 17 3 1411 8 0 2 18 4
1130 12 0 2 14 4 1224 11 0 1 15 1 1318 13 1 1 17 4 1412 1 0 2 18 1
1131 14 0 2 14 4 1225 10 0 1 15 3 1319 16 0 1 17 4 1413 9 0 2 18 4
1132 11 0 2 14 3 1226 4 0 1 15 1 1320 3 0 1 17 4 1414 9 0 2 18 4
1133 21 0 2 14 3 1227 1 0 1 15 4 1321 5 0 1 17 1 1415 11 0 2 18 4
1134 14 0 2 14 3 1228 20 1 1 15 1 1322 28 0 1 17 3 1416 12 0 2 18 4
1135 6 0 2 14 3 1229 19 0 1 15 3 1323 27 1 1 17 1 1417 9 0 2 18 4
1136 14 0 2 14 3 1230 17 0 1 15 1 1324 13 0 1 17 4 1418 10 0 2 18 4
1137 18 0 2 14 4 1231 20 1 1 15 3 1325 26 0 1 17 3 1419 21 0 2 18 4
1138 18 0 2 14 4 1232 3 0 1 15 4 1326 15 0 1 17 1 1420 20 0 2 18 4
1139 20 0 1 15 1 1233 3 1 1 15 4 1327 7 0 1 17 4 1421 20 0 2 18 4
1140 19 1 1 15 3 1234 2 0 1 15 2 1328 8 0 1 17 4 1422 21 0 2 18 1
1141 17 1 1 15 4 1235 2 0 1 15 1 1329 15 0 1 17 3 1423 21 0 2 18 4
1142 25 0 1 15 3 1236 1 0 1 15 4 1330 8 0 1 17 1 1424 21 0 2 18 4
1143 14 0 1 15 1 1237 4 0 2 16 1 1331 19 0 1 17 3 1425 21 0 2 18 4
1144 14 0 1 15 4 1238 5 1 2 16 1 1332 6 0 1 17 4 1426 21 0 2 18 1
1145 21 0 1 15 1 1239 0 0 2 16 2 1333 8 0 1 17 4 1427 8 0 2 18 1
1146 20 0 1 15 3 1240 0 0 2 16 2 1334 15 0 1 17 1 1428 26 0 2 18 1
1147 6 0 1 15 4 1241 3 0 2 16 2 1335 12 1 1 17 4 1429 26 1 2 18 1
1148 11 0 1 15 4 1242 2 0 2 16 2 1336 13 0 1 17 3 1430 28 0 2 18 1
1149 10 0 1 15 4 1243 0 0 2 16 2 1337 20 1 1 17 1 1431 14 0 2 18 1
1150 22 0 1 15 3 1244 0 0 2 16 2 1338 19 0 1 17 4 1432 17 0 2 18 1
1151 4 0 1 15 4 1245 3 0 2 16 2 1339 13 0 1 17 3 1433 18 1 2 18 1
1152 12 0 1 15 4 1246 1 0 2 16 2 1340 19 0 1 17 1 1434 1 0 2 18 1
1153 15 1 1 15 1 1247 3 0 2 16 2 1341 22 0 1 17 1 1435 6 0 2 18 1
1154 21 0 1 15 3 1248 9 0 2 16 3 1342 19 1 1 17 3 1436 18 0 2 18 1
1155 7 0 1 15 4 1249 12 0 2 16 4 1343 14 0 1 17 4 1437 21 0 2 18 1
1156 21 0 1 15 1 1250 21 0 2 16 3 1344 10 1 1 17 3 1438 22 0 2 18 1
1157 19 0 1 15 3 1251 0 0 2 16 2 1345 9 0 1 17 1 1439 22 1 2 18 1
1158 26 0 1 15 1 1252 0 0 2 16 2 1346 15 4 1 17 1 1440 24 0 2 18 1
1159 20 1 1 15 3 1253 19 0 2 16 1 1347 8 0 1 17 4 1441 24 0 2 18 1
1160 7 0 1 15 4 1254 6 0 2 16 2 1348 14 1 1 17 4 1442 26 0 2 18 1
1161 14 1 1 15 1 1255 3 0 2 16 2 1349 8 1 1 17 3 1443 26 0 2 18 1
1162 14 0 1 15 3 1256 2 0 2 16 2 1350 14 1 1 17 1 1444 27 0 2 18 1
1163 26 0 1 15 1 1257 6 0 2 16 3 1351 14 1 1 17 4 1445 28 0 2 18 1
1164 26 0 1 15 3 1258 3 0 2 16 2 1352 14 1 1 17 4 1446 29 0 2 18 1
1165 3 1 1 15 1 1259 15 0 2 16 2 1353 13 1 1 17 4 1447 31 0 2 18 1
90
1448 28 0 2 18 1 1523 1 0 1 20 2 1598 21 0 2 21 1 1673 15 0 1 23 3
1449 29 0 2 18 1 1524 1 0 1 20 1 1599 15 0 2 21 3 1674 32 0 1 23 1
1450 28 0 2 18 1 1525 1 0 1 20 2 1600 12 0 2 21 1 1675 20 0 1 23 3
1451 34 0 2 18 1 1526 5 0 1 20 1 1601 1 0 2 21 3 1676 13 0 1 23 4
1452 23 1 2 18 1 1527 5 0 1 20 4 1602 24 1 1 22 1 1677 9 0 1 23 3
1453 22 0 2 18 4 1528 2 0 1 20 3 1603 8 0 1 22 1 1678 14 1 1 23 1
1454 22 0 2 18 1 1529 5 0 1 20 1 1604 4 0 1 22 1 1679 13 0 1 23 4
1455 22 0 2 18 4 1530 0 0 1 20 4 1605 25 1 1 22 1 1680 16 0 1 23 1
1456 12 0 2 19 3 1531 1 0 1 20 3 1606 22 1 1 22 1 1681 24 0 1 23 3
1457 12 1 2 19 4 1532 1 0 1 20 4 1607 11 0 1 22 1 1682 14 0 1 23 1
1458 12 0 2 19 1 1533 0 0 1 20 4 1608 15 0 1 22 1 1683 6 0 1 23 4
1459 12 0 2 19 3 1534 1 0 1 20 2 1609 16 0 1 22 1 1684 19 0 1 23 1
1460 13 1 2 19 1 1535 1 0 1 20 1 1610 0 0 1 22 1 1685 13 0 1 23 1
1461 5 0 2 19 4 1536 10 0 1 20 2 1611 8 0 1 22 1 1686 0 0 1 23 4
1462 12 0 2 19 3 1537 0 0 1 20 4 1612 16 0 1 22 1 1687 8 0 1 23 4
1463 14 0 2 19 1 1538 5 0 1 20 1 1613 10 1 1 22 1 1688 0 0 1 23 4
1464 12 0 2 19 1 1539 4 0 1 20 3 1614 20 0 1 22 1 1689 5 0 1 23 4
1465 11 0 2 19 3 1540 3 0 1 20 4 1615 18 1 1 22 1 1690 14 0 1 23 4
1466 21 0 2 19 3 1541 5 1 1 20 1 1616 15 0 1 22 1 1691 27 0 1 23 4
1467 22 1 2 19 1 1542 0 0 1 20 4 1617 20 0 1 22 1 1692 25 0 1 23 4
1468 6 0 2 19 4 1543 0 0 1 20 2 1618 32 1 1 22 1 1693 28 0 1 23 3
1469 21 0 2 19 1 1544 0 0 1 20 2 1619 12 0 1 22 1 1694 29 0 1 23 1
1470 14 1 2 19 3 1545 0 0 1 20 1 1620 13 1 1 22 1 1695 8 0 1 23 4
1471 14 1 2 19 1 1546 1 0 1 20 4 1621 14 0 1 22 1 1696 28 0 1 23 3
1472 19 0 2 19 1 1547 1 0 1 20 3 1622 11 1 1 22 1 1697 30 0 1 23 1
1473 18 0 2 19 3 1548 1 0 1 20 4 1623 10 0 1 22 1 1698 30 0 1 23 1
1474 14 1 2 19 1 1549 1 1 1 20 1 1624 2 0 1 22 1 1699 11 0 1 23 4
1475 10 0 2 19 1 1550 1 0 1 20 1 1625 13 1 1 22 1 1700 33 1 1 23 1
1476 7 1 2 19 4 1551 0 0 1 20 4 1626 20 0 1 22 1 1701 27 1 1 23 3
1477 16 0 2 19 1 1552 0 0 1 20 1 1627 3 0 1 22 1 1702 14 0 1 23 2
1478 16 0 2 19 1 1553 0 0 1 20 1 1628 10 0 1 22 1 1703 13 1 1 23 4
1479 13 0 2 19 1 1554 4 0 1 20 3 1629 20 0 1 22 1 1704 3 0 1 23 3
1480 13 0 2 19 3 1555 5 0 1 20 2 1630 17 0 1 22 1 1705 17 0 1 23 2
1481 7 0 2 19 4 1556 4 0 1 20 2 1631 21 1 1 22 1 1706 1 0 1 23 4
1482 2 1 2 19 1 1557 5 0 1 20 3 1632 11 0 1 23 4 1707 5 1 1 23 1
1483 12 1 2 19 3 1558 5 0 1 20 1 1633 14 0 1 23 3 1708 16 0 1 23 3
1484 5 0 2 19 4 1559 1 0 1 20 4 1634 15 1 1 23 1 1709 14 0 1 23 1
1485 13 0 2 19 1 1560 4 0 1 20 3 1635 14 1 1 23 3 1710 25 1 1 23 4
1486 12 0 2 19 3 1561 1 0 1 20 4 1636 12 0 1 23 4 1711 16 0 2 24 4
1487 6 1 2 19 4 1562 6 0 1 20 1 1637 0 0 1 23 1 1712 10 0 2 24 4
1488 12 0 2 19 1 1563 0 0 1 20 2 1638 14 0 1 23 4 1713 22 0 2 24 3
1489 13 1 2 19 1 1564 2 0 1 20 1 1639 14 0 1 23 4 1714 20 0 2 24 1
1490 13 0 2 19 1 1565 8 0 1 20 1 1640 24 1 1 23 1 1715 17 0 2 24 4
1491 0 0 2 19 1 1566 6 0 1 20 3 1641 22 0 1 23 3 1716 20 1 2 24 3
1492 15 0 2 19 1 1567 6 1 1 20 4 1642 7 0 1 23 3 1717 19 1 2 24 1
1493 20 0 2 19 3 1568 15 0 2 21 3 1643 22 0 1 23 1 1718 25 0 2 24 4
1494 26 0 2 19 1 1569 19 0 2 21 1 1644 7 1 1 23 4 1719 32 0 2 24 3
1495 27 0 2 19 3 1570 22 0 2 21 1 1645 14 0 1 23 1 1720 21 0 2 24 4
1496 13 0 2 19 1 1571 22 1 2 21 3 1646 10 0 1 23 4 1721 20 0 2 24 4
1497 26 1 2 19 1 1572 3 1 2 21 1 1647 21 0 1 23 4 1722 36 0 2 24 1
1498 19 0 2 19 3 1573 18 1 2 21 4 1648 0 0 1 23 4 1723 34 0 2 24 3
1499 13 0 2 19 3 1574 14 0 2 21 1 1649 7 0 1 23 4 1724 21 0 2 24 4
1500 24 0 2 19 1 1575 29 0 2 21 1 1650 12 0 1 23 1 1725 21 1 2 24 4
1501 24 0 2 19 3 1576 7 1 2 21 4 1651 14 0 1 23 3 1726 13 1 2 24 4
1502 21 0 2 19 1 1577 0 0 2 21 4 1652 14 1 1 23 3 1727 12 0 2 24 3
1503 4 0 1 20 4 1578 0 0 2 21 4 1653 16 0 1 23 3 1728 14 0 2 24 4
1504 4 0 1 20 4 1579 24 1 2 21 1 1654 21 0 1 23 1 1729 26 0 2 24 1
1505 5 0 1 20 3 1580 20 0 2 21 1 1655 2 0 1 23 4 1730 21 0 2 24 3
1506 4 0 1 20 1 1581 20 0 2 21 3 1656 16 0 1 23 4 1731 21 0 2 24 4
1507 3 0 1 20 1 1582 2 0 2 21 3 1657 16 0 1 23 1 1732 21 0 2 24 4
1508 1 0 1 20 4 1583 13 0 2 21 3 1658 17 0 1 23 4 1733 22 0 2 24 4
1509 11 0 1 20 2 1584 21 0 2 21 1 1659 7 0 1 23 3 1734 22 0 2 24 3
1510 1 0 1 20 4 1585 17 1 2 21 4 1660 2 0 1 23 4 1735 24 1 2 24 1
1511 8 0 1 20 2 1586 4 0 2 21 4 1661 17 0 1 23 4 1736 20 1 2 24 4
1512 6 1 1 20 3 1587 24 0 2 21 1 1662 17 0 1 23 1 1737 18 0 2 24 3
1513 6 1 1 20 2 1588 8 0 2 21 4 1663 17 0 1 23 3 1738 17 0 2 24 1
1514 7 0 1 20 1 1589 14 0 2 21 3 1664 14 0 1 23 4 1739 18 0 2 24 4
1515 6 1 1 20 1 1590 16 1 2 21 1 1665 21 0 1 23 1 1740 4 0 2 24 4
1516 6 0 1 20 2 1591 6 0 2 21 4 1666 13 0 1 23 4 1741 32 0 2 24 4
1517 0 0 1 20 2 1592 21 0 2 21 1 1667 20 1 1 23 4 1742 35 0 2 24 3
1518 1 0 1 20 2 1593 20 0 2 21 4 1668 17 0 1 23 3 1743 36 0 2 24 1
1519 13 0 1 20 2 1594 6 0 2 21 4 1669 17 0 1 23 1 1744 32 0 2 24 4
1520 0 0 1 20 1 1595 18 0 2 21 1 1670 14 0 1 23 4 1745 28 0 2 24 1
1521 1 0 1 20 3 1596 6 0 2 21 4 1671 15 0 1 23 1 1746 15 0 2 24 4
1522 1 0 1 20 2 1597 24 0 2 21 1 1672 15 0 1 23 4
91
Anexo IV
Programa do SAS
data consulta; proc lifereg data=consulta;
input paciente tempo censura tratamento model tempo*censura(1)=tratamento
especialidade tipo; especialidade tipo/dist=exponencial;
cards; run;
1 14 0 1 1 3
2 14 1 1 1 1 proc lifereg data=consulta;
3 10 0 1 1 4 model tempo*censura(1)=tratamento
M especialidade tipo/dist=gamma no shape1=0,7
1743 36 0 2 24 1 no scale scale=0,7;
1744 32 0 2 24 4
1745 28 0 2 24 1
run;
1746 15 0 2 24 4
run; proc lifereg data=consulta;
model tempo*censura(1)=tratamento
proc print data=consulta; especialidade tipo/dist=llogistic;
run; run;
proc lifetest data=consulta plots=(s) graphics; data graph;

time tempo*censura (1); set a;
symbol1 v=none; s=survival;
run; logs=-log(s);
loglog(s)=log(logs);
proc lifetest data=consulta plots=(s) graphics; logtempo=log(tempo);
time tempo*censura (1); run;
strata tratamento;
symbol1 v=none line=1; proc gplot;
symbol2 v=none line=2; symbol value=none i=join;
run; plot logs*tempo loglogs*logtempo;
run;
proc lifetest data=consulta plots=(s) graphics;
time tempo*censura (1);
data graph;
strata especialidade;
seta;
symbol1 v=none line=1;
s=survival;
symbol2 v=none line=2;
logit=log((1-s)/s);
run;
lnorm=probit(1-s);
proc lifetest data=consulta plots=(s) graphics; ltempo=log(tempo);
time tempo*censura (1); run;
strata tipo;
symbol1 v=none line=1; proc gplot;
symbol2 v=none line=2; symbol1 value=none i=join;
run; plot logit*ltempo lnorm*ltempo;
run;
proc lifereg data=consulta;
model tempo*censura(1) = tratamento
especialidade tipo/dist=lnormal;
run;
proc lifereg data=consulta;

model tempo*censura(1)=tratamento
especialidade tipo/dist=weibull;
run;
91

1diss-2003-Qualidade em Serviços de Saúde Uma Contrib À Definição de Um Modelo Paramétrico

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1diss-2003-Qualidade em Serviços de Saúde Uma Contrib À Definição de Um Modelo Paramétrico

Transféré par

Droits d'auteur :

Formats disponibles

Divisão de Serviços Técnicos

Catalogação da Publicação na Fonte. UFRN / Biblioteca Central Zila Mamede

Bezerra, Paulo Ricardo Cosme.

Orientador: Rubens Eugênio Barretos Ramos

Tese (Mestrado) - Universidade Federal do Rio Grande do Norte.

1. Qualidade – Serviços de saúde – Tese. 2. Métodos estatísticos -

RN/UF/BCZM CDU 658.56(043.2)

Outros Artigos Publicados Durante a Pós-Graduação

BEZERRA, Paulo R. C.; RAMOS, Rubens E. B. O Modelo de Transformação: O perfil da

Métodos Estatísticos para Melhoria da Qualidade Hospitalar, XIII Congresso de Iniciação

A Estatística na Gestão da qualidade dos Serviços de Saúde, IX CIENTEC, Natal/RN – 2003.

À Universidade Federal do Rio Grande do Norte e ao Programa de Engenharia de

A Diretora do SAME, Elza Alves de Sá, que disponibilizou equipamentos, funcionários

À Profª. Jeanete Alves Moreira (Chefe do DEST) e ao Prof. Francisco de Assis M. da

QUALIDADE EM SERVIÇOS DE SAÚDE: UMA CONTRIBUIÇÃO À DEFINIÇÃO

PAULO RICARDO COSME BEZERRA

Orientador : Rubens Eugênio Barreto Ramos

Curso : Mestrado em Ciências em Engenharia de Produção

QUALITY OF HEALTH CARE: A CONTRIBUTION TO A PARAMETRIC MODEL

PAULO RICARDO COSME BEZERRA

Thesis Supervisor : Rubens Eugênio Barreto Ramos

Program : Master of Science in Production Engineering

2.1 - Confiabilidade do Produto 11

3.1 - Metodologia da Pesquisa 37

5.1 - Pesquisa Bibliográfica 74

Tabela 4.2 – Origem do absenteísmo por especialidade 43

Tabela 4.3 – Medidas descritivas para as especialidades 45

Tabela 4.4 – Medidas descritivas para o tipo de marcação 47

Tabela 4.5 – Medidas descritivas para o tipo de tratamento 47

Tabela 4.6 – Resultado do teste de Wilcoxon para o tipo de tratamento 48

Tabela 4.9 – Estimação dos quartis e intervalos de confiança (Cardiologia) 51

Tabela 4.10 – Estimação dos quartis e intervalos de confiança (Cir. Cabeça/Pescoço) 51

Tabela 4.11 – Estimação dos quartis e intervalos de confiança (Cirurgia Geral) 52

Tabela 4.12 – Estimação dos quartis e intervalos de confiança (Cirurgia Plástica) 52

Tabela 4.13 – Estimação dos quartis e intervalos de confiança (Cirurgia Torácica) 53

Tabela 4.14 – Estimação dos quartis e intervalos de confiança (Cirurgia Vascular) 53

Tabela 4.15 – Estimação dos quartis e intervalos de confiança (Clínica Geral) 54

Tabela 4.16 – Estimação dos quartis e intervalos de confiança (Dermatologia) 54

Tabela 4.17 – Estimação dos quartis e intervalos de confiança (Endocrinologia) 55

Tabela 4.18 – Estimação dos quartis e intervalos de confiança (Fisiatria) 55

Tabela 4.19 – Estimação dos quartis e intervalos de confiança (Gastroenterologia) 56

Tabela 4.20 – Estimação dos quartis e intervalos de confiança (Geriatria) 56

Tabela 4.22 – Estimação dos quartis e intervalos de confiança (I DCC) 57

Tabela 4.23 – Estimação dos quartis e intervalos de confiança (Nefrologia) 58

Tabela 4.24 – Estimação dos quartis e intervalos de confiança (Neurocirurgia) 58

Tabela 4.25 – Estimação dos quartis e intervalos de confiança (Neurologia) 59

Tabela 4.26 – Estimação dos quartis e intervalos de confiança (Oftalmologia) 59

Tabela 4.27 – Estimação dos quartis e intervalos de confiança (Ortopedia) 60

Tabela 4.28 – Estimação dos quartis e intervalos de confiança (Pneumologia) 60

Tabela 4.29 – Estimação dos quartis e intervalos de confiança (Proctologia) 61

Tabela 4.30 – Estimação dos quartis e intervalos de confiança (Psiquiatria) 61

Tabela 4.31 – Estimação dos quartis e intervalos de confiança (Reumatologia) 62

Tabela 4.32 – Estimação dos quartis e intervalos de confiança (Urologia) 62

Tabela 4.33 – Estimativas para a mediana segundo a especialidade 63

Tabela 4.35 – Estimação dos quartis e intervalos de confiança (Funcionários) 65

Tabela 4.36 – Estimação dos quartis e intervalos de confiança (Primeira Consulta) 65

Tabela 4.37 – Estimação dos quartis e intervalos de confiança (Exames) 65

Tabela 4.38 – Estimação dos quartis e intervalos de confiança (Prioridades) 66

Tabela 4.39 – Estimadores de máxima verossimilhança dos modelos 66

Tabela 4.40 – Estimativa dos parâmetros para o modelo Weibull 68

Tabela 4.41 – Padrões de qualidade para o tempo até o atendimento ambulatorial 72

Tabela 4.42 – Padrões de qualidade atribuídos às especialidades 73

Figura 1.1 – Momentos da qualidade 03