Uso da metodologia Lean Six Sigma na melhoria do acesso a medicamentos biológicos para tratamento da artrite reumatoide
Bibliographic record
Abstract
Objetivo: propor fluxo otimizado do processo de acesso a medicamentos biológicos utilizando a metodologia Lean Six Sigma. Método: Estudo de corte transversal conduzido no Centro de Infusão, em Salvador, Bahia. Foram analisados os processos administrativos de solicitação de medicamentos biológicos para tratamento da artrite reumatoide no ano de 2016. Para análise do processo atual e proposição de um processo otimizado foi utilizado o método Lean Six Sigma seguindo a aplicação da metodologia DMAIC por meio das ferramentas Project Charter, SIPOC, PMAP, VSM e FMEA. Resultados: Foram incluídos 63 processos. O procedimento possui três etapas críticas. Os tempos médios encontrados foram de 30, 11 e 73 dias, respectivamente, sendo o tempo médio entre a solicitação do medicamento biológico pelo usuário e a dispensação foi de 84,3 dias. As etapas 1 e 3 são consideradas demoradas, especialmente a última. As principais causas para a demora estão na orientação insuficiente e inadequada do paciente, e na não entrega da documentação completa. As especificações do processo não estão sendo atendidas havendo grande variabilidade. Cerca de 54% dos dados estão fora das especificações, demonstrando a ineficiência do processo e que é necessário gerenciar as causas especiais com o intuito de visando reduzir a variabilidade e aprimorar o processo de acesso a esses medicamentos. Conclusão: O processo de acesso a medicamentos biológicos no Centro de Infusão é demorado e pode ser melhorado. Causas como o desconhecimento por parte do paciente, do endereço do local de infusão do medicamento podem ser corrigidas. A metodologia Lean Six Sigma demonstrou boa aplicabilidade para melhorar o processo de acesso a medicamentos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.002 | 0.012 |
| Insufficient payload (model declined to judge) | 0.031 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".