Modelo multicritério com termos linguísticos hesitantes para a priorização de exames (PP-Index) : aplicação no SUS à fila de colonoscopia

Abstract

Resumo: A demora na realização de exames eletivos, como a colonoscopia, no Sistema Único de Saúde (SUS) compromete a detecção precoce do câncer colorretal, eleva o risco de progressão das lesões precursoras para neoplasias malignas e agrava filas de espera. No Complexo Hospital de Clínicas da Universidade Federal do Paraná (CHC/UFPR), o tempo médio de espera alcança 11,44 meses, podendo chegar a três anos. No contexto brasileiro, observa-se escassez de modelos de priorização que incorporem adequadamente a imprecisão e a hesitação presentes nas avaliações clínicas. O objetivo geral foi construir um modelo que trate a incerteza e a hesitação dos especialistas, pondere objetivamente as características dos tomadores de decisão (experiência, formação e conhecimento do problema) e alcance consenso sem rodadas iterativas de avaliação. O processo seguiu as etapas do Cross-Industry Standard Process for Data Mining (CRISP-DM) adaptadas ao contexto da pesquisa. Os resultados indicam elevada estabilidade dos rankings gerados (coeficiente de correlação de Spearman = 0,985 entre os cenários) e robustez frente a variações do parâmetro do método VIKOR. O modelo alcançou consenso global de 0,7913, priorizando pacientes com maior risco clínico para câncer colorretal. A validação algorítmica confirmou consistência entre as implementações em Python e Excel, e a análise de sensibilidade mostrou que os 20% dos casos mais graves mantiveram posição estável em 98% das configurações testadas. Do ponto de vista prático, o PP-Index contribui para a Gestão Hospitalar e da Informação ao estruturar e tornar reprodutíveis, os processos de busca e identificação de critérios clínicos, classificação e priorização (por meio de HFLTS e VIKOR), processamento e meta-heurística de inteligência coletiva (via PSO). Isso viabiliza a geração de rankings transparentes e baseados em evidências, apoiando uma alocação mais eficiente de recursos escassos no SUS. Do ponto de vista teórico, o modelo contribui para a área de Sistemas de Apoio à Decisão e Gestão da Informação ao propor a integração de tratamento de hesitação linguística, ponderação objetiva de especialistas e melhoria de consenso em grupo em uma abordagem computacionalmente implementável. O PP-Index pode ser adaptado a outras filas de exames eletivos, ampliando seu potencial de aplicação em contextos de saúde pública com elevada incerteza

Abstract: The delay in performing elective examinations, such as colonoscopy, within the Brazilian Unified Health System (SUS) compromises the early detection of colorectal cancer, increases the risk of progression from precursor lesions to malignant neoplasms, and worsens waiting lists. At the Hospital de Clínicas Complex of the Federal University of Paraná (CHC/UFPR), the average waiting time reaches 11.44 months and can extend up to three years. In the Brazilian context, there is a scarcity of patient prioritization models that adequately incorporate the imprecision and hesitation present in clinical assessments. The general objective was to build a model capable of handling uncertainty and hesitation in experts’ judgments, objectively weighting the characteristics of decision-makers (experience, education, and problem knowledge), and achieving consensus without iterative evaluation rounds. The process followed the adapted stages of the Cross-Industry Standard Process for Data Mining (CRISP-DM). The results indicate high stability of the generated rankings (Spearman’s correlation coefficient = 0.985 across scenarios) and robustness to variations in the VIKOR method parameter. The model achieved a global consensus of 0.7913, prioritizing patients with higher clinical risk for colorectal cancer. Algorithmic validation confirmed consistency between the Python and Excel implementations, while sensitivity analysis showed that the 20% most severe cases maintained stable positions in 98% of the tested configurations. From a practical perspective, the PP-Index contributes to Hospital and Information Management by structuring and making reproducible the processes of searching and identifying clinical criteria, classification and prioritization (through HFLTS and VIKOR), processing, and metaheuristic of collective intelligence (via PSO). This enables the generation of transparent, evidence-based rankings, supporting more efficient allocation of scarce resources in the SUS. From a theoretical perspective, the model contributes to the fields of Decision Support Systems and Information Management by proposing the integration of hesitant linguistic treatment, objective weighting of experts, and improved group consensus in a computationally implementable approach. The PP-Index can be adapted to other elective examination queues, expanding its potential application in public health contexts with high uncertainty