Modelo baseado em simulações de cenários mostra que o sistema de saúde de Campo Grande poderia entrar em colapso caso fossem registradas 16 internações diárias por conta da Covid-19 durante 36 dias. O estudo parte do dia 23 de abril, então, a estimativa é que, caso esse cenário se confirmasse, não haveria mais leitos no dia 29 de abril.

A pesquisa foi feito por professores e alunos da Faculdade de Engenharia (Faeng) da Universidade Federal de Mato Grosso do Sul (UFMS) e levou em consideração dados passados pela Secretaria Municipal de Saúde (Sesau), pela Secretaria de Estado de Saúde (SES) e pelo Cadastro Nacional de Estabelecimentos de Saúde (Cnes).

O modelo segue sete etapas: levantamento da quantidade de leitos hospitalares, de Unidade de Terapia Intensiva (UTI) e de respiradores disponíveis para o combate à Covid-19; levantamento do tempo entre chegadas (TEC) de pacientes encaminhados para leitos hospitalares, de UTIs com e sem respiradores e a partir dos dados referentes às internações já realizadas; levantamento do tempo de permanência dos pacientes internados nos diferentes tipos de leitos; estimativas da proporção de pessoas que deram entrada em leitos hospitalares de UTIs com e sem respiradores; identificação das expressões matemáticas que melhor descrevem os dados coletados; modelagem do fluxograma do processo de internação; e simulação computacional e análise dos resultados.

Conforme a professora doutora em Engenharia de Produção e Ciência da Computação Carolina Lino Martins, uma das coordenadoras da pesquisa, a ideia da criação desse modelo veio do fato de que um dos principais problemas causados pelo novo coronavírus é justamente na estrutura de saúde das cidades.

“Um dos gargalos é a infraestrutura da saúde, se ela tem capacidade para absorver os pacientes que necessitam de internação e para que ela possa se preparar. Fizemos o estudo com o intuito de auxiliar os gestores para tomarem decisões, evitarem um possível colapso e salvar a maior quantidade de vidas possível”, declarou a professora.

Além de Lino, fazem parte da pesquisa o professor João Batista Sarmento dos Santos Neto, os alunos Gabriel Ensinas e Renan Della Senta Miguel e a mestranda Naylil Liria Baldin Lacerda.

Até o dia 23 de abril, quando os dados foram coletados, Campo Grande tinha 97 casos confirmados da doença, conforme boletim divulgado pela Sesau – 12 estavam internados. A pesquisa afirma que a taxa de internação, levando esses dados em consideração, era de 0,6 pacientes ao dia, valor muito abaixo do que foi considerado no cenário mais catastrófico da Covid-19.

Dados de internação desta quarta-feira, porém, são ainda menores que os da semana passada. Apesar de a Capital ter ampliado a quantidade de casos confirmados, chegando a 128, o número de pessoas em leitos hospitalares caiu para oito, sendo todas na rede privada.

“A simulação de 90 dias no cenário extremo é de que 21,84% do tempo em média os respiradores ficarão em uso, 86,48% do tempo os leitos de UTI ficarão em uso e 12,78% do tempo os leitos de enfermaria ficarão em uso. Portanto, o gargalo de Campo Grande não são os respiradores e nem os leitos de enfermaria. O gargalo são os leitos de UTIs”, diz trecho do estudo

A pesquisa ainda revela que caso este cenário aconteça, o tempo médio de espera por um leito após 90 dias seria de 9,5 horas e o tempo máximo, de aproximadamente dois dias.

De acordo com a professora, para a semana que vem, o grupo já prepara outro cenário usando o mesmo modelo. E além de Campo Grande, o projeto pode ser ampliado para outras cidades. “Nosso estudo depende da disponibilidade e qualidade dos dados sobre leitos, respiradores, quantidade de pacientes internados e quanto tempo eles ficam em observação. Então, dependemos dessa disponibilização das autoridades de cada município”.

O estudo feito por cinco universidades do País que calculou o quão perto as estruturas de saúde das capitais estão do colapso em razão da quantidade de pacientes internados por causa da pandemia causada pela Covid-19 mostrou que Campo Grande seria a penúltima a ficar sem vagas em unidades de saúde.