Sistemas de agendamento são a conexão entre eficiência e qualidade em serviços de saúde ambulatoriais. Vários sistemas de agendamento da literatura buscam equilibrar estes fatores e a heterogeneidade dos pacientes tem sido aplicada em seus modelos com o objetivo de ganho de desempenho. Para se obter este ganho, entretanto, são impostas restrições de horários para pacientes, reduzindo assim a sua flexibilidade de escolha, um importante componente da qualidade no atendimento. Composto de três artigos inter-relacionados, este estudo teve como objetivos a análise de modelos de sistema de agendamento de serviços de saúde ambulatoriais encontrados na literatura e o desenvolvimento de modelos com uso da heterogeneidade para ganho de desempenho, sem perda de flexibilidade na escolha de horários. Com base em lacunas identificadas no primeiro artigo, o qual consistiu em uma revisão sistemática da literatura acerca do tema, foram desenvolvidos dois sistemas de agendamento, para os quais foram conduzidas simulações de eventos discretos e medidos seus desempenhos. Para o sistema do segundo artigo, modelado como sequencial, foi desenvolvida uma heurística para recálculo de horários remanescentes a cada solicitação de agendamento, partindo de uma agenda inicial construída com modelos extraídos da literatura. Estes recálculos basearam-se na probabilidade de no-show dos pacientes, sendo este o fator de heterogeneidade adotado. Observou-se um ganho de desempenho em termos de custo total (TC) variando entre 0,46% e 5,94%, entre as médias dos 18 ambientes simulados, sendo que os menores custos foram obtidos nos cenários com menores relações entre custos do paciente e custos do servidor (CR), bem como menores coeficientes de variação dos tempos de serviço (Cv). Constatou-se, ainda, que a heurística proposta é mais eficiente quando pacientes com maior taxa de no-show predominam na sessão de atendimento. No modelo do terceiro artigo, também desenhado como sequencial, a heterogeneidade foi caracterizada por diferentes probabilidades de no-show associadas a períodos da sessão de atendimento. Aplicando-se regras de agendamento desenvolvidas para heterogeneidade de pacientes identificadas na literatura, observou-se melhora de desempenho em 54 dos 72 cenários, com ganho médio de TC variando de 0% a 9,54%. Constatou-se que este ganho cresce com o aumento da diferença entre as probabilidades de no-show dos períodos da sessão. Tanto no modelo do segundo artigo como no do terceiro foi adotada a análise de medidas repetidas com ajuste de Bonferroni como teste de significância. Entre as limitações, este estudo se restringiu a apenas uma parcela da ampla gama de combinações possíveis de fatores ambientais. Também pode ser destacado o uso de apenas uma variável, a probabilidade de no-show, como fator de heterogeneidade. Quanto a estudos futuros, este trabalho aponta direções para aprimoramento das heurísticas abordadas. Recomenda-se, também, estudos com uso da heterogeneidade associada a períodos da sessão para construção da agenda inicial do sistema com a heurística para recálculos, combinando-se, assim, os sistemas propostos em um modelo único.

Appointment systems are the connection between efficiency and quality in outpatient health services. Several appointment systems in the literature seek to balance these factors and the heterogeneity of patients has been applied in their models with the objective of gaining performance. In order to obtain this gain, however, appointment time restrictions are imposed on patients, thus reducing their flexibility of choice, an important component of the quality of care. Composed of three interrelated articles, this study aimed to analyze outpatient appointment systems from literature and to develop models using heterogeneity for performance gain without losing flexibility in choosing appointment times. Based on gaps identified in the first article, which consisted of a systematic review of the literature on the topic, two appointment systems were developed, for which discrete event simulations were conducted and their performance was measured. For the system of the second article, modeled as sequential, a heuristic was developed to recalculate the remaining appointment times for each appointment request, starting from an initial schedule built with models extracted from the literature. These recalculations were based on the patients' no-show rate, this being the heterogeneity factor adopted. There was a performance gain in terms of total cost (TC) varying between 0.46% and 5.94%, among the 18 environments simulated, with the lowest costs being obtained in scenarios with lower cost ratio of doctor's time to patients' time (CR), as well as lower coefficients of variation in service times (Cv). It was also found that the proposed heuristic is more efficient when patients with a higher no-show rate predominate in the clinic session. In the model of the third article, also designed as sequential, heterogeneity was characterized by different no-show probabilities associated with periods of the clinic session. Applying appointment rules developed for the heterogeneity of patients identified in the literature, an improvement in performance was observed in 54 of the 72 scenarios, with an average gain in TC ranging from 0% to 9.54%. It was observed that this gain grows with the increase in the difference between the no-show rates of the session periods. In the model of the second article as well as in the third, the analysis of repeated measures with Bonferroni correction was used as a test of significance. Among the limitations, this study was restricted to only a portion of the wide range of possible combinations of environmental factors. It can also be highlighted the use of only one variable, the probability of no-show, as a factor of heterogeneity. As for future studies, this work points out directions for improving the heuristics addressed. It is also recommended that studies use the heterogeneity associated with periods of the clinic session to build the initial schedule in the system with the heuristic for recalculations, thus combining both proposed systems in a single model.