Uma estrutura de simulação para avaliar fluxos de trabalho de pedidos eletrônicos em registros de saúde integrados

Por que a papelada digital invisível importa

Cada vez que um médico solicita um exame laboratorial, um raio‑X ou uma consulta com especialista, esse pedido percorre um labirinto dentro do prontuário eletrônico (EHR). Se essa jornada digital for lenta ou travar, os pacientes aguardam mais para receber atendimento e a equipe perde tempo buscando atualizações de status. Este artigo descreve uma nova maneira de "testar" esses fluxos eletrônicos ocultos por meio de simulação computacional, para que hospitais possam explorar de forma segura como mudanças em software, pessoal ou demanda podem afetar atrasos e acúmulos antes que os pacientes sintam o impacto.

Transformando cliques brutos em uma narrativa clara

Os autores concentraram‑se na Administração de Saúde dos Veteranos, o maior sistema de saúde integrado dos Estados Unidos. Seu EHR registra cada etapa que um pedido eletrônico percorre, mas os dados estão espalhados por muitas tabelas técnicas e carimbos de tempo. A equipe primeiramente traduziu essa confusão de eventos em um conjunto simples e universal de estados que qualquer leigo poderia reconhecer em um processo: um pedido é Criado, torna‑se Pronto (Ready), Reservado para ação, passa para EmProgresso (InProgress) e finalmente Concluído, ou pode terminar em estados problemáticos como Falhado, Saído (Exited) ou Erro. Esse mapeamento, baseado em um padrão internacional para fluxos de trabalho empresariais, transformou logs desordenados em “trilhas” digitais limpas e comparáveis que mostram como os pedidos realmente se movem pelo sistema.

Construindo uma pista de testes virtual para pedidos

Com essas trilhas padronizadas, os pesquisadores construíram uma simulação de eventos discretos—um modelo computacional que reproduz milhares de pedidos enquanto eles transitam de estado a estado ao longo do tempo. Eles calibraram o modelo usando dados reais de cinco hospitais de Veteranos, alimentando‑o com a frequência de cada transição e com a duração típica de cada uma, incluindo atrasos raros, porém muito longos. Em seguida, verificaram quão bem o “tempo no sistema” simulado para os pedidos correspondia ao histórico, usando testes estatísticos e gráficos comparativos. As linhas do tempo simuladas e reais concordaram de perto entre as unidades, especialmente nos casos típicos, o que dá confiança de que o sistema virtual se comporta de modo semelhante ao real e pode ser usado para experimentos de "e se".

Testando o sistema sob pressão

A equipe então usou o modelo para fazer perguntas práticas: o que acontece se mais pedidos chegarem, ou se etapas-chave estiverem limitadas por pessoal ou equipamento? Em um conjunto de experimentos, aumentaram o volume de pedidos e impuseram tetos na quantidade que podia ser processada em etapas cruciais, como passar de Reservado para EmProgresso, ou de EmProgresso para Concluído. Quando não havia limites, o sistema absorveu a demanda maior com apenas crescimento modesto nas filas de espera. Mas, uma vez introduzidos os limites, os atrasos aumentaram consideravelmente e o sistema teve dificuldade em alcançar um estado estável, especialmente sob demanda mais intensa. Em efeito, limites modestos de recursos transformaram um pico administrável em um ponto de ruptura onde atrasos e pedidos não finalizados cresceram abruptamente—insights que podem orientar planejamento de pessoal e capacidade.

Seguindo desvios e loops

Os pesquisadores também exploraram como pequenas mudanças nas regras de roteamento repercutem pelo sistema. Quando dificultaram que pedidos pegassem um atalho direto de Ready para Concluído, mais pedidos foram forçados a passar por Reservado e EmProgresso. Isso reduziu a taxa de processamento geral por um tempo e criou caminhos mais longos e emaranhados, com alguns pedidos retornando várias vezes e permanecendo muito mais tempo no sistema. Ao visualizar os caminhos mais comuns e contar com que frequência pedidos “retornam” a estados anteriores, o modelo destaca onde retrabalho e manuseio repetido consomem silenciosamente o tempo da equipe. A análise em rede das rotas digitais mostrou que três estados—Reservado, EmProgresso e Concluído—atuam como hubs centrais e potenciais gargalos onde a congestão é mais provável e onde monitoramento mais próximo traria benefícios.

Usando um gêmeo digital para manter o atendimento em movimento

Para não especialistas, a principal conclusão é que os autores construíram uma espécie de gêmeo digital para pedidos no EHR: um ambiente seguro, orientado por dados, onde gestores podem ensaiar mudanças antes que elas alcancem os pacientes. O estudo mostra que essa abordagem pode espelhar realisticamente como pedidos eletrônicos se movem, onde eles emperram e como ajustes de política ou picos de demanda podem gerar filas e atrasos ocultos. Hospitais poderiam usar tais simulações para testar novas regras, planejar para surtos, vigiar estados-chave por sinais precoces de problema e reduzir retrabalho ineficiente. Ao fazer isso, podem tornar a tubulação invisível dos pedidos digitais mais confiável, ajudando a garantir que a tecnologia nos bastidores acompanhe a urgência do atendimento ao paciente.

Citação: Chen, Y., Niu, H., Omitaomu, O.A. et al. A simulation framework for evaluating electronic order workflows in integrated health records. npj Health Syst. 3, 14 (2026). https://doi.org/10.1038/s44401-026-00067-2

Palavras-chave: registros eletrônicos de saúde, simulação de fluxo de trabalho, operações de saúde, gêmeo digital, Administração de Saúde dos Veteranos