-
Implementação de Modelo Preditivo e Controle Estatístico para Gestão de Estoque em Farmácia Hospitalar de Alta Complexidade
- Voltar
Título
Implementação de Modelo Preditivo e Controle Estatístico para Gestão de Estoque em Farmácia Hospitalar de Alta Complexidade
Tipo de documento
Resumo
Descrição
Resumo apresentado no 14º Fórum Brasileiro sobre Assistência Farmacêutica e Farmacoeconomia (FAFF) e publicado no Jornal de Assistência Farmacêutica e Farmacoeconomia (JAFF)
Fonte
JAFF
Ano de publicação
2026
Referência (Vancouver)
Santos HA, Ribeiro DJ, Alves FRSP, Noblat GS, Kister LT. PE-033 Implementação de Modelo Preditivo e Controle Estatístico para Gestão de Estoque em Farmácia Hospitalar de Alta Complexidade. J Assist Farmac Farmacoecon. 2026;11(s.4).
DOI
10.22563/2525-7323.2026.v11.e00529
Identificador
2026JAFF279
Title
Implementation of a Predictive Model and Statistical Control for Inventory Management in a High-Complexity Hospital Pharmacy
Document type
Summary
Description
Abstract presented at the 14th Brazilian Forum on Pharmaceutical Care and Pharmacoeconomics (FAFF) and published in the Journal of Pharmaceutical Care and Pharmacoeconomics (JAFF)
Source
JAFF
Publication year
2026
Reference (Vancouver)
Santos HA, Ribeiro DJ, Alves FRSP, Noblat GS, Kister LT. PE-033 Implementação de Modelo Preditivo e Controle Estatístico para Gestão de Estoque em Farmácia Hospitalar de Alta Complexidade. J Assist Farmac Farmacoecon. 2026;11(s.4).
DOI
10.22563/2525-7323.2026.v11.e00529
Identifier
2026JAFF279
Resumo
Introdução (com o objetivo): A gestão de medicamentos em hospitais de alta complexidade exige precisão e análise para evitar o desabastecimento de itens críticos, além evitar capital imobilizado. Modelos tradicionais de ressuprimento são frequentemente baseados em médias simples e falham ao não considerar a sazonalidade e a variabilidade intrínseca do consumo hospitalar, como também a utilização de medicamentos para tratamentos específicos. A utilização de ferramentas analíticas acessíveis, como planilhas eletrônicas, permite transformar dados históricos em inteligência logística, facilitando o ressuprimento do estoque de medicamentos. OBJETIVOS: Relatar a implementação de um modelo de predição de demanda de medicamentos baseado em suavização exponencial e estabelecer um sistema de alertas precoces para picos de consumo intra-mês em uma farmácia hospitalar. Descrição: MÉTODOS: Trata-se de um relato de experiência sobre a aplicação de métodos estatísticos em uma série histórica de consumo de 12 meses e o consumo apurado no mês extraído do sistema de gestão de estoques e transportado para planilhas eletrônicas. A metodologia dividiu-se em duas frentes: 1. Predição de demanda futura: Aplicação do algoritmo da Suavização Exponencial Tripla (ETS) para capturar tendências e sazonalidades. Esta ferramenta decompõe a série histórica em nível, tendência e sazonalidade, permitindo que o modelo se ajuste às variações de consumo, atribuindo pesos maiores aos dados mais recentes, o que confere maior acurácia em cenários de alta variabilidade no consumo. 2. Monitoramento de desvios: Implementou-se a projeção linear do consumo vigente, comparando-a com o limite superior de consumo definido pelo cálculo da Média acrescida de dois Desvios Padrões (Média + 2x Desvio Padrão). A normalização dos dados permitiu a identificação de itens com consumo atípico antes do fechamento do período mensal. RESULTADOS: Na primeira aplicação do novo modelo, foram identificados 34 medicamentos para aquisição em um elenco de 686 itens, os quais não haviam sido indicados no modelo anterior. A aplicação do modelo resultou em uma melhoria significativa na previsibilidade das necessidades de compra, tanto pela identificação de picos de consumo quanto pela predição do nível de estoque de medicamentos. A indicação de picos de consumo dentro do próprio mês, antes apenas observados em momentos críticos ou quando do desabastecimento do item, passaram a ser melhor monitorados por meio do desvio padrão, permitindo que a equipe pudesse intervir proativamente, evitando compras emergenciais e rupturas de estoque. Observou-se que itens de alta variabilidade foram melhor monitorados, permitindo ajustes finos no estoque disponível. A metodologia conferiu maior segurança ao processo de aquisição, alinhando o planejamento físico-financeiro à realidade assistencial da instituição. Conclusão: A integração de métodos estatísticos avançados à rotina da farmácia hospitalar demonstra que a análise e uso de dados é uma competência estratégica para o farmacêutico gestor. O modelo proposto mostrou-se eficaz, de baixo custo de implementação e replicável, utilizando ferramentas disponíveis, contribuindo para a eficiência operacional e a sustentabilidade econômica do serviço de saúde. Este tipo de análise não elimina ou reduz a análise clínica do farmacêutico gestor em avaliar criticamente o uso de medicamentos no hospital, mas trata-se de uma proposta de uma ferramenta para auxiliar a tomada de decisões.
Palavras-chave
Estatística Aplicada | Farmácia hospitalar | Gestão de Estoques
Notas
O registro foi originalmente publicado em português. A versão em inglês foi traduzida com o apoio de inteligência artificial.
Abstract
Introduction (with the objective): Managing medications in highly complex hospitals requires precision and analysis to avoid shortages of critical items, as well as to avoid immobilized capital. Traditional replenishment models are often based on simple averages and fail to consider the seasonality and intrinsic variability of hospital consumption, as well as the use of medications for specific treatments. The use of accessible analytical tools, such as spreadsheets, allows the transformation of historical data into logistical intelligence, facilitating the replenishment of medication stock. OBJECTIVES: To report the implementation of a medication demand prediction model based on exponential smoothing and to establish an early warning system for intra-month consumption peaks in a hospital pharmacy. Description: METHODS: This is an experience report on the application of statistical methods to a 12-month historical consumption series and the consumption data for the month extracted from the inventory management system and transferred to spreadsheets. The methodology was divided into two fronts: 1. Prediction of future demand: Application of the Triple Exponential Smoothing (TSS) algorithm to capture trends and seasonality. This tool decomposes the historical series into level, trend, and seasonality, allowing the model to adjust to consumption variations, assigning greater weight to more recent data, which provides greater accuracy in scenarios of high variability in consumption. 2. Monitoring of deviations: A linear projection of current consumption was implemented, comparing it with the upper consumption limit defined by the calculation of the Mean plus two Standard Deviations (Mean + 2x Standard Deviation). Data normalization allowed the identification of items with atypical consumption before the end of the monthly period. RESULTS: In the first application of the new model, 34 medications were identified for acquisition in a list of 686 items, which had not been indicated in the previous model. The application of the model resulted in a significant improvement in the predictability of purchasing needs, both by identifying consumption peaks and by predicting drug stock levels. The indication of consumption peaks within the same month, previously only observed during critical moments or when the item was out of stock, became better monitored through standard deviation, allowing the team to intervene proactively, avoiding emergency purchases and stockouts. It was observed that items with high variability were better monitored, allowing for fine adjustments to the available stock. The methodology provided greater security to the acquisition process, aligning physical-financial planning with the healthcare reality of the institution. Conclusion: The integration of advanced statistical methods into the routine of the hospital pharmacy demonstrates that data analysis and use is a strategic competence for the pharmaceutical manager. The proposed model proved to be effective, low-cost to implement, and replicable using available tools, contributing to operational efficiency and the economic sustainability of the healthcare service. This type of analysis does not eliminate or reduce the clinical analysis of the managing pharmacist in critically evaluating medication use in the hospital, but it is a proposed tool to assist in decision-making.
Keywords
Applied Statistics | Hospital pharmacy | Inventory Management
Notes
The record was originally published in Portuguese. The English version was translated with the support of artificial intelligence.